室内环境下基于IMM-EKF算法的移动目标定位

如何在视距(line-of-sight,LOS)与非视距(non-line-of-sight,NLOS)混合的室内环境中提高移动目标定位的精度,这是一项富有挑战性的工作.移动目标在室内环境移动时,其与传感器网络节点之间的信号传播在LOS与NLOS之间随机切换,导致移动节点定位精度下降.提出一种交互式多模型-扩展卡尔曼滤波(interactive multiple model-extended Kalman filter,IMM-EKF)定位算法.根据LOS?NLOS环境下不同的测距误差特性,在IMM框架中采用2个平行的卡尔曼滤波器(Kalman filter,KF)模型对测量距离同时进行滤波,根据滤波结果和测量值计算2个模型的似然概率,模型间的转换通过Markov链实现,2个KF滤波结果加权融合后获得IMM距离估计值.在EKF定位阶段,通过位置预测和更新估计出移动目标位置.仿真结果表明,IMM-EKF算法能够有效抑制NLOS对目标定位的影响,其定位精度优于单模型算法.     

无线传感器网络的节点部署问题研究

节点部署决定了网络所能提供的感知服务质量,是设计和规划无线传感器网络的关键问题之一。围绕该问题介绍了四种传感器节点感知模型,并阐述其特点;根据节点是否具备移动性,将部署策略分为静态部署、移动部署和混合式网络部署,评述了具有代表性的典型算法及其思想;然后对网络部署评价性能指标进行了叙述与分析。最后结合国内外研究情况,对未来研究工作的发展方向进行了探讨与展望。