基于UWB的无人运输车的导航定位算法研究-AGV吧

1 引言

在目前的工业环境中，无人运输车( automated guided vehicle， AGV) 常用电磁或光学等导航方式实现规定路径的行驶，但由于需要铺设磁条轨道或预设地标特征等条件灵活性较差，所以在路径复杂的工业环境中，常选择高精度的无线方式可实现灵活有序的导航定位。其中超带宽( ultra wide-band， UWB) 信号凭借其高精度、高速率和低功耗等特点成为无线定位的研究热点［1］，其次纳秒级的脉冲宽度在时域上具有极高分辨率，理论上定位精度可达到厘米级。

在障碍物较多的室内环境中，灵活无冲突的导航依赖于定位的精确度，目前基本的定位算法根据测量信息的不同可大致分为3 种，基于信号到达时间( 如 TOA、TDOA) 的算法［2］，基于到达角度 ( AOA) 的算法［3］和基于信号强度( ＲSSI) 的算法［45］，但考虑到多径传播、非视距( none line ofsight， NLOS) 误差等，基本算法无法满足定位精度的要求，所以在实际应用中通常是多种算法协同定位［67］，并对传播信道中的噪声污染进行抑制，例如文献［ 8］将接收信号强度、电波到达时间和电波达到角这3 种测距信息测量值构成一个数据库，建立有效的多级联合判决机制剔除异常信息。文献［ 910］均对 TDOA 算法进行改进，文献［ 9］将高度非线性的 TDOA 定位方程组转化为关于辐射源位置的伪线性方程，再用泰勒级数展开与加权最小二乘( WLS) 估计进行求解。文献［ 10］提出了一种基于经验模态分解和奇异值分解的信息过滤算法以去除无线电信号的干扰。文献［ 11］提出了在离线采样阶段先建立符合实际环境的基于ＲSSI －距离区间映射的数据库，再在在线测量阶段根据待定位点ＲSSI 在粗略位置区域中采用加权质心算法确定具体位置。文献［1213］将反推验证和 TK ( Teager-Kaiser) 算子引入 TOA 定位算法中，很好的修正了 NLOS 误差，实现精确定位。

针对工业环境中的 AGV，在仅预设终点与速度的前提下，如何进行自主最优导航与定位等问题，本文提出一种新的基于 UWB 信号的改进算法。在室内环境中设有4 个基站，根据几何知识可知，只需任意3 个基站与 AGV 的距离即可求 AGV 坐标。首先对基站与 AGV 进行两点测距，根据测距数值的标准差这一统计特征选取可信度较高的 3 组数据作为观测对象，再利用上一时刻的先验信息与最新状态观测值来进行改进的扩展卡尔曼滤波定位，并提出了每次定位估计之后，采用更新当前时刻状态的同时更新运动特征的思想，即根据当前时刻的最优估计值更新下一时刻的预测依据，如此迭代计算使算法具有良好的定位精度和跟踪性能。