姜春生 廖穎慧 蔡博

摘? 要： 針對(duì)傳統(tǒng)物流倉儲(chǔ)環(huán)境下自動(dòng)導(dǎo)引車定位精度低的問題，提出基于UWB的物流倉儲(chǔ)自動(dòng)導(dǎo)引車定位系統(tǒng)。該定位系統(tǒng)采用改進(jìn)增量卡爾曼濾波算法對(duì)采集到的距離值進(jìn)行濾波，避免了受非視距（NLOS）及環(huán)境、測(cè)量設(shè)備等引起的誤差;與Taylor級(jí)數(shù)法對(duì)比，采用更適合的Chan算法進(jìn)行解算獲得目標(biāo)位置;設(shè)計(jì)編寫了基于MATLAB串口通信的上位機(jī)程序，實(shí)現(xiàn)了實(shí)時(shí)位置的可視化顯示。仿真試驗(yàn)結(jié)果表明，該系統(tǒng)定位精度顯著提高，上位機(jī)界面為倉儲(chǔ)監(jiān)管提供了信息支撐。

關(guān)鍵詞： UWB; NLOS; 改進(jìn)增量卡爾曼濾波; Chan算法; MATLAB串口通信; 上位機(jī)

中圖分類號(hào)：TP242? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：1006-8228（2019）05-05-04

Abstract： In order to solve the problem of low positioning precision in traditional logistics storage environment， a UWB positioning system of automatic guidance vehicle for logistics warehousing is proposed. The location system uses the improved incremental Kalman filter algorithm to filter the distance values collected by UWB， which avoids the errors caused by NLOS， measuring equipment and environment; Chan algorithm is adopted， which is more suitable to calculate the positioning result compared with Taylor series method; The host computer program based on MATLAB is designed， which supports the serial communication with automatic guidance vehicle and realizes the visual display of its position in real time. The simulation results show that the proposed system is obviously improved in positioning precision， and the host computer interface provides the information support for warehousing supervision.

Key words： UWB; NLOS; improved incremental Kalman filter; Chan algorithm; Matlab serial communication; host computer

0 引言

近年來，隨著電子商務(wù)、物流倉儲(chǔ)等行業(yè)的迅速發(fā)展，精準(zhǔn)的位置需求已成為提高物流倉儲(chǔ)行業(yè)中物流自動(dòng)化、智能化程度的關(guān)鍵。受物流倉儲(chǔ)環(huán)境下物料、貨架及倉庫環(huán)境等因素的影響，GPS、WiFi等傳統(tǒng)定位系統(tǒng)及定位方法越來越難以滿足需求[1-2]。超寬帶脈沖（Impulse Radio Ultra Wideband，IR-UWB）技術(shù)以其高分辨率、抗多徑效果好、穿透力強(qiáng)、高傳輸速率及低功耗等優(yōu)點(diǎn)成為當(dāng)前定位技術(shù)應(yīng)用的熱點(diǎn)。

現(xiàn)代物流倉庫種類繁多，倉庫環(huán)境復(fù)雜多變，這給倉儲(chǔ)自動(dòng)導(dǎo)引車的定位帶來一定困難，單目視覺的定位雖然可行，但離大規(guī)模運(yùn)用還有段距離[3];傳統(tǒng)的基于里程計(jì)、陀螺儀等的慣性導(dǎo)航方法存在累計(jì)誤差問題[4];WiFi、RFID等的無線傳感器通過信號(hào)強(qiáng)度來測(cè)距普遍精度不高[5];UWB技術(shù)是一種新興的基于納秒至微納秒的非正弦波窄脈沖傳輸數(shù)據(jù)而不利用載波搭載信息，帶寬極寬，穿透性能好，由多個(gè)接收器接收到參考標(biāo)簽所發(fā)射的超寬帶脈沖信號(hào)進(jìn)行定位，其結(jié)構(gòu)簡單、成本低、對(duì)環(huán)境適應(yīng)性好等突出優(yōu)點(diǎn)，因而適合在物流倉儲(chǔ)等環(huán)境下使用。而多徑干擾、非視距誤差及受環(huán)境、測(cè)量設(shè)備干擾或難以自校準(zhǔn)帶來的系統(tǒng)量測(cè)誤差問題則是影響基于UWB定位精度的主要因素;對(duì)于NLOS誤差，兩步卡爾曼濾波雖然取得良好的仿真效果，但只適合其誤差特性已知環(huán)境;自回歸卡爾曼濾波算法則需要確定閾值來抑制NLOS誤差，歸納其統(tǒng)計(jì)特性;泰勒級(jí)數(shù)法則需要選擇合適的定位初值，否則會(huì)帶來更大的誤差甚至發(fā)散[6-8]。

本文首先闡述UWB的測(cè)距原理，分析NLOS誤差特性，采用改進(jìn)增量卡爾曼濾波算法對(duì)所獲得的距離值進(jìn)行濾波;對(duì)比Taylor與經(jīng)典Chan定位解算法，采用更適合的Chan算法對(duì)濾波后包含距離值得非線性方程進(jìn)行解算獲得定位的坐標(biāo)，對(duì)比小波去噪、卡爾曼濾波等，顯著提高了定位精度，具有良好的定位仿真效果;運(yùn)用MALTBA串口通信功能，編寫上位機(jī)程序，實(shí)現(xiàn)實(shí)時(shí)距離位置的可視化，為物流倉儲(chǔ)管理提供了可靠的信息支撐。

1 TOF測(cè)距原理及誤差分析

1.1 基于TOF的測(cè)距方法

本文采用ADS-TWR測(cè)距來盡可能消除抑制由時(shí)鐘偏頻帶來的時(shí)間不同步問題，其過程如圖1所示?；臼盏綐?biāo)簽的請(qǐng)求幀后開始計(jì)時(shí)，經(jīng)過Treply1向標(biāo)簽發(fā)送應(yīng)答幀，標(biāo)簽接受應(yīng)答幀后開始計(jì)時(shí)，經(jīng)Treply2將帶有發(fā)送與接收信號(hào)的時(shí)間點(diǎn)的終止幀發(fā)送給基站，基站接收到終止幀后代表測(cè)距結(jié)束。

則Tag與Anchor之間的距離可以表示為：

1.2 測(cè)距誤差分析

而系統(tǒng)中節(jié)點(diǎn)之間晶振的工作頻率都不一樣，因而存在時(shí)鐘偏頻問題，由此帶來的測(cè)距誤差可以表示為：

其中：ka和kb分別為標(biāo)簽和基站時(shí)鐘偏移系數(shù)。對(duì)于本文中所采用的DWM1000模塊而言，其時(shí)鐘偏移為10ppm，從而k=1.00001或0.99999，可以知道理論上的距離誤差僅為1mm，ADS-TWR可以有效地抑制時(shí)鐘偏移帶來的誤差影響，以此來提高測(cè)距精度。

2 無線定位解算法

2.1 改進(jìn)增量卡爾曼濾波算法

由前述可知，無線定位的準(zhǔn)確性來自于精準(zhǔn)的測(cè)距，對(duì)于含有NLOS誤差與實(shí)際測(cè)量過程中的量測(cè)系統(tǒng)誤差，建立如下測(cè)距模型：

其中：dm（t）、rm（t）分別為t時(shí)刻基站與標(biāo)簽之間的測(cè)量距離與真實(shí)距離，Nm（t）為NLOS誤差，Vm（t）為量測(cè)未知系統(tǒng)誤差，nm（t）為標(biāo)準(zhǔn)測(cè)量誤差。

針對(duì)本文線性系統(tǒng)的特點(diǎn)，建立增量卡爾曼濾波數(shù)學(xué)模型，其空間模型描述如下：

其中：Sk為第k個(gè)時(shí)刻的目標(biāo)狀態(tài);ΔZk為測(cè)量增量;Φk-1與Hk分別為狀態(tài)轉(zhuǎn)移矩陣和測(cè)量矩陣;Γk-1為噪聲驅(qū)動(dòng)矩陣;過程噪聲Wk與測(cè)量噪聲Vk互不相關(guān)，其方差分別為Qk和Rk。

由于UWB信號(hào)很高的采樣率，因而vk-vk-1為相對(duì)小量，可以忽略不計(jì)。對(duì)于⑸式和⑹式構(gòu)成的增量系統(tǒng)濾波模型可以有效消除未知的系統(tǒng)誤差。

文獻(xiàn)[9]中給出了增量卡爾曼濾波無偏性的證明過程。將NLOS誤差作為變量加入到狀態(tài)變量中，經(jīng)濾波處理后可得到NLOS誤差，實(shí)際測(cè)量值減去NLOS誤差即可得到消除了NLOS的UWB測(cè)距值。

狀態(tài)矩陣、狀態(tài)轉(zhuǎn)移矩陣及測(cè)量矩陣設(shè)置為：

2.2 無線定位解算法

獲得無線節(jié)點(diǎn)之間的距離值后，確定標(biāo)簽的位置坐標(biāo)還需要相對(duì)應(yīng)的定位解算法確定，常用的定位解算法有Fang算法、Chan算法、Taylor級(jí)數(shù)展開算法及SI算法等，這里選取Chan算法與Taylor算法進(jìn)行仿真對(duì)比[10]。

Taylor算法式將⑺式在（x，y）的微小擾動(dòng)處進(jìn)行Taylor級(jí)數(shù)展開并去除高于二次項(xiàng)，最后設(shè)定閾值，對(duì)測(cè)量誤差矢量進(jìn)行加權(quán)最小二乘法進(jìn)行迭代，直到獲得滿足要求的估計(jì)定位值;Taylor算法無法給出具體的解析解，設(shè)置合理的初始值，在一定的噪聲程度下也可以給出較高的定位精度。

手動(dòng)生成基站節(jié)點(diǎn)與標(biāo)簽節(jié)點(diǎn)的坐標(biāo)，仿真區(qū)域選定為基站兩兩之間的距離為100m的正方形區(qū)域。對(duì)于Taylor級(jí)數(shù)展開法，隨機(jī)生成其初始值（37，53），門限值設(shè)為0.01;基站與標(biāo)簽之間的距離為基站與標(biāo)簽之間的計(jì)算距離，加上服從高斯分布的測(cè)距誤差，其標(biāo)準(zhǔn)差分別取1m、2m、3m、4m、5m，通過多次計(jì)算取平均的算法得到其誤差均方根值，得到的仿真結(jié)果對(duì)比如圖2所示。

兩種定位解算法在一定的條件下都可以達(dá)到較好的定位解算效果，但Taylor解算法無法給出具體的表達(dá)式解，其解算精度受定位初值影響太大，若初始估計(jì)值與實(shí)際位置相差太大，其算法的收斂性可能受到影響;Chan算法不需要初值，僅進(jìn)行兩次迭代就可得到最終結(jié)果，且在消除了NLOS誤差或在LOS環(huán)境條件下。從圖3中可以看出，相同測(cè)距誤差標(biāo)準(zhǔn)差下，Chan算法的定位均方根誤差要小得多，具有良好的定位性能[11]。

3 基于MALTAB串口通信的上位機(jī)

MATLAB中的設(shè)備控制箱支持MATLAB與儀器儀表進(jìn)行通信，從而支持對(duì)串口通信。

設(shè)計(jì)其上位機(jī)程序時(shí)，首先需要對(duì)進(jìn)行需求分析，針對(duì)倉儲(chǔ)物流自動(dòng)導(dǎo)引車的定位系統(tǒng)，所設(shè)計(jì)的上位機(jī)程序功能框圖如圖3所示。

4 仿真試驗(yàn)與分析

采用DW1000定位模塊作為系統(tǒng)硬件的基礎(chǔ)單元，為了更加精確的在倉庫中搭建定位系統(tǒng)，布置四個(gè)基站，搭建物流倉儲(chǔ)環(huán)境如圖4所示。

在倉儲(chǔ)倉庫環(huán)境下設(shè)置四個(gè)基站，選取一組點(diǎn)進(jìn)行定位測(cè)試試驗(yàn)，采集到的測(cè)試數(shù)據(jù)整理后如圖5。從圖5中可以知道，與傳統(tǒng)小波去噪、卡爾曼濾波相比，經(jīng)過本文濾波算法后的距離值穩(wěn)定性顯著提高，與真實(shí)值偏離程度減小，提高了測(cè)距精度;試驗(yàn)場(chǎng)景中的定位平均誤差在95mm左右，定位精度高，能滿足試驗(yàn)的要求。

運(yùn)行MATLAB中的上位機(jī)程序，得到的某一刻的目標(biāo)標(biāo)簽的位置在MATLAB中如圖6所示。

5 結(jié)論

本文以物流倉儲(chǔ)環(huán)境下自動(dòng)導(dǎo)引車的定位系統(tǒng)為研究背景，采用當(dāng)前定位研究熱點(diǎn)的UWB定位方式，對(duì)于倉儲(chǔ)環(huán)境下存在的NLOS誤差、環(huán)境或測(cè)量設(shè)備的引起的系統(tǒng)量測(cè)誤差，采用改進(jìn)增量卡爾曼濾波算法對(duì)其去噪濾波，運(yùn)用經(jīng)典Chan算法解算獲得其位置坐標(biāo)，設(shè)計(jì)了基于倉儲(chǔ)環(huán)境下的MATLAB上位機(jī)顯示系統(tǒng)，在倉儲(chǔ)倉庫環(huán)境下導(dǎo)引車的定位取得良好的應(yīng)用效果，在物流倉儲(chǔ)迅猛發(fā)展的大環(huán)境下有廣闊的應(yīng)用前景。當(dāng)然，本文在定位算法方面還有待進(jìn)一步改進(jìn)與優(yōu)化。

參考文獻(xiàn)（References）：

[1] 孫小文，張小超，趙博等.農(nóng)資倉儲(chǔ)脈沖超寬帶室內(nèi)定位系統(tǒng)設(shè)計(jì)與試驗(yàn)及誤差分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2017.33（1）：23-29

[2] 朱士光，張帆，張聰.基于慣導(dǎo)和視覺定位的AGV倉儲(chǔ)機(jī)器人[J].中國新技術(shù)新產(chǎn)品，2018.3：21-22

[3] 劉麗軍.基于單目視覺的倉儲(chǔ)物流機(jī)器人定位方法探討[J].電子制作，2018.12：63-64

[4] 張濤，馬磊，梅玲玉.基于單目視覺的倉儲(chǔ)物流機(jī)器人定位方法[J].計(jì)算機(jī)應(yīng)用，2017.37（9）：2491-2495

[5] 王紹丹，王宜懷，劉鍇.基于射頻識(shí)別和無線傳感網(wǎng)融合技術(shù)的倉儲(chǔ)定位方法研究[J].計(jì)算機(jī)應(yīng)用研究，2018.35（1）：195-198

[6] 徐英凱，曹浩，陳曉群.一種抑制非視距傳播誤差的混合定位算法[J].計(jì)算機(jī)工程，2013.39（7）：119-122

[7] He Jie， Geng Yi-shuang， Liu Fei， Xu Cheng. CC-KF：Enhanced TOA performance in multipath and NLOS indoor extreme environment [J].IEEE Sensors Journal，2014.14（11）：3766-3774

[8] 張恒.基于UWB的室內(nèi)高精度定位方法研究與應(yīng)用[D].遼寧工程技術(shù)大學(xué)，2015.

[9] 傅惠民，吳云章，婁泰山.欠觀測(cè)條件下的增量Kalman濾波方法[J].機(jī)械強(qiáng)度，2012.34（1）：43-47

[10] 蔡博.基于UWB的AGV高精度室內(nèi)定位系統(tǒng)研究[D].西南交通大學(xué)，2018.

[11] Shuai He， Xiao-dai Dong， Wu-Sheng Lu. Localization algorithms for asynchronous time difference of arrival positioning systems[J]. EURASIP Journal on Wireless Communications and Networking，2017.1：1