WSNs环境下基于高斯混合容积卡尔曼滤波的移动机器人定位算法

发布时间：2018-01-14 10:10

本文关键词：WSNs环境下基于高斯混合容积卡尔曼滤波的移动机器人定位算法　出处：《传感技术学报》2017年01期 　论文类型：期刊论文

【摘要】：针对移动机器人的定位问题,提出一种面向无线传感器网络WSNs(Wireless Sensor Networks)环境下,结合高斯混合容积卡尔曼滤波(GM-CKF)优化的定位算法。将WSNs对移动机器人的观测、机器人自身对环境特征的观测以及机器人自身运动控制量进行数据融合,并利用带有门限判别和选择性高斯分割的GM-CKF算法,对机器人的预估位置实施预测修正,降低计算求解的空间维数,提高定位精度。仿真实验结果表明,所提出的方法比传统机器人自定位法定位精度有所提高,算法精度较标准的CKF算法提高了39.11%,比EKF算法提高了65.81%。
[Abstract]:In order to solve the localization problem of mobile robot, a new wireless sensor network (WSNs(Wireless Sensor Network) environment is proposed. Combined with Gao Si hybrid volume Kalman filter (GM-CKF) optimization localization algorithm, the WSNs is used to observe the mobile robot. The robot's own observation of the environment features and the robot's own motion control data fusion, and the use of threshold discrimination and selective Gaussian segmentation of the GM-CKF algorithm. In order to reduce the spatial dimension of the solution and improve the positioning accuracy, the proposed method is more accurate than the traditional robot self-localization method, and the simulation results show that the proposed method is more accurate than the traditional robot self-positioning method. The accuracy of the algorithm is 39.11 higher than that of the standard CKF algorithm, and 65.81% higher than that of the EKF algorithm.
【作者单位】：安徽工程大学安徽省电气传动与控制重点实验室;
【基金】：2016年安徽高校自然科学研究项目(KJ2016A794) 安徽工程大学研究生实践与创新项目(Y040116006)
【分类号】：TP242;TP212.9;TN929.5
【正文快照】： 定位问题一直是移动机器人MR(Mobile Robot)研究领域的基础和关键技术之一[1-2]。在许多运用中,只有机器人位置状态已知,才能更有效的发挥监测功能。移动机器人的机动性能突出,但感知能力在某些环境下还存在一定的局限性。而WSNs环境下,传感器节点可以根据目标传感信息,自动感

【相似文献】