本文内容来源于《测绘通报》2024年第7期，审图号：GS京（2024）1329号

基于KF-LSTM的UWB室内定位算法

田亚林1, 连增增1, 王鹏辉1, 王孟奇1, 陆力2

1. 河南理工大学测绘与国土信息工程学院, 河南 焦作 454000;2. 中铁第六勘察设计院集团有限公司, 天津 300308

基金项目：河南省高校基本科研业务费专项(NSFRF230405);河南理工大学2017年度博士基金(B2017-10);河南理工大学青年骨干教师资助计划(2022XQG-08);河南省自然科学基金(202300410180);国家自然科学基金(42374029)

关键词：超宽带, 长短期记忆神经网络, 卡尔曼滤波, 室内定位, 深度学习

引文格式：田亚林, 连增增, 王鹏辉, 等. 基于KF-LSTM的UWB室内定位算法[J]. 测绘通报, 2024(7): 95-99.doi: 10.13474/j.cnki.11-2246.2024.0717.摘要

摘要 ：作为一种新型无线定位技术,超宽带在室内定位领域中引起了广泛关注。为了提高超宽带的定位精度,本文结合卡尔曼滤波和LSTM网络的优势,提出一种融合卡尔曼滤波的长短期记忆神经网络(KF-LSTM)算法。首先,通过卡尔曼滤波对UWB时序数据进行处理,削弱数据中的高斯白噪声;然后,将数据投入LSTM网络中进行训练,利用LSTM网络处理时序特征的优势处理非高斯噪声,进而得到更准确的标签位置。实测数据表明,与BP、KF-BP和LSTM网络算法相比,KF-LSTM算法的平均定位精度分别提高了70.21%、37.28%和38.23%,且KF-LSTM算法表现更稳定。

作者简介作者简介：田亚林(2000—),男,硕士生,主要研究方向为室内定位与导航。E-mail:1961409611@qq.com通信作者：连增增。E-mail:zengzenglian@hpu.edu.cn

初审：杨瑞芳复审：宋启凡

终审：金 君

资讯