基于神经网络测距误差预测补偿的车辆组合定位方法研究  

作　　者：袁美全 古玉锋[1] 李真 李刚煜 

机构地区：[1]长安大学道路施工技术与装备教育部重点实验室,陕西西安710064

出　　处：《技术与市场》2025年第3期13-18,共6页Technology and Market

摘　　要：针对超宽带(ultra wide band,UWB)易受环境和系统自身的影响而产生较大定位误差的问题,提出了一种基于反向传播(BP)神经网络测距误差预测补偿的UWB与惯性测量单元(inertial measurement unit,IMU)组合车辆定位方法。UWB模块采用双边双向测距(DS-TWR)法测量车辆与基站间的距离,利用BP神经网络预测UWB测距误差,对测距误差进行补偿,采用最小二乘法解算车辆的位置,采用卡尔曼滤波将UWB算得的位置与IMU模块解算的位置进行组合定位,弥补单一UWB定位的不足。搭建了实验平台,进行验证。利用所提BP神经网络对UWB测距误差进行预测和补偿后,与原始UWB测距误差相比,平均误差降低了68.84%,最大误差降低了44.37%,测距误差均方根值降低了61.20%。采用本文方法计算车辆的位置,与利用单一UWB原始数据进行车辆定位相比,平均定位误差降低了45.39%,实验结果验证了本文所提方法的有效性。

关 键 词：超宽带(UWB) 惯性测量单元(IMU) 神经网络 卡尔曼滤波 组合定位 

分 类 号：TN9[电子电信—信息与通信工程]