基于高斯混合模型的无线局域网定位算法

目标定位是无线局域网提供位置服务的基础。该文围绕无线局域网目标定位中的定位精度和实时性2个QoS指标,对基于RSSI的定位技术进行研究,提出一种基于高斯混合模型的无线局域网定位算法。该算法由离线训练和在线定位2个阶段组成,采用GMM对RSSI进行建模,降低了系统定位误差,并减少了定位阶段的运算量,提高了定位的实时性。仿真实验结果表明,该算法具有较好的定位精度和实时性。     

室内超宽带无线定位技术研究

超宽带技术由于功耗低、抗多径干扰能力强、系统复杂度低、定位精度高等优点,已经成为室内无线定位技术中极具潜力的技术。基于到达时间差(TDOA)定位技术,提出了一种基于Taylor算法和Chan算法的定位方法 ,并对三种不同算法进行了比较,完成了室内超宽带无线定位算法的仿真。在FPGA开发平台上完成了对室内超宽带无线定位系统的设计。着重介绍了基带信号的帧结构、扩频码的选择、脉冲的生成和扩频码的同步捕获。对各个模块的功能和设计原理进行了描述,通过Verilog语言对室内超宽带无线定位系统的各部分模块进行设计与仿真。     

一种室内定位中NLOS误差抑制算法

在无线定位系统中,尤其是在室内定位中,非视距(NLOS)误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对NLOS环境下的基于卡尔曼滤波器(KF)的动态跟踪定位算法,将广泛应用于雷达系统和飞机导航系统的成熟的卡尔曼滤波器应用于室内定位中。实验结果表明,该方法可以满足室内环境下无线定位的需求,即使在恶劣的NLOS环境下也能够获得很高的定位精度,是一种可行的无线局域网定位技术。     

DGPS与UWB混合精确无缝定位技术研究

差分全球定位系统(DGPS)是一种精确的定位系统,但在室内或有障碍物的情况下,其定位精度很低甚至不能进行定位。超宽带(UWB)定位系统在室内有很高的定位精度,但受其测量范围的影响,不适合室外定位。将DGPS和UWB结合定位,利用Kalman滤波器对UWB非视距误差(NLOS)进行消除,采用粒子滤波器对不同传感器进行数据融合,并使用GPRS通信模块进行无线数据传输。实验表明:该方法能够使系统整体定位精度提高19%,既能满足室内外无缝定位,又具有很高的定位精度。     

全源矿井定位:一种智能煤矿位置服务新范式

矿山动目标定位系统为煤矿智能化建设提供基于位置的服务。而传统的矿井定位系统中定位信标与定位标签之间大多采用单一或组合通信技术,结构不灵活,覆盖范围受限,鲁棒性不高,定位精度有限;使用单一或组合测距技术,无法根据使用场景的不同自适应选择最优测距技术;位置求解算法固定,无法根据使用场景的不同和信号变化自适应选择最优求解算法。提出了全源矿井定位新范式,可根据定位环境和目标承载平台的变化,从所有可用定位信号测量设备中动态选择满足当前需求的最优设备组合,自适应地从可用的测距算法、位置解算算法、结果优化算法中选择最优的算法组合,计算出目标节点的最优位置。给出了全源矿井定位系统架构,探讨了矿井中可用的定位信号测量设备和可用于定位的测量属性值类型,对比了单一矿井定位与全源矿井定位在定位服务器方面的功能差异。研究了全源矿井定位中的3项关键技术:统一定位框架技术,旨在解决全源定位的模块化、组合式、可扩充需求;全源定位信息融合技术,对测量属性值进行有机组织,达到提高定位精度的目的;通信定位一体化技术,通过无线通信网络本身所具有的定位能力,简化全源矿井定位系统的设计并提高定位精度。提出了基于“端-边-云”的全源矿井定位系统实施架构,以便与煤矿智能化的主流建设模式相适应,大幅降低实施难度和系统成本。     

新的室内移动机器人自定位方法

针对现有室内移动机器人自定位方法中存在的定位精度不高,随时间积累定位误差增大,复杂室内环境下信号存在多径效应和非视距效应等问题,提出了一种基于蒙特卡罗定位(MCL)的新的移动机器人自定位方法。首先,通过分析基于无线射频识别(RFID)技术的移动机器人自定位系统,建立机器人运动模型;然后,通过分析基于接收信号强度指示(RSSI)的移动机器人自定位系统,提出机器人移动过程的观测模型;最后,针对粒子滤波定位执行效率不高的问题,提出粒子剔除策略和依据粒子方位赋予粒子权值策略,提高系统的定位精度和执行效率。仿真实验表明,机器人在移动过程中的自定位误差在X轴和Y轴方向上为3 cm,传统定位算法误差为6cm,新算法定位精度提高近1倍,且算法具有很好的鲁棒性。     

基于卡尔曼滤波算法的轨迹估计研究

在无线传感器网络中节点定位系统中,基于接收信号强度指示(RSSI)技术的定位算法研究有很多,这种定位技术成本低而且易于实现,但RSSI定位技术因容易受到环境因素的影响,在测距过程中,估测距离的误差很大。在RSSI定位系统的基础上,加入系统噪声和测量噪声,根据系统状态方程和动态系统测量方程,利用卡尔曼滤波算法,对RSSI进行滤波,并估测出移动节点的运动轨迹。仿真结果表明:改进卡尔曼滤波算法提高了移动节点的运动轨迹的定位精度。     

基于TOA的指纹定位系统

利用无线传感器网络建立低成本、高精度的实时定位系统,是当今的研究热点之一。通过多组实验数据对比,提出了＂当前的无线芯片不适用于基于RSS技术的指纹定位技术＂的观点,并在此基础上引入TOA（Time of Arrive）技术,设计并实现了基于TOA的指纹定位系统。该系统利用了当前的基于RSS的指纹定位系统,将TOA获得的测量距离值作为参考信号,利用无线信号的连续性改进了定位精度。实验数据表明,该系统在复杂的环境下达到了一定的精度,有一定的实用意义。     

基于低频唤醒和极限学习机的无线定位系统

设计了一种基于低频(LF)唤醒技术和极限学习机(ELM)分类算法的无线定位系统.实现了低频唤醒、射频应答的电路结构和通信回路,实现了有源应答器的超低待机监听.通过比较各类型的多种射频定位算法,选用基于ELM分类的定位算法,对低频唤醒接收信号强度指示(RSSI)数据进行分类并实现定位,有效降低了定位算法在线阶段的计算量,在单片机系统中实现了实时定位计算.测试结果表明:定位系统在有效范围内定位精度可达15 cm,定位正确率可达95％以上,在定位精度和稳定性方面明显优于超高频(UHF)频段射频定位系统.     

一种无线传感器网络中的定位精度改进方法

无线定位是无线传感器网络的一个重要应用,但目前仍然存在着定位精度不高、定位性能差的问题。通过针对TDOA(Time Difference of Arrival)/AOA(Angle of Arrival)混合式方法定位的超宽带(Ultra-Wideband)无线传感器定位系统,提出利用迭代去噪和卡尔曼滤波器的混合式处理方法。在数据处理层面上改善系统的定位性能,从而提高定位可靠性。现场试验的数据表明该方法确实可以改善系统的定位效果。     

无线传感器网络Range-Free自身定位机制与算法

无线传感器网络是一种全新的信息获取和处理技术,能够实时监测、感知和采集各种环境或监测对象的信息。而网络自身定位是其大多数应用的基础。在综合分析大量无线传感器网络定位算法的技术文献和最新研究结果的基础上,从测距技术和算法两方面阐述了range-based定位机制的局限性,着重论述和比较了现有的六种range-free定位算法,指出无线传感器网络自身定位问题的研究方向。     

FM radio for indoor localization with spontaneous recalibration

The position of mobile users has become highly important information in pervasive computing environments. Indoor localization systems based on Wi–Fi signal strength fingerprinting techniques are widely used in office buildings with an existing Wi–Fi infrastructure. Our previous work has proposed a solution based on exploitation of a FM signal to deal with environments not covered with Wi–Fi signal or environments with only a single Wi–Fi access point. However, a general problem of indoor wireless positioning systems pertains to signal degradation due to the environmental factors affecting signal propagation. Therefore, in order to maintain a desirable level of localization accuracy, it becomes necessary to perform periodic calibrations of the system, which is either time consuming or requires dedicated equipment and expert knowledge. In this paper, we present a comparison of FM versus Wi–Fi positioning systems and a combination of both systems, exploiting their strengths for indoors positioning. We also address the problem of recalibration by introducing a novel concept of spontaneous recalibration and demonstrate it using the FM localization system. Finally, the results related to device orientation and localization accuracy are discussed.     

Indoor localization with audible sound — Towards practical implementation

This paper presents an innovative evaluation and comparison of several methods and techniques necessary to implement an indoor localization system based on audible sound. Experiments were conducted in a room with conditions very close to possible practical application demonstrating that time delay estimation using generalized cross-correlation phase transform provides the best estimate to the distance to fixed anchors, and highlight the benefits of a new localization method entitled circle shrinking based on an optimization methodology. Of the three optimization methods tested, Gauss–Newton proves to be the most adequate, and among the three medium access methods evaluated, code division multiple access acoustic transmission provided the best results. A localization system combining these components and using only off-the-shelf hardware reached an average accuracy of 1.3 cm in the central area of the test room with an excitation signal-to-noise ratio as low as 7.2 dB, an almost unperceivable noise like audio signal. These results represent an advance of the state-of-the-art in indoor localization systems, pointing towards the possibility of widespread practical implementation with everyday use components.     

Evaluating the usage of fault localization in automated program repair: an empirical study

Fault localization techniques are originally proposed to assist in manual debugging by generally producing a rank list of suspicious locations.With the increasing popularity of automated program repair,the fault localization techniques have been introduced to effectively reduce the search space of automated program repair.Unlike developers who mainly focus on the rank information,current automated program repair has two strategies to use the fault localization information:suspiciousness-first algorithm(SFA)based on the suspiciousness accuracy and rank-first algorithm(RFA)relying on the rank accuracy.However,despite the fact that the two different usages are widely adopted by current automated program repair and may result in different repair results,little is known about the impacts of the two strategies on automated program repair.In this paper we empirically compare the performance of SFA and RFA in the context of automated program repair.Specifically,we implement the two strategies and six well-studied fault localization techniques into four state-of-the-art automated program repair tools,and then use these tools to perform repair experiments on 60 real-world bugs from Defects4J.Our study presents a number of interesting findings:RFA outperforms SFA in 70.02%of cases when measured by the number of candidate patches generated before a valid patch is found(NCP),while SFA performs better in parallel repair and patch diversity;the performance of SFA can be improved by increasing the suspiciousness accuracy of fault localization techniques;finally,we use SimFix that deploys SFA to successfully repair four extra Defects4J bugs which cannot be repaired by SimFix originally using RFA.These observations provide a new perspective for future research on the usage and improvement of fault localization in automated program repair.     

基于多边限定的室内定位方法设计与系统实现

随着基于位置服务（Location Based Services，LBS）的发展与智能移动设备的普及，室内定位算法与系统受到了广泛研究与关注。为提高室内定位精度、增强系统鲁棒性，提出了基于多边限定的fingerprint定位方法。基于Wi-Fi RSSI（Received Signal Strength Indication）信号处理建立离线fingerprint数据库；通过对拟合距离-RSSI函数分析，提出了多边限定的方法确定一个最佳参考点（Reference Point，RP）集合，缩小在线定位阶段的搜索范围。在此基础上，再利用fingerprint定位方法进行定位。此外，实现了基于提出方法的室内定位系统原型用于算法性能评估。通过大量真实场景实验分析、验证了相较于传统fingerprint方法，基于多边限定的fingerprint定位方法能有效提高室内定位精度，增强系统鲁棒性。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

Slice-based statistical fault localization

Recent techniques for fault localization statistically analyze coverage information of a set of test runs to measure the correlations between program entities and program failures. However, coverage information cannot identify those program entities whose execution affects the output and therefore weakens the aforementioned correlations. This paper proposes a slice-based statistical fault localization approach to address this problem. Our approach utilizes program slices of a set of test runs to capture the influence of a program entity's execution on the output, and uses statistical analysis to measure the suspiciousness of each program entity being faulty. In addition, this paper presents a new slicing approach called approximate dynamic backward slice to balance the size and accuracy of a slice, and applies this slice to our statistical approach. We use two standard benchmarks and three real-life UNIX utility programs as our subjects, and compare our approach with a sufficient number of fault localization techniques. The experimental results show that our approach can significantly improve the effectiveness of fault localization.     

无线传感器网络中的定位技术研究

传感器网络是综合了传感器、嵌入式计算、网络及无线通信等技术的一种全新信息获取和处理技术。由于许多应用需要精确的定位,因此过去几年无线传感器网络定位技术得到广泛关注。研究了几种典型的定位技术,并根据距离误差、节点密度、anchor节点数量和所需设备等要求对各算法进行了性能分析、比较。最后总结了这些定位技术用于无线传感器网络中存在的问题,并提出了下一步工作的设想,即研究一个公共的三阶段的分布定位算法。     

基于搜索区域条件概率CNN的精确目标探测方法

针对传统目标探测方法多应用于低定位精度系统的情况,提出一种目标定位探测方法,以增强目标探测系统的定位精确度。确定候选框初始集;计算给定搜索区域的每行每列元素的条件概率,这些概率提供目标边界框位置的有用信息,根据概率情况,分别建立内外模型、边界模型和混合模型以返回感兴趣目标的边界框,实现定位;结合定位模型,利用卷积神经网络对目标进行训练探测。通过对PASCAL VOC和COCO数据集不同IoU阈值情况的实验,结果表明,与传统的方法相比,提出方法具有更高的探测准确率,可应用于高级目标探测系统。同时,利用滑动窗的方法确定候选框初始集,说明提出方法完全独立于传统的边界框回归方法。既简化了初始集的确定过程,同时保持较高的探测准确率。     

基于自抗扰控制的机器人定位策略

机器人定位即需根据传感器测量对自身位置进行估计. 由于机器人系统模型的复杂非线性, 工况环境中的不确定干扰, 定位结果不可避免地会受到系统内外扰动的影响. 现有的定位算法往往仅能依赖模型或传感配置以及算法自身的鲁棒性被动抗扰, 这使得定位系统的抗扰能力有限、应用场景受限. 本文基于自抗扰控制思想提出一种 能够主动补偿系统内外扰动的机器人定位策略. 该策略将系统中所有能够影响最终定位结果的不确定因素统一视为总扰动, 并设计扩张状态观测器实现对总扰动的观测, 在此基础上构建控制器补偿总扰动影响, 以使定位结果更加准确. 与传统的定位抗扰策略相比, 本文所提出的抗扰定位策略并不依赖于模型或特定的传感配置, 能够处理任意有界的扰动类型, 理论上能够成为定位抗干扰的终极解决路径. 最后, 基于李雅普诺夫理论证明了系统的稳定性. 仿真和实车实验验证了本文提出的基于自抗扰控制的机器人定位策略能够有效地观测系统总扰动, 并补偿扰动影响, 提高定位结果的准确度.