张 园,谭兴龙，赵长胜，李晓明

(江苏师范大学，江苏 徐州 221116)

由于信号遮蔽、精度制约等问题，GPS难以实现高精度室内定位。而超宽带UWB技术具有时间分辨率极高、阻碍穿透能力强等特点，在LOS环境下能获得厘米甚至毫米级的测距和定位精度，适用于室内环境下的高精度定位[1- 4]。

在UWB室内定位中，滤波算法是关键环节。在高斯白噪声情况下，卡尔曼滤波基本可以满足定位需求。文献[5]提出将有色噪声一阶AR模型的自适应卡尔曼滤波应用到精密单点定位中。文献[6]提出为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,使用一种基于卡尔曼滤波(KF)的超宽带室内定位算法，在复杂环境下可达亚米级动态实时定位精度。文献[7]提出针对传统的卡尔曼滤波算法在运用于室内UWB系统定位时,由于初始参数不定以及在环境变化或系统运行偏差后定位误差增大等问题,提出一种自适应卡尔曼滤波算法。传统卡尔曼滤波要求观测噪声为高斯白噪声序列，对有色噪声而言卡尔曼滤波不能直接使用，而粒子滤波可以不受噪声模型的约束[8]。文献[9]提出采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息；然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理。文献[10]针对含有色噪声的语音,提出了一种基于Unscented粒子滤波的单通道语音增强方法。采用时变自回归模型(TVAR)对干净语音建模,通过Unscented粒子滤波器估计AR模型的参数并滤除有色噪声。……