基于MCS-SCKF的超宽带室内定位算法
针对传统超宽带(UWB)室内定位中非线性跟踪问题,基于当前统计(CS)模型和容积卡尔曼滤波(CKF),本文提出了一种新的定位算法.即采用奇异值分解(SVD)代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器(SCKF).首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型(MCS),实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置.仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法(CS-KF)和CS模型-SCKF算法(CS-SCKF),提高了UWB室内定位的定位精度.
UWB、室内定位、容积卡尔曼滤波、当前统计模型、奇异值分解
P237(摄影测量学与测绘遥感)
安徽高校自然科学研究KJ2020A0309
2023-01-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
91-96