具有稳健性的无线传感器网络定位算法

基于无线传感器网络定位系统中影响定位精度的非视距误差问题,通过研究最小二乘法本身的敏感性以及与最小一乘法的稳健性特点提出了组合中位最小二乘定位算法,在抑制非视距误差的同时,避免了最小一乘法计算困难的弱点,仿真证明,此算法在有少量非视距误差存在时,可以非常有效地抑制非视距误差。同时此算法与进行测距的物理层信号无关,也不需要任何的统计信息,有一定的实用价值。     

CSS无线定位系统设计及非视距抑制算法

针对测量误差概率密度未知的情况,提出了基于半参数的非视距噪声抑制算法。在基于飞行时间的固定标签模型基础上,通过应用大规模蒙特卡罗方法将提出的算法和传统方法进行对比,仿真结果表明,当非视距误差为有偏高斯分布和瑞利分布时,提出的算法能够在非视距污染率较低时与传统方法表现一致,且在污染率较高时也有较强的鲁棒性。结合室内和室外定位的应用进行基站部署,对相应场合下的定位算法进行测试。测试结果表明,提出的算法能够比最小二乘法提高50%左右的定位精度,整体而言,系统定位能达到在可视环境1 m,非可视环境3 m的精度。     

基于非视距误差直接估计的定位跟踪算法

在蜂窝无线定位中,由于非视距（non-line-of-sight, NLOS）误差是影响定位精度的主要因素之一,所以如何减轻NLOS误差影响成为当前无线定位研究的热点。本文针对NLOS环境下的定位跟踪问题,提出一种基于扩展卡尔曼滤波（extended Kalman filter ,EKF)的定位跟踪算法。该算法首先在最小二乘准测下推导出估计测量值中NLOS误差的直接计算公式,然后使用约束加权最小二乘（constrained weighted least squares, CWLS）方法计算出每一个测量值中所含的NLOS误差,最后利用NLOS误差估计值去修正EKF滤波,以便适应NLOS环境下的定位跟踪,并获取高的定位精度。这种方式不依赖于特定的NLOS误差分布,也无需视距（line-of-sight, LOS）和非视距识别。数值结果表明该算法相比较于经典EKF算法和基于NLOS迭代的EKF算法可以快速有效地抑制定位误差,并且可以在极为恶劣的NLOS环境下满足FCC的定位要求。另外,复杂性实验表明该算法可适用于实时跟踪。      

非视距和未知传输参数环境下的RSS-TOA目标定位算法

在未知传输时间和发射功率的情况下,本文研究了非视距环境下基于RSS-TOA混合测量值的目标定位问题。首先为解决非视距误差会显著降低定位性能这一难题,根据最坏情况下的定位性能优化准则和鲁棒最小二乘法准则构建了未知视距和非视距路径分布状态下的目标定位优化问题。然后为了有效解决非凸和高度非线性的原定位问题,采用二阶锥松弛技术将该问题转化为凸优化问题,并通过内点法有效得到最优解。最后仿真结果验证了所提出的定位算法优于已有的定位算法。     

基于特征矢量的NLOS误差检测的定位算法

最小二乘估计算法常用于基于测距的源定位,然而,当移动基站与基站间呈非视距(Non Line of Sight, NLOS)路径时,最小二乘估计算法无法提供理想的定位精度。为了克服此问题,研究人员提出多类算法识别并消除NLOS误差。然而,现存的算法存在高运行时间的开销问题。为此,提出基于特征矢量的NLOS误差检测的定位 (Eigenvector-Based NLOS Error Identification Localization, E-NIL) 算法。E-NIL算法先利用基于测距数据的统计特性识别NLOS误差,然后,将NLOS误差看成确定加性噪声项,再利用误差函数与它的特征矢量间的互相关,寻找NLOS误差值。最后,再删除这些NLOS项,并依据这些无NLOS误差的数据估计移动基站的位置。实验数据表明,提出的E-NIL算法在定位精度和复杂度方面优于同类算法。     

基于最小一乘的遥感图像融合

基于全色数据与多光谱数据之间的线性关系进行遥感图像融合是一种可行并被广泛应用的思路.本文利用GCOS模型对GS方法进行了分析,发现GS法可通过最小二乘法进行线性回归.由于最小一乘与最小二乘相比更为稳健,因此预期采用最小一乘法的融合方珐具有更好的性能.本文提出了一种基于最小一乘融合方法的构建,并对IKONOS数据进行了对比试验.试验结果表明,基于最小一乘的融合方法是对GS方法的一种有效改进.     

严重遮挡非视距环境下的三维定位方法

在严重遮挡非视距环境中,由于定位源与未知节点之间被障碍物遮挡而无法检测直射路径,极大地制约了无线定位方法的应用。提出一种能够规避直射路径遮挡现象的三维定位框架,利用单次反射路径和方位信息,论证了定位源、未知节点和散射体的三维空间位置关系,提出了基于最小二乘准则的空间位置优化算法,并推导出空间位置的求解方法。同时对定位算法进行均方根误差（RMSE, root mean-square error）的理论分析。通过蒙特卡罗仿真实验分析了三维定位框架中距离和方位偏差对算法性能的影响,仿真结果与算法的RMSE理论结果相符,说明了三维非视距定位算法的有效性。     

基于IRLS的圆度误差最优化评定

提出了圆度误差评定的迭代重加权最小二乘算法(IRLS)。该算法采用一个迭代过程求解一系列加权最小二乘问题,并在每一步迭代中按照一定的规则对权系数进行调整,使其逐步逼近最优拉格朗日乘子,使最小二乘解逐渐逼近最小区域解。该算法保留了最小二乘法快速、惟一的优点,改正了其误差偏大的缺陷,采用Matlab语言编程,算法计算简单且易于实现,有较高的实用价值。     

组网雷达系统误差的估计原理与性能分析

为了实现组网雷达系统误差修正,在研究雷达误差特性的基础上,分析了2种坐标系统下误差修正的原理,给出了利用最小二乘算法和广义最小二乘算法进行误差修正的公式.通过仿真实验,对实时质量控制算法、最小二乘算法、广义最小二乘算法和扩展卡尔曼滤波算法实现误差配准进行分析,并比较了这些算法在工程应用中的复杂性和估计精度,同时给出各种算法在工程应用方面的适用条件.     

最小一乘法在微波测量中的应用

利用最小一乘法线性拟合确定微波晶体检波器的检波率,并与常用的最小二乘法拟合的结果进行了对比,结果显示：当不存在异常点的时候,两种方法拟合的线性系数一致;而存在异常点时,两种方法拟合的线性系数有差异,最小一乘法的结果更为准确。同时讨论了导致这两种拟合差异的因素。