一种最小阈值适应性预测算法

本文描述了在分布式虚拟环境AIMNET系统中提出的一种最小阈值适应性位置预测算法。AIMNET系统是南京大学自主开发的分布式虚拟环境,其通讯机制具有匿名性。在对分布式虚拟环境位置预测方法的研究基础上,根据算法阈值与实体间距离的关系,提出一种最小阈值适应性预测算法。试验表明,该算法与传统的位置预测算法相比,较好地解决了仿真实体运动轨迹的准确性和网络代价之间的矛盾,并且满足消息传递的匿名性。     

A dynamic message filtering technique for 3D cyberspaces

This paper discusses the scalability problem of distributed virtual environment (DVE) centered on area of interest (AOI) model and dead reckoning (DR) algorithm. Previous models improving scalability of virtual environment are analyzed and compared, and a new adaptive message-filtering algorithm based on DR is proposed. The proposed model can be utilized for distributed interactive simulation (DIS) and various network applications such as multi-player games and virtual communities. The most distinguished characteristic of the proposed model is the introduction of flexible threshold mechanism (FTM). It is inefficient that in static dead reckoning (SDR) algorithm, moving avatar straightly and frequently rotating one are uniformly considered. The proposed model overcomes the weak point of established DR caused by a fixed threshold and a strong dependency on rotational behavior of moving avatars. This paper defines a new criterion for update message filtering, named as update lifetime (UL), which is a valid duration time of entity state update. The advantage of dynamic approaches proposed in this paper is the ability of keeping the balance between fidelity and performance in filtering. In experimental results, it was shown that intelligent DR lowered the increment rate of update message traffic over the increase of behavioral complexity of avatar without any significant loss of accuracy.     

A DR algorithm based on artificial potential field method

Considering player entity’s motion regularity into DR (Dead Reckoning) algorithm can improve its prediction accuracy in MMOG (Massively Multiplayer Online Games), a novel DR algorithm was proposed to solve this problem in this paper. First the artificial potential field model of player entities is created, and then the acceleration of player entities is weighted with the acceleration produced by the potential field force and the acceleration reckoned by the traditional DR algorithm. In order to calculate the weight, Q-Learning algorithm is used. The experiments show that the method can improve prediction accuracy and reduce the network traffic.     

模糊自适应卡尔曼滤波算法在航位推算系统中的应用

针对实际的应用中车载航位推算系统的模型参数、噪声的统计特性不确定性,影响估计效果,提出了车载航位推算的模糊自适应卡尔曼滤波模型及其滤波算法;该方法通过监视理论残差与实际残差的比值是否接近1,应用模糊推理系统不断地调整量测噪声协方差的加权,对自适应卡尔曼滤波的量测噪声协方差进行递推修正,通过该算法来抑制噪声对精度的影响,进而提高系统的导航精度;仿真结果表明,这种算法能够有效地提高系统的精度,是一种比较理想的车载DR导航滤波方法。     

结合数字地图的GPS／DR车载双星定位系统

目前GPS的定位技术已经比较成熟,然而GPS正常工作时需要四颗可见卫星。本文提出了一种基于高精密数字地图的GPS双星定位系统,结合航位推算系统进行组合导航,并运用卡尔曼滤波对组合导航的信息进行滤波处理,有效提高定位的精度。试验证明,该算法增强车载导航系统在城市中复杂环境的适应性,并提供满足要求的定位精度。     

协同虚拟环境中方向更新消息滤波机制研究

方向更新消息滤波机制是协同虚拟环境(Collaborative Virtual Environments，以下简称CVE)中的一个重要研究课题，Dead-Reckoning(以下简称DR)技术是一种有效的更新消息滤波机制。然而，以前的DR技术主要集中在位置更新消息滤波，现有的方向DR算法一般基于固定阈值，方向固定阈值机制(Fixed Threshold Mechanism for Orientations，以下简称FTMO)的缺点将在本文讨论．提出一个方向可变阈值机制(Variable Threshold Mechanism for Orientation，以下简称VTMO)．VTMO首先计算最近平均角速度，并基于最近平均角速度改变方向阈值，从而在保持一定的方向精确度的情况下，减少需发送的方向更新消息的数量。     

基于RSSI与惯性测量的室内定位系统

介绍融合接收信号强度指示（RSSI）和惯性测量技术的无线传感器室内定位系统,该系统通过可穿戴式无线传感器节点和环境辅助传感器节点,采集步行者的位置信息。可穿戴式节点采用DeadReckoning惯性测量方法,存在累积误差,可通过在室内环境中布置RSSI节点矫正步行者的位置信息。采用扩展性的卡尔曼滤波算法将惯性测量与RSSI测量数据相结合,实现自适应的步长算法,较大程度改进步长不正确读取带来的误差。实验结果表明,与纯粹的惯性测量系统相比,该系统能提高66．3％的精确度。     

采用EKF与PF的室内融合定位技术

在室内定位的复杂环境中,WiFi指纹法的定位性能易受信号波动的影响,行人航位推算方法(Pedestrian Dead Reckoning,PDR)的定位误差会随时间逐渐累积,为了解决这两个方面的问题,提出了一种采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)与粒子滤波(Particle Filter,PF)的融合定位技术,该技术通过融合WiFi指纹法和优化后的行人航位推算方法来提高定位精度。在WiFi指纹法模块,该技术采用传统的加权k近邻法进行定位。在行人航位推算模块,该技术融合多种传感器进行航向估计,改进传统的非线性模型进行步长估计,使优化后的行人航位推算方法更适用于复杂环境中的实际应用。最后,结合粒子滤波和室内地图信息,该技术能够校正估计位置并进一步提高定位精度。通过实验表明,本文提出的融合校正方法能够有效提高定位精度。     

推算定位算法在拦截策略中的研究与应用

机器人足球比赛中,研究有效的拦截对方球员的进攻和防守是一项关键的战术,以往开发的拦截策略中存在"漏拦"和"错拦"等现象,造成拦截成功率很低.将推算定位(Dead Reckoning,DR)算法用到拦截策略的研究中,有效估算出对方球员和球的下一步动向,实施有效拦截,提高了比赛过程中拦截判断的精度.对DR算法中的阈值的确定进行了分析和改进,提出一种判据函数,有效地解决动态门选取的问题;针对算法执行和网络的延时给予了延时补偿,提高系统的实时性,使拦截能够快速准确地实现.利用DR算法推算出赛场球和球员的运动趋势,指导赛场策略的生成并和队员的动作与位置的部署.实验数据表明,方法具有很强的优越性.     

一种新的改进高斯粒子滤波算法及其在SINS/GPS 深组合导航系统中的应用

针对组合导航系统中出现的线性非线性混合滤波模型,提出一种新的混合高斯粒子滤波算法(MGPF).该滤波算法在状态更新过程中借鉴线性卡尔曼滤波思想直接更新状态量的高斯分布参数,而非逐个更新每个粒子,因此很人程度上减少了高斯粒子滤波算法(GPF)的计算量,同时滤波精度也有一定的提岛.建立了捷联惯性导航系统与全球卫星定位系统(...     

基于粒子滤波的WiFi行人航位推算融合室内定位

为提高室内定位的精度和稳定性,提出使用粒子滤波融合WiFi指纹定位和行人航位推算的室内定位算法。为减少复杂室内环境对WiFi指纹定位的影响,提出将支持向量机分类与回归相结合的两级WiFi指纹定位算法。在基于智能手持设备惯性传感器的行人航位推算中,为减少惯性传感器的误差以及人随意行走带来的影响,采用状态转换的方法识别行走周期并进行步数统计,提出根据实时加速度数据动态设置状态转换的参数,利用步长和垂直加速度之间的关系以及相邻步长之间的关系,应用卡尔曼滤波进行步长计算。仿真实验中,基于支持向量机的WiFi指纹定位的平均误差比最近邻居(NN)算法降低34.4%,比K最近邻居(KNN)算法降低27.7%。改进的行人航位推算的性能优于常用代表性计步软件和步长计算算法,而经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹:直线行走平均误差为1.21 m,优于WiFi的3.18 m和航位推算的2.76 m;曲线行走平均误差为2.75 m,优于WiFi的3.77 m和航位推算的2.87 m。     

改进的Web文本自适应过滤策略

面对实时网络信息过滤的新挑战,自适应信息过滤基本上能够解决问题。针对现有自适应系统的不足,本文提出提高模板准确性的学习和过滤阈值优化的新方法。改进的过滤策略过滤初期采用SVM算法,中后期采用改进的自适应模板过滤法。模板的更新采用改进的模板系数调整策略,并引入特征衰减因子来提高过滤的准确率。该系统运行于一个校园网关上,取得了较好的结果。     

基于GPSOne和航位推算的定位算法研究

根据行人导航的原理,提出一种适合消防员定位的航位推算算法,并结合GPSOne对消防员的定位信息进行随时更新,以校正由航位推算引起的累积误差,并且可以实现室内外的无缝定位。用加速度计对消防员进行步态辨识,电磁罗盘测量其航向角,并用三轴陀螺仪对航向角进行修正。区别于常用的线性和非线性计算步长的方法,提出一种全新的由速度和频率确定位置增量的步长计算方法,经验证,该算法具有较高的定位精度。     

基于M估计的非线性鲁棒检测卡尔曼滤波算法

针对传统鲁棒非线性滤波在观测噪声为非高斯强干扰噪声情况下,滤波性能下降的问题,提出一种利用卡方检测法预判断的非线性鲁棒检测滤波算法。该算法通过卡方检测设置门限,剔除突变野值,利用M估计修正量测更新。仿真实验对比了几种典型非线性滤波方法在不同观测噪声环境下的性能。所提算法在非高斯强干扰噪声情况下,比传统鲁棒滤波算法估计精度平均提高了25.5%;估计方差平均减少了18.3%。实验结果表明:所提算法可以抑制观测量非高斯强干扰噪声的影响,提高滤波精度及稳定性。     

基于转换量测容积卡尔曼滤波器带多普勒量测的目标跟踪算法

针对带多普勒量测的目标跟踪问题,提出一种基于转换量测容积卡尔曼滤波器的序贯滤波目标跟踪算法.对具有量测误差相关性的距离和多普勒量测进行解相关处理,构造出新的解相关量测方程,进而基于贝叶斯方法提出带多普勒量测的序贯处理算法的统一理论框架,实现对位置量测和多普勒量测的序贯滤波.在该理论框架下,提出基于转换量测容积卡尔曼滤波器的序贯滤波目标跟踪算法.该算法先采用转换量测容积卡尔曼滤波器和位置量测对目标状态进行估计,再利用经典容积卡尔曼滤波器对新构造的伪多普勒量测进行量测更新以实现目标跟踪.通过对所提算法的性能分析验证该算法的一致性和收敛性.仿真结果表明,该算法与其他跟踪算法相比,具有更高的跟踪精度.     

基于MCC的鲁棒高阶CKF在组合导航中的应用

针对高阶容积卡尔曼滤波器在非高斯噪声情况下滤波精度下降的问题,提出了一种新的基于Maximum Correntropy Criterion（MCC）的鲁棒高阶容积卡尔曼滤波算法。考虑到高阶容积规则可以较好地解决非线性问题,在高阶容积滤波的基础上,结合统计线性回归模型对量测更新过程进行重构,利用MCC估计算法实现状态的量测更新,同时解决了系统的非线性和非高斯问题。将所提算法应用到SINS/GPS组合导航系统中,仿真结果表明,核宽的选取对算法的滤波性能有较大的影响,在高斯混合噪声条件下,所提算法相比传统高阶容积卡尔曼滤波算法具有更强的鲁棒性和更高的滤波精度。     

Dead Reckoning技术在网络游戏中的应用

介绍了基于物理运动学算法的预测技术以及基于Cubic Splines算法的平滑处理技术,并给出了DeadReckoning在网络游戏中应用的具体算法以及该算法的相应实例.     

The “dead reckoning” signed distance transform

Consider a binary image containing one or more objects. A signed distance transform assigns to each pixel (voxel, etc.), both inside and outside of any objects, the minimum distance from that pixel to the nearest pixel on the border of an object. By convention, the sign of the assigned distance value indicates whether or not the point is within some object (positive) or outside of all objects (negative). Over the years, many different algorithms have been proposed to calculate the distance transform of an image. These algorithms often trade accuracy for efficiency, exhibit varying degrees of conceptual complexity, and some require parallel processors. One algorithm in particular, the Chamfer distance [J. ACM 15 (1968) 600, Comput. Vis. Graph. Image Process. 34 (1986) 344], has been analyzed for accuracy, is relatively efficient, requires no special computing hardware, and is conceptually straightforward. It is understandably, therefore, quite popular and widely used. We present a straightforward modification to the Chamfer distance transform algorithm that allows it to produce more accurate results without increasing the window size. We call this new algorithm Dead Reckoning as it is loosely based on the concept of continual measurements and course correction that was employed by ocean going vessel navigation in the past. We compare Dead Reckoning with a wide variety of other distance transform algorithms based on the Chamfer distance algorithm for both accuracy and speed, and demonstrate that Dead Reckoning produces more accurate results with comparable efficiency.     

面向行人导航的RMLT DR算法研究与实现

DR算法是行人导航中最常用的一种推算算法。分析常规DR算法,针对行人导航中DR算法是固定阈值,不能根据行人环境不同而自动调整阂值,导致行人定位精确度不高的缺点,提出了基于雷达的多级阈值DR算法,即RMLT DR算法。通过仿真模拟实验,对比分析了RMLT DR算法和常规DR算法的定位结果。验证了行人行走过程中,RMLT DR算法可以根据周围的环境自动选择阈值大小,具有更高的精确度。     

基于模糊关联空间的数据过滤方法

该文提出了一种适用于大规模分布式虚拟环境的新的数据过滤方法，以解决传统过滤方法由于基于区域划分、采用组播技术而造成的效率低、稳定性差的问题。该文提出了实体关联度的概念，并在分布式虚拟环境中建立模糊关联空间，把数据过滤问题转化为在模糊关联空间中求取关联实体集的问题；最后通过实验数据和理论分析，证明基于模糊关联空间的数据过滤方法可以有效地解决传统过滤技术中存在的一系列问题，提高数据过滤的效率和稳定性。