基于神经网络模型的UWB定位非视距测距缓解方法
机器人学
2022-06-23 v2
摘要
机器人的定位对于导航和路径规划至关重要，例如在需要环境地图的情况下。近年来，随着低成本超宽带（UWB）模块的推出，其能提供厘米级精度，用于室内定位系统的UWB越来越受欢迎。然而，当环境中存在障碍物时，来自UWB的非视距（NLOS）测量会产生不准确的结果。由于低成本UWB设备不提供信道信息，我们提出了一种方法，利用低成本UWB模块提供的一些信号强度信息，通过神经网络（NN）模型来判断测量值是否为视距（LOS）测量。该模型的结果是测距测量为LOS的概率，该概率通过加权最小二乘法（WLS）用于定位。使用从办公室训练数据中提取的所有输入训练的NN模型，我们的方法在大厅测试数据上将定位精度提高了16.93%，在走廊测试数据上将定位精度提高了27.97%。
引用
@article{arxiv.2206.09607,
title = {NLOS Ranging Mitigation with Neural Network Model for UWB Localization},
author = {Muhammad Shalihan and Ran Liu and Chau Yuen},
journal= {arXiv preprint arXiv:2206.09607},
year = {2022}
}
备注
Accepted by 2022 IEEE International Conference on Automation Science and Engineering (CASE)