基于PCOS-ELM的室内指纹定位算法

针对传统室内指纹定位算法存在定位精度低、对环境适应能力差的问题,提出了一种基于并行混沌优化的在线连续极限学习机(PCOS-ELM)定位算法.离线阶段,通过并行混沌优化算法(PCOA)对极限学习机的隐含层节点参数进行寻优并构建高精度初始定位模型;在线阶段,利用在线连续极限学习机(OS-ELM)使新增位置指纹数据对定位模型进行动态调整,以适应室内环境的变化.结果表明:提出的PCOS-ELM定位算法具有更高的定位精度和更好的环境适应性.     

基于接收功率电平的三角质心近距离定位算法

针对无线传感器网络中近距离定位精度较低的问题,提出了一种基于接收功率电平(RPL)的免标定三角质心定位算法.该算法使用无线信号参数RPL代替传统接收信号强度指示(RSSI),应用于测距模型中,与传统三角质心定位模型相结合,从而达到降低测距误差、提高定位精度的目的.通过仿真实验,将基于RPL的三角质心定位算法与基于RSSI的三角质心定位算法进行对比,结果表明:在实验环境下,基于RPL的三角质心定位算法比基于RSSI的三角质心定位算法精度提高了59.02％,定位精度有明显提升.     

基于注意力机制的UWB室内定位算法

针对多径效应及非视距环境影响超宽带(Ultra Wide Band,UWB)室内定位精度的问题,提出基于注意力机制的UWB定位算法.由SENet注意力模块与卷积神经网络构建一个深度学习模型SE-CNN.SENet注意力模块降低受到动态干扰因素影响的定位数据权重,再利用卷积神经网络(CNN)来确定定位数据与目标位置的非线性关系.该定位模型能够减少动态环境下多径效应与非视距带来的定位误差.实验结果表明,该算法在定位精度方面优于其他算法.     

基于Ad-hoc和GIS辅助的无线传感器网络定位

针对现有无线传感器网络自定位算法难以脱离大量的静态信标节点的问题,利用Ad-hoc的自组织特性,提出了一种基于分簇并只以簇头节点为移动信标的动态无线传感器网络自定位算法.该算法通过簇内动态混合定位的方式,有效提高了盲节点的定位精度.同时设计和实现了一个基于ArcGIS Engine的动态目标定位监控系统,利用GIS辅助将相对定位与基于地图环境下的绝对定位相结合,进一步提高了无线传感器网络的定位精度.MATLAB仿真实验以及系统实例表明了算法的实时性、有效性和系统的可行性.     

基于改进ELM的煤矿井下定位算法

提出了一种基于改进极限学习机(ELM,extreme learning machine)神经网络的煤矿井下人员定位算法,针对测距模型易受井下复杂环境干扰,无法准确测距的问题,选用基于指纹的位置匹配模型;使用极限学习机将指纹和位置进行匹配,选用改进鲸鱼优化算法(IWOA,improved whale optimization algorithm)选取ELM合适的输入权值和隐含层阈值,以提高定位精度。在定位的在线阶段,将新的指纹数据代入带动态权值因子的在线顺序极限学习机(DOS-ELM,dynamic weight factor online sequential extreme learning machine)模型对定位模型进行动态调整,以克服电磁传播环境变动使定位结果产生的误差;仿真实验结果表明,该模型的定位误差在1.5 m以内的置信概率为72%,平均定位误差为1.64 m,与其他算法的实验结果相比,文章算法鲁棒性强,定位精度高。     

基于IGWO-GRNN的室内3D定位算法

为解决基于相对位置的定位算法易受环境干扰,定位精度不高的问题,提出一种基于改进灰狼算法-广义回归神经网络(IGWO-GRNN)的室内3D定位算法.利用GRNN建立3D定位模型,通过IGWO优化平滑因子,将待测节点与信标节点间的信号强度值作为神经网络的输入,神经网络的输出即为待测节点的真实三维坐标.将仿真结果与其它算法进行比较,验证了所提算法的定位精度与收敛速度均优于其它算法.     

高程信息辅助的地面辐射源时差定位方法

研究不同卫星接收同一辐射源时差对地面辐射源定位优化问题,针对高程的影响将导致定位精度恶化.为了消除高程的影响,使得对高程未知的地面辐射源定位的精度达到对海平面上辐射源定位的精度,提出了运用高程信息动态修正WGS -84地球模型进行辅助定位的算法.算法提出并使用了高程信息动态修正WGS - 84地球模型的思想,通过高程信息的引入快速准确地修正了WGS -84地球模型,有效抑制了地面辐射源高程未知导致的定位精度恶化.理论分析表明该算法的性能优于常规的时差定位算法,仿真证实了改进算法实现定位精度高,为设计提供有效参考.     

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.     

自适应RFID室内定位算法研究

在卫星信号定位优化问题的研究中,在传统的基于场强的射频识别(Radio-Frequency Identification,RFID)室内定位算法中,信号传播模型中路径损耗系数采用经验值,且在同一环境中视为常数.而由于室内环境复杂多变,传统导致算法对环境中的障碍十分敏感,定位精度较差.针对上述问题,提出了一种新型自适应定位算法,通过引入控制论思想中的反馈机制,将自适应控制策略与定位方法巧妙结合,用参考标签的实际坐标和定位坐标之差作为控制器的反馈信号,即时进行路径损耗系数的调整,从而使信号模型自动适应环境变化.经过对改进算法进行多次仿真,验证了算法的有效性,在不增加系统开销的前提下提高了定位精度及环境适应能力.     

动态节点质心定位改进算法

为降低无线传感器网络的定位误差,提高动态节点的定位精度和定位覆盖度,使节点定位能够应用于动态环境下,基于传统的定位算法,提出了一种新的动态节点定位改进算法。该算法通过未知节点接收、保存的分组信息来循环组成虚拟三角形,同时依靠内点测试方法来判断未知节点自身位置,最后根据质心算法来进行最终定位。将仿真结果与传统算法进行比较,结果表明,改进算法可以大大提高无线传感器网络的定位精度和覆盖度。