基于无迹卡尔曼滤波的室内定位系统

王袁雪，张前波，周媛媛，刘英明，李 冰

（河北师范大学 中燃工学院，河北 石家庄 050000）

0 引 言

随着室内定位技术的应用越来越广，对定位精度的要求也越来越高。由于室内环境十分复杂，非视距（NLOS）引起的误差使定位的精度显著下降。应用扩展卡尔曼滤波能够有效降低非视距引起的误差，但是由于需要解算雅可比矩阵会使计算量大幅增加。无迹卡尔曼滤波是一种非线性滤波器，它可以解决传统卡尔曼滤波器无法解决的非视距（NLOS）误差问题，又可以避免扩展卡尔曼滤波器计算量大的缺点。杨紫阳等利用无迹卡尔曼算法对通过CHAN算法解算出的定位数据进行滤波处理，效果较好，但实际上误差来源于UWB传感器采集原始数据的过程。因此文章针对这一问题提出先采用无迹卡尔曼滤波处理数据，然后进行定位解算，最后完成了实验验证。

1 滤波系统设计

无迹卡尔曼滤波可以很好地解决非线性问题，能够处理复杂环境带来的非线性误差；同时由于采用UT变换大大降低了计算复杂度。首先通过UT变换获得2+1个样本构造出Sigma点，并给予相应的权重，则有：

式（1）中各参数有如下关系：

在实现无迹滤波的过程中，首先进行采样变换，则有：

然后进行加权均值，则有：

加权方差为：

计算预测方程为：

预测加权平均值为：

预测加权方差与协方差为：

更新均值与协方差为：

2 系统总体设计

定位数据采集由Decawave公司生产的DW1000完成，上位机系统由LabView2018编写，包括数据处理与人机交互两部分：数据处理部分主要由滤波算法与定位算法组成；人机交互主要功能由控件、基站坐标、仓库地图组成，如图1（a）所示。实验场地为室内仓库，放置各种金属材质的设备以及其他材质的货物，如图1（b）所示。

图1 数据处理与人机交互系统和实验室

3 实验过程与结果

在非视距（NLOS）下对经过无迹卡尔曼滤波和未经过卡尔曼滤波的数据进行比较，如图2所示。

图2 无迹卡尔曼滤波与未经卡尔曼滤波的结果比较

采用文中所述方法得到室内的运动轨迹情况如图3所示。

图3 实际运动轨迹

4 结 语

通过无迹卡尔曼滤波对定位数据进行滤波处理后再进行定位运算可以很好地消除非视距产生的干扰。利用文中所述方法开发出的室内三维定位系统，获得了很好的效果，对于市场应用具有很好的指导作用。

注：本文通讯作者为李冰。