遗传-禁忌搜索优化的Amorphous定位算法

在无线传感网络WSN(Wireless Sensor Networks)定位算法领域内,Amorphous定位算法存在节点定位误差大的问题。为提高传统Amorphous算法对未知节点的定位精度,该文提出基于Amorphous定位算法的遗传禁忌搜索算法IAmorphous-GATS(Improved Amorphous Genetic-Algorithm Tabu-Search Location)。首先通过Amorphous算法得到未知节点位置的初始解;然后利用遗传禁忌搜索算法优化初始解,从而可以得到未知节点的最优位置。为验证该算法能否提高传统定位方法的定位精度,该文使用MATLAB进行了仿真实验。仿真结果表明,优化后未知节点的定位精度得到了很大的提高。     

基于禁忌表的定位算法求解TSP问题

本文提出了一种基于禁忌表的定位算法求解TSP问题的快速、高效近似算法。这种算法结合了禁忌搜索算法中禁忌表及大规模构造算法和定位改进算法求解规模较大的TSP问题。计算机实例仿真证明,算法在求解质量和求解速度两方面高于著名的启发式算法的解。该算法针对TSP问题提出,是非常有效的。     

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。     

基于RSSI的KNN-PIT室内自适应定位算法

针对基于接收信号强度指示(RSSI)的K最近邻(KNN)算法在室内定位精度较低的问题,提出一种改进的KNN-三角形内点(KNN-PIT)室内定位算法.根据室内空间结构特征,建立具有类标号的位置指纹库.引入虚拟参考点,利用PIT原理进一步约束目标点的定位区域,自适应地使用定位算法进行定位.综合运用高斯滤波、均值滤波技术,降低离线和在线阶段的信号随机误差.结果表明:改进后的KNN-PIT定位算法可以更好地估计用户的实际位置,降低定位误差,定位精度提高12.5％.     

基于粒子滤波的室内机器人定位研究

针对传统粒子滤波定位算法在粒子的更新中仅考虑当前里程信息,论文基于KLD-粒子滤波算法实时跟踪每次迭代所需粒子数,提出了一个KLD粒子滤波定位改进算法。结合里程信息及雷达激光测量信息,将前时的测量信息融合进粒子定位算法中。该算法在粒子更新的同时优化了计算,可以使机器人定位修复快速收敛至正确位置,并通过仿真实验验证其有效性。仿真表明,该算法比普通KLD采样有更好的收敛效果,该本仿真条件下,收敛速度比传统方法快约50%以上。     

基于改进麻雀搜索算法优化的DV-Hop定位算法

为了提高传统DV-Hop算法在无线传感网络中的节点定位精度,提出一种基于改进麻雀搜索算法优化的DV-Hop定位算法.首先,锚节点采用双通信半径细化节点间的最小跳数;然后利用最小均方差准则以及归一化加权因子分别对锚节点和未知节点的平均跳距进行修正;最后,采用麻雀搜索算法估算未知节点的位置,并引入佳点集和Levy飞行策略增强算法的遍历性和跳出局部最优的能力.仿真结果表明,相比于传统DV-Hop算法,改进的算法有效提高了定位精度.     

车联网定位方法与机制

车联网(IoV)作为一种应用于道路交通环境的特殊的移动自组织网络,被认为是物联网中最有可能率先突破应用的一个重要分支。如何实时准确地获取车辆自身的位置信息,是车联网技术研究的一个重点和热点。提出了车联网定位方法与机制,介绍了无线自组织网络定位技术的基础理论,对比分析了适合车联网中车辆定位的理论与算法,指出了车联网定位技术的研究方向。     

基于混合遗传禁忌搜索算法的多机器人任务分配

为解决传统遗传算法在求解仓储多机器人任务分配问题时，收敛速度慢且容易陷入局部极值的问题，该文提出一种混合遗传禁忌搜索算法。首先以机器人配送成本最小为目标建立数学模型；然后在传统的遗传算法中引入禁忌搜索算法中的禁忌表和藐视准则，来对遗传算法每次迭代后的种群进行优化调整，使得算法能够跳出局部最优且快速收敛。仿真结果表明，混合遗传禁忌搜索算法能有效地改善遗传算法的全局寻优能力，提升仓储的整体运行效率。     

无线传感器网络中移动节点的后验信号滤波定位法

无线传感器网络中移动节点定位面临着高精度和实时性的要求,针对蒙特卡洛定位算法MCL的不足,提出了一种信号滤波改进算法:后验信号滤波法PSFM.通过跟踪未知节点,有效利用最新观测信号,PSFM提取前后时刻共能感知的锚节点的信号范围,并筛除仅前一时刻的锚节点信号范围的样本点,重新设置并优化滤波区域,提高了定位算法的精度.新算法还提出了运用最大似然估计法对样本信息处理,推导移动节点的位置坐标.理论分析和仿真表明新算法和传统MCL算法相比,对节点的部署密度和移动速度有较低的敏感度,表现出良好的算法稳定性.在不同的锚节点密度下定位误差减少了46％～ 65％,运行时间减少了26％～45％.     

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。