基于多普勒频率变化率的单站无源测距方法

实现单站无源测距是新型单站无源定位系统的关键,由于定位要求距离远,隐蔽性强,并保证生存能力,通常采用质点运动学原理的测距方法。针对脉冲多普勒雷达的回波特性,为提高目标定位跟踪的精度,提出一种多普勒频率变化率的改进测距方法,用多脉冲相干积累算法提取多普勒频率变化率,辅以角度进行测距定位,并引入修正的协方差扩展卡尔曼滤波进行定位跟踪,从而减小多普勒频率变化率的估计误差。在Monte-Carlo上仿真结果表明,方法是有效和可行的,不仅能提高信噪比和跟踪收敛速度,而且在多普勒频率变化率的估计和定位跟踪上都能达到较高的精度,优于原有单站无源测距方法,有一定的工程应用前景。     

单站无源定位修正协方差卡尔曼滤波算法

研究飞行目标定位问题,为有效躲避敌方攻击,利用辐射源目标的DOA和TOA测量信息,在现有的单站无源定位技术的基础上,提出了新的针对有机动加速度目标的单站无源定位修正协方差自适应卡尔曼滤波算法(MVAKF).通过与伪线性自适应卡尔曼滤波算法(PLAKF)和克拉美-劳下限(CRLB)进行的计算机仿真分析比较,表明算法更接近...     

列车组合定位中改进CPF算法的探讨

针对在GNSS/INS列车组合定位中普遍采用的扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等滤波技术无法满足复杂的高速列车组合定位环境问题,研究了列车组合定位中改进的容积粒子滤波(CPF)算法,提出了基于改进CPF算法的列车组合定位信息融合技术。该算法采用马尔科夫链蒙特卡洛(MCMC)移动方法来解决粒子退化问题,进而提高滤波性能。使用Matlab对改进算法进行仿真,结果表明改进CPF具有更小的位置误差和速度误差,提高了列车非线性运动过程中的定位精度。     

室内单站测向定位算法研究

分析了常用的无源定位方法在室内定位中的适用性;介绍了4种单站移动测向定位算法的基本原理;对各算法在不同测向误差情况下的绝对、相对定位误差进行了仿真,结果表明现有算法在较大的测向误差情况下的定位精度不能满足快速定位的要求;基于大数定理对各算法改进和仿真,结果表明,改进后的算法都大幅度地提高定位精度,适用于室内环境下的测向定位.     

基于无线传感器网络的机器人定位跟踪研究

针对基于无线传感器网络的机器人定位提出了一种分段极大似然质心算法。将质心法引入极大似然估计算法中,通过计算已预测结果的质心提高目标位置的预测精度。考虑到WSN系统的超声定位实时性较差,采用扩展卡尔曼滤波算法将WSN系统改进定位算法与机器人航位推算进行融合以跟踪机器人位姿,从而提高了定位精度和系统动态性能。仿真结果表明：在不同锚节点个数和不同测距误差条件下,分段极大似然质心算法均能取得良好的定位效果;采用扩展卡尔曼滤波算法的数据融合,进一步提高了机器人轨迹跟踪的精度。     

基于改进Kalman滤波的可见光极小目标TBD跟踪方法

针对无人机可见光图像极小目标跟踪问题,本文提出一种基于改进卡尔曼滤波的 (Tracking before detection,TBD)跟踪方法。首先利用检测算法定位目标位置作为卡尔曼滤波的测量值,检测过程中的匹配相似度参数作为卡尔曼滤波测量噪声协方差矩阵的参照依据,其次利用卡尔曼滤波建立跟踪框架预测下一帧的目标位置,最后检测模块以预测位置为 参考位置进行局部搜索,完成整个检测跟踪过程。为了提高跟踪效率,本文根据检测和预测位置积累误差判决检测模式,误差超过门限值则采取全局检测模式消除积累误差,否 则使用局部检测模式,降低TBD跟踪算法的运算复杂度。仿真实验证明,本文方法可以有效检测跟踪极小目标,提高跟踪的实时处理能力。     

基于反向传播神经网络改进的增益修改卡尔曼滤波算法

增益修改的卡尔曼滤波(MGEKF)算法在实际应用时,一般使用带有误差的测量值代替真实值进行增益修正计算,导致修正结果也被误差污染。针对这一问题,提出一种基于反向传播神经网络(BPNN)改进的MGEKF算法,该算法使用训练后的神经网络代替MGEKF的增益修正函数。该算法在网络训练阶段,以实际测量值作为神经网络的输入,真实值修正后的结果作为训练目标;在实际应用中,使用网络的输出修正卡尔曼增益。针对移动单站只测向目标定位问题进行了实验,实验结果表明:该算法与扩展卡尔曼滤波(EKF)、MGEKF、平滑增益修改的卡尔曼滤波(sMGEKF)算法相比:定位精度至少提升10%,并且有更强的稳定性。     

WSN中利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法

针对传统无线传感器网络(Wireless Sensor Network,WSN)对运动目标的定位和跟踪容易产生明显误差的问题,提出利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法.基于改进FOA-GRNN法,利用从锚点接收到的运动目标的模拟(RSSI)值和相应的实际目标二维位置对GRNN进行训练,从而获得单个目标在二维运动时的准确初始位置;利用迭代Cubature卡尔曼滤波法对实时目标进行精准定位和测距,获得实时目标的准确定位和跟踪信息;将改进的FOA-GRNN法和迭代Cubature卡尔曼滤波法相结合用于WSN中实时目标跟踪和定位,在提高初始位置精度的同时,还提高了实时目标定位和跟踪信息的准确度.实验结果表明,相比其他几种较新的方法,该方法改善了WSN中实时目标的跟踪性能,降低了误差,提高了跟踪精度.     

基于粒子群算法的多机无源定位系统优化布站

在一定海空战场背景下,通过调整多机无源定位系统中各机位置布局可以有效地提高该系统对特定区域目标的定位精度。文中通过推导多机时差定位算法误差的GDOP公式,提出了利用粒子群算法寻找多机无源定位系统最优布站的方法。与传统典型布站相比较显著降低了对区域目标定位误差,明显提升了多机无源定位动态快速布站能力。同时利用粒子群算法对定位站数不同情况下进行仿真,得出了对应的最优布站形式。     

基于IMM-IKF的无线传感器网络非视距节点定位方法

针对非视距(NLOS)环境下的移动定位问题,提出一种基于交互式多模型-改进卡尔曼滤波(IMM-IKF)的无线传感器网络NLOS节点定位算法.算法在IMM算法框架下估计移动节点位置,采用两个平行的改进卡尔曼滤波算法对多个移动节点候选位置进行滤波处理,通过Markov链实现LOS状态与NLOS状态的转换,根据似然概率对两个滤波结果进行加权融合,从而获得移动目标位置.仿真实验结果表明,所提出算法可以有效抑制NLOS误差,实现精确定位.     

An iterated fuzzy extended Kalman filter for nonlinear systems

The fuzzy extended Kalman filter (FEKF) for state estimation can be used to deal with fuzzy uncertainty effectively. However, the linearisation processing of the FEKF introduces truncation error, which degrades the estimation precision. In order to reduce the error, a new iterated fuzzy extended Kalman filter (IFEKF), based on the FEKF and the maximum a posteriori estimation, is proposed in this article. Compared with the FEKF, the proposed algorithm can be used not only to deal with the fuzzy uncertainty, but also to reduce the truncation error and to estimate the states more accurately. With an algebraic example and a passive location simulation, it is shown that the IFEKF has better estimation precision than that of the FEKF.     

一种改进中心差分卡尔曼滤波方法

针对中心差分卡尔曼滤波（CDKF）跟踪时估计精度较低这一不足,提出了一种基于迭代测量更新的中心差分卡尔曼滤波（ICDKF）方法。本文将迭代滤波理论引入到中心差分卡尔曼滤波算法中,重复利用观测信息,采用经典的非线性非高斯模型进行仿真实验,给出了该算法与扩展卡尔曼滤波（EKF）、中心差分卡尔曼滤波（CDKF）的仿真结果,并分析了其跟踪性能和均方根误差。实验结果表明,迭代中心差分卡尔曼滤波（ICDKF）算法不仅具有无需计算Jacobian矩阵的优点,而且具有更高的估计精度。     

Passive location of the nonlinear systems with fuzzy uncertainty

With the merits such as hiding receiving, easy-deploying and high security, passive location has attracted more and more attention and plays an important role in fields as diverse as navigation, location, and tracking, etc. However, the current filters models for passive location methods are most under the framework of the probability theory, thus they can not estimate the state in some passive location with fuzzy uncertainty accurately. Although the fuzzy extended Kalman filter (FEKF) can deal with the fuzzy uncertainty, it unavoidably introduces truncation error. In this paper, based on the FEKF and the iterated extended Kalman filter (IEKF) principle, a new fuzzy passive location model is built, and moreover, an iterated fuzzy extended Kalman filter (IFEKF) is proposed for estimating the target state. Compared to the FEKF and the IEKF, the proposed algorithm can not only reduce the truncation error, but also deal with fuzzy uncertainty. Moreover, it is proved that the IFEKF update is an application of the Gauss–Newton method. Then, a fuzzy passive location algorithm is proposed. Simulation results demonstrate that the proposed approach has better estimation precision than the traditional fuzzy extended Kalman filter.     

自主移动机器人定位系统中Kalman滤波算法改进*

为了解决常规Kalman滤波算法在移动机器人定位过程中运算量大、精度不高的问题,在分析传统Kalman滤波器缺点的基础上,提出了一种基于UT参数变换的方法对常规Kalman滤波算法进行了改进。改进后的Kalman滤波算法消减了传统Kalman滤波器高阶项无法忽略而带来的误差。实验结果表明,改进型的Kalman滤波算法使机器人的最大位置偏差得到减小,对移动机器人的定位精度有明显改善,误差仿真曲线表明,改进后的定位结果误差波动不明显,使定位系统的稳定性得到了较大提高。     

基于权重参数实时更新的室内定位算法

为了提高室内节点的定位精度,提出一种基于权值参数实时更新的室内定位算法。选择3个最能反映待定位点信息的访问接入点,实时获取测距模型的参数,并采用最小二乘支持向量机对测距进行补偿,得到距离权重,三边定位算法根据权重对节点进行定位,并对计算中的距离进行加权处理,采用卡尔曼滤波法对定位误差的进行校正。实验结果表明,该算法可以较好地降低环境变化和测量误差对定位的不利影响,提高了室内节点的定位精度。     

基于进化理论的无线网络室内定位算法

传统测距算法采用电磁信号的理论模型,其参数根据经验确定,导致定位误差较大。为了提高室内的定位精度,减少环境因素的不利影响,提出了一种基于进化理论的无线网络室内定位算法。首先采用模拟生物进化的遗传算法对损耗模型参数进行估计,找到最优的模型参数,然后采用三边定位算法对未知节点进行定位,最后进行仿真实验测试其性能。结果表明:该方法可以有效降低无线网络的室内平均定位误差,具有一定实用价值。     

基于EKF算法的无线传感器网络定位技术研究

无线传感器网络中,基于RSSI测距技术的定位系统误差较大。对扩展卡尔曼滤波(EKF)算法在抑制测距误差和提高定位精度方面进行了深入的研究。同时根据EKF算法在WSN节点定位中的两种应用方式,以收敛概率和相对误差为指标,在各种拓扑条件下对提高节点定位精度进行了分类探讨。最后结合仿真阐述了EKF算法的适用范围,并分析了影响算法性能的因素。     

基于EKF算法的无线传感器网络定位求精研究

无线传感器网络中,基于RSSI测距技术的定位系统误差较大。本文对扩展卡尔曼滤波（EKF）算法在抑制测距误差和提高定位精度方面进行了深入的研究。同时本文根据EKF算法在WSN节点定位中的两种应用方式,以收敛概率和精度为指标,在各种拓扑条件下对节点定位求精过程进行了分类探讨。最后结合仿真阐述了EKF算法的适用范围,并分析了影响算法性能的因素。     

基于差分进化的改进细菌觅食算法在智能配电网故障定位方法中的应用

为了解决含分布式电源的配电网的故障定位问题,提出一种基于差分进化的改进细菌觅食算法进行配电网故障定位,首先针对分布式电源投切问题,构建能够动态适应多个分布式电源投切的开关函数,然后结合区域划分思想,通过将各个配网支路分为有源树和无源树进行故障信息筛选,降低解空间,提高故障定位的速度;同时针对细菌觅食算法精度不高和全局搜索能力较差的问题,借鉴差分进化中的变异和交叉机制,通过多样性控制与交叉操作协调来实现细菌觅食算法在细化搜索与扩展新区之间的协调,提高算法的寻优精度和全局寻优能力,适用于复杂的含分布式电源的配电网络。通过算例对该故障定位方法进行仿真,结果表明该算法能准确定位,并具有一定的有效性和容错性。     

基于LoRa指纹的室内定位算法

在基于LoRa的室内定位研究中,提出一种基于LoRa指纹和支持向量回归(SVR)的室内定位算法。针对传统基于无线信号RSSI指纹和SVR室内定位算法定位精度不高问题,从两个方面进行改进:在指纹特征方面,增加LoRa测距指纹,提高指纹稳定性;在指纹数据库建立和在线定位过程中,分别采用高斯滤波和中位数滤波来对指纹进行预处理,消除指纹的粗大误差。实验结果显示:1 m以内的定位误差的累积概率为78.5%,3 m以内的定位误差的累积概率为90%。增加LoRa测距指纹之后定位精度相比之前提高了40%;增加了高斯滤波与中位数滤波预处理后定位精度较传统的支持向量回归算法提高了38%。两个方面改进之后定位精度总体提高63%,证明了该算法的两个改进是有效的。