System und Methode zur Reduzierung von NLOS-Fehlern in der UWB-Innenlokalisierung

Die Ultra-Breitband (UWB) Technologie wird zunehmend als eine wirksame Strategie für Innenlokalisierungssysteme (IPS) erkannt. Allerdings kann die Genauigkeit des UWB-Systems erheblich durch nicht sichtbare (NLOS) Fehler beeinträchtigt werden. In dieser Studie haben wir eine neue Methode vorgeschlagen, um den UWB-Positionierungsfehler in einer solchen Innenumgebung zu reduzieren. Wir entwickelten ein System, das aus einer Robotic Total Station (RTS), vier UWB-Basisstationen, einem beweglichen Ziel (einschließlich eines Prismas und eines UWB-Tags) und einem PC besteht. Die beobachteten Koordinaten des beweglichen Ziels, die mit Millimeterpräzision von einem RTS-Gerät erfasst wurden, dienten als Wahres für die Berechnung der Positionierungsfehler des UWB-Tags. In einem signifikanten NLOS-Szenario wurde festgestellt, dass der dreidimensionale Positionierungsfehler des UWB den nominalen Wert, der vom Hersteller angegeben wurde, um das Dreifache überschritt. Eine detaillierte Analyse zeigte, dass das Fehlerverteilungsmuster jeder Koordinatenkomponente eine erhebliche Varianz aufwies. Um den NLOS-Fehler zu reduzieren, entwarfen wir ein kombiniertes mehrschichtiges neuronales Netzwerk, das gleichzeitig die Fehler aller drei Koordinatenkomponenten und drei separate mehrschichtige Netzwerke berücksichtigt, die jeweils auf die Optimierung der Fehler einer einzelnen Koordinatenkomponente ausgerichtet sind. Alle Netzwerke wurden auf der Grundlage der Benchmark-Fehler, die von der RTS erhalten wurden, trainiert und verifiziert. Die Ergebnisse zeigten, dass neuronale Netzwerke die traditionellen Methoden übertreffen, was auf ihre starke nichtlineare Modellierungsfähigkeit zurückzuführen ist, wodurch die externe Genauigkeit signifikant verbessert wurde, mit einer durchschnittlichen Reduktion des RMSE um 61% und 72%. Es ist offensichtlich, dass die vorgeschlagenen separaten Netzwerke besser für NLOS-Positionierungsprobleme geeignet sind als ein kombiniertes Netzwerk.