基于线性插值和动态指纹补偿的分布式定位算法

针对现有射频指纹匹配定位算法存在训练开销过大、环境信号动态改变自适应能力较差以及系统扩展性不足等问题,该文提出了一个基于线性插值和射频指纹动态补偿的分布式定位算法.该算法利用同一信标发射无线信号局部物理空间的相关性,提出了射频指纹的线性插值方法,减少了训练数据的采集工作量.此外,为自适应环境无线信号的动态变化,该算法使用少量均匀部署在定位区域内的参考节点实时监测环境信号变化,对移动节点测量的RSSI进行动态补偿,从而提高定位精度.实验结果表明,所提定位算法不仅有效减少了指纹数据库的创建工作量,而且能够较好地自适应环境变化,具有较高的定位精度.     

ＮＬＯＳ状态信息辅助协方差矩阵修正的无线网络定位方法

非视距(NLOS)误差是影响无线定位精度的重要因素，其产生是由于实际环境的多变性，使其无法用一个准确的数学模型来表示。如何减小NLOS误差的影响是无线定位中需要解决的问题之一。针对该问题，本文所研究的定位方法通过视距(LOS)节点检测来获取测距结果中的NLOS状态信息，并基于该状态信息，对用于双步加权最小二乘(TS-WLS)定位算法的协方差矩阵进行修正，修正后的算法能够根据NLOS状态信息实现对不同测距结果的重要性加权，从而减小NLOS误差的影响。仿真结果表明，与以往的定位算法相比，本文算法能够拓展复杂NLOS环境下的适用场景并提升定位精度。     

基于噪声缩放的自适应UKF-SLAM算法

针对扩展卡尔曼滤波(EKF)算法在移动机器人同时定位和环境建模(SLAM)中的缺点,即非线性系统简单线性化所导致的系统状态方程的不准确性、雅克比矩阵的计算所导致的计算复杂化以及噪声模型不确定性所导致的滤波稳定性降低等问题,提出一种对噪声自适应的UKF-SLAM算法。该算法通过对噪声缩放进而改变噪声模型,利用观测残差序列准确估计观测噪声模型协方差,运用预测的新息协方差和IAE开窗法求其系统状态噪声缩放因子,从而准确估计系统状态噪声模型协方差,实现对不确定的噪声模型能够自适应UKF-SLAM算法。UKF的Sigma点采样策略是比例对称采样。实验结果证明,该方法相对EKF算法和UKF算法具有较高的定位精度和自适应能力。     

一种环境自适应的无线传感器网络定位算法

在目前无线传感器网络中,接收信号强度指示(RSSI)测距模型严重依赖于信号衰减因子。为解决该问题,提出一种环境自适应的无线传感器网络定位算法。该算法利用改进的RSSI测距方法,通过网络中边与边之间的量化关系,消去信号衰减因子对定位算法的影响,从而使算法能实现对环境的认知。仿真实验结果表明,与传统的MDS-MAP定位算法相比,该算法具有较强的环境自适应能力和较好的定位精度。     

基于引力搜索的室内自适应RSSI定位算法

针对室内接收信号强度指示(received signal strength indication,RSSI)定位精度较低,无法实现动态跟踪参数变化的问题,将改进的引力搜索算法(GSA)应用于RSSI定位中.先利用极大似然估计得出定位模型的参数,再使用最小二乘法计算估计结果,最后利用引力搜索算法对估计结果和参数进行优化.该算法具有收敛速度快,精度高等优点.实验结果表明,该算法不仅能够提高定位的精度,而且能够实现动态跟踪RSSI定位数学模型中的参数变化,从而提高了其对环境变化的自适应能力.     

基于AIUKF的WSN节点定位算法

针对无线传感器网络节点定位精度不足的问题,在无迹卡尔曼滤波( UKF)的基础上,结合迭代约束条件和自适应因子,提出了一种自适应迭代无迹卡尔曼滤波( AIUKF)算法。根据基于测距的节点定位模型,采用RSSI进行测距,以极大似然估计法进行节点初步定位,利用AIUKF算法对节点进行精确定位,并且直接以RSSI作为系统的观测量。仿真结果表明,本文提出的基于AIUKF的定位算法相比EKF和UKF算法具有更高的定位精度。     

无线传感器网络中一种自适应定位算法的实现

本文基于应用,采用事件触发机制,融合了两种已有的无线传感器网络节点自定位算法:质心算法和Dv-Hop算法,提出了一种自适应分级定位算法.该算法根据触发事件的级别使用循环求精的方法,使得定位结果满足不同的应用需求,实现了定位精度和能源开销的较好平衡.仿真实验结果显示,该算法能够满足不同的应用需求.     

车载GPS/DR组合导航系统自适应信息融合算法研究

结合全球定位系统(GPS)和航位推算(DR)两种定位方式的优点,构建了基于卡尔曼滤波的自适应联邦滤波算法,实现陆地GPS/DR组合定位系统的数据融合;针对DR子系统的强非线性和扩展卡尔曼滤波算法带来的较大线性化损失,并结合机动加速度均值自适应算法,设计了一种基于U-D分解的自适应迭代卡尔曼滤波算法,更有效的减少DR子系统线性化带来的误差损失,提高定位精度;与同仿真环境下,DR子系统采用扩展卡尔曼滤波方法作了比较,结果表明该信息融合算法能更有效解决DR子系统的线性化误差问题,整个系统数据融合精度更高.     

一种基于RSSI测距的室内自适应智能定位算法

为进一步提高定位精度,提出一种改进的三边定位算法:根轴定位算法,并将路径损耗指数(PLE)的实时值运用在根轴定位算法中,形成自适应智能定位系统.计算机仿真结果表明:该算法具有更小的定位误差,改善了系统的稳定性.     

基于多圆迭代和H∞ 滤波的捷联/天文定位算法研究

针对现有天文定位算法的缺点,提出一种多圆交汇迭代天文定位算法.该算法能够充分利用可观测恒星,同时能计算出定位误差协方差阵.针对提出的算法定位误差非线性的特点,提出了基于H∞滤波器的捷联/天文自适应组合导航算法,根据定位误差协方差阵实现量测自适应.仿真结果表明,天文定位算法模型准确,组合导航算法定位精度小于20m,定位误差稳定.     

基于模糊自适应控制算法的微机配料系统的设计

针对传统配料系统的控制方法普遍存在控制精度不高、实时性差等缺陷,采用模糊理论和专家系统相结合的模糊自适应控制算法设计了一种模糊自适应微机配料系统。该配料系统采用原料设定值与实际给料值的偏差和偏差变化率作为模糊控制器输入,给/排料速度值作为输出,利用专家系统在线评判称量状态和控制精度,自动调整称量速度和飞料量控制,实现了精度、速度的最佳结合。实际应用表明,该算法在系统精度和速度上均有所提高,达到了设定的控制要求。     

CR系统中基于NPGP的功率控制算法

为解决认知无线电（cR）系统中认知用户对主用户的干扰及系统功率控制问题,在介绍认知无线电原理及其基本在线认知任务循环框图的基础上,将DavidGoodman等人提出的基于非合作带竞价博弈的功率控制算法应用到认知无线电系统中。与传统的功率控制算法相比,该算法不仅降低了认知无线电系统中认知用户的发射功率,而且降低了认知用户之间的干扰,提高了系统的整体性能。最后通过MATLAB仿真分析比较了带价格因子和不带价格因子两种情况下的性能。     

一种基于卡尔曼滤波的DR/LMS组合导航定位算法

本文介绍了一种基于DR航位推算与LMS高精度激光雷达全向测距技术的组合式导航定位系统,旨在应用于强电磁干扰环境下的变电站智能机器人自动巡检环境。DR/LMS组合式导航定位系统原理相对简单、实现方便、实时性强,且与其他组合式导航系统相比,在满足同样定位精度的前提下,成本低廉,现场运行效果良好。特别地,本文提出了一种基于卡尔曼滤波方法的定位精度优化估计方法,对原有定位及导航精度(定位精度可以达到cm级)加以改进与优化,进一步提高了导航系统的稳定性与精确性。整个系统模型及控制策略的实现基于工业用PC控制板的上位机LABVIEW软件控制系统,并结合MATLAB软件进行仿真与数据分析,经现场运行测试,定位及导航精度完全可以满足现场工业环境的应用需求.     

基于RSS-IWLS的认知无线电系统主用户定位算法

在认知无线电系统中,主用户定位是执行无线传输场景分析,进而共享主用户频谱资源,提供基于位置辅助业务的前提条件。针对主用户发射信号功率未知情况,提出一种基于接收信号强度的改进加权最小二乘（RSS-IWLS）算法实现在对主用户定位的同时估计其发送功率。该算法综合考虑路径损耗、阴影效应和信道噪声对定位精度的影响。仿真结果表明,执行RSS-IWLS算法获得的主用户位置估计精度比基于接收信号强度的最小二乘算法更高。     

A crowdsourcing-based global indoor positioning and navigation system

This paper presents three key techniques to realize a global indoor positioning system (GIPS), and a global in- and-outdoor integrated navigation system (GINS). A crowdsourcing radio map construction method, a positioning algorithm for crowdsourced radio maps, and an indoor and outdoor environment detection method are developed as the three key techniques. The developed techniques have been integrated into a crowdsourcing-based indoor positioning system, named KAILOS, aiming to realize the GIPS and GINS. The system was deployed at KAIST, Daejeon campus, and now an in- and-outdoor integrated navigation service is available at KAIST campus area. The successful launch of KAILOS foretells that the GIPS and GINS are becoming a reality.     

基于矿井WiFi通信系统的混合定位方法研究

分析了现有矿井目标定位方法原理及存在的问题:非测距定位中的基于射频识别技术的定位方法、基于蜂窝小区标识的定位方法和无线传感器网络定位方法只能确定目标节点的范围,定位精度较差;测距定位精度较高,但基于到达角度的定位方法、基于到达时间的定位方法和基于到达时间差的定位方法对硬件设备要求较高,难以在煤矿井下应用;基于接收信号强度的定位方法易于实现,但受环境噪声影响较大,定位精度降低。提出了一种基于矿井WiFi通信系统的混合定位方法,该方法分粗细两步进行定位:粗定位采用基于蜂窝小区标识的非测距定位方法,确定目标所在的小区范围;细定位采用基于接收信号强度的测距定位方法。该混合定位方法可以在不增加定位系统复杂度的情况下提高目标定位的精度。     

基于TDOA的室内超声波定位方法的改进

基于超声波和射频信号的TDOA（Time Difference Of Arrival,TDOA）室内无线传感网定位系统得到了越来越普遍的研究。其以距离测量为基础计算待测节点坐标。测距的误差影响定位结果的准确性。因此,文中主要目的是介绍基于超声波技术和射频技术定位系统的工作原理,通过采用总体最小二乘法（Total Least Square,TLS）的直线拟合方法对距离测量误差进行补偿,修正距离值,然后采用极小极大算法（Min-Max algorithm）进行定位的位置坐标计算,得到系统测距误差较小和定位准确性高的结果。实验数据仿真表明,该方法提高了距离测量精度和系统的定位准确性。     

基于指数信任度函数的频谱感知改进算法

从多个用户合作感知的角度出发,针对目前的融合规则没有考虑感知结果的信任度,对现有的分布式感知算法进行改进,提出基于指数信任度的频谱感知算法;在认知无线电网络安全方面,将异常点感知引入到感知融合规则中,在指数信任度算法的基础上提出一种基于异常点的频谱感知算法,能抵御认知无线网络中出现故障的或者恶意认知用户;在提高感知速度和可靠性方面,结合指数信任度算法和异常点感知算法,将对感知信息的审核引入到频谱感知算法中,提出一种基于审核的频谱感知算法,该算法在提高感知速度的基础上能获得更好的感知性能。     

一种基于空间分割的无源RFID室内定位方法*

为了提高室内定位系统的性能,提出了一种利用无源RFID技术定位目标物体的算法。本算法使用双层对称分布的参考标签和空间连续分割的方法提高了室内定位的精度。实际测试结果表明,本算法可较好地实现目标的三维空间定位,与传统LANDMARC定位系统相比,单个平面定位精度提升了8倍,适合于室内人员、物资等定位应用。