[ANGLÈS] Some applications such as industrial automation, cargo handling, warehouse managing, monitoring of autonomous robot or personnel localization, require reliable indoor positioning. In particular, the requirement is to accurately localize a mobile wireless node in real-time. In outdoor scenarios, Global Navigation Satellite Systems (GNSSs) are commonly used for positioning. Nevertheless, they present notable shortcomings for being used in indoor applications. The principal disadvantages are the low accuracy achieved and the attenuation and reflections introduced by buildings and other structures, which make impossible their use in most cases. The fixed and smaller operational area of an indoor positioning application in comparison with the area of an outdoor application makes it possible to install a radio positioning infrastructure. Concretely, the Ultra Wide Band (UWB) positioning system considered in this thesis consists of nodes installed in fixed and known positions (slaves) and a mobile node of unknown position (master) which is the one to be localized. The operation of the system is based on calculating the distance from the master to the slaves by measuring the Round-Trip-Time of a UWB pulse. In this way an estimate of the position can be obtained, with the advantage of having bounded errors, but, in contrast, the estimations have a low dynamic range and other navigation information cannot be measured. The master has some sensors attached, an Inertial Measurement Unit (IMU) and a Dead-Reckoning (DR) system. By propagating the navigation equations, estimates of the position and other navigational states can be obtained, but with the disadvantage of having errors that grow with time. The solution of the problems related to the individual location systems is using information fusion algorithms. Such algorithms, by means of integrating different sources of data, in this case the UWB range measurements and the IMU and DR measurements, create a positioning system which combines the benefits of the individual systems. In this project the aim is to develop, implement and evaluate sensor fusion algorithms. In particular, the developed algorithms are based on the Extended Kalman Filter and the Particle Filter. Furthermore, they have been adapted to different dynamic models, in order to find the algorithms which fit better with the motion of a mobile node. The developed algorithms has been tested with simulated trajectories using Matlab, and with real experimental datasets acquired by a mobile robot. The results have shown the benefits of the information fusion, since the accuracies obtained in the estimations have outperformed the accuracies obtained with the individual systems. Also in the most unfavorable cases, when one of the sources has high errors in the measurements, the algorithms have been able to discard the useless information and estimate using only the useful measurements, proving the robustness of the system.

[CASTELLÀ] Algunas aplicaciones como la automatización industrial, manipulación de cargas, gestión de almacenes, monitorización de robots autónomos o localización de personal requieren un posicionamiento fiable en interiores. Concretamente, se requiere una localización precisa de un nodo móvil inalámbrico en tiempo real. Para el posicionamiento en zonas de exterior los Sistemas de Navegación Global por Satélite (GNSS) son comúnmente utilizados. No obstante, tienen importantes deficiencias cuando son usados en interiores, debido a la baja precisión que logran y a la atenuación y reflexiones introducidas por los edificios y otras estructuras, haciendo imposible su uso en la mayoría de casos. El área operacional de una aplicación de posicionamiento en interiores es fija y más pequeña que la de aplicaciones de exterior, esto permite la instalación de infraestructuras radio de posicionamiento. En este proyecto se considera un sistema de posicionamiento de banda ultra ancha (UWB) que consiste en nodos instalados en posiciones fijas y conocidas (esclavos) y un nodo móvil de posición desconocida (maestro), que es el que se debe localizar. El funcionamiento del sistema se basa en calcular la distancia entre el maestro y los esclavos midiendo el tiempo de ida y vuelta de un pulso UWB. Además, el maestro tiene sensores instalados, concretamente una Unidad de Medida Inercial (IMU) y un sistema odométrico (Dead-Reckoning, DR). Gracias a la información proporcionados por estos sensores se pueden obtener estimaciones de la posición del maestro y otros estados de navegación. Pero se debe tener en cuenta que cada uno de los sistemas de posicionamiento anteriores tiene ventajas y desventajas. Para conseguir estimaciones con solo las ventajas de estos sistemas se deben utilizar algoritmos de fusión de información. El alma de este proyecto es desarrollar, implementar y evaluar diferentes algoritmos de fusión de sensores. Concretamente, los algoritmos desarrollados se basan en el filtro de Kalman y en el filtro de partículas. Además, los algoritmos han sido adaptados a diferentes modelos dinámicos, con el objetivo de encontrar los algoritmos que mejor se adaptan al movimiento de un nodo móvil. Los algoritmos han sido probados con trayectorias simuladas con Matlab y con datos reales obtenidos en un experimento con un robot móvil. Los resultados han mostrado los beneficios de la fusión de información, ya que las precisiones obtenidas han mejorado las que obtenían los diferentes sistemas individualmente. También se ha visto como en los casos más desfavorables en que una de las fuentes de información era inútil o incorrecta, los algoritmos eran capaces de discriminarla y utilizar tan solo la información útil, demostrando la robustez del sistema.

[CATALÀ] Algunes aplicacions com l'automatització industrial, manipulació de càrregues, gestió de magatzems, monitorització de robots autònoms o localització de personal requereixen un posicionament fiable en interiors. Concretament, es requereix una localització precisa d'un node mòbil inalàmbric en temps real. Per al posicionament en zones d'exterior els Sistemes de Navegació Global per Satèl·lit (GNSS) són freqüentment utilitzats. Tot i això, tenen importants deficiències a l'hora de ser utilitzats en interiors, degut a la baixa precisió que aconsegueixen i a l'atenuació i reflexons que introdueixen els edificis i d'altres estructures, fent impossible el seu ús en la majoria de casos. L'àrea operacional d'una aplicació de posicionament en interiors és fixa i, a més, més petita que la d'aplicacions d'exterior, i això permet la instal·lació d'infraestructures ràdio de posicionament. En aquest projecte es considera un sistema de posicionament de banda ultra ampla (UWB) que consisteix en nodes instal·lats en posicions fixes i conegudes (esclaus) i un node mòbil de posició desconeguda (mestre), que és el que ha de ser localitzat. El funcionament del sistema es basa en calcular la distància entre el mestre i els esclaus mesurant el temps d'anada i tornada d'un pols UWB. A més, el mestre té sensors instal·lats, concretament una Unitat de Mesura Inercial (IMU) i un sistema odomètric (Dead-Reckoning, DR). Gràcies a la informació proporcionada per aquests sensors es poden obtenir estimacions de la posició del mestre i d'altres estats de navegació. Cal tenir en compte que cadascun dels sistemes de posicionament anteriors tenen avantatges i desavantatges. Per tal de aconseguir estimacions amb només els avantatges d'aquests sistemes cal utilitzar algoritmes de fusió d'informació. L'ànima d'aquest projecte és desenvolupar, implementar i avaluar diferents algoritmes de fusió de sensors. Concretament, els algoritmes desenvolupats es basen en el filtre de Kalman i el filtre de partícules. A més a més, els algoritmes han estat adaptats a diferents models dinàmics, per tal de trobar els algoritmes que millor s'adapten al moviment d'un node mòbil. Els algoritmes han estat provats amb trajectòries simulades amb Matlab i amb dades reals obtingudes en un experiment amb un robot mòbil. Els resultats han mostrat els beneficis de la fusió d'informació, ja que les precisions obtingudes han millorat les que obtenien els diferents sistemes individualment. També s'ha vist com en els casos més desfavorables en què una de les fonts d'informació era inútil o incorrecta, els algoritmes eren capaços de discriminar-la i utilitzar només la informació útil, demostrant la robustesa del sistema.