在UWB室内定位中应用密度聚类与噪声结合粒子群集优化
Hua Guo1, Haozhou Yin2, Shanshan Song2
1School of Electronic and Information Engineering, Shandong University of Science and Technology, Qingdao, 266590, China. stone_strong@163.com.
Scientific reports
|June 7, 2024
概括
这项研究引入了一种新的DCNPSO算法,以提高超宽带 (UWB) 室内定位精度,显著减少由非视线障碍物引起的错误.
科学领域:
- 电气工程 电气工程
- 计算机科学 计算机科学
- 机器人技术 机器人技术 机器人技术
背景情况:
- 非视线 (NLOS) 障碍物显著降低了超宽带 (UWB) 系统中的定位精度.
- 现有的UWB室内定位方法与环境干扰作斗争,限制精度.
研究的目的:
- 提出一种新的算法,将噪声密度聚类与粒子群集优化 (DCNPSO) 结合起来,以提高UWB室内定位精度.
- 为了减轻NLOS障碍对UWB本地化性能的影响.
主要方法:
- DCNPSO算法结合了基于密度的空间聚类算法与噪声 (DBSCAN) 和粒子群集优化 (PSO) 算法的优势.
- 这种混合方法利用DBSCAN进行可靠的数据聚类和PSO进行优化定位计算.
主要成果:
- 与单独使用DBSCAN相比,DCNPSO算法在平均定位准确度上有45.25%的改进.
- 与单独的PSO相比,DCNPSO实现了36.14%的平均定位精度.
- 拟议的算法在静态场景中保持稳定的定位误差在3厘米内.
结论:
- DCNPSO算法有效地提高了UWB室内定位的准确性,特别是在具有挑战性的NLOS环境中.
- 这种方法比传统的DBSCAN和PSO技术提供了显著的改进,用于精确的室内定位.
