基于CNN的超宽带/惯性导航室内定位算法

• 作者: 张宝军 田奇
• 来源期刊: 传感器与微系统
• 关键词: 超宽带室内定位 非视距误差 卷积神经网络 惯性导航系统 扩展卡尔曼滤波
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 114-117
• 页数: 4页
• 分类号: TN929|TP212
• 语种: 中文
• DOI: 10.13873/J.1000—9787(2021)07—0114—04

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UWB室内定位算法.利用UWB系统采集NLOS环境下的室内定位数据,根据信号在NLOS环境下传播时的误差特性建立CNN模型,将数据输入网络进行训练,以减小NLOS误差对系统定位的影响;结合惯性导航系统(INS),用扩展卡尔曼滤波(EKF)对UWB/INS组合系统进行位置估计,进一步提高定位的精度.实验结果表明:该算法可以有效减小NLOS误差的影响,定位解算轨迹更加贴近真实轨迹,可达到厘米级定位要求.