摘要:在火电厂采用超宽带(ultra-wideband,UWB)方法实现人员定位。但因火电厂复杂环境存在多径反射与非视距(non-line-of-sight,NLoS)遮挡问题,导致定位定位结果大幅跳变的情况。提出一种融合随机森林分类、神经网络误差补偿与Q学习(Q-learning)动态锚点选择的新型UWB人员定位系统,实现视距(line-of-sight,LoS)/非视距链路状态识别、测距误差修正及基站子集动态优化,无需额外增加硬件部署即可显著提升定位稳定性。仿真结果表明:采用新型UWB人员定位系统后,人员定位最大跳变误差减小至0.4 m,均方根误差(root mean squared error,RMSE)可降低85%,有效提升了火电厂复杂工业环境下人员定位的稳定性与精度。