面向杂乱环境中UWB到达时间差定位的不确定性感知高斯混合模型
机器人学
2023-08-01 v1
摘要
基于超宽带（UWB）到达时间差（TDOA）的定位已成为一种低成本、可扩展的室内定位方案。然而，在杂乱环境中，由于障碍物引起的有偏且非高斯噪声分布，UWB TDOA定位性能会退化。本文提出一种基于双层优化的联合定位与噪声模型学习算法以解决该问题。具体而言，我们使用高斯混合模型（GMM）来近似测量噪声分布。我们将估计状态的不确定性显式地纳入GMM噪声模型学习中，称为不确定性感知GMM，以提升噪声建模与定位性能。我们首先在大量仿真场景中评估GMM噪声模型学习与定位性能，随后在两种不同杂乱环境的广泛真实实验中验证算法有效性。结果表明，我们的算法可在无空间障碍物先验知识且大量UWB无线电被遮挡的情况下，利用低成本UWB传感器提供准确的位置估计。
引用
@article{arxiv.2307.16848,
title = {Uncertainty-aware Gaussian Mixture Model for UWB Time Difference of Arrival Localization in Cluttered Environments},
author = {Wenda Zhao and Abhishek Goudar and Mingliang Tang and Xinyuan Qiao and Angela P. Schoellig},
journal= {arXiv preprint arXiv:2307.16848},
year = {2023}
}
备注
8 pages