基于SAPSO-BP神经网络的井下自适应定位算法

针对基于传统BP神经网络的井下定位算法存在收敛速度慢、易形成局部极值、在煤矿井下强时变性电磁环境中定位误差大等问题,提出了一种基于模拟退火思想的粒子群优化算法加BP神经网络(SAPSO-BP)的井下自适应定位算法。采用SAPSO算法优化BP神经网络的初始权值和阈值,以加快训练收敛速度,使之到达全局最优;通过安装在井下巷道中的无线校准器采集目标点接收信号强度指示(RSSI)值,采用自适应动态校准方法对RSSI值进行实时校准,以减小强时变性电磁环境对定位精度的影响;最后利用SAPSO-BP神经网络估算出目标点位置坐标。实验结果表明,该算法的定位误差在2m内的置信概率为77.54%,平均误差为1.53m,定位性能优于未校准SAPSO-BP神经网络算法、PSO-BP神经网络算法、BP神经网络算法。     

Kalman滤波在井下人员跟踪定位中的应用

针对基于RSSI定位算法在定位过程中不具备连续性问题,提出了一种基于Kalman滤波的连续性井下人员定位方法。采用Kalman滤波对基于RSSI定位算法估算出的井下人员位置坐标进行滤波处理,在此坐标的基础上,建立Kalman滤波模型,利用Kalman滤波实现对井下人员的实时跟踪。实验结果表明,基于Kalman滤波的定位方法对井下人员的跟踪效果较好,提高了系统的实时性和跟踪精度。     

改进克里金插值算法的井下无线定位指纹库构建方法

针对煤矿井下巷道中构建一个采集点密集分布的无线定位指纹库,需要逐点采集信号,会耗费大量的人力和时间,为此提出基于模拟退火SA(Simulated Annealing)人工蜂群ABC(Artificial Bee Colony)混合算法优化克里金(Kriging)插值算法的构建井下无线定位指纹库的方法。首先通过无线网络采集井下巷道部分采集点的指纹数据,并建立采集指纹数据库。其次利用采集指纹数据库构建Kriging插值算法模型,再通过SA-ABC算法对变异函数的参数寻优,建立SA-ABC-Kriging插值算法模型。再次用插值算法估算出预测点的信息数据,并建立插值指纹数据库。最后将采集指纹数据库和插值指纹数据库构建井下无线定位指纹库。实验表明,该构建方法比传统Kriging插值算法的定位精度和插值精度更高,而且可减少50%的人工采集指纹数据工作量。     

基于GMapping算法与指纹地图构建的井下定位方法

针对现有井下定位算法定位精度差和依赖信号源坐标的问题,提出一种基于GMapping算法与指纹地图构建的井下定位方法。将待定位的位置信号特征与信号分布图进行匹配,选择最优定位坐标,从而提高井下定位精度;通过与GMapping算法相结合,避免了指纹地图构建过程维护成本高的问题,优化了算法的搜索与匹配效率。实际测试结果表明,该方法平均定位误差为57.7cm,可以满足井下定位要求。     

多媒体传感器网络中基于多视觉信息的被动目标定位算法

目标定位是无线传感器网络应用研究中一个重要而有意义的问题,由于被动目标与信标间无主动通信联系,以及摄像机节点本身传感模型的方向性和区域性,使得传统的定位算法并不适用于新兴的多媒体传感器网络.提出了一种多媒体传感器网络中基于多视觉信息的被动目标定位算法,由发现目标的若干个摄像机节点自组织形成簇,利用单目视觉成像模型,获取目标的上下两点在定位平面的坐标后建立在统一世界坐标系下的直线表达式,簇头节点融合簇内所有直线方程,建立最小二乘意义下的代价函数,令其取最小值从而获得目标的准确位置坐标信息.最后通过实验验证了本算法比仅用单摄像机节点直接定位能够获得更高的定位精度.     

光电经纬仪组网实时定位算法及性能分析

在研究多部光电经纬仪组网测量目标三维空间坐标算法的基础上,给出了一种利用正交矢量算法进行目标实时定位的方法,推导出定位精度公式,并验证其性能.运用蒙特卡洛实验方法对三种定位算法在三台光电经纬仪不同测量误差、不同站址坐标和目标不同轨迹条件下,进行定位精度仿真,得出其误差分布曲线,最后计算出三种定位算法在不同基站数目下的执行效率.仿真和计算结果表明,算法可以有效地提高光电经纬仪组网测量的定位精度,并且具有实时性强、精度整体稳定等优点,能够满足光电组网跟踪测量系统对运动目标高精实时定位的要求.     

基于模糊神经网络的运动目标智能分配定位算法

为解决特殊应用场景下智能视频监控系统存在的监测范围有限、监控资源分配不合理、运动目标发现不及时等问题,利用雷达探测电磁波穿透能力强、搜索范围大、不受特殊气候及光学条件影响的特点,结合无人机和自动导航小车的灵活性和机动性,提出了一种雷达指引的综合联动视频监控方法,并在此基础上研究了一种基于大地坐标的统一坐标定位体系以及使用粒子群优化算法进行优化的基于模糊神经网络的运动目标智能分配定位算法.该算法根据雷达探测信号可自动计算出每台摄像机在水平、垂直和变焦3个维度上的控制参数,结合联动控制系统实现运动目标的实时定位和追踪.通过对某文物保护现场的实地测试,大地坐标定位体系的目标定位精度达到了99.84％,基于模糊神经网络的运动目标智能分配算法的准确率达到了95％,能够实现目标的精准定位和监控资源的智能分配,具有较高的实际应用价值.     

煤矿井下人员安全监测定位算法仿真研究

实时精确监测井下人员位置,对安全生产非常必要。井下环境复杂、坑道狭长,不同于室内,一段坑道不会采集到太多较好信号节点,无线信号传播时易受反射、多径传播和噪声等因素影响,致使传统Wi-Fi定位算法定位精度低,提出一种基于局部极大似然、信号强度来遴选Wi-Fi信号节点,并利用六点四四组合混合定位算法。首先信标节点周期性扫描移动定位模块,筛选出较优信号强度,并求出待求节点与信标节点间距离;然后局部极大似然六点四四组合;最后质心法求解中心,估计最终的井下人员位置。经过仿真验证：所提出的混合定位算法,定位精度明显提高。同时分析了井下不同噪声、基站情况下,几种定位算法性能,新算法定位精度仍然较高;最后还分析了算法的实时性。     

多节点协作迭代求精的WSNs加权质心定位算法

为解决无线传感器网络中质心算法对锚节点密度要求较高和定位精度过度依赖锚节点分布的问题,提出了一种多节点协作迭代求精的WSNs加权质心定位算法.该算法采用加权质心估算初始坐标,以请求二跳锚节点的方式增加可用锚节点,由锚节点以多边测距方式估算待定位节点的实际坐标与估算坐标的差值,迭代调整估算坐标,提高定位精度.实验结果表明,与普通加权质心算法相比较,该算法具有更高的定位精度和定位覆盖度.     

Kalman滤波在室内定位动态测量中的应用

为了解决室内定位动态测量系统应用中所估算的目标位置偏差大问题,提出一种基于卡尔曼滤波的室内定位法。利用双目视觉的标定原理估算出目标的位置坐标．再利用卡尔曼滤波算法对目标的估算位置进行滤波处理,以提高室内定位系统的性能和精度。实验结果表明,卡尔曼滤波算法具有良好的有效性。     

无线传感器网络加权质心相对定位算法

针对基于接收信号强度指示的无线传感器网络加权质心定位算法在实际应用中计算复杂的缺点,提出一种改进型传感器网络加权质心相对定位算法（WCL-RSSI）。该算法主要采用参考节点精选机制和定位组合精选策略选择定位自评误差小的节点进行三边测距定位,以此重建定位权值函数来减小坐标定位误差,最后采用加权质心法计算坐标,并计算该节点的定位自评估误差。仿真实验表明,在同等计算复杂度下,该算法较传统定位方法的定位精度有了明显的提高。     

改进的井下人员定位PDR算法研究

传统的行人航位推算(PDR)算法用于井下人员定位时,因步频检测、步长估计和航向估计阶段的姿态累计误差导致定位误差逐渐增大,而常用的零速校正、航向漂移消除、步态信号优化等误差修正方法无法改变PDR算法的固有缺陷,定位精度有待提高。提出采用改进的峰值检测法实现PDR算法中步频检测,基于深度循环神经网络(RNN)实现步长估计。将改进的PDR算法用于井下人员定位:首先采用手机加速度传感器、陀螺仪、磁力计获取行人运动数据;然后采用改进的峰值检测法获取固定时间间隔内的平均步频,与时间间隔、加速度及加速度方差作为特征输入训练后的深度RNN模型进行步长估计;最后结合估计的航向角预测人员当前位置。试验结果表明,改进的井下人员定位PDR算法对测试集数据的预测相对误差为5.9%,对实际测试路线的定位相对误差为1.6%~3.9%,小于传统PDR算法定位误差,有效提高了井下人员定位精度。     

煤矿井下人员融合定位方法

针对飞行时间(TOF)测距定位方法定位盲区多、易受非视距干扰、定位精度有限,捷联惯性导航定位方法长时间累计误差的问题,提出了一种基于TOF测距定位和捷联惯性导航定位的煤矿井下人员融合定位方法。该方法分区域定位:当定位终端位于定位基站近距离无线通信覆盖范围内时,采用TOF测距定位方式,通过近距离无线通信方式将定位数据发送至附近的定位基站;当定位终端位于定位基站近距离无线通信覆盖范围之外时,采用捷联惯性导航定位方式,并利用卡尔曼滤波算法对定位数据进行修正,通过远距离无线通信方式将定位数据发送至附近的定位基站;当定位终端位于定位基站远距离无线通信覆盖范围之外时,定位终端对定位数据进行本地存储,当定位终端移动到定位基站无线通信覆盖范围内时,将存储的定位数据发送给定位基站。定位基站将定位数据传输至地面监控中心,获得人员轨迹和位置坐标。实验结果验证了该方法的有效性。     

基于PDR/UWB紧耦合的足绑式行人导航技术

为了解决低成本微机电惯性导航系统存在的累积误差问题,提出一种基于融合行人航迹推算(PDR)和超宽带(UWB)无线定位的实时室内行人导航系统.利用加速度计和磁强计进行初始姿态对准;考虑滤波误差估计,推导了惯性导航算法;依靠加速度计和陀螺仪的"与"逻辑进行行人步态检测;实施零速更新(ZUPT)提供速度误差观测量,利用UWB系统提供位置误差观测量;设计具有野值辨识机制的扩展卡尔曼滤波器进行数据融合.对提出的行人导航算法进行实验验证,结果表明该行人导航算法与传统定位方法相比能够有效提高行人定位精度.实验中,该行人导航算法能够获取低于0.2 m的定位误差,且稳定、不发散.     

基于Taylor展开的UWB井下定位算法研究与实现

针对无线信号在煤矿巷道中传播时由于多径效应明显,而导致定位精度不高的问题,通过对UWB定位模型进行分析,提出一种基于Taylor级数展开的UWB（Ultra Wide-Band）定位算法。考虑Taylor级数迭代算法对初始值依赖性很高的问题,首先采用三点直接定位算法对目标节点进行粗定位,然后通过阈值筛选和权重计算产生Taylor定位的初始值,再进行迭代求解,进行第二次精确定位。一个基于UWB无线定位系统平台对该算法进行了验证,结果表明该算法可以保证最大定位误差为0.4 m,基本满足井下定位的需要。     

结合位置指纹和行人航迹的室内定位技术

主要对室内定位技术展开研究,首先通过手持智能设备收集指定范围样本点的坐标及wifi热点信息;然后应用位置指纹定位方法进行绝对定位;为了提高行走过程中定位的准确性和实时性,采用行人航迹推算算法,即通过手机传感器采集并经处理的数据进行步频检测、步长估算和方向检测,实现相对位置变化的估算.行人航迹算法克服位置指纹定位的不稳定性,而位置指纹定位算法及时调整行人航迹算法带来的累积误差.实验结果表明两种室内定位技术的结合有效提高了室内定位的准确性,能充分应用到实际生活中.     

混沌粒子群优化神经网络的井下人员无线定位方法研究

针对井下人员定位系统定位精度较低,不能满足智慧煤矿的需求,提出一种基于混沌粒子群算法优化Elman神经网络的井下人员无线定位方法。该定位方法首先在井下巷道无线网络环境中,利用无线终端采集一定数量的样本点指纹数据库。其次初始化Elman神经网络,利用混沌粒子群优化算法对神经网络权值和自连接反馈增益因子寻优。再次用指纹数据库对优化过的Elman神经网络进行训练和测试,建立神经网络定位算法模型。最后通过无线终端采集定位点的指纹数据,由神经网络定位算法模型进行实时定位。经试验表明,该井下人员无线定位方法平均定位误差为1.35 m;而混沌粒子群算法优化Elman神经网络定位算法,其算法全局搜索能力更强,更适合井下时变环境中应用。     

基于锚球交域投影质心的WSNs三维定位算法

针对无线传感器网络(WSNs)在三维空间的应用场景中,基于质心算法提出了一种基于锚球交汇区域投影质心的WSNs三维定位算法。该算法通过求得锚球空间交汇区域在XOY平面和YOZ平面的投影的质心,从而确定未知节点可能的空间坐标。算法将三维空间位置求解问题通过投影的方法转换成二维平面位置问题求解降低了算法的计算量,锚球在平面上的投影为与锚球同心同半径的圆。因此,通过计算投影区域质心可以得到高精度的未知节点的空间坐标。理论分析与仿真实验结果均表明:该算法具有计算量小、定位精度高、稳定性好等特性。     

基于分簇多节点协作规划的无线传感器网络定位算法

为了提升无线传感器网络的定位精度,减少网络在进行定位运算时节点能量消耗过大等问题,提出一种基于分簇的多节点协作规划的无线传感器网络定位算法,该算法先通过将网络形成多个分簇,计算簇内节点间的相对距离,再通过协作规划的方法来提升节点坐标定位的准确度。得到簇内节点相对簇头的位置坐标后,再求出簇头相对于汇聚节点的位置坐标,从而实现在网络中对任意节点的精确定位。实验仿真结果表明,与基于加权质心和参考节点序列的定位算法相比,基于分簇的多节点协作规划的定位算法可以得到更好的定位精度。     

基于加权质心和DV Hop混合算法WSN定位方法研究*

为了提高无线传感器网络中节点定位的精确度,分析了DVHop（distance vector—hop,距离向量-跳段）定位算法和质心算法的优缺点,提出基于加权质心和DVHop混合算法,并用MATLAB进行了仿真实验。实验结果表明,在基准节点密度相同的条件下,混合算法的定位精度比DVHop平均提高了20%,比质心算法平均提高了15%。该混合算法在提高无线传感器节点精确度上是有效的。