基于注意力机制的UWB室内定位算法

叶晓桐 张 裕 宋俊典

1(上海应用技术大学计算机科学与信息工程学院 上海 201418)2(上海计算机软件技术开发中心 上海 201112)

0 引 言

基于位置的服务具有众多应用领域与重要的市场价值。当今人们工作和生活大部分时间都在室内进行，而卫星导航信号穿过建筑物后衰减严重不能用于室内定位。因此，应用Wi-Fi、蓝牙、UWB等室内定位技术成为研究的热点[1]。由于UWB信号具有传输速率高、安全性好、定位精度高、穿透能力强的特点，国内外许多学者对UWB定位技术做了大量研究[2]。传统的UWB定位算法，例如：Chan算法[3]、Taylor算法[4]及基于它们的改进和融合算法[5-6]，未能较好解决多径效应与非视距(NLOS)对UWB定位性能所产生的影响，难以在定位性能上有所提升。

近些年来，一些文献应用神经网络、深度学习等方法进行UWB定位，减少多径效应与非视距(NLOS)环境对定位精度的影响，或提高视距下的定位精度[7-10]。文献[11]利用3层的BP神经网络训练TDOA数据，解决视距环境下精确定位问题，但BP神经网络收敛速度慢且易陷入局部极小值的弊端没有很好地被克服。文献[12]为了减小非视距对UWB定位精度的影响，先利用非视距误差特性建立卷积神经网络(CNN)来校正位置数据，然后用扩展卡尔曼滤波的方法估计位置，但是当位置突变时扩展卡尔曼滤波精度降低。文献[13]为了降低多径和非视距带来的影响，利用免疫算法优化的BP神经网络训练TDOA值，取得较好的效果。但仅使用3个TDOA值作为输入适用的空间范围较小。此外，较多文献……