【摘 要】
：
阐述UWB定位具有定位精度高、时间戳精度高、发射功率低的特点，设计以STM32为主控芯片，以DW1000超宽带芯片、OLED显示屏、PCB天线为核心硬件、以Keil5为软件开发环境，通过双边双向测距方式实现标签与基站之间距离的实时监测，并将测距距离在OLED显示屏和超级终端显示。该测距系统测距精度高，成本低，易操作，可广泛应用于室内静止或移动物体的精准定位。
【基金项目】
：
2021年吉首大学大学生创新创业训练计划项目,2021年吉首大学教学改革研究项目,2021年吉首大学实验室开放基金项目（JDLF2021030）；
论文部分内容阅读
阐述UWB定位具有定位精度高、时间戳精度高、发射功率低的特点，设计以STM32为主控芯片，以DW1000超宽带芯片、OLED显示屏、PCB天线为核心硬件、以Keil5为软件开发环境，通过双边双向测距方式实现标签与基站之间距离的实时监测，并将测距距离在OLED显示屏和超级终端显示。该测距系统测距精度高，成本低，易操作，可广泛应用于室内静止或移动物体的精准定位。
其他文献
在全球倡导节能减排的背景下,船舶作为贸易航运的主要交通工具,其运行成本和能耗排放问题亦成为相关领域的研究热点,建立合理的船舶能量管理策略,以达成低运行成本,降耗减排的目标,对实现航运业的节能环保,具有重要的价值和意义。首先针对船舶能量管理策略问题,建立相关数学模型。以最小化船舶的运行成本为目标,考虑柴油机和发电机组的相关性能约束,建立了柴电混合船舶能量管理的数学优化模型。进一步着眼于技术发展趋势,
无人船的应用日益广泛,随着通讯技术的发展,网络控制与无人船控制技术结合,克服了传统集中式无人船控制安装不便、维护困难等缺点。在保证系统性能的同时设法降低通讯网络传输负担,防止信号阻塞、丢包等情况发生,是网络控制系统的重要研究课题。量化和事件触发等非周期采样机制,是减小通讯资源消耗,降低信号传输频率的有效手段。本文以三自由度全驱动水面无人船（Autonomous Surface Vessel,ASV
基于视觉的三维重建技术是室内目标场景重建,工业视觉检测,以及无人驾驶技术领域等主要组成部分,也是计算机视觉重要的研究方向。三维重建实现方式主要利用立体视觉获取物体的三维信息,目前最常见的三维重建实现方法有主动式三维重建技术和被动式三维重建技术。本文主要研究内容是基于主动式测量原理的RGB-D相机对室内目标场景进行三维重建。由于在重建过程中RGB-D相机受到相机标定算法以及外界环境干扰和系统误差的影
近年来,随着人工智能、无人驾驶等科技的发展与进步,无人船、无人车、无人机等无人航行器在全世界范围内得到了广泛的应用。随着任务的日益复杂化,单一的无人航行器其自身在传感器探测范围和信息获取方面具有局限性,而多无人航行器具有更广泛的应用场景,其对环境适应性更强,容错率更高,可以完成单一无人航行器无法完成的任务。在复杂多变的海洋环境中,无人航行器的远程监控是核心问题,是其完成各种任务的前提。然而传统的无
随着国家的经济发展和我国国民生活水平的不断提高,人们的饮食结构发生了改变。高血脂、高血压日渐攀升为高发性疾病,严重地影响着人们的健康。心率是心血管健康状况的重要衡量指标,其临床和日常监测对预防和早期诊断心血管疾病具有重要作用。目前,市面上比较专业的心率监测设备都必须要接触到皮肤才能进行心率检测。长时间佩戴心率监测设备给测试者的生活和工作带来了很大的不便。针对接触式心率检测设备的局限性,本文设计了一
水下目标检测技术是水下视觉感知系统中关键的组成部分。由于水介质对光的衰减、吸收、散射等作用,水下光学图像存在色彩失真、成像模糊、亮度较低、噪声严重等问题,导致了水下目标检测精度较低,因此与一般的目标检测任务相比水下目标检测任务需要更具有针对性的处理方法。传统的水下目标检测算法主要依赖于人工设计的特征和机器学习分类器,人工特征难以准确描述目标,对背景和目标形态的改变较敏感,且存在通用性较差的缺点。近
水下声呐图像分类的研究对于海洋资源的探索和开发具有重要的意义,同时,水下声呐图像分类的研究也面临许多的困难和挑战。由于水下环境复杂多变,干扰因素众多,声呐图像具有分辨率低,边缘模糊,噪声多的特点,导致声呐图像的分类准确率低。与此同时,声呐数据获取困难,成本较高,声呐图像样本稀缺,因此,声呐图像分类属于小样本问题。传统的声呐图像分类方法通常是不同特征提取方法与分类器结合实现声呐图像的分类,其分类准确
自动驾驶场景下的车辆检测属于智能交通领域的关键技术,其在民用和军事等领域发挥着重要的作用。而随着现代交通技术的快速发展,道路环境愈加复杂,小目标车辆、车辆遮挡以及雾天情况,给车辆检测带来了巨大的挑战。如何解决这些问题,实现准确地车辆检测,是当今目标检测领域的重要研究内容。随着深度学习在各个领域的迅速崛起,其强大的特征提取能力和较高的鲁棒性引起了目标检测领域研究者们的注意。采用深度学习技术对车辆进行
驾驶员分心行为检测属于智能交通领域的关键技术,其对提高道路交通安全发挥着重要的作用。而随着现代交通技术的快速发展,驾驶舱环境愈加复杂以及驾驶员分心行为的干扰,给驾驶员分心行为检测带来了巨大的挑战。如何进行实时准确的分心行为检测,是当今智能交通领域的重要研究内容。作为深度学习的重要研究分支,卷积神经网络在各领域不断深入发展,其强大的特征提取能力和学习能力逐渐引起了国内外广大学者们的兴趣。采用卷积神经
基于2001年1月至2022年4月间的高维月度数据，通过构建潜在阈值时变因子扩展的向量自回归模型（LT-TVPFAVAR模型），研究经济政策不确定性对我国宏观经济的非线性影响。实证结果表明，构建的LT-TVP-FAVAR模型在分析经济变量之间的影响关系时将更多的信息包含在内，使得模型得出的结论与实际情况更加吻合；脉冲响应图显示，经济政策不确定性在短期内对我国的产出和物价水平都具有明显的冲击效应，而