论文部分内容阅读
近年来,随着无线传感器网络的飞速发展,无线定位技术也越来越受到人们的关注。传统的定位如红外线、蓝牙、超声波、RFID等技术,在定位精度、系统功耗等方面不能满足人们的需求。而超宽带(Ultra Wide Band, UWB)技术具有传输速率高、发射功率低、抗干扰和穿透能力强等特点,特别是UWB定位具有非常高的定位精度,因此对UWB定位技术的研究具有重要的应用价值。本文通过对UWB定位平台的需求分析和实际硬件情况,分别进行了算法和上位机软件的研究应用,并对系统架构进行了设计。在定位算法方面,本文在UWB定位系统的平台上,对Fang算法、Chan算法等经典定位算法以及分别基于TOA和TDOA的扩展卡尔曼滤波算法进行了仿真研究,针对传播过程中环境等因素造成的非视距误差,运用有偏卡尔曼滤波算法进行了非视距误差的抑制。仿真发现传统定位算法在可视距距差较小时能达到比较高的精度,但是随着误差的增大,算法性能有着显著下降。其中,Fang算法不能利用冗余信息提高定位精度,Chan算法的性能在非视距环境中显著下降,而卡尔曼滤波算法能有效地抑制测量误差和非视距误差的影响。本文重点研究了卡尔曼滤波的定位算法和非视距误差的抑制算法,首先对初始到达时间测量值进行有偏卡尔曼滤波抑制其非视距误差,然后利用处理后的测量值进行扩展卡尔曼滤波定位。后续章节的仿真和应用实例表明,该算法比传统定位算有非常好的定位效果,在非视距误差环境中也能达到较高的定位精度。本文的主要目的在于将卡尔曼滤波算法应用于PLUS定位平台上,基于Visual Studio2012开发环境,使用C#和MATLAB混合编程的方式实现,由于MATLAB提供了相当丰富的矩阵运算函数,对卡尔曼滤波算法非常实用,卡尔曼滤波算法经由MATLAB编译为动态链接库文件,执行效率高,易于维护。软件采用C#编程来达到对移动台的实时定位,软件运行过程中实现了数据处理、计算机绘图、数据保存、数据显示以及多项任务的实时并行处理,提高了数据处理的效率。实验结果表明,本文设计的定位系统能满足定位的需要,软件运行稳定且实时性好,所设计的算法提高了定位精度,降低了UWB系统的定位误差。