基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

加权多维标量接收信号强度定位方法

本文提出了一种利用加权多维标度的基于接收信号强度的定位方法,利用信号接收强度与目标到接收机距离之间的关系,将信号接收强度转化为距离,利用多维标度框架对辐射源定位问题进行建模,对多维标度矩阵进行子空间分解,根据信号子空间与噪声子空间的正交性,可以得到定位参数的线性方程组,根据该线性方程组的残差的统计特性,得到定位参数的加权最小二乘解。计算机仿真验证了此方法具有较好的定位性能,在接收信号强度测量精度较高时,本方法能够达到CRB界,有较强的应用价值。      

基于接收信号强度的WSN概率定位算法

定位对无线传感器网络的应用、操作和管理发挥着至关重要的作用.针对传感器节点的定位,提出了一种基于接收信号强度的概率定位算法.介绍了算法原理及实现过程,讨论了信标节点分布对该算法性能的影响,最后比较了本概率定位算法和最小二乘定位算法在传感器节点定位性能上的优劣.仿真结果表明,信标节点分布对未知节点的定位误差具有较大的影响,本定位算法的性能要优于最小二乘定位算法.     

高精度机载可见光图像定位方法

针对现有技术不能解决机载可见光图像快速自动定位的问题,提出了一种定位精度高、处理速度快、可扩展性好的机载可见光图像定位方法.该方法以传感器共线成像模型为中心,将实时图像和传感器成像参数送入共线模型进行正射校正,校正后的图像与相应的基准图像进行图像配准,使用配准同名点信息更新传感器成像参数,最后再次通过共线模型获取实时图地理坐标定位信息.这种通过图像配准再计算成像模型的间接定位方法,不仅减少了计算量,而且使自动配准算法稳定,较传统的直接定位方法或图像配准方法有突出的优势.此外,该方法具有严格的误差传递计算公式,能计算定位结果的误差.仿真实验表明即使在大倾斜角条件下,该方法也能获得优于100 m的定位精度.     

基于成像通信的高精度可见光室内定位方法

提出了一种基于可见光发光二极管(LED)与摄像头成像通信的室内精确定位方法,旨在实现高精度、低成本、应用范围广泛、不易受干扰的室内定位。该方法利用摄像头接收加载在LED光上的身份识别信息(ID)获得LED的绝对位置信息,进一步从摄像头拍摄的图像中获取摄像头与LED的相对位置信息,结合接收端上的姿态传感器(电子罗盘)数据,便可计算得到摄像头的精确位置,实现定位功能。采用该方法进行了高精度室内定位实验测试,测试结果表明,该方法的定位精度可以达到厘米量级,且可以仅通过软件就将接收端布设在目前大多数智能终端上。     

基于多LED的高精度室内可见光定位方法

针对可见光室内定位问题,该文基于接收信号强度(RSS)定位技术,提出一种利用多个LED发射端实现室内定位的方法,即MLED-RSS定位算法。该方法在充分考虑LED拓扑结构对定位性能影响的基础上,利用部署在室内的多个LED,合理选择其中3个LED作为发射节点,采用改进的三边定位法获得定位目标位置信息。定位算法可以有效地解决可见光定位存在的遮挡效应。仿真实验表明,MLED-RSS算法可以实现高定位精度。     

基于改进接收信号强度指示的室内定位算法

为了提高室内环境节点定位精度,针对传统定位算法的不足,提出一种改进接收信号强度指示的室内定位算法。首先通过神经网络对各锚节点接收信号强度的权值进行拟合,得到路径损耗模型的参数值,然后利用最大似然法对未知节点进行定位,最后采用仿真实验测试其性能。结果表明,相对其它室内定位算法,本文算法提高了室内定位的精度,降低了平均定位误差,可以满足室内定位的实时性要求。     

基于卡尔曼滤波的接收信号强度指示差值定位算法

针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明：所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。

     

基于接收信号强度指示的质心迭代定位算法

节点定位技术是无线传感器网络应用的关键.针对传统质心定位算法定位精度低的问题,提出了一种基于接收信号强度指示的三维质心迭代定位算法.算法根据测距技术简化未知节点的定位参考节点,通过节点间的空间几何关系得到距离偏移系数,利用系数的最优解对质心坐标进行修正,并多次迭代更新系数以更新定位结果,直到达到迭代准则为止.仿真实验结...     

高精度室内可见光定位算法

针对目前室内定位算法精度不高、实现复杂等问 题,提出了一种基于白光LED的可见光室内定位方 法。首先利用由室内不同LED发出的定位参考信号到达定位终端的时间差(TDOA )的测量估计,得 到定位终端到达两个LED的传输距离之差,以此构造距离估计目标函数,然后采用有约束非 线性规划算法得到 定位终端的位置坐标,从而有效地解决了室内噪声环境中常规TDOA定位算法不收敛或误差偏大的问题。 同时,为了进一步优化定位性能,将距离信息引入加权因子中,提出了质心加权混合定位算 法。将提出的 定位算法在5m×5m×3m的空间区域中进行了仿真实验,同时考虑噪声因素的影响,结果 表明,提出的距离 估计目标函数法在信噪比(SNR)为2dB的条件下可以达到平 均5cm的定位误差,采用质心加权处理后平均定位误 差仅为3cm,有效地提高了室内定位精度和系统应用的普适性及鲁棒性。     

无线定位中的接收信号强度值匹配算法

提出两种在WLAN环境下利用RSSI值与距离之间关系进行定位的匹配算法。分别对两种算法的原理进行理论分析,建立算法实现的模型,使之在不同情况下都能够精确地计算匹配结果。提出实现算法的基本流程,并对算法本身的特点进行了理论分析。分析表明通过该方法的修正可以明显改善定位的精度。     

一种带参数估计的基于接收信号强度的室内定位算法

提出了一种用于室内用户定位的传播距离损耗模型,根据一些已知位置的相对接收功率值,可以估计出相应的室内路径损耗指数、遮蔽因子的均值和方差.然后由共轭梯度法搜索出目标函数的最小点,由此得到用户的位置估计;另一种方法是根据接收到的相对功率,用最大似然估计得到用户的位置.模拟表明,这两种方法都可以得到较为精确的室内用户位置估计,同时,后一种方法的估计结果偏差更小.     

基于信号强度的室内定位技术

研究了基于信号强度模型的室内定位技术.通过运用线性回归、补偿式线性回归和多元回归方法,利用仿真数据建立了信号强度模型.为了理解定位误差和信号强度误差之间的关系,对这种构模方法作了分析,得出的一些重要结论有助于确定接入点(AP)的部署点及评估定位误差的范围.最后,基于IEEE802.11b MAC的典型参数进行了仿真试验.     

基于指纹的室内可见光定位方法

为了实现低成本、低复杂度以及高精度的室内定位系统,提出了基于指纹的室内可见光定位方法。该方法利用可见光发光二极管作为信号源,根据接收到的可见光信号强度信息,结合三角定位算法和指纹定位算法,实现室内高精度定位。定位过程主要分为两步:第一步,通过三角定位算法确定移动目标粗略的位置范围;第二步,以该位置范围作为限制条件,使用指纹定位算法实现更精确定位。实验结果表明,该方法与传统的基于可见光信号强度的定位方法相比,平均定位精度提高了64.71%;同时,与传统的基于指纹的定位方法相比,可以在更低复杂度的情况下,实现更精确定位。     

基于光信号强度检测法的可见光通信定位方法研究

室内可见光通信的各种非线性效应给信号处理带来诸多困难,导致定位误差较大.为此,提出基于光信号强度检测法的可见光通信定位方法研究.根据LED辐射模型,计算聚光度与光源在不同方向上亮度,分析散射拓扑结构,利用发射机对光强不断调制,经过数字化处理建立通信信道模型;使用光信号强度检测法中互相关方式,建立函数表达式,获取信号源强...     

一种基于接收信号强度的自行车跟踪算法

为了实现对赛车手进行实时定位以保障其安全,提出基于接收信号强度指示(Received signal strength Index,RSSI)测距的场地自行车的跟踪算法(Track Cycling Tracking based on received signal strength Index Ranging, TCTR)。TCTR算法的目的就是估计移动节点(自行车)和锚节点(教练)间的距离。依据对数正态衰落模型(Log-normal shadowing model, LNSM)和锚节点所接收的RSSI值,TCTR算法测量自行车和教练间的距离。为了提高测距精度,建立室内、室外的场地自行车实验,获取RSSI值和距离数据,再通过拟合,最终估计LNSM参数。仿真结果表明,通过优化LNSM参数,降低了测距的均方根误差。