多传感器信息融合无人机室内定位技术研究

作     者：陈秀坤 

作者单位：黑龙江大学 

学位级别：硕士

导师姓名：于志刚

授予年度：2024年

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 

主      题：无人机室内定位 UWB IMU 多传感器信息融合 卡尔曼滤波 

摘      要：近些年无人机领域发展迅速,但在封闭的环境中无人机将失去全球定位系统(Global Positioning System,GPS)信号无法完成定位。要想完成高精度室内定位,单一定位系统并不能够达到人们的预期,故本文借助超宽带(Ultra Wide Band,UWB)和惯性测量单元(Inertial Measurement Unit,IMU)的联合应用,旨在实现对无人机室内高精度定位。同时本文还利用二者组合的定位算法来处理非视距(Non Line of Sight,NLOS)环境下UWB定位数据不准确以及IMU存在累积误差的问题,从而保证定位系统的稳定性和实用性。本文对于UWB和IMU的组合定位具体研究内容如下: (1)为了减小UWB基站和标签之间信号传递的时间,以及基站和标签接收信号的应答时间,采用3消息的双边双向法对UWB测量距离原理进行改进。为了降低UWB测距噪声对测量距离的干扰和解决UWB以几何原理实现定位存在方程组无解的问题,采用最小二乘法来估计UWB定位方程组的解,然后使用卡尔曼滤波来降低UWB的测量噪声干扰。为提升UWB定位精度和避免由于人为因素导致定位误差变大的问题,基于高斯牛顿迭代法设计一种减小UWB基站标定误差的方法。针对UWB测距值在障碍物遮挡和消失时发生突变的问题,采用了一种异常值剔除的方法,能够解决短时间内测距值突变的问题。 (2)为了提高定位精度并解决根据UWB基站测距得到的各圆不相交于一点和IMU累积误差的问题,设计一种基于IMU解算的距离和UWB的测距值建立数学关系作为测量方程,并采用紧组合的间接滤波方式。针对紧组合定位系统采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法存在容错性差和稳定性低的问题,采用了一种基于联邦EKF数据融合的定位算法。EKF算法存在一阶线性化误差较大和不易计算雅可比矩阵的问题,同时为了保证在NLOS环境下协方差矩阵正定仍能够分解,和解决UWB测量值的突变导致测量噪声协方差变大而不符合原有统计特性使得定位误差增加的问题,设计了基于奇异值分解(Singular Value Decomposition,SVD)的抗差自适应无迹卡尔曼滤波(Unscented Kalman Filter,UKF)。为了证明提出算法的有效性,在相同条件下对上述算法进行仿真对比。 (3)最后以无人机为载体,在室内进行了单一定位系统、UWB和IMU组合定位的实验。通过对实验数据的分析,组合定位在视距(Line of Sight,LOS)和NLOS环境下均表现出比单一定位系统更高的定位精度。证明了UWB和IMU通过组合定位的方式能够互相弥补缺点并提升定位精度,同时也验证了本文设计的定位框架和组合方式在原理上的正确性。