学位论文 > 优秀研究生学位论文题录展示

基于WLAN/RFID信息融合的移动机器人自主定位算法研究

作　者: 张秀华
导　师: 任福君
学　校: 哈尔滨理工大学
专　业: 机械制造及其自动化
关键词: 室内移动机器人 WLAN/RFID 融合算法定位算法多传感器
分类号: TP242
类　型: 博士论文
年　份: 2013年
下　载: 95次
引　用: 0次
阅　读: 论文下载

内容摘要

在自主移动服务机器人系统中，获取当前机器人的准确位置(即定位)是完成导航和追踪等任务的前提。WLAN定位技术和RFID定位技术是新兴的定位技术，具有定位精度高、低功耗、低成本等特点，适合于移动机器人的定位。目前，在定位系统中通常采用单一传感器获取信息，这种方法只能获得环境特征的部分信息，导致系统定位精度低。因此，本文提出采用WLAN和RFID建立多传感器信息融合系统应用于移动机器人定位系统中以提高系统定位精度。论文以国家863计划项目“基于多信息融合的移动机器人自主定位关键技术研究”为支撑，对WLAN和RFID建立定位系统中的若干关键问题进行了研究，为多信息融合的研究奠定了基础。本文具体的研究工作如下所述：在WLAN无线定位系统中，针对移动机器人系统定位特点，分析无线定位技术特点，研究无线网络定位算法，确定使用基于RSSI值的定位方法，分析了系统路径损耗模型。根据实验环境，确定信号传播模型，进行仿真实验并分析实验结果。利用无线路由器和无线网卡建立WLAN移动机器人无线定位系统，研究基于信号强度(RSSI)值的WLAN定位方法。通过多组测试实验，确定三边定位法作为WLAN定位系统的定位算法。在RFID定位系统中，针对移动机器人室内定位系统环境复杂、障碍物多的特点，采用有源射频模块，基于Visual C++6.0平台开发了一种室内移动机器人定位系统。该系统中，定位标签选用RSSI值最大的四个标签，在极大似然估计法的基础上，引入移动误差因子，提出改进的极大似然估计定位算法，并将其应用在移动机器人定位系统中。在联邦滤波融合结构中采用无迹卡尔曼滤波(UKF)对子滤波器进行滤波，针对UKF技术易发散、计算速度慢和采样的非局部效应问题，提出基于最小偏度采样和衰减记忆平方根滤波的UKF算法和采用比例修正系数最小偏度采样的UKF算法，通过引入最小偏度单形采样策略减少了采样点数，以衰减记忆法滤波代替协方差阵进行递推运算，减少了计算误差引起的滤波发散现象，将比例修正系数引入最小偏度采样策略中的算法，有效地解决了采样的非局部效应问题。为提高融合系统的定位精度和定位速度奠定了基础。在WLAN和RFID定位系统的基础上，考虑使用单一的传感器不能满足定位精度要求，提出将联邦卡尔曼滤波技术应用在定位系统中，融合分别由WLAN、RFID定位系统获得的数据，实现整体精度的提高。在融合计算过程中因为局部滤波器有全局滤波器的反馈重置，这样，局部滤波器的精度也得以提高。进行了实验结果的比较，验证了所提出算法的可行性。通过本文的研究，利用WLAN/RFID建立融合定位系统，可降低系统的成本、提高定位效率、改进设计质量、提高市场竞争力，具有重要的理论意义和学术价值。

全文目录

摘要  5-7
Abstract  7-15
第1章绪论  15-33
  1.1 课题来源及研究目的意义  15-16
    1.1.1 课题来源  15
    1.1.2 课题研究目的意义  15-16
  1.2 无线网络定位技术现状  16-18
  1.3 WLAN定位技术研究现状  18-22
  1.4 RFID定位技术研究现状  22-25
  1.5 卡尔曼滤波理论的发展概述  25-27
  1.6 信息融合技术在移动机器人定位系统中的应用研究  27-30
  1.7 本文研究的主要内容  30-33
第2章 WLAN定位算法设计  33-56
  2.1 无线定位技术原理  33-39
    2.1.1 无线定位技术特点  33-34
    2.1.2 无线局域网特点  34-35
    2.1.3 无线定位系统方案  35-36
    2.1.4 无线定位基本技术  36-39
  2.2 基于测距的RSSI值定位技术研究  39-42
    2.2.1 信号传播的模型公式  39
    2.2.2 信号传播实际模型的建立  39-40
    2.2.3 仿真实验及分析  40-42
  2.3 WLAN定位算法设计  42-50
    2.3.1 无线信号强度  42-43
    2.3.2 无线信号强度值的获取  43-45
    2.3.3 无线信号强度值的分布  45-50
  2.4 WLAN算法研究及定位实验  50-55
    2.4.1 WLAN定位算法  50-51
    2.4.2 无线网络定位实验  51
    2.4.3 实验平台构建  51-53
    2.4.4 实验环境  53-54
    2.4.5 定位实验  54-55
  2.5 本章小结  55-56
第3章 RFID定位算法设计  56-79
  3.1 引言  56-58
    3.1.1 RFID的组成及其基本工作原理  56-57
    3.1.2 RFID系统的分类  57-58
  3.2 RFID硬件资源平台  58-61
  3.3 信号强度与几何距离的映射关系  61-66
    3.3.1 信号传播损耗模型及其参数的确定  61-63
    3.3.2 定位估计理论  63-66
  3.4 定位算法  66-71
    3.4.1 读取四个标签定位  67-68
    3.4.2 读取三个标签定位  68-69
    3.4.3 读取三个以下标签定位  69-71
  3.5 系统定位实验  71-76
    3.5.1 实验环境  71-72
    3.5.2 实时定位误差  72-76
  3.6 基于RFID的机器人定位参数标定与实验分析  76-78
    3.6.1 基于RFID的机器人参数标定系统设计  76
    3.6.2 机器人定位系统定位实验分析  76-78
  3.7 本章小结  78-79
第4章基于改进UKF的定位算法研究  79-104
  4.1 引言  79-80
  4.2 卡尔曼滤波理论及其改进算法  80-83
    4.2.1 卡尔曼滤波理论与算法  80-81
    4.2.2 扩展卡尔曼滤波理论与算法  81-83
  4.3 无迹卡尔曼滤波理论与算法  83-87
    4.3.1 无迹卡尔曼滤波原理  83-85
    4.3.2 无迹卡尔曼滤波算法  85-87
  4.4 UKF改进算法  87-102
    4.4.1 基于最小偏度采样和衰减记忆平方根滤波的UKF算法  87-96
    4.4.2 采用比例修正系数最小偏度采样的UKF算法  96-102
  4.5 实验数据处理及结果分析  102-103
    4.5.1 实验数据处理  102-103
    4.5.2 结果分析  103
  4.6 本章小结  103-104
第5章数据融合算法设计  104-124
  5.1 引言  104-105
  5.2 联邦卡尔曼滤波原理与算法  105-114
    5.2.1 联邦卡尔曼滤波模型  105-112
    5.2.2 联邦卡尔曼滤波器的流程  112-114
  5.3 WLAN/RFID信息融合定位算法  114-119
    5.3.1 系统状态方程  114-115
    5.3.2 系统的观测方程  115
    5.3.3 WLAN/RFID信息融合  115-119
  5.4 融合算法实验结果及分析  119-123
  5.5 本章小结  123-124
结论  124-126
参考文献  126-135
攻读学位期间发表的学术论文  135-136
致谢  136

基于WLAN/RFID信息融合的移动机器人自主定位算法研究

内容摘要

全文目录

相似论文