基于CNN和在线学习的UWB室内定位算法

• 作者: 张宝军 王珩 田奇 陈曦
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 超宽带室内定位 卷积神经网络 在线学习算法 非视距误差 扩展卡尔曼滤波
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 511-516
• 页数: 6页
• 分类号: TN929
• 字数: 3498字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2020.04.006

摘要

为了减小非视距(NLOS)误差对超宽带(UWB)室内定位系统定位精度的影响,提出了一种基于卷积神经网络(CNN)的超宽带室内定位算法.利用超宽带系统采集非视距环境下的室内定位数据,根据信号在非视距环境下传播时的误差特性建立CNN模型,将定位数据输入网络进行训练,以减小NLOS误差对定位精度的影响,然后用扩展卡尔曼滤波(EKF)进行位置估计;当系统处于不同室内环境时,使用在线学习算法调整CNN参数,提高系统的兼容性.实验结果表明,该算法可以在不同室内环境下有效减小NLOS误差的影响,保持厘米级的定位精度,具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宝军	西安邮电大学电子工程学院	34	239	10.0	14.0
2	陈曦	西安邮电大学电子工程学院	4	9	2.0	3.0
3	田奇	西安邮电大学电子工程学院	1	0	0.0	0.0
4	王珩	西安邮电大学电子工程学院	1	0	0.0	0.0