椭球约束下减小三维定位中的非视距误差

采用精度较高的TOA测距方法对位于三维表面的节点进行定位时,非视距传播现象会造成测距值出现较大的正向误差。针对非视距误差提出一种判别算法,对参与定位的锚节点进行筛选,剔除掉非视距误差较大的锚节点,再用残差加权算法进行最终的位置估计。与最小二乘法和残差加权法相比,能够有效地减小非视距误差的影响,具有更高的定位精度。     

基于RSSI定位模型的非视距关系识别方法

RSSI 定位具有无需额外的硬件、成本低等特点,在无线传感器定位领域得到了广泛的应用。为精确定位目标节点坐标,本文介绍了RSSI对数衰减模型下实现目标节点定位的最大可能性(ML)估计方法。以建立的ML估计方法的目标函数为基础,本文同时论证了节点残差和平方残差和的统计分布规律,并提出了相应的非视距（NLOS）关系识别方法。仿真结果表明当信标节点存在误差时,所设计的迭代ML估计方法能快速、准确地实现目标定位。仿真实验测试了节点残差法、平方残差和法的NLOS识别率,表明随着单个节点NLOS误差的增大,NLOS识别率逐渐提高。比较两种不同方法下NLOS的正确识别率,节点残差法的识别率稍优于平方残差和法。     

一种传感网时间同步和定位的联合线性估计方法

采用时间测量以估计节点位置的方法实现简单,在传感网中得到了广泛的使用。然而节点计时时钟存在漂移和偏离,导致时间测量不准确。为此文本以节点时钟漂移和偏离模型为基础,提出了一种时间同步和节点定位的联合线性估计方法,包括最小平方（LS）及权重最小平方（WLS）方法。仿真测试了所设计算法的运行时间,分析了噪声对联合估计方法的估计误差影响。结果表明,LS及WLS线性估计方法运算速度较半正定（SDP）算法快,在低噪声条件下LS及WLS线性估计方法具有较高的稳定性和定位精度。     

基于RSSI优化的模型参数实时估计定位算法

基于RSSI的测距是一种低成本的距离测量技术.为了有效地降低RSSI因环境影响而产生的测量误差,以及解决传统算法中因使用固定信号传播模型而造成较大测距误差的问题,提出一种RSSI经过优化处理的模型参数实时估计定位算法.该算法运用高斯模型对节点接收到的所有RSSI测量值进行处理,根据RSSI值确定待定位节点所在的最小区域,再通过该区域内选定信标节点间的相互合作估算出当时的环境参数,根据实际情况动态调整传播模型的参数,使测距更准确,从而减少定位误差.将该算法与其它算法进行仿真比较,结果表明了该算法可以有效地提高定位精度.     

一种鲁棒的矿井接近探测定位算法研究

针对现有矿井接近探测定位算法由于非视距等因素导致测距误差较大及复杂情况下测距方程组的解不收敛的问题,将高斯牛顿法、加权最小二乘法及Levenberg-Marquardt法相结合,提出了一种鲁棒的矿井接近探测定位算法,即加权LM法。该算法将测距误差信息通过增加权值的方法加入非线性迭代求解中,并在迭代过程加入阻尼系数,在保证迭代收敛速度的前提下大大提高了定位稳定性和鲁棒性。测试结果表明,加权LM法的定位效率和精度较高。     

基于TDOA改进的矿山井下机车定位方法

为提高矿山井下机车的定位精度,提出了一种基于到达时间差（Time Difference of Arrival,TDOA）改进的矿山井下机车定位方法。采用超声波和无线电传播时间差实现测距,分析了测距技术在井下运用时产生的误差,并对误差进行补偿。为了修正机车定位过程中产生的位移误差,把位移误差化简为机车到节点的距离误差。通过规律性地布置节点和惯性导航技术,计算出位移后机车到节点的距离。使用最小二乘法估计出机车的初始位置坐标,并通过泰勒级数最小二乘法修正坐标实现定位,定位精度可达12 cm。相比于传统的定位算法,该方法增加了定位精度,且在机车不同速度下,保持了较为稳定的定位精度。     

无线传感器网络最小测距误差估计定位算法

针对无线传感器网络的节点定位问题,提出一种分布式节点定位算法.算法通过构造未知节点到它邻居信标节点的测距误差之和的函数,并用Nelder-Mead单纯形方法计算该函数的最小值,以计算未知节点的坐标;通过使用时间轮机制来降低在迭代定位产生的累积误差.实验结果表明,用最小测距误差估计方法定位比用极大似然估计定位的平均定位精度高,使用时间轮机制可以有效降低迭代定位时产生的累积误差.     

节点定位在湖泊监测中的优化研究

无线传感网湖泊监测中,节点位置在一定范围内随机漂移,导致定位精度需持续修正并提高精度。提出最小误差二次定位估计算法,初始时在网络中设定两组配置有GPS的3个信标节点,利用三边测量法对未知节点进行定位,通过分析RSSI测距误差求出中心点,建立两组测量坐标进行定位修正,再使用跳距对两组坐标测量结果进行加权估计,获得优化后的最小误差节点定位。对比常规的三边测量法和FTL算法,通过仿真验证,该算法在湖泊监测中能有效地减小定位误差。     

一种基于布尔运算的无线传感器网络TOA定位算法

提出一种基于布尔运算的无线传感器网络TOA定位新算法.算法针对室外定位,通过实验测得TOA测距误差的先验统计规律.在进行TOA定位时,算法首先根据测距值和先验统计参数建立同维布尔矩阵,然后利用矩阵运算和平方差判别式确定未知节点的估计位置.仿真和实验表明,与最小二乘(LSE)定位算法和优选残差加权(ORwgh)定位算法相比较,本文算法具有更好的定位精度,且在信标节点数大于6时具有更小的定位耗时.     

无线传感器网络节点的非视距定位方案研究

在无线传感器网络定位中,节点精确定位面临的一个主要问题是信号的非视距传播,非视距误差是节点定位误差的主要来源。在分析非视距误差抑制技术的基础上,提出了一种新的残差加权定位算法。算法通过逐步减少距离测量值个数的组合方式,在每一步选取残差最小的组合,再用加权平均的方法,并利用改进的最小二乘法计算节点临时坐标。仿真结果表明,算法具有较高的定位精度,在不同的非视距误差下表现稳定。     

一种二元探测传感器网络目标跟踪算法

针对二元探测传感器网络目标定位与跟踪问题,提出一种递推的质心定位方法,推导出了质心定位算法的递推公式。采用序贯最小二乘估计方法,提出了基于递推计算的质心定位结果进行目标跟踪的算法。算法以简单的观测噪声模型体现系统的测量和计算误差,利用序贯最小二乘算法的可变增益,提高了跟踪精度;算法不需要先验统计信息以及序贯式的处理方式等因素,降低了算法的计算复杂度。仿真结果验证了递推公式的正确性和跟踪算法的有效性。     

基于IGG抗差最小二乘法的三相配电网谐波状态估计

针对传统最小二乘法在谐波状态估计量测数据中混有粗差时的处理能力不足,提出了一种基于IGG法的抗差最小二乘法。抗差估计是统计学里面常用的一种针对数据中含有粗差的处理方法,而抗差最小二乘法就是将抗差估计和最小二乘法相结合的一种新的估计方法。该方法对量测数据进行降权、保权和淘汰,改善量测数据的权重,从而抵御了粗差对估计结果带来的恶劣影响。同时,目前大多数的配电网谐波状态估计模型采用简化的单相模型,并未考虑配电网三相不平衡的特点,本文建立了配电网的三相数学模型,并采用IEEE33节点系统进行仿真分析,在量测数据中混有粗差时分别运用抗差最小二乘法和传统最小二乘法求解并对估计结果进行误差对比,算例结果表明了抗差最小二乘法具有较强的抗差能力且估计精度优于传统最小二乘法。     

线性最小二乘法的RSSI定位精确计算方法

基于接收信号强度指示(RSSI)定位模型,提出了一种目标节点位置的精确计算方法。将RSSI定位问题所描述的非线性优化函数转化为线性最小二乘法估计问题,将定位结果直接用代数解表示。分别提出了目标节点信号发射强度已知和未知下的非约束线性最小二乘(ULLS)定位方法。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。仿真验证了该定位计算方法的有效性,测试了不同信号强度噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,非常接近于定位结果的克拉美罗下界值(CRLB)。     

基于小二乘-卡尔曼滤波的wMPS系统跟踪定位算法研究

wMPS(workspace Measuring Position System)是一种新型的基于平面交会原理的网络式测量系统,在静态测量研究的基础上,研究了动态跟踪测量的问题。为了减小运动引入的测量误差,利用运动方程提高测量精度,采用了最小二乘法对接收器的位置进行静态估算,将其结果作为伪观测值,然后利用卡尔曼滤波做进一步处理,该方法避免了观测方程中的非线性误差,实现了接收器在运动过程中的高精度跟踪定位。通过试验对最小二乘法和最小二乘-卡尔曼滤波法进行了比较,结果表明最小二乘-卡尔曼滤波法的估值精度远高于最小二乘法。     

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。     

协同定位中的坐标配准策略研究

坐标配准是协同定位的重要组成部分,一个合理的坐标配准体系可以体现协同定位算法的性能,否则可能会放大定位算法的误差。本文详细比较了基于最小二乘 (least square, LS)与基于普氏分析(Procrustes analysis, PA)的配准方法的设计思想、适用条件,并给出了基于普氏分析的坐标配准算法的详细步骤。利用协同定位算法(经典MDS和Levenberg–Marquardt算法)得到的实验数据,详细分析了锚节点数量、测距误差、网络节点平均连通度对配准精度的影响。实验表明,在2D和3D环境中,基于普氏分析的配准算法,其配准精度和稳定性都优于最小二乘法,配准误差降低约为20%。     

分布式最小二乘估计中隐匿FDI攻击策略的设计

虽然分布式坏值检测方法能够消除观测数据中坏值对分布式最小二乘估计性能的影响,但是现有的分布式坏值检测方法中依然存在安全漏洞.针对一类分布式最小二乘估计算法研究了相应隐匿虚假数据注入(FDI)攻击策略的设计问题,设计依赖于部分节点系统信息的分布式隐匿FDI攻击方法,这一方法不仅使得FDI攻击信号无法被现有分布式坏值检测方法检测到,而且可以以预设的偏移量改变估计结果.最后,通过IEEE 118-Bus电力系统模型验证所设计FDI攻击方法的隐匿性和有效性.     

联合TDOA-AOA无线传感器网络半定规划定位算法研究

在无线传感器网络定位中,TDOA和AOA联合定位可有效利用多种位置信息提高定位精度.由于传统联合加权最小二乘(WLS)的目标函数非线性,在应用于无线传感器网络定位时,会产生多个局部最优解.因此,针对该问题本文将约束加权最小二乘问题转化为二次约束二次规划问题,之后通过引入半定松弛(SDR)方法将联合定位问题转换为低复杂度的半定规划问题(SDP),进而寻找全局最优解.并且针对实际应用中参考节点带误差的情形分析和推导了定位算法.与已有算法相比,提出的算法在参考节点无误差和有误差时都有更高的精度.此外,提出的SDP算法还能够实现只有两个参考节点下的目标定位.     

无线传感器节点定位中基准锚节点的选择研究

针对无线传感器节点精确定位问题,提出一种通过选择基准锚节点实现提高定位精度的改进最小二乘定位算法。目前最小二乘定位算法未能充分利用通过合理选择基准锚节点达到提高定位精度的作用,鉴于此,提出利用累积相对误差最小方法选择基准锚节点,然后,用最小二乘法定位待测节点。仿真结果表明,在较少的增加算法复杂度的基础上能够较大地提高定位精度。