基于UWB/INS的室内融合定位技术研究
摘要
随着科技的不断进步，人们对定位技术的追求逐步增高，超宽带（UltraWideBand，
UWB）技术由于其具有穿透性强，传输损耗小，抗干扰能力强，覆盖范围广等优点，使
得它在众多室内定位技术中脱颖而出。但UWB信号受非视距（Non-Line-of-Sight，NLOS）
环境影响严重，因此抑制NLOS误差提高定位精度具有重要意义。本文分别从惯性导航
系统（InertialNavigationSystem，INS）的累积误差抑制、UWB系统的NLOS误差识别
与修正和基于UWB/INS的融合定位算法三方面进行研究。
首先，针对INS系统的加速度计和陀螺仪漂移所引起的累积误差问题，提出基于广
义似然比检测算法的修正框架。先通过广义似然比检测算法，对行人的静止态和运动态
进行检测，之后对于静止态，分别通过零速修正算法对速度进行修正，通过零积分航向
角速率修正算法对航向角进行修正，最后通过扩展卡尔曼滤波器将修正后数据进行融合。
之后通过对比实验，验证了本文所提INS修正框架可以有效抑制累积误差。
其次，针对传统NLOS信号识别算法没有考虑到信号波形特征之间相关性的问题，
本文提出了基于模糊综合评判的NLOS识别算法，此算法通过考虑信号波形特征之间的
相关性，有效提高NLOS信号识别精度。之后通过基于半定规划的NLOS修正算法，对
识别出的NLOS信号进行修正。最后分别在3基站与4基站下，与多种NLOS抑制算法
进行了实验对比，实验结果表明，本文所提算法在基站数量较少和有冗余基站时的定位
效果都优于对比算法，NLOS抑制效果更好，有更高的定位精度与定位稳定性。
最后，针对标准容积卡尔曼滤波算法在估计最坏的情况下，误差较大，鲁棒性不好
的问题，本文提出H∞容积卡尔曼滤波算法，在容积卡尔曼滤波算法的基础上通过加入
H∞估计作为代价函数，以最大限度的减少最坏扰动对估计误差的影响。其次，针对标
准容积卡尔曼滤波算法不能处理未知和时变的噪声，导致滤波精度下降，甚至发散的问
题，本文提出自适应容积卡尔曼滤波算法，通过加入自适应滤波，动态的处理噪声信息，
有效的降低了噪声对评估结果的影响。最后，设计了紧耦合自适应H∞容积卡尔曼滤波
算法框架。之后，通过实验对比可知，紧耦合自适应H∞容积卡尔曼滤波算法相比紧耦
合容积卡尔曼滤波算法，平均定位误差降低了2.21cm（19.25%），实验结果表明，紧耦
合自适应H∞容积卡尔曼滤波算法的定位精度更高，定位鲁棒性更好。
关键词：超宽带；室内定位；INS修正框架；NLOS误差抑制；容积卡尔曼滤波算法
基于UWB/INS的室内融合定位技术研究
Abstract
UltraWideBand(UWB)technologystandsoutamongmanyindoorpositioning
technologiesduetoitsstrongpenetration,lowtransmissionloss,stronganti-interference
capabilityandwidecoveragerange.However,UWBsignalsareseriouslyaffectedbytheNon-
Line-of-Sight(NLOS)environment,soitisimportanttosuppressNLOSerrorstoimprove
positioningaccuracy.Therefore,thispaperinvestigatesthecumulativeerrorsuppressionof
InertialNavigationSystem(INS),thesystemNLOSerroridentificationandcorrectionofUWB,
a