基于传感器/执行器网络的室内服务机器人定位技术研究

摘要

随着高龄老人和空巢老人的数量急剧增加，对于老年人的实时监护需求也在快速增长。集康复、助老、护老、做家务于一体的室内服务机器人在社会生活中的作用越来越突出。定位技术是服务机器人的一个重要方向，具有重要的理论意义和实际价值。 本文总结了传感器/执行器网络和室内定位的研究现状，系统地分析了基于无线传感器网络的室内定位技术、常见的室内定位算法和定位系统。针对传统的定位系统将室内环境过于理想化、使用单一模型从而导致定位精度低的问题，提出了基于RSSI测距的交互式多模型定位算法。 室内环境非常复杂，服务机器人在室内移动时，其与传感器节点之间的信号传播在视距(LOS)场景和非视距(NLOS)场景之间随机切换，导致定位精度下降。本文将室内复杂环境分为LOS环境和NLOS环境，利用最小二乘法分别对测距模型的参数进行了辨识实验，得到LOS环境下测距模型和NLOS环境下的测距模型。进而提出了R-IMM-RLS(RSSI-Interactive multiple model-Recursive least-squares method)定位算法。首先在IMM框架中采用两个平行的扩展卡尔曼滤波器模型对测量距离进行同时滤波，根据滤波结果和测量值计算两个模型的似然概率，模型之间的转换通过马尔科夫链实现，两个EKF滤波结果加权融合后便获得IMM距离估计值。然后针对最小二乘法中存在着求逆运算从而导致算法效率低的、不能实时定位的问题，采用递推最小二乘法来计算位置的方法避免求逆的过程，使系统能够实现在线定位。 为验证所提算法的有效性，本文设计了室内移动机器人定位系统，包括协调器、参考节点、执行器节点（机器人）和上位机软件。定位实验结果表明，R-IMM-RLS算法定位误差为0.52m，而只使用LOS模型和只使用NLOS模型的定位误差分别为0.97m和1.14m，定位精度有了明显改善。同时递推最小二乘法的速度比普通最小二乘法提高73.9％。

目录

声明

摘要

1．1课题背景

1．2研究现状

1．2．1传感器／执行器网络的发展

1．2．2室内定位技术的发展

1．3研究内容和章节安排

第2章无线传感器网络定位技术

2．1基本术语

2．2定位算法的分类与评价

2．3常见的定位算法

2．3．1三边测量法

2．3．2三角测量法

2．3．3极大似然估计法

2．4常见的定位系统

2．4．1 Cricket系统

2．4．2 RADAR系统

2．4．3 CC2530系统

2．5本章小结

第3章基于RSSI测距模型的参数辨识

3．1路径损耗模型

3．1．1经典信号衰减模型

3．1．2 Shadowing模型

3．2室内环境下测距模型的参数辨识

3．2．1基于最小二乘法的参数估计

3．2．2 LOS模型的参数辨识实验

3．2．3 NLOS模型的参数辨识实验

3．3本章小结

第4章R-IMM-RLS定位算法

4．1 R-IMM-RLS定位方案

4．2基于IMM的距离滤波算法

4．2．1交互式多模型算法

4．2．2基于IMM的距离计算方法

4．3基于递推最小二乘法的位置计算

4．3．1递推最小二乘法

4．3．2位置计算步骤

4．4本章小结

第5章室内服务机器人定位系统

5．1系统结构

5．2软件设计

5．2．1参考节点

5．2．2盲节点

5．2．3协调器

5．2．4上位机

5．3室内定位实验

5．3．1实验条件

5．3．2实验步骤

5．3．3实验结果

5．4本章小结

第6章结论

参考文献

致谢