论文部分内容阅读
超宽带(Ultra-Wideband,UWB),一种不用载波而采用时间间隔极短(小于1ns)的脉冲进行通信的方式。由于UWB本身具有定位精度高、操作简单等优点,所以超宽带定位在目前的生产生活中的应用越来越广泛,被普遍应用于学术和工业生产中。因此,本论文针对更加符合实际场景的UWB定位进行重点研究,对于目前超宽带定位在基站数目、设备成本和定位精度等方面的问题做更深一步的探讨,本文的主要贡献和创新如下:(1)提出了非视距环境(Non Line of Sight,NLOS)下改进的卡尔曼滤波算法,利用最大似然估计算法迭代,最大程度的消除NLOS对定位算法的影响,使从基站与主基站的时钟同步,通过实验验证发现这种方法整体上提高了定位的精确性和稳定性。(2)引入贝叶斯压缩感知机制,利用3D感知对人体进行建模并且分析爬行波在人体上的传输规律和贝叶斯压缩感知对获取的UWB爬行波信号进行恢复,再结合最大似然估计和迭代逼近的算法确定标签位置。提出一种利用贝叶斯压缩感知来消除爬行波影响的方法,并通过实际试验场景验证了该算法对信号恢复有较好的性能。(3)提出基于最小二乘法的轨迹追踪算法,首先通过信道模型的估计来鉴别非视距信号,其次基于TDOA算法利用直达路径分量(Dreact Path,DP)来计算发送端和接收端之间的时间差;然后,利用N-WLS算法来消除定位标签之间由于环境因素带来的距离差以及发送接收端的时间差;通过确定的标签在不同时刻的位置描绘标签轨迹,从而提出一种利用加权最小二乘法实现NLOS环境下的轨迹追踪方法N-WLS。通过搭建实际实验平台,对实验结果进行分析,本文提出的基于UWB的非视距环境下的人员轨迹追踪方法有效的提高了轨迹追踪的精度,提高了定位效果,实现了更少定位基站、更短基站标签距离、更低的设备成本、更高的定位精度等,达到预期的定位目标。