基于UWB的室内定位与跟踪算法研究

发布时间：2017-10-21 01:33

  本文关键词：基于UWB的室内定位与跟踪算法研究

  更多相关文章： UWB 复杂室内环境 室内信道模型 高精度定位

【摘要】：随着人们对实时室内高精度定位需求越来越强烈,传统室内定位如红外线、蓝牙、超声波、RFID等技术,在定位精度、功耗上不能满足人们迫切的需求。超宽带(Ultra Wide Band,UWB)技术相比于窄带技术,其传输速率高、发射功率低、抗干扰和穿透能力强,在障碍物少或视距(Line of Sight,LOS)传输下能取得很好的定位性能,但当目标与探测器之间障碍物较多,由于非视距(Non-Line of Sight,NLOS)传输导致定位性能明显下降,因此研究如何能减少或者消除NLOS传输带来的误差具有重要的价值。为此,本文首先研究了超宽带技术特点、定位系统各部分功能、常见的各类定位与跟踪算法;其次研究了UWB信号室内传输信道模型,仿真并分析了IEEE802.15.4a信道模型在不同短距离场景的传输特点;最后为实现在未知场景下,对待测目标高精度定位与跟踪,本文分为以下两个方面做研究:一方面针对静止目标:考虑探测环境为LOS与NLOS共存,本文设计了N-CHAN算法:它既保留了CHAN算法的优点,即噪声为高斯分布时,具有较小的计算量,高的定位精度,又能在噪声为非高斯场景下实现较高精度定位,仿真证明N-CHAN算法定位精度明显优于CHAN算法;考虑在探测区域内目标与探测器之间均为NLOS,结合质心Taylor算法以及TOA的几何关系,设计了N-Taylor算法,它能够检测出相对误差较大传输路径,并在有效消除NLOS误差的同时,解决了Taylor算法发散问题。仿真证明该算法在定位精确、迭代次数以及收敛性上明显优于CHAN-Taylor、Taylor、质心Taylor。另一方面针对移动目标:综合考虑目前各类跟踪算法特点,仿真对比得出PF算法更适合于本文研究。结合本文实际需求,融入自适应算法思想,根据目标实际运动情况与环境噪声,改进PF算法,设计了JZ-PF算法。仿真证明在状态方程噪声为瑞利分布,观测方程为高斯分布下,该算法能有效减小测量误差,并在不同误差条件下,均能有效的消除NLOS误差,具有良好的鲁棒性。最后本文在综合考虑目标静止和运动的情况,融入RSSI,设计了FFP算法。它通过检测目标是否运动、目标与探测器之间路径是否为LOS,而动态选择算法,并自适应修改相关参数,它有效克服了JZ-PF算法对测量数据误差较小的敏感问题。通过MATLAB仿真证明,该算法能在复杂室内环境下,可对未知运动状态的目标进行定位与跟踪,精度达到厘米级。
【关键词】：UWB 复杂室内环境 室内信道模型 高精度定位
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN925
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-19
• 1.1 研究背景11-12
• 1.2 国内外研究现状12-15
• 1.2.1 国外研究现状12-14
• 1.2.2 国内研究现状14-15
• 1.3 研究内容及意义15-16
• 1.3.1 研究内容15-16
• 1.3.2 研究意义16
• 1.4 本文的主要贡献与创新16-17
• 1.5 本论文的结构安排17-19
• 第二章 超宽带技术及相关理论19-36
• 2.1 超宽带及定位系统概述19-22
• 2.1.1 超宽带简介19-20
• 2.1.2 超宽带定位系统20-22
• 2.2 常见定位技术及各类定位算法分析22-29
• 2.2.1 常见定位技术及定位方法22-23
• 2.2.2 常见定位算法23-29
• 2.2.2.1 无线定位各类方法简介23-26
• 2.2.2.2 典型TOA/TDOA定位算法介绍26-29
• 2.3 常见跟踪算法29-34
• 2.3.1 KF算法29-30
• 2.3.2 EKF算法30
• 2.3.3 UKF算法30-32
• 2.3.4 PF算法及其扩展算法32-34
• 2.4 定位精度影响因素以及评判标准34-35
• 2.4.1 定位精度影响因素34-35
• 2.4.2 定位精度评判标准35
• 2.5 本章小结35-36
• 第三章 UWB室内定位算法研究36-60
• 3.1 UWB室内信道模型研究36-43
• 3.1.1 UWB信道模型研究意义36
• 3.1.2 UWB室内信道模型分析36-38
• 3.1.3 UWB室内信道模型仿真实现38-43
• 3.2 鉴定并消除NLOS误差的TOA/TDOA算法设计43-59
• 3.2.1 LOS与NLOS共存误差消除算法设计43-51
• 3.2.1.1 CHAN算法研究44-46
• 3.2.1.2 N-CHAN算法设计46-51
• 3.2.2 完全NLOS环境下的定位算法设计51-59
• 3.2.2.1 Taylor算法研究51-52
• 3.2.2.2 N-Taylor算法设计52-59
• 3.3 本章小结59-60
• 第四章 UWB室内跟踪算法研究60-77
• 4.1 常见滤波算法对比研究60-61
• 4.2 PF算法研究61-62
• 4.3 JZ-PF算法设计62-66
• 4.4 融合RSSI的跟踪算法研究66-75
• 4.4.1 理论分析66-71
• 4.4.2 融合算法FFP设计71-75
• 4.5 本章小结75-77
• 第五章 仿真验证与结果分析77-93
• 5.1 N-CHAN算法仿真及分析77-79
• 5.2 N-Taylor算法仿真及分析79-82
• 5.3 动态目标跟踪算法仿真验证与结果分析82-91
• 5.3.1 常见各类跟踪算法仿真研究82-84
• 5.3.2 改进JZ-PF滤波算法仿真与分析84-88
• 5.3.3 目标跟踪FFP算法仿真与实现88-91
• 5.4 本章小结91-93
• 第六章 总结与展望93-95
• 6.1 总结93-94
• 6.2 展望94-95
• 致谢95-96
• 参考文献96-99
• 攻读硕士学位期间取得的成果99-100

【相似文献】

中国期刊全文数据库 前10条

1 葛磊;武芳;王鹏波;张冬林;;3维建筑综合中基于最小特征的面平移算法[J];测绘科学技术学报;2009年02期

2 骆雯,孙延明,陈振威,陈锦昌;判断点与封闭多边形相对关系的改进算法[J];机械;1999年03期

3 李林;卢显良;;一种基于切割映射的规则冲突消除算法[J];电子学报;2008年02期

4 刘巧玲;张红英;林茂松;;一种简单快速的图像去雾算法[J];计算机应用与软件;2013年07期

5 林亚平,杨小林;快速概率分析进化算法及其性能研究[J];电子学报;2001年02期

6 章郡锋;吴晓红;黄晓强;何小海;;基于暗原色先验去雾的改进算法[J];电视技术;2013年23期

7 杨铁军;靳婷;;一种动态整周模糊值求解算法及其仿真分析[J];系统工程与电子技术;2007年01期

8 周秀玲;郭平;陈宝维;王静;;几种计算超体积算法的比较研究[J];计算机工程;2011年03期

9 吴一戎,胡东辉,彭海良;Chirp Scaling SAR成象算法及其实现[J];电子科学学刊;1995年03期

10 王贵竹;一种产生单向分解值的算法[J];安徽大学学报(自然科学版);2001年03期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 张冬丽;人工蜂群算法的改进及相关应用研究[D];燕山大学;2014年

6 徐悦竹;机会发现算法及其应用研究[D];哈尔滨工程大学;2010年

7 王征;分布式互斥算法的研究与实现[D];电子科技大学;2007年

8 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年

9 杨世品;P系统优化算法及应用研究[D];浙江大学;2013年

10 张毅;群智能算法的改进及其在相关领域中的应用[D];吉林大学;2009年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年

4 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年

5 高健;基于Zynq7000平台的去雾算法研究及实现[D];南京理工大学;2015年

6 顾磊;基于Hadoop的聚类算法的数据优化及其应用研究[D];南京信息工程大学;2015年

7 杨燕霞;基于Hadoop平台的并行关联规则挖掘算法研究[D];四川师范大学;2015年

8 王羽;基于MapReduce的社区发现算法的设计与实现[D];南京理工大学;2015年

9 许振佳;流式数据的并行聚类算法研究[D];曲阜师范大学;2015年

10 董琴;人工蜂群算法的改进与应用[D];大连海事大学;2015年

，

本文编号：1070533