文献类型：期刊文章

作　　者：李大占[1] 宁一鹏[1] 赵文硕[1] 孙英君[1] 王川阳[2]

LI Dazhan;NING Yipeng;ZHAO Wenshuo;SUN Yingjun;WANG Chuanyang(School of Surveying,Mapping and Geographic Information,Shandong Jianzhu University,Jinan 250101,China;School of Surveying,Mapping and Municipal Engineering,Zhejiang Institute of Water Conservancy and Hydropower,Hangzhou 310018,China)

机构地区：[1]山东建筑大学测绘地理信息学院,济南250101 [2]浙江水利水电学院测绘与市政工程学院,杭州310018

出　　处：《导航定位学报》

基　　金：国家自然科学基金项目(42204011);山东省自然科学基金项目(ZR2021QD058)。

年　　份：2024

卷　　号：12

期　　号：1

起止页码：97-105

语　　种：中文

收录情况：BDHX、BDHX2023、CSCD、CSCD_E2023_2024、JST、ZGKJHX、核心刊

摘　　要：针对室内视距环境下超宽带(UWB)观测值中的测距误差影响定位精度的问题,提出一种基于卷积神经网络与长短期记忆网络(CNN-LSTM)相结合的UWB测距误差改正模型:将基站与标签之间的测距值和Chan算法解算的标签初始坐标作为卷积神经网络(CNN)的输入,借助CNN良好的数据特征提取能力,充分挖掘UWB测距值的特征;然后利用长短期记忆网络(LSTM)进行进一步的特征学习,并进行训练和预测UWB测距值,以减少测距误差对UWB测距值精度的影响;最后,利用高斯-牛顿迭代算法求解出最终的UWB定位结果,同时,建立多项式和指数函数UWB测距误差改正模型,并与本文方法进行对比分析。实验结果表明,在静态和动态实验下,基于CNN-LSTM网络模型结果的精度均优于其他2种模型,证明该算法可有效降低测距误差,提高UWB的定位精度。

关 键 词：超宽带(UWB)  定位  卷积神经网络和长短期记忆网络(CNN-LSTM)  多项式函数 指数函数

分 类 号：P228]