非視距誤差神經網絡改正的超寬帶定位模型研究

作者：劉培原,王堅,盛坤鵬,韓厚增

摘要：非視距環境是造成超寬帶定位系統精度下降的主要原因。由于非視距環境的測距精度下降難以通過常規計算方法建立改正模型,提出了一種基于反向傳播算法的神經網絡改正的超寬帶穩健定位模型。該方法通過反向傳播神經網絡的自適應學習方法建立了一種超寬帶非視距誤差改正的穩健定位模型,實現了在非視距環境下超寬帶定位精度的提升。首先采集非視距環境下超寬帶測距值,提取超寬帶在非視距環境下的坐標序列,計算得到誤差序列,然后通過反向傳播神經網絡建立誤差改正模型預測得到標簽的誤差改正值,最后使用超寬帶Kalman濾波定位模型進行超寬帶定位,從而消除非視距環境對定位精度的影響。通過對比實驗分析,本模型較多項式擬合模型超寬帶測距精度提高46.8%,定位精度提高43.4%;較多面函數擬合模型超寬帶測距精度提高28.2%,定位精度提高26.2%。實驗結果表明,反向傳播算法的神經網絡對超寬帶非視距定位模型的誤差改正有很好的效果,對超寬帶定位精度的改正效果顯著。

發文機構：北京建筑大學測繪與城市空間信息學院

關鍵詞：超寬帶非視距反向傳播算法神經網絡KALMAN濾波Ultra-wide bandNon-line-of-sightBack-propagation algorithmNeural networkKalman filter

分類號： P2[天文地球—測繪科學與技術]