基于神经网络的UWB定位算法设计

王成蓉

摘要：UWB是一种无载波通信技术，具有传输速率高，传输功率低，抗干扰能力强，穿透能力强等特点，尤其适用于定位精度极高的定位。传统的UWB定位算法是基于交点进行解析定位，在非视距的情况下，这些基于距离的定位算法的定位性能大大下降。该文在传统的定位算法中引入人工智能算法。首先对定位算法进行改进，提高原有的定位精度，并使用最小二乘法对原带有误差的测距值进行拟合处理，之后基于matlab编程环境搭建新的基于BP神经网络的定位算法，最终得出新的定位坐标，成功地减少由环境引起的测距误差对实际定位算法在解析定位时所产生的影响，提高了系统的定位精度。

关键词：UWB;定位算法;神经网络

中图分类号：TP3 文献标识码：A

文章编号：1009-3044（2019）30-0200-02

1研究意义

随着信息技术的发展，通信定位技术在室内定位方面被广泛应用于物联网，办公室和智能建筑的生活和工作中。现行室内定位技术包括：无线局域网、蓝牙、射频识别和超宽带等。其中，UWB技术具有多个优点，包括抗多径效应、高分辨率、穿透力强、硬件结构简单、频谱利用率高等方面，而UWB的室内定位精度可达到厘米级。

目前，UWB定位的有关测距技术研究的主流方向是基于到达时间（TOA）或者基到达时间差（TDOA）。但基于TDOA与TOA的定位算法是通过交点进行解析定位，在非视距误差的情况下，会出现多个交点使得定位坐标从而出现较大误差。本文首先通过搭建UWB定位系统（基于TOA），对定位坐标进行误差分析，并基于所测的距离，使用BP神经网络算法建立新的定位模型，对原始的UWB定位坐标训练，最终得出新的定位坐标，成功地减少由环境引起的测距误差对实际定位算法在解析定位时所产生的影响，提高了系统的定位精度。

2uwB定位模块搭建与误差分析

本文使用UWM Mini3定位系统，该模块采用STM32F105单片机为主控芯片，外围电路包括：DWMl000模块、电源模块、LED指示模块、拨码开复位电路等。如图1所示，搭建测试环境，由4个基站和一个移动测试点组成。其中，测试点可以平面移动和轴向移动（即x、Y平面，z方向移动）。

本文首先采用基于TOA的定位算法对坐标测试数据进行处理，按照米为单位，使用偏离角度与均方根误差作为定位精度判定。如图2和图3所示，可以看出该定位模块误差较大，偏离角度最高达到25.8°，且波动较大，定位系统不稳定，而均方根误差最大值高达1.5m。可以看出该定位误差较大。通过分析，该定位系统产生定位误差的主要原因为：基站与移动台的测距值存在误差;基于距离的解析定位算法对测距值十分敏感。对一个问题，使用线性回归的方式对测距值进行处理，提高了测距精度。第+问题，则需要优化定位算法，本文采用基于BP神经网络来建立定位模型进行优化。

3基于BP神经网络的定位误差处理算法与应用

3.1 BP算法定位算法原理

BP算法训练网络包含两个过程：正向传播过程和反向传播过程（图4）。正向传播过程中，输人为存有误差的基站到待测点的距離值，输出为移动待测点的实际空间坐标。当理想输出的坐标与实际空间坐标存在误差，系统开始进入误差反向传播过程。在该过程中，输出误差被以某种形式到达输入层，同时获得各个层的神经元的误差信号，以此来循环修正各单元的权值，直到输出误差到达设定好的值或达到学习次数。

因此，测距值和移动台坐标之间的非线性关系可以通过BP神经网络来不断学习修正，通过获得大量数据，并反复训练，从而逐渐逼近完美的非线性系统函数，最终建立定位模型。

3.2基于BP神经网络的定位算法实验结果

实验随机选取六个测试数（未参与训练），使用传统算法与基于BP神经网络训练后的算法进行误差分析，同样使用角度误差与均方根误差分析。如图5、图6所示，基于BP网络的定位算法的最高偏离角度仅为5.9°，对比原算法最高角度误差25.8，改善23.8%;而对于均方根误差RMSE，原算法最高1.5，基于BP网络的定位算法的RMSE仅为0.4，优化26.6%。且对比原有算法，角度误差和均方根误差波动都得到较大改善，更加稳定。

可以看出，使用线性回归的方式对测距值进行处理，提高测距精度后的数据，通过BP神经网络训练，得到的定位模型，其测试数据的定位精度得到了明显的提高，同时定位系统的稳定性也得到了提高。

4结束语

本文提出了一种基于BP神经网络的UWB定位算法，结合相应的仿真计算数据，确认了该算法能得到更稳定、精度更好的效果。本文提出的BP神经网络在UWB定位算法中的应用对于精确定位具有一定的指导意义。

【通联编辑：代影】