CN109874101A - 一种基于卡尔曼滤波的超宽带室内定位系统及方法 - Google Patents

一种基于卡尔曼滤波的超宽带室内定位系统及方法 Download PDF

Info

Publication number
CN109874101A
CN109874101A CN201910301194.1A CN201910301194A CN109874101A CN 109874101 A CN109874101 A CN 109874101A CN 201910301194 A CN201910301194 A CN 201910301194A CN 109874101 A CN109874101 A CN 109874101A
Authority
CN
China
Prior art keywords
range finder
follows
kalman filtering
state
kalman
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910301194.1A
Other languages
English (en)
Inventor
佘黎煌
刘霞
张石
鲍喜荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201910301194.1A priority Critical patent/CN109874101A/zh
Publication of CN109874101A publication Critical patent/CN109874101A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供一种基于卡尔曼滤波的超宽带室内定位系统及方法。本发明系统，包括：DW1000测距模块、上位机、无线透明传输模块、OLED屏幕；上位机与DW1000测距模块、OLED屏幕通过SPI实现通信；本发明方法包括步骤S1：配置系统初始状态；步骤S2：DW1000测距模块进行超宽带测距，得到距离数据，并进行误差调整后传至上位机转化为位置坐标；步骤S3：将上述位置坐标作为状态量进行卡尔曼滤波，并进行图像绘制。本发明的技术方案解决了现有技术中采用UBW超宽带技术实现室内定位时，出现测距时，实际测距具有较大的误差导致结果波动较大的问题。本发明主要利用DW1000测距模块实现室内定位，并在基础的定位结果上加入卡尔曼滤波，增强了结果的稳定性，提供更准确的定位。

Description

一种基于卡尔曼滤波的超宽带室内定位系统及方法
技术领域
本发明涉及超宽带室内定位技术领域，具体而言，尤其涉及一种基于卡尔曼滤波的超宽带室内定位系统及方法。
背景技术
无线定位技术在人们的生产生活中占据着越来越重要的地位，如我们常用所熟知的GPS定位进行目的地导航、路线信息查询等，GPS属于室外定位技术，而如今人们对定位服务的需求的已经提高，更多地发展了室内定位技术，如移动机器人的使用，这就需要更高要求的无线定位技术。GPS的测距原理需要向卫星发送信号，由于室内环境较为复杂，建筑物墙壁的遮挡等因素会严重影响GPS的无线信号，因此GPS不适用于室内定位，进而衍生出了很多室内定位技术，如超声波、超宽带(UWB)、WIFI、ZigBee、蓝牙定位等。
UBW超宽带技术(Ultra-Wideband)是一种较为新兴的无线通信技术，它起源于20世纪五十年代末期，因其具有极大的带宽，能够在短距离内实现高速率的数据传输，其极低的发射功率也不会对其他的通信系统造成干扰，还具有较强的抗多径衰落能力、较高的时间分辨率、穿透力强、定位精较高、安全性高的优点，UWB被广泛应用于很多领域的室内定位应用中，具有很大的发展前景。但在采用UBW超宽带技术实现室内定位时，往往会出现测距时，实际测距具有较大的误差导致结果波动较大的问题。
发明内容
根据上述提出现有技术采用UBW超宽带技术实现室内定位时，往往会出现测距时，实际测距具有较大的误差导致结果波动较大的技术问题，而提供一种基于卡尔曼滤波的超宽带室内定位系统及方法。本发明主要利用DW1000测距模块实现室内定位，并在基础的定位结果上加入卡尔曼滤波，增强了结果的稳定性，提供更准确的定位。
本发明采用的技术手段如下：
一种基于卡尔曼滤波的超宽带室内定位系统，包括：DW1000测距模块、上位机、无线透明传输模块、OLED屏幕；所述上位机与DW1000测距模块、OLED屏幕通过SPI实现通信；
所述DW1000测距模块用于超宽带测距；
所述无线透明传输模块用于将DW1000测距模块测得的距离数据传输至上位机；
所述STM32F405RGARM处理器用于接收串口数据、计算坐标点、对坐标位置进行卡尔曼滤波，进行图像绘制；
所述OLED屏幕用于根据指示灯的亮、灭、闪烁判断上电情况以及信号连通情况。
进一步地，所述DW1000测距模块采用对称双边双向进行测距。
本发明还提供了一种基于卡尔曼滤波的超宽带室内定位方法，包括如下步骤：
步骤S1：配置系统初始状态；
步骤S2：DW1000测距模块进行超宽带测距，得到距离数据，并进行误差调整后传至上位机转化为位置坐标；
步骤S3：将上述位置坐标作为状态量进行卡尔曼滤波，并进行图像绘制。
进一步地，所述步骤S1的具体步骤如下：
步骤S101：通过串口将三个模块分别设置为Anchor1、Anchor2、Anchor3基站模式，其地址分别为0x01，0x02，0x03；将另一个模块设置为Tag标签模式，向标签发送命令T0，Tag标签的地址为0x00；
步骤S102：设置基站坐标分别为Anchor1(0，0)，Anchor2(2，0)，Anchor3(0，2.7)，以Anchor1-Anchor2为X轴，Anchor1-Anchor3为Y轴。
进一步地，所述步骤S2的具体步骤如下：
步骤S201：DW1000测距模块进行超宽带测距，得到距离数据，并进行误差调整，误差调整方程为：当distance<2.0m时，distance＝distance+0.1×(2.2-distance)，distance＝0.3×distance+0.7×distance_pre，再将得到的平均数据带入误差调整方程中得到最终距离值；
步骤S202：将最终标签距离三个基站的距离数据通过无线透明传输模块传输至电脑串口，在上位机接收数据，数据发送的格式为：1：distance1，2：distance2，3：distance3，其中1：、2：、3：分别表示编号为1、2、3的基站，distance1、distance2、distance3分别表示实际测得的三个距离，“，”作为分隔符便于分割；
步骤S203：上位机接收到上述步骤所述格式的字符串后按照特征符号进行分割，将三个距离结果分别赋值于d1，d2，d3，通过公式计算出Tag坐标(x，y)，其中，xi,yi(i＝1,2,3)分别表示三个基站Anchor1，Anchor2，Anchor3的坐标值，x1＝0,y1＝0,x2＝2,y2＝0,x3＝0,y3＝2.7。
进一步地，所述步骤S3的具体步骤如下：
步骤S301：卡尔曼的初始化参数为：
状态向量
状态转移方程
其中，A为状态转移矩阵，在此wk为k时刻的系统噪声，是服从N(0,Q)的高斯噪声，其协方差即预测当前的状态值为上一时刻的状态值加上高斯噪声；
观测方程
其中，x_mk′,y_mk′分别为根据预测值得到的横纵坐标，H为观测矩阵，在此vk为k时刻的测量噪声，是服从N(0,R)的高斯噪声，其协方差为
误差协方差矩阵为
卡尔曼初始估计结果s_ek＝第一次预测值s_pk＝第一次测量值s_mk；
步骤S302：将上位机计算得到的Tag坐标(x，y)分别赋值给s_mk和s_pk，即可得到：
实际测量值其中，x_mk,y_mk分别为DW1000测距模块测量得到的横纵坐标；
卡尔曼预测方程为：
其中，s_ek为卡尔曼初始估计结果，A为状态转移矩阵，在此
误差协方差的预测方程更新为：
其中，A为状态转移矩阵，AT为状态转移矩阵的转置，P为误差协方差矩阵；Q为协方差，
卡尔曼增益更新为：
其中，H为观测矩阵，HT为观测矩阵的转置，R为协方差，
计算k时刻的状态最优估计值为：
其中，s_pk为状态向量，s_mk为实际测量值，H为观测矩阵，
最优误差协方差的估计值为：
其中，I为单位矩阵，H为观测矩阵，K为卡尔曼增益；
步骤S303：获取当前时间，分别动态绘制t-x，t-y，x-y的原始坐标数据以及卡尔曼估计坐标数据，进行效果对比。
较现有技术相比，本发明有益效果：
本发明将卡尔曼滤波应用于DWM1000FOLLOWER开发板当中，测距模块每0.3s可以得到一组距离数据，因此在该应用中可将相邻时间的运动近似视为匀速直线运动，运用以上预测更新方程得到最优估计值，实现对原始数据的滤波功能，使得结果更加稳定，在很大程度上解决了DWM1000FOLLOWER在测距实际应用中误差较大导致的定位浮动明显的问题。
基于上述理由本发明可在超宽带室内定位等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统整体框图。
图2为本发明系统DW1000测距模块的电路原理图。
图3为本发明超宽带测距原理图。
图4为本发明测距DWM1000FOLLOWER初始化设置界面。
图5为本发明对测量距离进行线性修正前后对比图。
图6为本发明使用卡尔曼滤波前后横坐标的效果对比t-x图。
图7为本发明使用卡尔曼滤波前后纵坐标的效果对比t-y图。
图8为本发明使用卡尔曼滤波前后行走轨迹效果对比x-y图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
实施例1
如图1所示，本发明提供了一种基于卡尔曼滤波的超宽带室内定位系统，本发明系统使用DWM1000FOLLOWER开发板，集成了DW1000测距模块、STM32F405RGARM处理器、无线透明传输模块、OLED屏幕；如图2所示，专门为DW1000测距模块而设计的超宽带全向平面天线，具有良好的全方位增益，STM32F405RGARM处理器与DW1000测距模块和OLED屏幕通过SPI实现通信。DW1000测距模块用于超宽带测距；无线透明传输模块用于将DW1000测距模块测得的距离数据传输至上位机；上位机用于接收串口数据、计算坐标点、对坐标位置进行卡尔曼滤波，进行图像绘制；OLED屏幕用于根据指示灯的亮、灭、闪烁判断上电情况以及信号连通情况。
DW1000测距模块的电路原理图如图2所示，它兼容了IEEE802.15.4-2011协议，DW1000测距模块采用对称双边双向进行测距，如图3所示，信号交换过程为：Tag向Anchor发送数据，Anchor接收到信号后等待时间Treply1，再回馈一个测距信号给Tag，Tag接收信号，并且每次发送与接收信号时都会记录时间差，得到一轮信号交换过程的时间差Tround1，在Tag接收到信号后等待时间Treply2后，同样回馈给Anchor一个信号，Anchor接收并记录得出此轮信号交换的时间差为Tround2，TOF记为Tag向Anchor或者Anchor向Tag发送一次信号所经时间，tsfreq为系统的时间戳计数器频率时间；
已知tsfreq为：
tsfreq＝499.2×106×128，
即可得出：
其中，c为光速，distance为超宽带测距结果。
实施例2
在实施例1的基础上，本发明提供了一种基于卡尔曼滤波的超宽带室内定位方法，包括如下步骤：
步骤S1：配置系统初始状态；
步骤S101：测距定位前需在室内平面内确定三个基站的位置(0,0)，(2,0)和(0,2.7)，通过串口将一个模块设置为Tag标签模式，向标签发送命令T0，Tag标签的地址为0x00；另外三个模块分别设置为Anchor1、Anchor2、Anchor3基站模式，其地址分别为0x01,0x02,0x03，使用Tag和一个Anchor，在0-5米的范围内每隔0.3米测距得到一千组数据，共得到16组数据；
步骤S102：设置三个基站坐标分别为Anchor1(0，0)，Anchor2(2，0)，Anchor3(0，2.7)，以Anchor1-Anchor2为X轴，Anchor1-Anchor3为Y轴。
步骤S2：DW1000测距模块进行超宽带测距，得到距离数据，并进行误差调整后传至上位机转化为位置坐标；
步骤S201：DW1000测距模块进行超宽带测距，得到距离数据，(DW1000测距模块每1ms测得一个距离数据，每100个数据取平均值)并进行误差调整，误差调整方程为：当distance<2.0m时，distance＝distance+0.1×(2.2-distance)，为了减小数据的波动，令distance＝0.3×distance+0.7×distance_pre，再将得到的平均数据带入误差调整方程中得到最终距离值；
步骤S202：将最终标签距离三个基站的距离数据通过无线透明传输模块传输至电脑串口，上位机波特率设置为115200，在上位机接收数据，数据发送的格式为：1：distance1，2：distance2，3：distance3，其中1：、2：、3：分别表示编号为1、2、3的基站，distance1、distance2、distance3分别表示实际测得的三个距离，“，”作为分隔符便于分割；
步骤S203：上位机接收到上述步骤所述格式的字符串后按照特征符号进行分割，将三个距离结果分别赋值于d1，d2，d3，通过公式计算出Tag坐标(x，y)，其中，xi,yi(i＝1,2,3)分别表示三个基站Anchor1，Anchor2，Anchor3的坐标值，x1＝0,y1＝0,x2＝2,y2＝0,x3＝0,y3＝2.7。
步骤S3：将上述位置坐标作为状态量进行卡尔曼滤波，并进行图像绘制。
步骤S301：卡尔曼的初始化参数为：
状态向量x_pk,y_pk分别为当前位置的横纵坐标值；
状态转移方程
其中，A为状态转移矩阵，在此wk为k时刻的系统噪声，是服从N(0,Q)的高斯噪声，其协方差即预测当前的状态值为上一时刻的状态值加上高斯噪声；
观测方程
其中，x_mk′,y_mk′分别为根据预测值得到的横纵坐标，H为观测矩阵，在此vk为k时刻的测量噪声，是服从N(0,R)的高斯噪声，其协方差为
误差协方差矩阵为
卡尔曼初始估计结果s_ek＝第一次预测值s_pk＝第一次测量值s_mk；
步骤S302：将上位机计算得到的Tag坐标(x，y)分别赋值给s_mk和s_pk，即可得到：
实际测量值其中，x_mk,y_mk分别为DW1000测距模块测量得到的横纵坐标；
卡尔曼预测方程为：
其中，s_ek为卡尔曼初始估计结果，A为状态转移矩阵，在此
误差协方差的预测方程更新为：
其中，A为状态转移矩阵，
AT为状态转移矩阵的转置，P为误差协方差矩阵；Q为协方差， 卡尔曼增益更新为：
其中，H为观测矩阵，HT为观测矩阵的转置，R为协方差，
计算k时刻的状态最优估计值为：
其中，s_pk为状态向量，s_mk为实际测量值，H为观测矩阵，
最优误差协方差的估计值为：
其中，I为单位矩阵，H为观测矩阵，K为卡尔曼增益；
步骤S303：获取当前时间，分别动态绘制t-x，t-y，x-y的原始坐标数据以及卡尔曼估计坐标数据，进行效果对比。
如图5所示，进行调整前后的误差对比图，在只给Tag或者只给Anchor上电时，LEDSYNC闪烁，Anchor的LED MODE亮，Tag的LED MODE灭。在同时打开两种板子时，LED RANGING闪烁表示正在测距当中，LED TX、RX、SFD、RXOK四个灯闪烁表示信号连通正在进行无线的收发。此时可以将无限透明传输模块连接在电脑USB端口并查看端口号，将端口号输入到上位机中，运行程序即可绘制出经过卡尔曼滤波前后的效果对比图，如图6，7，8所示分别为使用卡尔曼滤波前后横坐标的效果对比t-x图，使用卡尔曼滤波前后纵坐标的效果对比t-y图，使用卡尔曼滤波前后行走轨迹效果对比x-y图，可见卡尔曼滤波对定位结果稳定性的提高。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种基于卡尔曼滤波的超宽带室内定位系统，其特征在于，包括：DW1000测距模块、上位机、无线透明传输模块、OLED屏幕；所述上位机与DW1000测距模块、OLED屏幕通过SPI实现通信；
所述DW1000测距模块用于超宽带测距；
所述无线透明传输模块用于将DW1000测距模块测得的距离数据传输至上位机；
所述上位机用于接收串口数据、计算坐标点、对坐标位置进行卡尔曼滤波，进行图像绘制；
所述OLED屏幕用于根据指示灯的亮、灭、闪烁判断上电情况以及信号连通情况。
2.根据权利要求1所述的基于卡尔曼滤波的超宽带室内定位系统，其特征在于，所述DW1000测距模块采用对称双边双向进行测距。
3.一种基于卡尔曼滤波的超宽带室内定位方法，其特征在于，包括如下步骤：
步骤S1：配置系统初始状态；
步骤S2：DW1000测距模块进行超宽带测距，得到距离数据，并进行误差调整后传至上位机转化为位置坐标；
步骤S3：将上述位置坐标作为状态量进行卡尔曼滤波，并进行图像绘制。
4.根据权利要求3所述的基于卡尔曼滤波的超宽带室内定位方法，其特征在于，所述步骤S1的具体步骤如下：
步骤S101：通过串口将三个模块分别设置为Anchor1、Anchor2、Anchor3基站模式，其地址分别为0x01，0x02，0x03；将另一个模块设置为Tag标签模式，向标签发送命令T0，Tag标签的地址为0x00；
步骤S102：设置基站坐标分别为Anchor1(0，0)，Anchor2(2，0)，Anchor3(0，2.7)，以Anchor1-Anchor2为X轴，Anchor1-Anchor3为Y轴。
5.根据权利要求3所述的基于卡尔曼滤波的超宽带室内定位方法，其特征在于，所述步骤S2的具体步骤如下：
步骤S201：DW1000测距模块进行超宽带测距，得到距离数据，并进行误差调整，误差调整方程为：当distance<2.0m时，distance＝distance+0.1×(2.2-distance)，为了减小数据的波动，令distance＝0.3×distance+0.7×distance_pre，再将得到的平均数据带入误差调整方程中得到最终距离值；
步骤S202：将最终标签距离三个基站的距离数据通过无线透明传输模块传输至电脑串口，在上位机接收数据，数据发送的格式为：1：distance1，2：distance2，3：distance3，其中1：、2：、3：分别表示编号为1、2、3的基站，distance1、distance2、distance3分别表示实际测得的三个距离，“，”作为分隔符便于分割；
步骤S203：上位机接收到上述步骤所述格式的字符串后按照特征符号进行分割，将三个距离结果分别赋值于d1，d2，d3，通过公式计算出Tag坐标(x，y)，其中，xi,yi(i＝1,2,3)分别表示三个基站Anchor1，Anchor2，Anchor3的坐标值，x1＝0,y1＝0,x2＝2,y2＝0,x3＝0,y3＝2.7。
6.根据权利要求3所述的基于卡尔曼滤波的超宽带室内定位方法，其特征在于，所述步骤S3的具体步骤如下：
步骤S301：卡尔曼的初始化参数为：
状态向量x_pk,y_pk分别为当前位置的横纵坐标值；
状态转移方程
其中，A为状态转移矩阵，在此wk为k时刻的系统噪声，是服从N(0,Q)的高斯噪声，其协方差即预测当前的状态值为上一时刻的状态值加上高斯噪声；
观测方程
其中，x_mk′,y_mk′分别为根据预测值得到的横纵坐标，H为观测矩阵，在此vk为k时刻的测量噪声，是服从N(0,R)的高斯噪声，其协方差为
误差协方差矩阵为
卡尔曼初始估计结果s_ek＝第一次预测值s_pk＝第一次测量值s_mk；
步骤S302：将上位机计算得到的Tag坐标(x，y)分别赋值给s_mk和s_pk，即可得到：
实际测量值其中，x_mk,y_mk分别为DW1000测距模块测量得到的横纵坐标；
卡尔曼预测方程为：
其中，s_ek为卡尔曼初始估计结果，A为状态转移矩阵，在此
误差协方差的预测方程更新为：
其中，A为状态转移矩阵，AT为状态转移矩阵的转置，P为误差协方差矩阵；Q为协方差，
卡尔曼增益更新为：
其中，H为观测矩阵，HT为观测矩阵的转置，R为协方差，
计算k时刻的状态最优估计值为：
其中，s_pk为状态向量，s_mk为实际测量值，H为观测矩阵，
最优误差协方差的估计值为：
其中，I为单位矩阵，H为观测矩阵，K为卡尔曼增益；
步骤S303：获取当前时间，分别动态绘制t-x，t-y，x-y的原始坐标数据以及卡尔曼估计坐标数据，进行效果对比。
CN201910301194.1A 2019-04-15 2019-04-15 一种基于卡尔曼滤波的超宽带室内定位系统及方法 Pending CN109874101A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910301194.1A CN109874101A (zh) 2019-04-15 2019-04-15 一种基于卡尔曼滤波的超宽带室内定位系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910301194.1A CN109874101A (zh) 2019-04-15 2019-04-15 一种基于卡尔曼滤波的超宽带室内定位系统及方法

Publications (1)

Publication Number Publication Date
CN109874101A true CN109874101A (zh) 2019-06-11

Family

ID=66922580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910301194.1A Pending CN109874101A (zh) 2019-04-15 2019-04-15 一种基于卡尔曼滤波的超宽带室内定位系统及方法

Country Status (1)

Country Link
CN (1) CN109874101A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401915A (zh) * 2019-08-27 2019-11-01 杭州电子科技大学 一种nlos条件下sekf与距离重构相结合的移动目标定位方法
CN114938537A (zh) * 2022-06-24 2022-08-23 润芯微科技(江苏)有限公司 一种基于uwb实现的辅助定位方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104122545A (zh) * 2014-07-21 2014-10-29 醴陵恒茂电子科技有限公司 无线测距方法及装置
CN105180942A (zh) * 2015-09-11 2015-12-23 安科智慧城市技术（中国）有限公司 一种无人船自主导航方法及装置
US20170261592A1 (en) * 2016-03-08 2017-09-14 Position Imaging, Inc. Expandable, decentralized position tracking systems and methods
CN108896956A (zh) * 2018-06-07 2018-11-27 邢敬宏 一种基于超宽带的自动引导车定位系统和方法
CN109283489A (zh) * 2018-11-29 2019-01-29 广东电网有限责任公司 一种uwb精定位方法、装置、设备和计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104122545A (zh) * 2014-07-21 2014-10-29 醴陵恒茂电子科技有限公司 无线测距方法及装置
CN105180942A (zh) * 2015-09-11 2015-12-23 安科智慧城市技术（中国）有限公司 一种无人船自主导航方法及装置
US20170261592A1 (en) * 2016-03-08 2017-09-14 Position Imaging, Inc. Expandable, decentralized position tracking systems and methods
CN108896956A (zh) * 2018-06-07 2018-11-27 邢敬宏 一种基于超宽带的自动引导车定位系统和方法
CN109283489A (zh) * 2018-11-29 2019-01-29 广东电网有限责任公司 一种uwb精定位方法、装置、设备和计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张亚森: "基于DWM1000的UWB室内定位系统设计", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
解延春，唐佳，倪荣霈，许鲁宁: "基于DW1000的超宽带室内定位系统设计", 《数字技术与应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401915A (zh) * 2019-08-27 2019-11-01 杭州电子科技大学 一种nlos条件下sekf与距离重构相结合的移动目标定位方法
CN114938537A (zh) * 2022-06-24 2022-08-23 润芯微科技(江苏)有限公司 一种基于uwb实现的辅助定位方法
CN114938537B (zh) * 2022-06-24 2023-06-30 润芯微科技(江苏)有限公司 一种基于uwb实现的辅助定位方法

Similar Documents

Publication Publication Date Title
CN106793087B (zh) 一种基于aoa和pdoa的阵列天线室内定位方法
CN102573050B (zh) 一种室内定位移动终端的系统及方法
CN103941231A (zh) 超声射频信号联合处理的室内定位系统及定位方法
CN104280716A (zh) 室内定位装置及方法
CN101175292A (zh) 无线微功率网络定位系统及其定位方法
CN106686722B (zh) 基于css技术的大型室内环境定位的微基站及工作方法
CN102736062A (zh) 室内定位方法和系统、以及终端、室内合路器、室内天线
CN113271540A (zh) 一种蓝牙信号定位方法、多信号融合定位方法及系统
CN109541662B (zh) 一种定位方法和装置
CN109874101A (zh) 一种基于卡尔曼滤波的超宽带室内定位系统及方法
CN109039458A (zh) 一种室内定位系统及方法
CN113794991B (zh) 一种基于UWB和LoRa的单基站无线定位系统
CN104181500A (zh) 一种基于惯性信息和机会无线信号特征的实时定位方法
CN203407045U (zh) 一种基于led照明装置的室内导航控制系统
CN103278798A (zh) 一种舰载人员位置的三维标定方法
CN107356905A (zh) 一种基于混沌粒子群优化的可见光定位方法及其系统
CN102360076A (zh) 一种多维定位方法和装置
CN110177337A (zh) 室内定位方法及室内定位购物车系统
CN111638537B (zh) 一种室内室外多技术融合定位方法
CN102215564A (zh) 一种无线传感器网络定位系统及定位方法
CN113596727A (zh) 一种应用于矿井的手机定位与导航系统及方法
CN104717747A (zh) 移动坐标精确定位系统
CN104485994A (zh) 位置信息发送方法、定位方法和装置及定位系统
CN114745668B (zh) 基于Alter DS-TWR的UWB跨区域实时定位系统
CN104237846A (zh) 自主式移动对象室内三维定位跟踪系统与方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190611

RJ01 Rejection of invention patent application after publication