利用时变噪声贝叶斯卡尔曼滤波的室内移动目标定位

发布时间：2021-01-22 11:53

　　基于射频识别的指纹滤波定位技术是当前室内定位中常使用的技术之一。针对该技术存在的卡尔曼滤波算法不能准确适应环境噪声变化,致使定位精度不高的问题,提出了一种适应时变噪声的贝叶斯卡尔曼滤波算法。所提算法结合Sage-Husa滤波模型和贝叶斯模型,实现了过程和测量协方差矩阵的最优化,有效地降低了噪声,提高了指纹滤波定位的精度。实验结果表明,与变分贝叶斯卡尔曼滤波和Sage-Husa滤波相比,无障碍情况下,基于改进算法的定位精度提高了6%以上;有障碍干扰下,则提高了14. 6%以上。 

【文章来源】：电讯技术. 2020,60(03)北大核心

【文章页数】：7 页

【部分图文】：

基于RFID的指纹滤波定位模型结构框图

在(1,1)、(1,14)、(10,1)、(10,14)、(19,1)、(19,14)坐标处放置RFID读取器，小车从坐标(2,5)处向东沿11.5 m×5 m的近方形轨迹以0.5 m/s速度移动、运行67 s，实验结果如图2所示。其中，图2(a)为测得的不同算法估计的移动目标位置，图2(b)是不同算法下估计的位置单位均方根误差。从图2(a)可以发现KF的轨迹波动幅度最大，说明其定位效果是最差的，其余算法的定位效果在图2(a)中很难分辨。为了进一步分析算法的定位效果，图2(b)给出了不同算法下均方根误差随时间改变的变化趋势。通过局部放大图可以发现，从35 s后TNBKF的曲线相比于其他三种算法的均方根误差是不断下降的。表1给出了无障碍物干扰下不同算法的位置估计性能比较，可见，这四种算法的αpos为Sage-Husa>KF>VBKF>TNBKF。δi值的变化则进一步清晰说明了定位精确度改进幅度，可以发现其他算法的误差都比TNBKF算法的误差增加了6!以上。由此可见，本文提出的TNBKF算法定位精度相比于其他三种算法有较大提升。

一般而言，增加定位系统中读取器的数量可以有效提升定位精准度。本文进一步分析了读取器数量改变情况下TNBKF对比其他算法的精准度改进情况。图3给出了读取器个数变化下不同算法的误差相对系数γi，从读取器个数为3开始，可以发现TNBKF的相对误差系数明显低于其他三种算法。表2给出了不同算法误差相对系数百分比与读取器数量关系，随着读取器数量的增加，从Reader=3开始，δSage-Husa、δVBKF、δKF的值均为正。从误差趋势和误差幅度而言，在读取器增加的情况下，TNBKF的性能相比于其他三种算法的改进更大。2.2.2 RFID读取器位置不同的算法性能比较

【参考文献】：
期刊论文
[1]基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计[J]. 李刚,赵德阳,解瑞春,韩海兰,宗长富.  汽车工程. 2015(12)
[2]基于威沙特分布的二元过程均值与协方差监控[J]. 赵永满.  统计与决策. 2015(05)
[3]基于卡尔曼滤波和指纹定位的矿井TOA定位方法[J]. 孙继平,李晨鑫.  中国矿业大学学报. 2014(06)
[4]基于Sage-Husa自适应滤波的车载三维航位推算算法[J]. 刘涛,孟凡磊,姚跃亭,崔伟成.  弹箭与制导学报. 2013(06)
[5]基于RSSI的动态权重定位算法研究[J]. 詹杰,刘宏立,刘述钢,朱凡.  电子学报. 2011(01)
[6]基于核岭回归的自适应蓝牙定位方法[J]. 江德祥,胡明清,陈益强,刘军发,周经野.  计算机应用研究. 2010(09)



本文编号：2993177