基于WLS和EKF的融合定位算法

摘要

超宽带(ultra wide band, UWB)传感器定位通常采用双边双向测距方法(double-sided two-way ranging, DS-TWR)测量标签到基站的距离，采用三边定位方法进行位置信息解算。针对非视距等其他因素的影响导致定位精度不高及发散问题，本文提出一种加权最小二乘法(weighted least squares, WLS)和扩展卡尔曼滤波(extended Kalman filter, EKF)算法的融合定位方法。首先，采用UWB与惯性测量单元(inertial measurement unit, IMU)进行融合定位，然后使用WLS对UWB测得的距离进行初步解算，最后将获得的初始位置状态与IMU测得的加速度、角速度通过捷联惯导解算之后，再与EKF算法结合获得最终的位置。仿真实验表明，该方法能够解决非视距条件造成的数据误差较大及数据发散的问题，并且在UWB数据不可靠的情况下，标签的移动轨迹依然接近真实轨迹。相对于WLS算法，WLS-EKF算法在不同路线下的最大误差降低了54.2%～89.6%,平均误差降低了29.6%～42.6%。

关键词

超宽带 / 双边双向测距 / 加权最小二乘算法 / 扩展卡尔曼滤波算法