基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。     

基于改进APIT的移动机器人动态定位

针对室内无线传感器网络通信传输不稳定和定位精度较差的情况,提出了一种移动机器人自主动态定位系统,通过实时选择邻近信标节点,确定节点坐标构成的边界,绘制局部网格空间,实现机器人动态定位.利用接收信号强度指标实现测距,然后采用基于测距的改进近似三角形内点测试（APIT）算法完成定位,再使用卡尔曼算法修正定位误差.该方法适用于室内网络传输不稳定的实际情况,采用卡尔曼滤波器获得最优数据.实验结果表明,该移动机器人自主动态定位方法比基于网格的极大似然方法具有更好的精度和适应性.     

基于粒子群优化的移动机器人全局定位算法

为了提高图像特征匹配过程中地图库的搜索速度,提出了一种局部子地图库搜索方法。并针对机器人自定位过程中会产生多个候选位姿,提出了利用粒子群优化算法来优化候选位姿以得到定位精度较高的优化解的全局定位新方法。最后通过Pioneer 3DX在室内环境的全局定位实验分析了粒子群优化前后定位精度和定位时间的变化。实验结果表明,新算法以牺牲较少的计算时间获得了较高的定位精度。     

融合建筑信息模型的基站自标定技术

由于建筑材料的遮挡和吸收,室内的无线信号严重受损,致使全球卫星导航系统在室内场景中效果并不理想,因此基于基站的室内定位技术成为关键,其定位性能与基站标定精度关系密切.基于基站通常布置在建筑体墙面上的事实,提出了一种融合建筑信息模型的基站自标定技术,用于提升自标定性能,同时,使用克拉美罗下界进行理论性能分析.所提技术在半定规划算法中融入了建筑信息模型空间约束.克拉美罗下界分析和算法仿真实验结果表明,融入建筑信息模型中的空间约束有效地提升了基站自标定的精度.     

基于IR-UWB脉冲序列的非相干能量检测TOA估计

在超宽带室内定位系统中,采用非相干能量检测方法进行TOA估计的方案是目前的一个研究热点,然而在低信噪比时能量检测方法往往很难获得比较精确的估计值.原因是噪声给首达峰值的检测以及TC算法的门限设定带来了一定的困难.为了提高能量检测方案在低信噪比时的性能,在接收机前端对接收到的脉冲序列执行时间平均处理来抑制噪声对于首达峰值检测和门限设定的影响,并进行了仿真比较,结果表明通过多脉冲时间平均处理的方法能够有效抑制噪声对于能量检测的影响,明显提高了低信噪比时TOA估计的精确度,同时也使门限的设定变的更为简单精确.     

Visible light localization algorithm based on multi-measurements constraints

In the indoor visible light transmission environment with complex noise, traditional received signal strength indication(RSSI)localization algorithm and imaging localization algorithm are unable to accurately determine the reason of the inaccurate localization model and inadequate constraints of position coordinates. In order to solve the problems, a visible light localization algorithm based on multi-measurements constraints is presented in the paper. The algorithm first constructs a joint localization state space model based on RSSI localization and the imaging localization algorithm. Then, states, measurements and their equations are constructed based on the space model. Finally, the equations are resolved using the unscented Kalman filter(UKF). Compared with RSSI localization and imaging localization, simulation results show that the RMSE of the proposed algorithm could be closer to the Cramer Rao bound. Besides, the localization probability of the proposed algorithm is higher than that of RSSI localization and imaging localization algorithm.     

一种面向室内环境变动的人员目标无源定位算法

现有的基于接收信号强度(RSS)的人员目标无源室内定位算法在定位环境变动的情况下难以兼顾人工工作量、时间消耗和定位准确率。针对这个问题,本文提出了基于迁移聚类和坐标融合的变分自编码器(FusVAE)的室内环境变动下人员目标无源定位算法。在环境变动后,采集少量无标签RSS样本,然后使用本文提出的基于度量学习的半监督模糊C均值聚类(SFCMML)对其进行精确聚类和标签标注,对原有的定位模型进行重训练,只需很小的人工和时间代价就可以使原定位模型在新环境下也具有较高的定位准确率。同时,针对变动后环境下采集RSS样本较少的问题,本文提出了基于坐标融合的变分自编码器(FusVAE),对新环境下的RSS样本进行数据增强,丰富了RSS样本的数量和质量,提高了定位模型的泛化能力。实验结果表明,在环境变动的情况下,本文提出的算法的平均定位准确率可达88.6%,和同领域同类型算法相比,具有较高的定位精度和较好的环境变动适应性,更适用于变动环境下的人员目标无源室内定位问题。     

利用并行干扰删除的移动台定位方法

为解决移动台定位时存在的多址干扰和远近效应,提高定位精度,提出了一种基于并行干扰删除的移动台定位算法．文中算法利用迭代检测和并行干扰删除来减小不同基站所发下行定位信号之间的由于远近效应造成的严重的多址干扰．仿真结果表明,该算法可以减小定位中的多址干扰,提高定位精度．     

基于群组的WI—FI指纹室内定位研究

WI-FI指纹定位是最常用的室内定位算法之一,但是WI-FI指纹定位存在较大的定位误差。为了提高定位精度,提出了基于群组的定位算法。首先在WI—FI指纹定位的基础上,提出了群组的概念,然后阐述了基于最小编辑距离的群组识别算法,最后利用群组中人与人之间的物理距离,设计了一种基于群组的定位算法。实验表明,基于群组的WI—FI指纹定位算法能明显减小WI-FI指纹定位的误差。     

移动机器人Markov定位算法的研究——方向传感器建模新方法

为了改善移动机器人Markov定位算法中方向传感器模型的性能,提出基于高斯函数的新概率模型.该模型考虑了方向角周期性问题,对相位进行了转换,利用高斯函数对方向传感器进行了概率建模.将此模型放入Markov算法,与其他传感器组成观测模型,并进行对称环境中的单次定位仿真和复杂环境中的连续定位仿真.仿真结果表明,这种概率模型计算量小,收敛速度快,在大量测量噪声存在下工作稳定.     

基于CFR的角度/距离联合单站定位

单站定位在室内定位中起着至关重要的作用。大多数室内定位算法都是联合多个Wi-Fi接入点（AP）进行定位,在只有w单个AP时定位精度很低甚至无法定位。针对室内环境中普遍存在的单AP定位情况,该文首先利用现有的三天线商用Wi-Fi网卡采集无线信道频率响应信息（CFR）进行信号到达角（AOA）估计。其次利用CFR幅值信息通过信号传播模型进行距离估计。提出了一种基于AOA和信号到达时间（TOA）二维聚类信息的直射路径识别算法。最后,利用现有的三天线Wi-Fi设备在室内进行了测角、测距以及定位测试,实验结果表明该文提出的单站定位系统在室内环境下中值误差可以达到1.3 m的定位精度,满足室内定位的需求。     

室内智能移动机器人ZigBee无线网络定位技术

针对目前室内机器人定位方法不能同时满足定位精度、定位范围和复杂环境条件下定位的情况,提出了一种利用ZigBee无线网络、基于接收到信号强度测距的定位方法。研究通过搭建一个ZigBee无线网络室内定位系统,实时提供机器人的位置坐标,为机器人实现路径规划提供保障。通过实验对定位系统中的各项参数进行标定,并分析了影响定位精度的因素。实验结果表明,ZigBee无线网络定位系统在室内复杂环境下可实现定位,在无障碍物的条件下精度可达到0.25 m,可以满足室内机器人的定位精度要求,定位范围可根据实际需求进行扩展。     

UWSNs节点运动模型及预测定位

为提高水下无线传感器网络(UWSNs)中动态节点的定位精度,降低通信能耗,提出采用节点的运动模型实现预测定位.考虑到近海监控网络中,潮汐运动是海水运动的主要成因,以粗略的近海潮汐运动模型为基础,以高斯径向基函数作为空间基函数构造节点的运动模型;利用K-medoids方法对模型中的高斯径向基函数中心进行聚类优化;提出了采用扩展卡尔曼滤波的方法实现模型系数的估计.考虑到普通节点与锚节点运动的空间相关性,设计了与到锚节点的距离相关的权重系数,以锚节点的运动模型系数估计普通节点运动模型中的系数,进而完成自身定位.对东经117.25°—132.2°,北纬24°—43.45°海域UWSNs的节点定位性能进行仿真分析,结果表明:所提出的节点预测定位方法的定位性能较高,定位覆盖度和定位精度高于SLMP方法和MP-PSO方法,平均通信能耗低于SLMP方法和MP-PSO方法.所提出的节点预测定位方法适用于大规模水下动态无线传感器网络定位.     

利用测距值优化的室内三维定位算法

为了解决实际误差分布与假设误差分布不匹配导致最小二乘三维定位算法精度较低的问题,提出一种基于测距值优化的最小二乘室内三维定位算法.结合残差修正、Cayley-Menger行列式及空间四面体几何约束,利用非线性规划方法优化测距值,使测距误差符合高斯分布特性,从而提高最小二乘三维定位算法的定位精度.实验对比分析结果显示,所提算法具有较高的定位精度及稳定性.     

基于光流法算法的Visual Map快速建立方法

Visual Map是一个含有丰富位置信息的图像数据库,数据库中每一幅图片或图片的特征在存储时会加入相应的位置信息.室内定位的性能与Visual Map图片的数量有关.建立庞大的图片数据库能够使得定位结果更加准确,但是花费时间成本会更大.针对这个问题,本文提出了使用光流法算法来建立图片数据库Visual Map.针对光流法用于室内图像的计算会受到光线明暗不同的影响以及相机转向会产生横向偏移的问题,本文对光流法进行了改进,并使用改进后的光流法算法对摄像机采集的图像序列进行计算,得到摄像机的自身位移,从而得到每一幅图片的对应的地理位置信息.实验结果表明,利用使用光流法快速建立的Visual Map进行室内定位,误差小于1米的概率是26%,误差小于2米的概率是70%.与传统的视觉室内定位法相比,定位精度虽然略有降低,但建立图像数据库所需时间消耗大大减少.相比于视频流快速建立Visual Map方法,定位效果相当,建立Visual Map所需的设备更少,要求更加宽松.利用光流法算法快速建立Visual Map能够很好的应用于室内视觉定位系统,特别是应用于大型场所以及室内场景多变化的场所.     

Self-Recovery of Localization Loss for Indoor Mobile Robot

室内移动机器人在定位丢失时的自恢复研究

蒋林¹,王翰¹, 雷斌^1*, 朱建阳¹, 刘怀广¹, 赵慧²

（1.武汉科技大学 冶金装备及控制教育部重点实验室,武汉,430081;

2.武汉科技大学 机器人与智能系统研究院,武汉 430081）

创新点说明：

针对机器人“绑架”问题,本文具体分析机器人离实际位置点较近和较远的“绑架”类型,以及不同绑架类型所对应机器人的状态和造成这种状态的原因。为判断机器人是否处于“绑架”状态,本文提出改进蒙特卡洛定位算法(IMCL),该算法通过检测粒子均权重的突变进行判断,并针对机器人处于不同的状态采用不同的重采样策略来改进粒子集,进而帮助机器人重新找到自己的真实位置。

关键词：室内移动机器人;自恢复;定位丢失;改进蒙特卡洛定位算法

     

物联网中基于扩展卡尔曼滤波的移动群体定位

为了满足高精度和高可靠性定位的需求,提出了一种基于扩展卡尔曼滤波的移动群体定位算法,把待定位的用户节点当成一个群组,利用他们之间的距离信息得到更好的定位性能,以减小环境噪声和无线信号不稳定造成的影响.此外,开发出一个实际的系统,并在大学校园里进行了大量实验.实验结果和理论分析验证了所提出方法的有效性.     

基于载波相位差值的室内Wi-Fi定位方法

到达角（AoA）的角度分辨力低,导致基于信道状态信息（CSI）的AoA定位精度难以突破亚米级.为了提升定位精度,提出了一种基于载波相位差值的室内Wi-Fi高精度定位方法.首先,提取CSI中心频点子载波的相位信息和直视路径的信号飞行时间,通过虚拟参考点构建载波相位差分定位模型,实现目标初始定位;然后,结合目标初始定位位置,采用虚拟基线约束的方法实现整周模糊求解;最后,提出基于扩展卡尔曼滤波的载波相位定位优化算法,得到目标精确位置.此外,通过实验对比了直线和任意路径下的动态定位结果,所提定位方法的中值定位误差在0.25 m以内,具有更高的准确性和可靠性.     

基于决策树的导管架海洋平台损伤定位

目的为提高导管架平台损伤定位的精确性和鲁棒性．方法将决策树模式识别分类方法与结构振动响应结合引入海洋平台的损伤定位,以节点的一阶模态振型差、斜率差、曲率差为损伤决策树属性构建决策树进行损伤定位．最后通过一个三腿导管架海洋平台的损伤定位验证所提方法的有效性．结果提出了一种基于决策树与振动响应的海洋平台损伤定位方法,数值算例表明该方法随着噪声水平的加大和损伤程度的降低,损伤定位的准确率不断下降．运用该方法进行实验模型的损伤定位精度高于90％．结论该方法具有较好的定位效果,在实际工程中有一定的适用性和实用价值．     

水下通信中时差法定位算法的应用研究

为进一步探讨水下声频传感器网络中声频传感器定位的精度问题,以目标位置为研究对象,应用噪音模型实现模拟产生时差法的测量值,采用迭加法,建立目标位置系统偏差的数学模型。通过改变系统方差、测量次数和目标至初始位置的距离等条件,可验证系统偏差的存在。对各模型算法的仿真结果表明,R.Bucher算法的定位精度更高,而最小二乘定位算法所需的传感器节点更少。通过对计算结果的比较分析可得出两种算法的应用条件和适宜范围。