多因素联合的超宽带测距随机模型

doi:10.13474/j.cnki.11-2246.2025.0614

测绘通报 ›› 2025, Vol. 0 ›› Issue (6): 78-83.doi: 10.13474/j.cnki.11-2246.2025.0614

• 学术研究 • 上一篇

多因素联合的超宽带测距随机模型

马孙超^1,2, 刘晖^1,2, 钱闯^1,3, 陈一彪^1,2, 纪元法⁴

1. 武汉大学卫星导航定位技术研究中心, 湖北武汉 430079;
2. 武汉大学测绘学院, 湖北武汉 430079;
3. 武汉理工大学智能交通系统研究中心, 湖北武汉 430070;
4. 桂林电子科技大学广西精密导航技术与应用重点实验室, 广西桂林 541004

收稿日期:2024-11-13 发布日期:2025-07-04
通讯作者: 刘晖。E-mail:loweliu@whu.edu.cn
作者简介:马孙超(1998—),男,硕士生,主要研究方向为室内定位。E-mail:1952505097@qq.com
基金资助:
桂林电子科技大学广西精密导航技术与应用重点实验室基金(DH202319);重庆市自然科学基金创新发展联合基金(CSTB2023NSCQ-LZX0162)

Multi-factor joint UWB ranging stochastic model

MA Sunchao^1,2, LIU Hui^1,2, QIAN Chuang^1,3, CHEN Yibiao^1,2, JI Yuanfa⁴

1. GNSS Research Center, Wuhan University, Wuhan 430079, China;
2. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079, China;
3. Intelligent Transportation Systems Research Center, Wuhan University of Technology, Wuhan 430070, China;
4. Guangxi Key Laboratory of Precision Navigation Technology and Application, Guilin University of Electronic Technology, Guilin 541004, China

Received:2024-11-13 Published:2025-07-04

摘要/Abstract

摘要： 由于室内环境复杂多变,基于单一因素的超宽带(UWB)测距随机模型有各自的优势与不足。为进一步精化现有模型,提高UWB复杂场景定位精度,本文在分析UWB测距质量相关因素的基础上,提出一种基于通信距离、信噪比、功率差联合随机模型。该随机模型综合考虑了各噪声影响因素,具有较强的环境适应性。试验结果表明,多因素联合随机模型相比于单一因素随机模型有更好的抗噪性能,静态定位精度与等权模型相比可提升40%,动态定位结果更贴近真实轨迹。

关键词: 超宽带, 测距信号, 随机模型, 定位精度

Abstract: Due to the complex and changeable indoor environment, the UWB stochastic model based on single factor has its own advantages and disadvantages. In order to further refine the existing model and improve the positioning accuracy of UWB in complex scene, this paper proposes a joint stochastic model based on communication distance, signal-to-noise ratio and power difference on the basis of analyzing the factors related to UWB ranging quality. The stochastic model takes into account all noise factors and has strong environmental adaptability. The experimental results show that the multi-factor combined stochastic model has better anti-noise performance than the single factor stochastic model, the static positioning accuracy can be improved by 40% compared with the equal weight model, and the dynamic positioning results are closer to the real trajectory.

Key words: ultrawide band, ranging signal, stochastic model, positioning accuracy

中图分类号:

P228

马孙超, 刘晖, 钱闯, 陈一彪, 纪元法. 多因素联合的超宽带测距随机模型[J]. 测绘通报, 2025, 0(6): 78-83.

MA Sunchao, LIU Hui, QIAN Chuang, CHEN Yibiao, JI Yuanfa. Multi-factor joint UWB ranging stochastic model[J]. Bulletin of Surveying and Mapping, 2025, 0(6): 78-83.

参考文献

[1] 闫大禹,宋伟,王旭丹,等.国内室内定位技术发展现状综述[J].导航定位学报,2019,7(4):5-12.
[2] 柳景斌,赵智博,胡宁松,等.室内高精度定位技术总结与展望[J].武汉大学学报(信息科学版),2022,47(7):997-1008.
[3] MAZHAR F,KHAN M G,SÄLLBERG B.Precise indoor positioning using UWB:a review of methods,algorithms and implementations[J].Wireless Personal Communications,2017,97(3):4467-4491.
[4] ALARIFI A,AL-SALMAN A,ALSALEH M,et al.Ultra wideband indoor positioning technologies:analysis and recent advances[J].Sensors (Basel),2016,16(5):E707.
[5] 葛于祥,刘赞,李增科,等.智能手机单点定位随机模型与平滑方式分析[J].合肥工业大学学报(自然科学版),2022,45(8):1113-1119.
[6] 夏炎,潘树国,蔚保国,等.基于载噪比加权融合的异步伪卫星室内定位方法[J].中国惯性技术学报,2019,27(2):154-159.
[7] 王腾,李永辉,毕京学,等.长廊场景下UWB测距和定位精度分析[J].导航定位学报,2022,10(6):173-178.
[8] HUANG Baoqi,XIE Lihua,YANG Zai.TDOA-based source localization with distance-dependent noises[J].IEEE Transactions on Wireless Communications,2015,14(1):468-480.
[9] 陈静,缪坤坤.FELIX Manirankunda.基于UKF优化多三角加权定位算法的UWB室内定位系统设计[J].无线电工程,2023,53(3):669-677.
[10] 李凯俊.基于UWB的不同场景下高精度室内定位算法研究[D].哈尔滨:哈尔滨工程大学,2023.
[11] GAO D,ZENG X,WANG J,et al.Application of LSTM network to improve indoor positioning accuracy[J].Sensors (Basel),2020,20(20):E5824.
[12] 蔡礼贤,邹进贵,赵胤植.一种基于UWB测距信号信噪比的优化定位方法[J].测绘地理信息,2023,48(6):36-39.
[13] FERREIRA A G,FERNANDES D,CATARINO A P,et al.Performance analysis of ToA-based positioning algorithms for static and dynamic targets with low ranging measurements[J].Sensors (Basel),2017,17(8):E1915.
[14] KOLAKOWSKI M,MODELSKI J.First path component power based NLOS mitigation in UWB positioning system[C]//Proceedings of the 25th Telecommunication Forum(TELFOR).Belgrade:IEEE,2017.
[15] 戴吾蛟,丁晓利,朱建军.基于观测值质量指标的GPS观测量随机模型分析[J].武汉大学学报(信息科学版),2008,33(7):718-722.
[16] 王培杰.基于TWR测距技术的UWB室内定位系统优化[D].西安:西安理工大学,2024.
[17] 王川阳,王坚,余航,等.测距误差改正的超宽带定位系统研究[J].测绘科学,2019,44(1):98-103.
[18] 盛坤鹏,王坚,李晨辉,等.非视距误差改正的超宽带定位模型研究[J].测绘科学,2021,46(3):40-47.
[19] 曾玲,彭程,刘恒.基于非视距鉴别的超宽带室内定位算法[J].计算机应用,2018,38(S1):131-134.
[20] 刘成,李芳.不同卫星定位加权方法的比较与分析[J].测绘科学,2018,43(8):39-44.

多因素联合的超宽带测距随机模型

Multi-factor joint UWB ranging stochastic model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吕志鹏. 随机模型的处理策略对海底大地控制点定位的影响[J]. 测绘通报, 2025, 0(6): 1-5.
[2]	赵辰瑞, 连增增, 田亚林, 贺刘辉, 陈浩, 王鹏辉, 王孟奇. BiLSTM-Chan算法在超宽带室内定位中的应用[J]. 测绘通报, 2025, 0(5): 100-105.
[3]	罗豪龙, 杨子迪, 李雪强, 邹丹平, 李建胜, 李广云. 复杂场景下基于无人平台的视觉/惯性/超宽带数据集[J]. 测绘通报, 2024, 0(9): 87-95.
[4]	王一帆, 李增科, 蒋诗政, 陈远, 黄林超, 吉丽娅, 邓伟昉. 基于人工神经网络的UWB坐标误差一步改正模型[J]. 测绘通报, 2024, 0(7): 77-82.
[5]	田亚林, 连增增, 王鹏辉, 王孟奇, 陆力. 基于KF-LSTM的UWB室内定位算法[J]. 测绘通报, 2024, 0(7): 95-99,151.
[6]	周涛, 邹进贵, 赵胤植, 周振南, 伍靖雯, 黄俊峰, 闵会. 附加UWB约束的GNSS/INS组合导航算法[J]. 测绘通报, 2024, 0(11): 78-82.
[7]	王天乐, 高成发, 魏建雄. 顾及GEO轨道特性的BDS相对定位研究[J]. 测绘通报, 2024, 0(11): 83-89.
[8]	翟燕, 杨莉, 林伟. 六系统融合静态和动态精密单点定位性能评估[J]. 测绘通报, 2024, 0(1): 141-144,160.
[9]	崔阳, 陈正生, 魏佼琛. 不同时期的BDS-3精密单点定位性能分析[J]. 测绘通报, 2023, 0(9): 1-5.
[10]	朱小韦, 袁占良, 杨耀环. 北斗三号卫星导航系统精密单点定位的性能分析[J]. 测绘通报, 2023, 0(9): 6-11,58.
[11]	朱林红, 钟若飞, 王亚, 李清扬. 提高海丝一号SAR影像定位精度的图像配准方法[J]. 测绘通报, 2023, 0(5): 62-66.
[12]	胡荣明, 苏瑞鹏, 竞霞, 米晓梅, 郑将乐. 融合改进小波去噪与T-Taylor的井下定位算法[J]. 测绘通报, 2023, 0(2): 46-51.
[13]	周长江, 余海锋, 王林伟, 雷云平, 岳彩亚. 无频间钟偏差改正的BDS-2三频非组合PPP随机模型优化[J]. 测绘通报, 2023, 0(12): 164-168.
[14]	董佳琪, 连增增, 徐精诚, 魏峰远. Chan序贯平差组合算法的超宽带定位降噪[J]. 测绘通报, 2023, 0(1): 95-100,140.
[15]	陈一彪, 秘金钟, 谷守周, 杨李俊, 王洪斌, 楚彬. BDS-3+GPS精密单点定位模型及性能分析[J]. 测绘通报, 2022, 0(6): 12-17,39.