自适应抗差卡尔曼滤波在井下NLOS定位误差抑制中的应用

5星 · 超过95%的资源 1 下载量 87 浏览量 更新于2024-09-02 1 收藏 1.19MB PDF 举报
"该文研究了井下定位中非视线(NLOS)时延对TOA定位精度的影响,提出了一种基于自适应抗差卡尔曼滤波的抑制方法。通过分析NLOS时延的两种类型——随机和固定,该方法增强了滤波器对随机脉冲误差的抑制,并能有效处理固定误差。实验表明,使用该方法后,定位误差显著降低,提高了定位精度。" 在矿井定位系统中,非视线(NLOS)条件下的时延问题会严重影响Time Of Arrival (TOA)定位技术的准确性。这个问题源于巷道环境中的信号传播特性,其中信号可能会被物体遮挡或反射,导致时延增加。李康乐等人提出了一种创新的解决方案,即运用自适应抗差卡尔曼滤波来抑制这些NLOS时延。 传统的卡尔曼滤波是一种有效的线性最优估计方法,但在处理含有随机脉冲误差的数据时,其性能可能会下降。为了改善这一情况,研究者在经典卡尔曼滤波的基础上引入了自适应抗差的概念。这种自适应抗差卡尔曼滤波器能够在线性滤波的基础上,增强对随机脉冲误差的抑制能力,从而更有效地处理巷道中信号传播的随机NLOS时延。 对于巷道内的固定NLOS时延,研究者构建了一个信号传播距离与传播环境之间的函数模型,该模型建立在NLOS误差模型基础上。通过这个模型,可以结合几何定位算法来识别并校正固有的误差源,进一步提升定位系统的精度。 实验结果证实了这种方法的有效性。在未处理的原始定位数据中,误差范围在2.1到8.1米之间,平均误差为3.7米。应用自适应抗差卡尔曼滤波后,误差范围缩小到1.9到3.6米,平均误差降至2.5米,定位曲线与实际移动曲线的吻合度显著提高。经过参数拟合和几何算法的后续处理,误差进一步减小到0到1.0米之间,平均误差仅为0.27米,相较于原始数据,平均定位误差减少了3.43米。 这种自适应抗差卡尔曼滤波的NLOS时延抑制方法对提高井下TOA定位的精度具有显著效果,为矿井安全和高效运行提供了有力的技术支持。该研究对于解决复杂环境下的无线定位问题具有重要的理论和实践意义。