基于神经网络预测的室内测距算法研究

摘要：

针对超宽带(UWB)技术在AGV室内定位方面数据传输受多径效应干扰大且非视距影响严重、传统测距算法测量得出的结果无法避免算法运行和硬件响应时间带来的误差等问题,提出一种基于神经网络预测的双边定位算法.首先在单边双向测距模型的基础上引入双边双向测距模型,其次采集非视距条件下的测距误差序列,并输入反向传输神经网络预测模型中,得到定位标签的误差改正值,最后引入回归方程系数和中位值滤波算法对改正值进行修正.通过对比实验可知,引入回归方程系数和中位值滤波算法后,视距测距可以将平均误差控制在5 cm以内,非视距中基于神经网络预测方法得出的定位坐标的相对欧氏距离比基于多面函数拟合模型方法缩小了10 cm左右,精度更高.

关键词：神经网络预测;UWB技术;双边双向测距模型;中位值滤波;定位算法

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：山西省应用基础研究项目基金;山西省青年科技基金;山西省重点研发计划项目

在线出版日期：2021-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：70-76