UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

一种改进的NLOS消除算法

在蜂窝移动定位中,由于移动台与基站之间电波传播的视距(LOS)路径被阻挡,电波只能以非视距(NLOS)方式传播,由此对电波测量值TOA、TDOA等带来较大的误差分量.用带有较大NLOS误差的TOA、TDOA测量值估计移动台位置,必然造成定位精度的显著下降.本文在对NLOS传播特性和机理分析的基础上,提出一种改进的NLOS误差消除算法,仿真结果表明,该算法能够显著提高定位精度,满足E-911定位要求.     

基于高阶累积量的数字调制识别

研究了在缺少先验知识的前提下基于高阶累积量特征参量的数字调制识别算法。首先分析并计算不同数字调制信号的高阶累积量理论值,且针对单一高阶累积量识别有限,将各阶累积量进行组合构造不同的分类特征参量;然后,利用设定的合理决策阈值来构建分层分类结构进行分类识别;最后,对于在高斯噪声背景下的传输信道进行仿真实验,仿真实验结果表示,当信噪比等于-3 dB时,MPSK、2ASK、2FSK几种调制信号的识别率达80%以上,当信噪比大于2 dB及以上时,调制信号的识别准确率基本达到98%,充分证明了与其他调制识别方法相比,该算法可以实现低信噪比下提高调制信号识别率。     

基于主成分和小波神经网络的绝缘子污秽放电发展阶段识别

针对绝缘子污秽放电模式识别过程中声发射信号的特征参量维数过高的问题,采用主成分分析法对特征参量降维,利用提取到的绝缘子污秽放电声发射信号的特征参数构成原始特征参量矩阵,通过对原始特征参量矩阵进行K-L正交变换,产生了包含原始特征参量矩阵主要信息的K个主成分,最后利用小波神经网络进行绝缘子污秽放电的模式识别。结果表明:利用主成分分析法降低特征参量的维数,使分类器的结构更简单,小波神经网络比传统的BP神经网络具有更高的识别率和更优的识别效果。     

基于ICEEMDAN-CNN的非视距识别方法

在超宽带室内定位中,受复杂室内环境下各种障碍物的干扰导致信号处于非视距场景传播,进而产生定位误差。针对非视距传播对室内定位精度影响的问题,提出了一种基于ICEEMDAN的非视距识别方法。首先对信道脉冲响应进行模态分解,得到含有不同尺度特性的IMF,其次利用皮尔森相关系数法选取部分IMF进行重构,保留较为有效的信息,并对重构信号进行小波变换获得有效的时频特征,最后通过构建卷积神经网络识别非视距信号。实验数据基于802.15.4a UWB模型和开源数据集,结果表明所提出的识别方法平均准确率达到了98.5%,与其他算法相比模拟数据集提高了5.6%,PDS数据集提高了14.3%,验证了所提出识别方法的有效性。     

基于正交优化时频原子分解算法的电能质量扰动匹配特征分析

针对电能质量扰动信号时频局部化信息量较广难以简洁、灵活提取有效细微特征以及匹配追踪收敛速度较差的问题,提出一种应用于电能质量扰动分解重构及扰动特征参量提取的匹配时频原子框架及其改进方法。在Gabor时频原子库离散优化基础上,通过匹配追踪算法对扰动信号进行自适应分解,同时对搜寻的最佳时频原子进行正交变换,减小冗余分量,设定迭代次数或残差阈值作为终止条件,从而获得一系列匹配扰动信号波形特征的正交时频原子及其参量化形式。仿真结果表明,该框架能有效分解提取电能质量扰动信号时频特征参量,相对基于匹配追踪的稀疏分解,改进算法单一扰动匹配特征重构信噪比高达55dB,多重扰动达35dB,均方误差数量级为0.001,匹配扰动特征精度及收敛性能进一步提高,满足电能质量分析要求。     

一种考虑非视距传播的UWB定位算法

提出了一种考虑非视距(NLOS)传播的基于TOA的UWB定位算法。其主要思想为采用一个新的变量替换定位估计中的两次项,把非线性估计转化为两次最大似然估计,并通过引入松弛变量和采用搜索的方法,消除NLOS传播对定位算法精度的影响。此算法结构简单,计算量不大,在工程应用中容易实现,最重要的是该算法的计算结果和原有的算法比较具有更高的精度。     

基于 LoRa 的森林消防协同定位算法

为解决野外火场救援消防员定位安全问题,提出一种基于远距离无线电(LoRa) 技术的森林消防协同定位算法。针对 野外救援存在的非视距(NLOS) 问题,提出一种修正协方差矩阵的扩展卡尔曼滤波协同定位算法,利用LoRa协同网络内部移 动节点之间的测距信息辅助定位,建立系统方程并根据当前时刻的状态滤波值二次更新误差协方差修正偏离误差;其次提出 改进的动态中值滤波算法,采用动态窗口筛选处理定位扰动数据,二次优化定位轨迹曲线。仿真实验结果表明,所提算法极 大地协同了整个网络资源,在室外多NLOS, 通信质量差的环境下定位精度可达0.49 m, 为森林消防安全解救提供了一种可 靠的解决方案。     

基于S变换与特征优选的电能质量扰动识别

针对S变换提取电能质量扰动信号的时频特征存在冗余,影响识别的精度和实时性的问题,提出了一种基于S变换与特征优选的电能质量扰动识别方法,使用S变换对11种电能质量扰动信号进行分析后提取时-频域特征,与原始扰动信号的幅值特征构成原始特征向量。然后提出了一种基于二进制粒子群优化算法和K近邻的扰动信号特征选择和分类方法。仿真结果表明该方法对单一扰动、复合扰动及叠加噪声的情况均有较好的分类性能。     

基于ISSA-XGBoost的电能质量扰动识别方法研究

针对传统电能质量扰动(power quality disturbances, PQDs)识别中特征提取有冗余,识别精度不高等问题,提出了一种基于改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化特征选择和极致梯度提升(eXtreme gradient boosting, XGBoost)的电能质量扰动识别方法。首先对电能质量扰动信号进行S变换,提取61种电能质量特征。再通过ISSA同时选择最优特征子集和XGBoost中最优参数,剔除冗余特征,提高识别精度。最后根据优化后的最优特征子集和XGBoost实现电能质量扰动的识别。仿真结果表明,所提出的方法能有效选择最优特征子集,对噪声环境下的19种电能质量扰动信号进行高效识别,并且具有较高的识别精度。     

井下人员超宽带精确定位算法

针对恶劣的井下环境易对超宽带信号造成干扰导致现有井下人员定位算法误差较大的问题,提出基于超宽带的SDS-TWR优化算法与鲁棒卡尔曼滤波结合的改进算法。该算法在一次定位周期内可测得定位标签到相邻基站的两个测距值,随后将其作为鲁棒卡尔曼滤波的两个观测值,旨在提高算法定位精度及稳定性、抑制巷道随机NLOS时延误差。仿真实验表明,在同等条件下,本文算法较S-TDOA法误差降低35%,较异步测时法误差降低31%,且误差波动较小,同时抑制了巷道NLOS时延误差,有效提高了井下人员定位精度。     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

电力作业场景中一种高效的UWB和IMU融合定位算法

在电力作业场景等复杂环境中,超宽带（UWB）定位存在非直达情况（NLOS）性能下降严重的问题,利用UWB与惯性测量单元（IMU）融合可以改善定位精度,但IMU的测量存在误差累积,需要精确的UWB测量校正。对NLOS条件进行准确的鉴别和利用有助于定位精度的提升。提出一种基于扩展卡尔曼滤波（EKF）的UWB/IMU融合算法,利用电力作业场合中UWB测量分布性质来判定NLOS条件,并进行误差的缓解,有效提升NLOS条件下的定位精度。由于该算法不需要对环境有先验知识,也不需要进行IMU校正等操作,可用性较好。理论和实验结果表明,该算法的性能优于其他基线系统。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

A TDOA location algorithm based on data fusion

A new positioning method in mobile networks is presented. Based on the data fusion technology, it processes multi-layer information fusion for the location estimates achieved by the Chan algorithm, which increases mobile positioning accuracy effectively by only using measured difference of arriving (TDOA) signals. The method is simple and practical, especially when the location estimates are corrupted by the non-line-of-sight (NLOS) error. It not only has high positioning accuracy, but also reduces the location failure probability. Results from computer simulation show that the proposed method is effective in various environments. __________ Translated from Journal of Dalian University of Technology, 2005, 45(1): 138–141 (in Chinese)     

Ill convergence of minimum output energy infinite impulse response equalizer for digital vestigial sideband signals

Minimum output energy (MOE) algorithm is a widely used adaptive algorithm for blind adaptation of infinite impulse response (IIR) filters. In this paper, we show that the MOE algorithm is not suitable for blind adaptation of the complex‐valued IIR equalizer for digital vestigial sideband signals, whereas the constant modulus algorithm successfully achieves blind adaptation of the IIR equalizers when MOE fails. Because of the difficulty in analyzing IIR equalizers, the analysis is limited to a simple two‐tap channel case. For more general multitap channel cases, the performance of a complex constant modulus algorithm IIR is evaluated through simulation. Copyright © 2011 John Wiley & Sons, Ltd.     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

减小超宽带穿墙定位中NLOS误差的方法

超宽带穿墙定位中,需考虑NLOS传播效应对定位结果的影响以提高定位精度.在对室内目标穿墙定位的应用中,为了减小由NLOS传播引起的定位误差,建立了信号的穿墙传播模型,基于该模型提出了一种NLOS误差减小方法,该方法能够有效减小误差并提高对目标的定位精度.文中推导了定位误差与几何的关系,为实际系统的布设提供了理论依据.仿真结果验证了基于传播模型的NLOS误差减小方法对提高定位精度的有效性.     

基于UWB和IMU紧组合的室内定位导航算法

针对超宽带(UWB)在室内复杂环境中定位导航精度低,受非视距(NLOS)误差影响严重,且无法提供目标姿态信息的问题,提出一种基于UWB和惯性测量单元(IMU)紧组合的室内定位导航算法。以位置、速度、四元数、加速度计偏差和陀螺仪偏差为状态向量,通过扩展卡尔曼滤波算法融合UWB和IMU测量信息,加速度计偏差校正速度和位置,陀螺仪偏差校正四元数;用测量残差计算量测噪声因子,组成残差矩阵,动态调整量测噪声协方差矩阵,抑制NLOS误差对定位导航的影响。结果表明,在室内复杂环境下,基于UWB和IMU紧组合的定位导航算法比仅使用UWB定位时LS-Taylor算法精度提高了88.6%,增强了系统抗NLOS误差的能力,提高了动态定位精度,并能得到较准确的姿态信息,具有良好的实用性和鲁棒性。     

基于改进RBFNN的1000kV特高压线损预测

针对特高压输电线线损与特征参数间关系复杂的特点,提出一种联合聚类优化算法(Canopy-K-means)和自适应二次变异差分进化(adaptive second mutation differential evolution,ASMDE)算法改进的径向基神经网络(radial basis function neural...