共查询到18条相似文献,搜索用时 406 毫秒
1.
高斯-牛顿法在基于能量的目标定位中的运用 总被引:1,自引:0,他引:1
将基于能量的最大似然法的目标定位问题转化为求解非线性最小二乘问题,并引入高斯-牛顿法来求解目标函数最小值,通过分析目标函数的特点,提出了能量法定位中高斯牛顿迭代的初始值和步长的选取原则,防止了迭代算法进入局部最小。这种算法在保证搜索法的定位精度的前提下,提高了定位速度,实现了精度与速度的结合。 相似文献
2.
针对利用单个观测站接收多个第三方辐射源信号来估计目标位置的无源相干定位问题,提出了一种基于最大似然的时差定位算法。首先根据时差测量与目标位置之间的函数关系,构建目标位置的似然函数;然后采用牛顿迭代算法求解非线性似然函数的全局极大值,从而得到目标位置估计;推导了目标位置的最小二乘解,并将其作为牛顿迭代的初始解,从而保证算法的收敛性;最后还推导了算法的理论误差和克拉美罗界,并证明两者相等。仿真结果表明,算法的定位精度优于现有算法,且在测量误差适中时,定位精度可以达到克拉美罗界。通过几何精度因子图,分析了目标位置、外辐射源数量和位置等因素对定位精度的影响。 相似文献
3.
针对单站外辐射源条件下的目标定位问题,提出了一种基于最大似然的时差-频差联合定位算法。首先根据时差和频差的观测方程,构建目标位置和速度的最大似然估计模型。然后采用牛顿迭代算法对最大似然估计模型求解,得到目标位置和速度估计。最后,推导了算法的克拉美罗界和理论误差,并证明了二者相等。仿真结果表明,算法定位精度高于两步加权最小二乘算法和约束总体最小二乘算法,在测量误差较高时仍能达到克拉美罗界。通过对系统几何精度因子图的分析,确定目标及外辐射源数量和位置也是影响定位精度的重要因素。 相似文献
4.
5.
6.
7.
8.
刘小洋 《计算机科学与探索》2015,(4)
传统的最大似然算法定位精度不高,不对称链路对距离矢量算法复杂度较高且节点的定位精度较低。针对传统的无线传感器节点定位算法的精度不高和计算较复杂等因素,结合二维传感网络建立了定向节点扩散机制,考虑了均方根误差与衰减系数、未知节点与定位误差之间的定量关系以及自由空间中的信号衰减,基于非均匀环境下的无线传感器网络,提出了一种节点精确定位算法。仿真结果表明,提出算法的节点定位精度要优于传统的最大似然算法和不对称链路对距离矢量算法。 相似文献
9.
为解决基于时延和多普勒频率的无线传感器网络运动目标定位问题,提出一种基于马尔科夫链-蒙特卡罗(Markov-chainMonte-Carlo,MCMC)的直接定位算法。基于最大似然准则从各传感器节点接收信号模型中推导目标位置和速度估计的优化函数;针对该优化函数难以得到闭式解的问题,将优化函数转化为马尔科夫链的稳态分布,利用MCMC方法对目标位置和速度参数分布进行抽样,得到目标位置和速度参数的样本,通过统计样本均值得到目标位置和速度的估计值。实例仿真计算结果表明,该算法比现有算法具有更高的定位精度、稳健性和计算效率,在一般信噪比条件下,性能逼近克拉美罗界。 相似文献
10.
本文在对语音识别中基于自适应回归树的极大似然线性变换(MLLR)模型自适应算法深刻分析的基础上,提出了一种基于目标驱动的多层MLLR自适应(TMLLR)算法。这种算法基于目标驱动的原则,引入反馈机制,根据目标函数似然概率的增加来动态决定MLLR变换的变换类,大大提高了系统的识别率。并且由于这种算法的特殊多层结构,减少了许多中间的冗余计算,算法在具有较高的自适应精度的同时还具有较快的自适应速度。在有监督自适应实验中,经过此算法自适应后的系统识别率比基于自适应回归树的MLLR算法自适应后系统的误识率降低了10% ,自适应速度也比基于自适应回归树的MLLR算法快近一倍。 相似文献
11.
12.
提出了随机漂移粒子群优化(RDPSO)算法,并将该算法应用于接收信号强度指示(RSSI)定位算法中,以降低由RSSI测距产生的定位误差.在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法.实验结果表明:RDPSO算法是在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法收敛速度快,稳定性能好,精度高,适用于WSNs节点定位问题. 相似文献
13.
14.
根据传统混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)收敛速度较慢、局部最优的不足,提出了优化混合蛙跳算法(Optimized Shuffled Frog Leaping Algorithm,OSFLA),并将其应用于无线传感器网络(WSN)节点三维定位。在三维定位中运用极大似然法进行粗略定位,对锚节点进行加权处理,设定搜索区域,再使用优化蛙跳算法进行迭代求精。仿真实验结果表明:优化混合蛙跳算法(OSFLA)比混合蛙跳算法(SFLA)具有更高的收敛速度和定位精度,同时更加适合于锚节点数较少场合。且在三维定位中与常用的几种算法相比OSFLA算法在定位精确度和稳定性方面都具有一定的提高。 相似文献
15.
针对距离矢量-跳数(DV-Hop)算法第三阶段中最小二乘法定位精度低的问题,提出一种蝙蝠-拟牛顿混合算法与DV-Hop算法融合的定位算法.首先对蝙蝠算法进行两点改进:1)根据蝙蝠个体的适应度值自适应调节随机向量β,使得脉冲频率具有自适应能力;2)利用当前迭代之前所有最优个体的平均位置来引导蝙蝠移动,使得速度具有变异性能;然后在DV-Hop算法第三阶段采用改进蝙蝠算法得出节点的估计位置,再利用拟牛顿算法以估计位置为初始点继续搜索节点位置.仿真结果表明:相比传统DV-Hop算法和基于蝙蝠算法的DV-Hop改进算法(BADV-Hop),该算法的定位精度大约提高了16.5%、5.18%,且稳定性更好,适用于定位精度和稳定性要求较高的场合. 相似文献
16.
彭燕 《计算机与数字工程》2011,39(3):9-11
无线传感器网络节点定位是节点信息的重要话题,针对节点定位问题,在基于距离的极大似然估计法定位基础上,为了弥补其受测距误差影响较大的缺点,利用粒子群优化算法实现无线传感器网络节点定位。在论述粒子群算法的基础上,详细论述了基于粒子群优化的极大似然估计法进行节点定位过程。通过MATLAB实验对算法进行了验证,实验表明基于粒子群优化算法的节点定位精度要比极大似然估计法的精度要高,定位性能要比其优越。 相似文献
17.
为了使接收信号强度指示(RSSI)的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明:该算法相比基于RSSI的质心定位算法,定位覆盖率提升3%~6%,平均定位误差至少减少4%,是一种定位精度更高的算法. 相似文献
18.
基于大部分距离无关算法能以改善锚节点比例提高无线传感器网络定位精度,提出了一种引入虚拟节点的无线传感器网络极限学习机(ELM)定位算法.通过引入的虚拟节点,寻找合适的未知节点升级为次锚节点,以增加锚节点比例,提高了定位精度.将ELM应用于节点定位,有效提高了定位的速度和精度,并因其强大的泛化性能,为无线传感器网络节点定位提供了新的思路.仿真结果表明:引入ELM定位算法和虚拟节点,有效提高了定位精度. 相似文献