计算机应用

作者：张健铭, 施元昊, 徐正蓺, 魏建明

单位：1.中国科学院 上海高等研究院，上海 201210；2.中国科学院大学，北京 100049；3.上海大学 通信与信息工程学院，上海 200444

关键词：室内定位,支持向量机,扩展卡尔曼滤波,自适应,融合定位

基金：上海市科技创新行动计划项目（19DZ1202200）；上海市青年科技英才扬帆计划（18YF1425600）。

为了解决在室内非视距(NLOS)定位场景中超宽带(UWB)技术性能不佳、航位推算(PDR)算法累积误差过大的问题，以及由环境因素引起的UWB性能下降的问题，提出了一种基于UWB误差预测而自适应系数调节的UWB/PDR融合定位算法。该算法创新地提出了利用支持向量机(SVM)回归模型对复杂环境中UWB定位误差进行预测，并以此为基础，为常规的扩展卡尔曼滤波(EKF)算法添加了自适应调节系数，以提高UWB/PDR的融合定位效果。实验结果表明，所提算法在复杂UWB环境中可以有效预测当前UWB定位误差水平，并通过自适应调整融合系数提高精度，使得较常规EKF算法在一般区域的定位误差降低了18.2%，在UWB精度较差的区域中的定位误差降低了48.7%，从而减小了环境对UWB性能的影响；在包含UWB的视距内(LOS)及NLOS的复杂场景中，通过融合定位算法，将定位每百米误差由米级降低至分米级，解决了NLOS场景中PDR 误差过大的问题。

来源：2020年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第6期