匡 兵，陈凤冉，孙毛毛，曾宪锋，景 晖

（桂林电子科技大学 机电工程学院，广西 桂林 541000）

超宽带（ultra wide band，UWB）作为一种室内无线定位技术，因其信号隐蔽性强、数据传输效率高、多径分辨率好等优点［1］，越来越多地应用在室内移动机器人的导航定位中。目标跟踪技术作为UWB室内导航定位领域中的一项重要关键技术，是目前相关高校及企业关注的难题之一。经典卡尔曼滤波器（kalman filter，KF）在线性系统中要求状态空间变量和观察到的变量是连续的、高斯分布［2］。但在UWB室内目标跟踪过程中，由于周围环境存在噪声和测量误差干扰，并非理想中的线性高斯环境，因此KF已经不再适用非线性室内目标跟踪的研究中［3］。

非线性室内目标跟踪的研究中，处理非线性目标跟踪问题尽管存在很大的改进空间，但作为基础研究方法，粒子滤波（particle filter，PF）仍具有很大的研究价值［4］。PF作为非线性贝叶斯估计问题的一种数值逼近方法，目前已有较为成熟的理论和实际应用［5］。2014年，Li X等［6］对传统PF目标跟踪过程中存在的粒子退化问题，研究引入了重采样技术，实验结果得出PF具有更好的实时跟踪性能及跟踪精度。2017年，Peter Rohal等［7］创建了一个粒子滤波器，可以观察二维空间中随机飞行物体的轨迹，实验结果得出：与经典卡尔曼滤波跟踪相比，粒子滤波对雷达实测轨迹跟踪效果更好。

针对非视距室内超宽带目标动态定位跟踪不精确的问题，本文利用适用于线性模型的卡尔曼滤波对测距部分进行滤波降噪处理，有效降低了测距误差。……