[发明专利]一种UWB精定位方法、装置、设备和计算机可读存储介质

权利要求书

1.一种UWB精定位方法，其特征在于，包括：

获取预置时间段内根据UWB定位系统测得的全部采样时刻的最优观测解，得到所述预置时间段内的最优观测解集；

根据所述最优观测解集确定卡尔曼滤波器的运动状态方程，初始化卡尔曼滤波器参数后，将所述最优观测解集输入所述卡尔曼滤波器，得到所述卡尔曼滤波器滤波后输出的估计解集；所述根据所述最优观测解集确定卡尔曼滤波器的运动状态方程，具体为：提取所述最优观测解的x坐标和y坐标，分别求出x方向和y方向上每个所述采样时刻的速度，若90％以上的所述速度处于[1.1m/s,1.95m/s]，则确定所述最优观测解为匀速行走状态，若90％以上的所述速度处于[35m/s,78m/s]，则确定所述最优观测解为匀速驾车状态，否则，计算所述最优观测解的加速度；

将所述估计解集分为训练样本集和测试样本集，将所述训练样本集和所述测试样本集分别通过预置BP神经网络进行网络训练，以卡尔曼滤波一步预测解与卡尔曼滤波估计解的第一误差、卡尔曼增益、最优观测解与卡尔曼滤波估计解的第二误差为输入，卡尔曼滤波估计解与理论解的第三误差为输出，当训练误差小于预置误差值，或迭代次数大于预置迭代次数时，结束网络训练，完成BP神经网络模型构建；

获取新的最优观测解和新的估计解，通过所述BP神经网络模型，输出卡尔曼滤波的所述第三误差，对所述新的估计解做所述第三误差的差值调整，得到最终估计解。

2.根据权利要求1所述的UWB精定位方法，其特征在于，所述预置BP神经网络由输入层、隐藏层和输出层构成，所述输入层的神经元个数为3，所述隐藏层的神经元个数为6，所述输出层的神经元个数为1，学习率为0.035。

3.根据权利要求2所述的UWB精定位方法，其特征在于，所述隐藏层的第一激活函数为logsig函数，所述输出层的第二激活函数为tansig函数。

4.根据权利要求1所述的UWB精定位方法，其特征在于，所述预置误差值为0.0001。

5.根据权利要求1所述的UWB精定位方法，其特征在于，所述预置迭代次数为2000。

6.一种UWB精定位装置，其特征在于，包括：

最优观测解模块，用于获取预置时间段内根据UWB定位系统测得的全部采样时刻的最优观测解，得到所述预置时间段内的最优观测解集；

估计解模块，用于根据所述最优观测解集确定卡尔曼滤波器的运动状态方程，初始化卡尔曼滤波器参数后，将所述最优观测解集输入卡尔曼滤波器，得到卡尔曼滤波器滤波后输出的估计解集；所述根据所述最优观测解集确定卡尔曼滤波器的运动状态方程，具体为：提取所述最优观测解的x坐标和y坐标，分别求出x方向和y方向上每个所述采样时刻的速度，若90％以上的所述速度处于[1.1m/s,1.95m/s]，则确定所述最优观测解为匀速行走状态，若90％以上的所述速度处于[35m/s,78m/s]，则确定所述最优观测解为匀速驾车状态，否则，计算所述最优观测解的加速度；

BP建模模块，用于将所述估计解集分为训练样本集和测试样本集，将所述训练样本集和所述测试样本集分别通过预置BP神经网络进行网络训练，以卡尔曼滤波一步预测解与卡尔曼滤波估计解的第一误差、卡尔曼增益、最优观测解与卡尔曼滤波估计解的第二误差为输入，卡尔曼滤波估计解与理论解的第三误差为输出，当训练误差小于预置误差值，或迭代次数大于预置迭代次数时，结束网络训练，完成BP神经网络模型构建；

测试模块，用于获取新的最优观测解和新的估计解，通过所述BP神经网络模型，输出卡尔曼滤波的所述第三误差，对所述新的估计解做所述第三误差的差值调整，得到最终估计解。

7.一种UWB精定位设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的UWB精定位方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-5任一项所述的UWB精定位方法。