基于惯性鞋载传感器的人员自主定位粒子滤波方法

为了解决卫星导航信号被遮挡条件下定位问题,该文提出一种基于惯性鞋载传感器的高精度人员自主定位方法。该方法通过经典的拓展卡尔曼滤波辅助的零速更新(ZUPT-aided EKF)算法解算鞋尖惯性测量数据得到人员的初步运动轨迹,并创新性地提出一种粒子滤波框架下利用建筑物结构先验知识对轨迹进行修正的方法。根据大多数建筑物的结构,将行走平面划分为8个方向,包含4个主方向(走廊朝向)和4个辅助方向。根据粒子偏离8方向的程度按照高斯函数对粒子的权值进行更新,并用剩余重采样的方法避免了粒子的退化。实测数据验证了该文提出的方法,结果表明:该方法比轨迹修正前和传统轨迹修正的方法有更好的精度,在861 m的复杂轨迹下定位误差仅为2.7 m,定位精度优于0.5%;同时该方法有较好的一致性,不同楼层间的行走定位误差保持在2 m内, 可以进行稳定持续地定位。     

基于视觉物体识别的抗差岭估计定位算法

基于视觉物体识别的室内定位算法是一种新型的室内定位解决方案,算法通过物体检测、位置匹配、定位方程解算等步骤确定用户位置。然而,受到单目相机视域较小和物体检测算法精度较低的影响,根据检测物体测距信息而构成的定位方程存在严重的病态性,极大降低了算法的定位成功率和定位精度。因此,该文提出一种抗差岭估计定位解算算法,通过引入岭参数将无偏估计变为有偏估计,实现均方误差最小约束条件下的最优位置估计,并利用迭代选权降低了质量较差的观测量对定位精度的影响。实验结果表明,与OLS (Ordinary Least Square), LM (Levenberg-Marquardt)和RR (Ridge Regression)算法相比,该文提出的抗差岭估计定位解算算法能够有效提高基于视觉物体识别的室内定位方法的成功率和精度。     

两种NLOS误差消除及TOA定位算法

在蜂窝网络定位中,由于NLOS环境造成的附加时延(NLOS误差)是导致定位精度下降的主要原因,本文将NLOS误差与系统测量误差合成的噪声分为均值部分和随机部分,利用卡尔曼滤波算法输出与噪声方差无关的特性,无需得到全部噪声方差的准确值,只利用系统测量噪声的方差,用卡尔曼滤波算法除随机部分,再根据噪声均值部分与移动台到基站距离的关系,提出了一种简单的最小二乘(LS)定位算法,或利用最优化方法进行定位;利用仿真实验得到滤波距离--误差先验信息,基于先验信息提出了第二种NLOS误差消除算法,再利用所提的最小二乘定位算法进行定位.仿真结果表明,本文提出的算法能够有效消除NLOS误差带来的影响,具有更高的定位精度与稳健性.     

基于步行者航位推算的井下人员辅助定位

针对目前井下人员定位系统存在的问题,提出一种基于步行者航位推算的辅助定位方法。利用低成本的惯性测量单元(IMU)和磁力计,设计稳定的姿态与航向参考系统(AHRS),利用惯性导航的相关理论,并通过分析人员步行姿态,进行零速修正(ZUPT),组成步行者航位推算系统,对井下人员进行实时航位推算。以实验室大楼走廊模拟井下矿道环境进行航位推算实验,实验结果表明,本方法对人员行走距离和方向做出良好的推算,能成为现有井下定位的有效补充,提高人员定位精确度。     

基于PDR与蓝牙区段匹配的室内融合定位算法

针对行人航迹推算(Pedestrian Dead Reckoning)和蓝牙室内定位各自的特点及存在的问题,提出一种基于PDR和蓝牙区段模糊匹配的室内融合定位算法。根据用户与蓝牙信标距离匹配用户大概率所在区段,采用方向构建算法建立并反复纠正当前方向,依靠蓝牙不断修正PDR累积误差,最终使用防回退算法确定本次定位位置。实验表明,在地下环境中能够修正90%以上的定位误差到1.5m以下。利用PDR短期内高可靠性特点和蓝牙定位修正偏差,保证室内较高精度、较低时延的定位导航体验。     

Mesh自组网与惯导组合的班组协同定位算法研究

采用单一低精度惯性传感终端完成定位解算将导致定位精度发散,定位信息回传覆盖范围小,且传输易受干扰,因此,该文提出了一种Mesh自组网与惯导组合的班组协同定位方法。该方法建立的一种基于线性化卡尔曼滤波的班组协同定位算法模型,以高、低精度惯导组合的班组协同为基础,结合Mesh网络的通信传输功能,可抑制单一低精度惯性传感终端的短期累积误差,提高长航时定位精度。实验结果表明,采用班组协同定位算法,低精度惯性班组人员定位的闭环轨迹误差分别降低3.28%和3.2%,30 min累积定位平均误差分别降低5.82%和643%,有效抑制了单一低精度惯性定位成员的短期累积误差,提升了班组整体的定位精度。     

基于差分进化算法的RFID定位

针对传统射频识别(RFID)定位过程繁琐,系统定位精确度低以及计算较为复杂的问题,提出一种利用差分进化(DE)算法优化RFID定位精确度的方法。该方法首先随机初始参考标签的位置坐标,通过接收信号强度(RSS)值计算出阅读器与标签之间的测量距离,再通过优化阅读器与参考标签和待测标签之间的距离误差,估计出离待测标签最近的位置坐标,最后与经典LANDMARC定位系统做比较。仿真结果表明,经典LANDMARC定位系统的平均定位误差为1.115 8 m,而利用差分进化算法优化后的系统平均定位误差为0.001 2 m,从而证明利用差分进化算法优化RFID定位的方法是有效的。     

一种基于改进PDR与外部位置信息的融合定位算法

针对传统行人航位推算(PDR)算法在手机倾斜程度较大时定位误差大且定位误差随步数累积的问题,提出一种改进PDR定位与外部位置信息融合的定位算法。算法首先估计手机姿态矩阵并利用姿态矩阵旋转加速度、角速度与磁感应强度的测量向量。再利用旋转后的加速度向量进行步伐探测、步频步长估计;旋转后的角速度与磁感应强度向量进行方向角估计。最后根据PDR定位结果与外部位置信息的误差特性,通过比例积分(PI)控制器进行融合定位并反馈调节步长模型参数。实验表明算法中传感器测量向量旋转、融合定位和步长模型参数反馈调整有效减小了算法的定位误差,定位轨迹更接近于真实行进轨迹。     

一种基于电磁态势数据聚类的辐射源定位算法

辐射源定位是战场军事行动的重要基础。而复杂战场电磁环境下，难以建立有效的传播模型，同时在多辐射源的条件下传统的定位方法难以快速准确定位。针对上述问题，基于分布式电磁态势感知网络，提出了一种智能优化感知节点位置的辐射源定位方法，采用改进的布谷鸟搜索(Cuckoo Search)算法进行网络中感知节点位置寻优，再利用克里金插值(Kriging Interpolation)来实现电磁态势的感知，以及对电磁态势数据进行结合峰值密度聚类(Density Peaks Clustering, DPC)思想的K-means聚类从而实现辐射源定位。该方法能够在初始部署不理想的条件下调整感知位置，实现无先验信息的目标辐射定位。实验表明，所提方法在多目标复杂环境下，插值精度优于随机部署和普通布谷鸟优化感知位置的克里金插值，在感知区域为4 km×4 km,节点总数为40 000个，且感知节点占比1%的条件下，平均定位误差为47.28 m,具有一定的应用前景。     

基于小波特征的单字符汉字字体识别

汉字图像不仅包含了汉字的字符信息,还包含了汉字的字体信息.字体信息是版面分析、理解和恢复的重要依据,还有助于实现高性能字符识别系统.目前的字体识别方法还不能对单个汉字字符的字体进行识别.本文提出了一种新的字体识别方法,能够在不知道汉字字符的前提下,识别单个汉字的字体.首先对单个汉字的字符图像进行小波分解,在变换图像上提取小波特征.提取的小波特征经Box-Cox变换整形后,用线性鉴别分析技术(LDA)进行特征选择,得到字体识别特征.所使用的分类器是MQDF分类器.在包含7种字体的样本集上进行的实验表明,本文提出的方法能够在不知道汉字字符的前提下,对单个汉字的字体进行有效识别,基于单字的字体识别率达到97.35％.     

卫星通信常用调制方式的自动识别

调制信号的自识别有很多方法,本文提出一种基于谱特征的新方法,这种新的方法可以从信号的功率谱、平方谱还有四次方谱中提取一组特征参数,其最大的好处在于不需要对调制信号进行任何先验情况下可以对卫星通信中常用信号进行自识别。实验结果表明,当信噪比大于5dB时,此方法识别率达96%以上。同时也验证了该方案具有实用性和可行性。     

无人机中磁航向自修正应用

以无人机组合导航系统为研究背景,针对磁传感器的误差校准方法,以及校准后磁航向误差进行研究。通过分析磁传感器误差来源,给出水平面内椭圆直接拟合模型。考虑磁传感器修正后的磁航向与GPS航迹角之间存在一定误差,建立航向误差角与磁航向之间的学习函数,从而辅助在GPS丢失情况下,采用学习后的磁航向来辅助无人机导航。飞行实验结果表明,利用该文采用的椭圆模型以及自学习函数,能够提高磁航向精度,从而可以辅助无人机在GPS丢失情况下航向解算。     

一种手持式电子磁罗盘航向误差校正方法

针对传统的磁罗盘补偿方法计算量大、需要标定设备的问题,提出了一种利用陀螺仪相对航向辅助校准的方法。在分析磁罗盘误差的基础上建立了误差模型,采用梯度下降法解出姿态信息对磁场数据进行倾斜补偿,在陀螺仪相对航向角的辅助下,采用最小二乘法拟合经过倾斜补偿后的磁场数据求解出误差模型的系数。实验数据表明,该算法能够有效的对磁罗盘误差进行补偿,可以将磁罗盘的航向角测量误差控制在1°之内。     

一种降低定位误差的无线传感器网络节点定位改进算法

本文针对无线传感器网络节点的定位精度问题,提出了一种采用误差修正的方法来降低累积距离误差和定位误差的传感器网络节点定位改进算法,给出了该算法的基本原理与实现方法.该算法在不增加原算法通信量及计算复杂度的基础上提高了定位精度.仿真结果显示,在同等条件下,本文提出的算法定位精度提高了5～10%.     

A Supervised Feature-Projection-Based Real-Time EMG Pattern Recognition for Multifunction Myoelectric Hand Control

Electromyographic (EMG) pattern recognition is essential for the control of a multifunction myoelectric hand. The main goal of this study was to develop an efficient feature- projection method for EMG pattern recognition. To this end, a linear supervised feature projection is proposed that utilizes a linear discriminant analysis (LDA). First, a wavelet packet transform (WPT) is performed to extract a feature vector from four-channel EMG signals. To dimensionally reduce and cluster the WPT features, an LDA, then, incorporates class information into the learning procedure, and identifies a linear matrix to maximize the class separability for the projected features. Finally, a multilayer perceptron classifies the LDA-reduced features into nine hand motions. To evaluate the performance of the LDA for WPT features, the LDA is compared with three other feature-projection methods. From a visualization and quantitative comparison, it is shown that the LDA produces a better performance for the class separability, plus the LDA-projected features improve the classification accuracy with a short processing time. A real-time pattern-recognition system is then implemented for a multifunction myoelectric hand. Experiments show that the proposed method achieves a 97.4% recognition accuracy, and all processes, including the generation of control commands for the myoelectric hand, are completed within 97 ms. Consequently, these results confirm that the proposed method is applicable to real-time EMG pattern recognition for multifunction myoelectric hand control.     

多姿态、光照不均人脸图像的子空间人脸识别方法研究

针对人脸识别中存在的光照不均匀问题,提出了一种预处理链技术,能达到很好的光照补偿效果。为了提高多姿态、多表情、多细节人脸图像的人脸识别率,设计了一种将最近邻分类器与支持向量机相结合的分类算法（NN-SVM）,基于该分类算法提出了一种基于Gabor变换和NN-SVM的子空间人脸识别方法。在FERET和ORL两大人脸数据库中对所提方法进行性能评估,实验结果表明所提出方法能有效的解决人脸识别中光照不均匀问题,大大的提高人脸识别率,而且相比其他现存的人脸识别方法,所设计的方法具有更好、更稳定的识别效果。     

卫星通信常用调制方式的自动识别

提出了一种基于谱特征的通信信号调制方式自动识别新方案，该方案直接从信号功率谱、平方谱和四次方谱中提取一组顽健性强的特征参数，在不需要先验知识的情况下对卫星信道中常用调制方式的信号进行自动识别。仿真结果表明，在信噪比大于5dB时其总体识别率达98％以上。该方案具有实用性和可行性。     

微航姿仪的磁力计标定算法及误差补偿研究

针对目前磁力计标定算法中存在磁干扰或噪声导致航向角测量误差等问题,提出了一种改进的磁力计标定算法。该算法考虑磁力计安装误差和外界磁干扰,提出改进的磁力计误差模型;同时运用BP神经网络训练软磁干扰下的磁航向与真实航向之间的非线性关系,降低了非线性误差。通过仿真和实验验证,算法有效地解决了磁力计误差补偿问题,降低了软硬磁干扰对航向角的影响,得到较精确的航向角,误差范围在±1°内,证明了改进误差补偿算法的可行性和有效性。