基于改进PDR与指纹库PSO-BP融合室内定位算法

针对目前室内定位算法精度不高的应用现状,提出一种基于接收信号强度指示(RSSI)的测距方法和改进行人航迹推算(PDR)融合的室内定位算法.基于现代生活环境中被广泛部署的Wi-Fi无线信号作为节点,采用电磁指纹库匹配识别的方法,对进入网络范围内的未知节点进行定位,并利用PSO-BP神经网络算法,融合惯导测量单元的数据对通...     

基于区域限制的WiFi/PDR融合实时定位算法

针对室内定位系统在实际应用场景中算法复杂度高、运算量较大的问题,文中设计并实现了一种基于EKF的WiFi/PDR融合定位系统。在WiFi指纹定位部分提出了基于自适应滑动窗口的指纹匹配方法,通过邻近状态的RSSI欧式距离解算得到搜索窗口,以动态调整指纹库的匹配范围,从而实现了定位结果的快速收敛。在融合定位阶段,结合EKF与PDR的系统特性来解决时间配准问题。以WiFi数据更新为基准,利用EKF算法进行数据融合,在融合数据不同步时由PDR直接输出定位结果。实验结果表明,该定位系统具有良好的运行效果与稳定性,所提方法在实际定位场景中的平均定位误差为2.27 m,并在80%的情况下能够达到3 m的定位精度。     

一种基于WiFi的位置指纹和PDR的缠绕融合定位方法

目前基于接收信号强度（RSSI）的位置指纹定位与行人航位推算（PDR）的组合定位算法,大多着重于PDR的步态解算优化,未考虑指纹定位的鲁棒性差和基础定位误差较大带来的负面影响,没有针对环境特性有效地将两种算法在流程上充分融合。文中提出一种基于WiFi-RSSI的位置指纹和PDR相结合的缠绕融合定位方法,根据平面楼层环境及各区域内行人运动程度规划实验范围,通过递进平均滤波校准PDR的结果,减小PDR的累计误差。其次结合环境划分递进位置指纹库,在对应的不同区域使用对应的离线指纹库,通过PDR解算步态数据校准位置指纹的异向偏移,输出最终指纹定位结果,减小了位置指纹法的定位偏差。最后通过无迹卡尔曼（UKF）择优观测输入进行融合滤波,得到最终结果。通过仿真实验验证,该算法效果相较于位置指纹法和PDR,定位精度提升了41%和29%,较现有的组合定位方法提升了28%。     

基于PDR与蓝牙区段匹配的室内融合定位算法

针对行人航迹推算(Pedestrian Dead Reckoning)和蓝牙室内定位各自的特点及存在的问题,提出一种基于PDR和蓝牙区段模糊匹配的室内融合定位算法。根据用户与蓝牙信标距离匹配用户大概率所在区段,采用方向构建算法建立并反复纠正当前方向,依靠蓝牙不断修正PDR累积误差,最终使用防回退算法确定本次定位位置。实验表明,在地下环境中能够修正90%以上的定位误差到1.5m以下。利用PDR短期内高可靠性特点和蓝牙定位修正偏差,保证室内较高精度、较低时延的定位导航体验。     

基于多信息融合的无源定位算法

为了综合利用各种观测信息,提高目标定位精度,提出了根据测量目标方位角,来波相位差变化率和多普勒频率变化率等多种信息,进行融合卡尔曼滤波(EKF)的无源定位算法。此算法显著提高了目标跟踪定位的收敛速度和精度。在对其定位原理和算法进行分析讨论后,进一步通过计算机仿真结果验证了这种算法的有效性。     

一种改进的多源信息融合室内定位方法

针对超宽带（Ultra-wideband,UWB）定位系统受非视距（Non-line of Sight,NLOS）误差影响较大,以及惯性测量单元（Inertial Measurement Unit,IMU）定位系统受累积误差影响较大的问题,提出了一种基于多源信息的改进融合定位模型。首先,对UWB测量模型进行优化,通过差分气压计测高的方法对NLOS信号进行鉴别,并通过加权最小二乘法削弱NLOS信号对UWB定位结果的影响。然后对数据融合算法进行优化,引入IMU累积误差门限降低累积误差对IMU定位结果的影响,提高融合定位精度。最后,使用UWB、IMU系统在室内复杂环境中的实测数据进行Matlab仿真,验证了改进融合定位模型在定位精度上比基础融合定位模型提高了45.71%。     

基于传感器置信度的列车组合定位信息融合算法

针对列车组合定位系统中车载传感器对工作环境的适应问题,提出一种基于传感器可信度在线调节联合卡尔曼滤波器的自适应信息融合方法。仿真结果表明,该算法能够提高数据融合的可靠性和精度,是一种可行的列车组合定位信息融合算法。     

一种多源导航信息融合定位方法

针对强电磁对抗环境下,多种无线电导航系统均可能受到干扰,其相应导航传感器无法获取本系统完整的测量信息而进行独立定位,从而导致单一导航设备无法有效定位的问题。 本文提出一种多源导航信息融合定位方法,利用获取的多种导航源的不完整的测量信息,通过对多导航系统的时差、伪距不一致的修正,实现了不同导航系统测量信息在时间和空间上的统一, 然后采用最小二乘方法进行多源伪距联合定位。最后,通过仿真试验,表明该方法提高了多源组合导航设备定位可用性和可靠性。     

一种基于积分投影的人眼定位算法

提出一种基于积分投影的人眼定位算法.该算法首先根据脸部肤色分割出人脸区域,然后再用积分投影函数定位人眼.实验表明,该算法能比较准确地识别出入眼区域并进行定位,且计算量小、处理速度较快、鲁棒性较好,该算法在实践中具有极大的可行性和较高的准确性.     

基于多模融合的室内定位算法研究

针对现有单模定位算法精度较低的问题,基于融合技术的思想,通过分析各种典型的室内定位技术及现有的融合定位系统,提出了一种WiFi与蓝牙两种技术进行融合的室内定位方案,旨在提高定位精度。提出的算法采用指纹法得到两种模式的定位结果,并在决策级上利用权重分析的方法进行多模融合,最终得到目标的坐标定位。     

基于改进AHP算法的信息融合系统评估研究

以层次分析法（AHP）递阶层次思想为主导,基于BP神经网络,构建海战场信息融合系统评估体系,建立基于AHP-BP的评估模型.该评估方法通过训练获得专家的知识和经验,模拟专家的知识和经验快速连续地做出响应.另外,该方法利用原始数据,自动构建系统评估的非线性函数关系,降低评估中的人为误差,提高了评估的精度和可信度.实例计算表明该方法有效,对类似系统的评估具有参考价值.     

基于改进遗传算法的无线传感器网络数据融合方法

无线通信和电子技术的进步促进了无线传感器网络发展,无线传感器网络广泛应用于多个领域(如医疗,军事,家居等)。文章分析了无线传感器网络中的数据融合问题,提出了一种基于改进遗传算法的无线传感器网络数据融合方法,仿真实验表明,基于改进遗传算法的方法在运行效率上优于标准遗传算法。     

基于GA-LSSVM的多信息融合算法

由于在多传感器测控系统中被测系数与相关参数之间存在着非线性关系,提出了一种基于遗传和最小二乘支持向量机（GA-LSSVM）的多信息融合模型及算法,借助其优越的全局最优搜索能力进行参数的优化。这种方法为小样本、非线性、高维数的多传感器信息融合问题的建模提供了一种有效途径。通过对一个简单的低压负荷电路系统进行算例分析表明,基于最小二乘支持向量机的多传感器信息融合模型及算法在测量准确度和推广性能上都具有一定的优越性。     

基于差分进化和人工蜂群混合策略的DV-Hop改进算法

为了解决无线传感器网络依靠DV-Hop算法定位过程中存在误差偏高的问题,将人工蜂群算法和差分进化算法融合,引入传统DV-Hop算法中,提出一种HDV-Hop算法。该算法在继承经典DV-Hop算法的前提下,获取锚节点的信息及平均跳距距离,在未知节点定位阶段引入混合策略的目标函数,优化搜索算法,提高定位精度,完成对未知节点的定位。仿真分析表明,该算法相比于DV-Hop算法和基于人工蜂群的定位算法能有效降低定位误差,提高稳定性。     

基于颜色与深度信息特征融合的一种多目标跟踪新算法

提出了一种基于颜色与深度信息特征融合的 可逆跳的马尔科夫链蒙特长洛(RJMCMC)多目标跟踪算法。首先,融合彩色信息和深度信息对 运动目标进行检测;然后,根据多目标检测的结果建 立观测似然模型,并构建合理的状态转移模型;最后,通过RJMCMC粒子滤波算法实现多目 标跟踪。实验 结果表明,本文提出的多目标跟踪算法具有较强的鲁棒性,能够稳定的跟踪多目标,具有较 高的准确率。     

基于多颜色空间信息融合的运动船舶检测算法

传统的目标检测方法是将图像灰度化,导致很多重要信息丢失,而帧差法与背景减法相结合的检测方法虽然能很好克服单独使用一种方法所产生的问题,但仍存在目标内部不充实现象。针对以上问题,提出一种基于多颜色空间信息融合的三帧差分法与背景减法相结合的运动船舶检测算法。该算法首先利用帧差法和背景减法原理对选取的最佳颜色分量进行差分处理,然后将两种差分结果的颜色分量对应进行"与"运算,最后采用"或"运算实现颜色分量融合,获取内部充实、轮廓清晰的运动目标。     

基于加权IFS证据合成的多源信息融合方法

为权衡信息融合系统对各条证据的可信程度,提出基于直觉模糊交叉熵的证据折扣方法,用于直觉模糊证据合成规则。并根据确定性理论,对直觉模糊决策中的记分函数进行改进,得到基于确定性因子的记分函数形式,用于直觉模糊证据合成结果判定。最后通过与其他算法的对比实验,验证算法在多传感器目标识别应用中是有效的,且具有较高的计算效率。     

基于区域特征的改进IHS图像融合算法

提出了一种基于区域特征的结合IHS变换和小波变换的图像融合算法,首先分别对多光谱图像和高分辨率全色图像进行IHS变换和直方图匹配,对I分量和调整后的高分辨率图像进行小波分解,然后对不同频率分量进行融合时引入区域特征准则,低频部分采用加权平均算子融合法,高频部分采用改进的区域方差加权融合法,最后结合主观判断和客观定量分析验证该算法,实验结果表明该算法的融合图像的质量要优于传统的IHS变换法和小波变换法。     

一种约束布局求解算法的改进

针对一个实际问题,讨论了一种约束布局的启发式算法,提出了约束布局求解的启发式规则及相应的布局方案求解策略,改进后的算法具有很强的灵活性和柔性,同时还对该算法的实际性能进行了仿真,结果表明了改进算法的有效性和合理性.     

A micro-image fusion algorithm based on region growing

Due to the limitation of Depth Of Field (DOF) of microscope, the regions which are not within the DOF will be blurring after imaging. Thus for micro-image fusion, the most important step is to identify the blurring regions within each micro-image, so as to remove their undesirable impacts on the fused image. In this paper, a fusion algorithm based on a novel region growing method is proposed for micro-image fusion. The local sharpness of micro-image is judged block by block, then blocks whose sharpness is lower than an adaptive threshold are used as seeds, and the sharpness of neighbors of each seed are evaluated again during the region growing until the blurring regions are identified completely. With the decreasing in block size, the obtained region segmentation becomes more and more accurate. Finally, the micro-images are fused with pixel-wise fusion rules. The experimental results show that the proposed algorithm benefits from the novel region segmentation and it is able to obtain fused micro-image with higher sharpness compared with some popular image fusion method.