基于改进粒子滤波的超宽带与惯性测量单元融合定位算法

发布时间：2021-12-10 05:05

　　为了提高超宽带（UWB）与惯性测量单元（IMU）融合定位算法的定位精度,提出了一种基于改进自适应加权数据融合的粒子滤波定位算法。首先利用自适应最优加权融合算法中最小方差估计理论,对粒子滤波中粒子分布权重进行调整;利用阈值限制所求观测方差,避免了因实际环境导致观测方差发散;利用观测噪声协方差和测量值,在粒子滤波后RMSE限制区间求得各传感器最优加权因子,避免因传感器信号弱或丢失产生的算法发散问题。最后,进行了UWB与IMU融合定位的对比实验。实验结果表明:该算法在满足实时性跟踪的要求下,能有效提高车辆导航定位精度,通过与扩展卡尔曼融合算法相比,其定位精度提高了15%以上。 

【文章来源】：科学技术与工程. 2020,20(30)北大核心

【文章页数】：7 页

【部分图文】：

不同观测方差下的状态估计误差标准差

采用超宽带(UWB)和惯性测量单元(IMU)进行组合定位导航研究。UWB传感器的主要定位模块是Decawave公司于2012年推出的DWM1000模块,如图2所示。由于DWM1000模块抗多径衰落能力强、支持高数据速率通信、功耗低等优点,在UWB定位领域被广泛应用。选用的IMU模块为维特智能公司生产的JY901姿态角度传感器,如图3所示。该传感器模块集成高精度陀螺仪、加速度计、地磁场传感器,采用高性能的微处理器和先进的动力学解算与卡尔曼动态滤波算法,能够快速求解出模块当前实时的运动姿态。图3 IMU定位模块

表1 第一组实验10次仿真所统计的融合精度Table 1 The fusion accuracy of the first group was calculated by 10 simulations 实验次数 X方向/cm Y方向/cm RMSE/cm 1 7.369 4.779 9.570 2 7.416 4.985 9.722 3 7.361 4.987 9.691 4 7.337 4.967 9.650 5 7.378 4.966 9.570 6 7.370 4.941 9.621 7 7.421 4.891 9.653 8 7.322 4.871 9.582 9 7.382 5.017 9.721 10 7.417 4.900 9.683 均值 7.377 4.930 9.646图5 实验所得RMSE曲线

【参考文献】：
期刊论文
[1]室内无线定位原理与技术研究综述[J]. 杨超超,陈建辉,刘德亮,郭希维,方正.  战术导弹技术. 2019(06)
[2]基于惯性传感器数据融合的管线三维可视化[J]. 李瑞通,赵庆生,王旭平.  科学技术与工程. 2018(34)
[3]一种快速高精度GPS组合定位方法研究[J]. 王迪,陈光武,杨厅.  铁道学报. 2017(02)
[4]超宽带无线定位系统及算法研究[J]. 孙杨,戴亚文.  科学技术与工程. 2016(31)
[5]多传感器测量中的方差估计[J]. 仲崇权,董西路,张立勇,曹阳.  数据采集与处理. 2003(04)



本文编号：3531958