基于混合GPS/蜂窝网的无线定位算法研究及性能分析

介绍了无线定位技术的前景,分析了目前两种主要无线定位技术即基于GPS和基于蜂窝移动通信网络定位的--优缺点,接着提出一种GPS和蜂窝网相结合的混合定位方法.该方法将GPS和蜂窝网TOA测量值相结合,弥补了独立的GPS和基于蜂窝网络定位方法的不足,是一种具有较高定位精度的定位方法.     

基于视在加速度与角速度信息的单站无源 定位原理与目标跟踪算法研究

本文提出了一种基于视在加速度与角速度信息的单站无源定位方法,分析了其定位原理和利用该方法对静止或匀速运动辐射源的即时定位.同时提出了一种适合于这一定位方法的目标跟踪算法——测量空间卡尔曼滤波(MSKF)算法.对即时定位精度与MSKF跟踪算法进行了计算机仿真实验,最后,将该定位方法和MSKF算法应用于某次无源定位外场试验中,结果表明了该定位方法的有效性.     

卫星传感器网络的定位算法及在应急通信中应用

针对应急通信系统的需求,提出了一种基于卫星传感器网络的应急监测与通信系统.介绍了卫星传感器网络的基本概念和网络结构,基于RSSI信息的多重覆盖策略,提出了一种适于卫星传感器网络的非测距定位算法-MOLA.仿真结果表明,该定位算法能够满足应急通信与监测系统对定位性能的需要.     

智能电网中无线传感器网络的节能节点定位方法

无线传感器网络在智能电网目标检测、监测和定位中得到到越来越多的应用.在无线传感器网络中,能量是一种临界资源,系统寿命通过节能策略得到延长.提出了一种基于能量感知的节点检测和定位方法.这种方法只需要少量的传感器节点信息,由簇头执行定位程序来确定进一步定位所需的传感器子集.这样减少了能量消耗和通信带宽需求,延长了系统寿命.实验结果显示,这种定位方法可以节省高达32％的能量.     

基于RSSI的三角形质心定位算法的优化策略

为了解决基于RSSI(接收信号强度)的三角形质心定位算法在减小定位误差上效率较低、定位稳定性不高的问题,提出了一种改进的定位算法.仿真结果表明:改进的三角形质心定位算法在减小定位误差上具有更高的效率和性能,同时也保证了定位的稳定性.     

有源无源一体模式下目标定位及其精度分析

在分析两站无源交叉测向平面定位的基础上,提出一种测向、时差联合定位的模型,并分析了其定位原理和精度;推导了组网雷达的探测精度表达公式,并比较了单站、两站、三站雷达定位精度的差异.在此基础上,结合有源组网探测的优点和无源侦察只被动接收、不辐射信号的优点,提出了有源无源一体模式下的目标定位模型及其定位精度分析,并对五站定位中的两种不同情况进行了仿真和分析.仿真结果表明,有源无源一体模式下的目标定位方式能有效地对目标进行定位并有良好的定位精度.     

改进型凸型模板头部定位方法

凸型模板是一种典型的人体头部定位方法,文中针对其不能很好适应人体倾斜和人体头部偏离躯干中线时的头部定位,提出了一种改进型凸型模板人体头部定位方法.该模型可以较准确地描述一些较复杂情况下的人体头部定位.实验表明,该方法具有较好的性能.     

基于位置指纹的室内定位技术

近年来,随着物联网逐渐成为世界信息产业发展的热点,室内智慧化建设的技术要求越来越高,而位置信息在室内环境中具有广泛的应用场景.基于此,综述现有的室内定位技术与方法,从成本、部署难易程度、后期推广方面综合分析,总结出基于位置指纹的室内定位方法的优势;主要研究并实现了一种基于位置指纹的室内多模定位方法,该方法是一种低成本、高精度的室内定位解决方案;最后提出一种基于平面区域非均匀量化的定位栅格划分方法,基于提出的技术方案,室内定位能够在定位精度和运维成本两方面取得平衡.     

西宁地区去白细胞混合辐照手工血小板输注效果观察

提出一种以柔性铰链结构为导向机构、压电陶瓷为驱动器的三维超微定位平台,建立了压电陶瓷迟滞非线性模型,提出基于神经网络模型和模糊PI反馈控制的混合闭环控制器方法以提高系统的定位精度,对三维超微定位平台的阶跃响应和和跟踪误差进行了研究.实验研究表明,混合控制器方法消除了定位平台的残余振荡,提高了其定位速度和定位精度.     

基于先验知识的车标定位算法

提出一种基于先验知识的车辆标志定位方法,利用成熟的车牌定位技术和车标相对车牌的固定位置的先验知识,对车标进行定位.由于这种方法避免了多尺度、全方位的搜索,所以适用于实时系统.     

多LED照明节点的室内可见光定位方法研究

针对室内复杂环境和室内照明节点拓扑结构对可见光定位精度的影响,基于近似完美三角点测试(APIT)算法设计了一种多LED照明节点的可见光室内定位方法。该方法利用信号传输时间作为节点间距大小的判断凭证,结合APIT定位算法,实现室内可见光定位。仿真结果表明:该定位方法的定位误差在0.24 m左右浮动,在保证了定位精度的基础上,精简了定位设备成本,并提升了定位算法的计算效率,使得定位系统在实际场景中的应用更具稳定性与适用性。     

基于迁移学习提高WiFi室内定位中信道状态信息指纹库的鲁棒性

基于信道状态信息(CSI)数据的WiFi指纹可用于室内定位。与信号强度值(RSSI)数据相比,CSI具有更高的数据信息粒度,并且可以在多个子载波上获得。当使用CSI数据进行室内定位时,相对于RSSI可以获得更好的结果。然而,无论使用RSSI还是CSI信号,在室内定位部署期间的一段时间后,室内环境通常会发生变化,并且基于测试数据的指纹数据库通常会恶化甚至失效。该文提出使用迁移学习算法来建立用于室内定位的指纹数据库。迁移学习的优势在于,可以使用较少的数据来获得更好的迁移训练结果。该文使用迁移学习来迁移指纹数据库的预测,延长指纹数据库的生命周期,并提高室内定位的鲁棒性。经过实验,1周后室内定位准确率保持在98%,两周后保持在97%。在相同成本下,该模型的生命周期和定位精度高于长短期记忆网络(LSTM)、卷积神经网络(CNN)、支持向量机(SVM)、深度神经网络(DNN)和其他定位系统。     

多照明区域协作的室内可见光定位

考虑室内存在障碍物遮挡及背景光和反射光干扰 较强的实际定位场景,提出了一种基于多照明区域 协作的LED可见光室内定位方法。本文方法引入多照明区域联合定位思想,利用分布于室内 不同区域的LED 发出的参考信号估计定位节点到各LED的信号传输时间差,构造协作定位距离估计目标函数 ,并通过非线 性最小二乘(NLLS)算法获得定位目标的位置估计。将提出的定位算法在10m×3m的空间区域中进行定位仿 真,在5W LED照明、双区域协作条件下,获得了平均定位误差7.41 cm的定位精度。结果表明:提出的协 作算法不仅提高了室内定位精度和系统应用的普适性及鲁棒性,而且有效地解决了室内可见 光定位存在的遮挡效应;此外,对动态定位追踪也有一定的效果。     

基于深度学习的人体骨架动作识别

基于人体骨架的动作识别具有鲁棒性和视点不变性的优点,为进一步提高骨架动作识别的识别率,打破以往大部分基于深度学习的方法的输入内容为人体关节坐标的局限性,文中提出一种将几何特征与LSTM网络结合的人体骨架动作识别算法。该算法选择基于关节与选定直线之间距离的几何特征作为网络的输入,引入了一种时间选择LSTM网络进行训练。利用时间选择LSTM网络拥有选出最具识别性时间段特征的能力,在SBU Interaction数据集和UT Kinect数据集上分别取得了99.36%和99.20%的识别率。实验结果证明了该方法对人体骨架动作识别的有效性。     

基于WiFi的自适应匹配预处理WKNN算法

针对基于接收信号强度（Received Signal Strength,RSS）的WiFi室内定位技术中,传统加权K邻近（Weighted K-nearest Neighbor,WKNN）算法不能自适应获取WLAN中有效接入点（Acess Point,AP）且参考点匹配准确度不高的问题,本文提出了自适应匹配预处理WKNN算法。该算法中每个实时定位点自适应地根据网络状况对AP的RSS均值由大到小排序,然后选择RSS均值较大的前M个AP,与参考点中对应的M个AP一起参与匹配预处理计算,从而优化了传统的指纹定位算法。同时将室内定位和室内地图相结合,使参考点和定位结果直观地展示在地图上,并通过使用地图数据大幅度简化了离线训练过程。此外,本文设计并实现了基于Android平台的室内定位系统,通过该系统验证了本文所提算法在单点定位和移动定位中的有效性。实验结果表明,该算法可获得30%以上的定位误差改善,有效提高了定位精度和定位稳定性。      

基于MR的位置指纹定位算法

基于MR 的无线优化方法在无线网络中正逐步推广应用,而其中位置指纹定位算法更适合于复杂的室内环境,能够较准确的区分室内外用户并实现室内分层的覆盖评估及业务定位。     

基于pRRU设备的室内覆盖评估方法设计及应用

随着5G到来,不论市场和网络都对室内定位技术有紧迫的需求。本文提出了一种基于pRRU设备的上行场强实现的室内用户定位方法,该方法可高效、精确识别室内局部弱覆盖区域,准确率达92.26%,进而实现了室内网络质量的提升。同时,该方法也可在5G网络中应用,向市场提供完整的位置信息服务,进而可向市场推广店铺客源分析、精准营销或室内导航等业务。     

基于遗传算法优化BP神经网络的可见光定位

采用接收信号强度(RSS)方法的室内可见光定位 ,因受多径效应及噪声的影响,对距离估计不准确, 定位精度不高。为提高定位精度,本文提出了一种采用遗传算法优化BP神经网络(GA-BP) 的距离估计方法。 先通过遗传算法优化BP神经网络的初始权值,经过优化后的BP神经网络收敛速度快,不易 限于局部最优。 再利用GA-BP神经网络对收发端之间的距离进行修正,使其接近于真实距离。最后使用最 小二乘法解算待 定位点坐标,同时在不同定位范围和不同定位位置下,与传统RSS加权质心方法的可见光定 位结果进行对 比。仿真结果表明,在5m×5m×3m的定位场景中,平均定位误差可以达到0.642 cm。与传统RSS加权质 心方法相比,平均定位精度提高了约96.4%。且在不同定位范围和不 同定位位置下,平均定位误差稳定在 毫米级,尤其不随定位范围的扩大而扩大。有效地提高了室内定位精度和系统应用的普适性 。     

基于双BP神经网络的室内可见光定位算法

为提高室内可见光定位的精度,提出了一种基于双反向传播(BP)神经网络的单发光二极管(LED)灯室内定位算法.首先在定位区域内使用BP神经网络确定待测目标粗略的位置范围,然后以该位置范围为限制条件,再次使用BP神经网络实现更精确的定位.室内定位系统采用单个LED灯作为发射器,3个水平光电探测器作为接收器接收光功率,避免了...     

基于电源线和位置指纹的室内定位技术

该文提出将室内环境不可或缺的电源线作为天线,通过在电源线上注入宽带高频信号构造室内空间的位置指纹,进而实现室内空间精确定位。首先介绍了电源线上宽带高频信号注入模块的实现技术,以及室内空间位置指纹的构造方法;其次,介绍了基于朴素贝叶斯分类算法的室内定位原理;最后,通过实验分析证明在多训练样本情况下,基于朴素贝叶斯分类算法的定位算法比基于K最邻近点(KNN)分类算法的定位算法有更好的定位准确率和时间迁移适应能力。