信号强度和运动向量结合的无线传感器网络移动节点定位

无线传感器网络的定位是近年来无线传感器网络研究的重要课题.本文首先介绍了无线传感器网络的来源、重要性以及无线传感器网络定位的分类.然后提出了一种全新定位算法,信号强度和运动向量结合的无线传感器网络移动节点定位,简称SSMV算法,在外围布置四个锚节点,得用信号强度和未知节点在运动中向量的变化,对锚节点在内的未知节点进行定位,并对该算法进行了仿真和总结.通过与凸规划法进行比较,仿真结果表明,该算法有更高的定位精度.     

城市移动无线传感器网络协同定位算法

随着无线传感器网络研究和应用的发展,城市规模的无线传感器网络开始出现,然而,其大规模、低成本、移动性和节点稀疏性等特性都给定位带来了困难.基于城市移动无线传感器网络的一种典型应用,研究了不依赖全球定位系统的无线传感器网络的定位问题,在曼哈顿环概率移动模型的基础上设计定位算法,并从理论和仿真两方面分析了该算法的收敛性和稳定性.     

移动无线传感器网络中节点自定位算法研究

移动无线传感器网络(MWSN)是一种全新的信息获取和处理技术,可以在广泛的应用领域内实现复杂的大规模监测和追踪任务,而移动节点的位置信息则是其应用的基础。针对这一特征,文章深入探讨了移动节点自定位算法的研究现状,介绍了移动无线传感器网络节点定位的基本方法,讨论了定位算法的性能评价指标,并对各种算法性能进行了比较,最后指出了算法存在的问题和解决办法。文章认为三维全节点移动的定位算法将成为以后的研究趋势。     

基于改进单锚节点的无线传感器网络节点定位算法

节点定位是无线传感器关键技术之一,针对固定多锚节点方法定位精度低的缺陷,为了提高无线传感器的定位精度,提出了一种基于改进单锚节点的无线传感器网络节点定位算法(SFOA-SVM)。首先采用单移动锚节点在无线传感器网络中移动,构建无线传感器定位模型的学习样本,然后采用SVM构建节点定位模型,并采用渔夫捕鱼算法模拟渔夫捕鱼行为找到最优SVM参数,最后采用仿真实验测试节点的定位性能。结果表明,相对于其它定位算法,SFOA-SVM提高了无线传感器节点的定位精度,具有一定的实际应用价值。     

无线传感器网络中多移动sink的选择策略

针对移动终端作为无线传感器网络中的移动sink情况下,提出了具有多个移动sink的稀疏无线传感器网络体系结构M2S2N.考虑到移动终端广泛存在的特性,为了有效地收集传感数据,提出了无线传感器网络中对移动sink的选择策略,并在此基础上提出了一种适合于M2S2N的基于功率控制的机会传输调度算法.仿真和分析表明选择最佳的移动sink可以有效地提高传感器节点的能量有效性和数据传输成功率.     

基于自适应采样的移动WSN定位算法

节点自定位是无线传感器网络的关键技术之一。当前对无线传感器网络定位的研究主要集中静态节点定位,移动无线传感器网络定位研究相对较少。研究了基于序列蒙特卡罗方法的移动无线传感器网络定位。针对蒙特卡罗定位采用固定样本数,计算量大的缺点,根据蒙特卡罗定位盒（MCB）算法的锚盒子大小动态设置样本数,提出一种自适应采样蒙特卡罗盒定位算法。仿真表明,该算法在保持定位精度的同时有效地减小了采样次数,节约了计算量。     

基于几何特性的非直达波定位算法

现有的无线传感器网络定位算法未考虑非直达波误差,由于无线传感器网络中任意两节点之间都可能存在通信,因此其定位问题比无线蜂窝通信系统更为复杂.为了解决现有节点定位算法未考虑非直达波误差的问题,依据分布式节点定位体系结构,提出非直达波环境下的基于几何特性的节点定位算法.该算法将不等式约束、非直达波统计特征和稳健代价函数等非直达波抑制准则,与无线传感器节点定位手段如距离测量矩阵相结合,仿真结果表明,它在无线传感器网络定位应用中要优于其他的定位算法.     

移动无线传感器网络中MAC性能分析及改进

以往无线传感器网络中的媒体接入控制协议主要针对静止网络。当存在移动节点时。协议性能会大幅度降低。对存在移动节点的无线传感器网络中的媒体接入控制协议进行了性能分析，提出了改进算法。仿真结果验证了算法的有效性。最后给出了一种适合移动节点较多的场景的无线传感器网络媒体接入控制协议。     

基于连通度和加权校正的移动节点定位算法

移动节点定位问题是无线传感器网络中的研究重点。针对移动节点定位误差大的问题,提出一种基于连通度和加权校正的移动节点定位算法。在未知节点移动过程中,根据节点间连通度大小选取参与定位的信标节点,利用加权校正方法修正RSSI测距信息,然后用最小二乘法对未知节点进行位置估计。仿真分析表明,节点通信半径和信标密度在一定范围内,该算法表现出良好的定位性能,定位精度明显提升。     

基于EKF的无线传感器网络移动信标定位算法

针对无线传感器网络节点定位精度较低的问题,提出一种基于扩展卡尔曼滤波的移动信标节点定位算法。该算法采用等距三重优化覆盖思想确定虚拟信标分布,利用蚁群算法获取最优遍历路径,同时引入扩展卡尔曼滤波算法以提高节点定位精度。通过对节点通信半径、虚拟信标数目、路径长度、迭代次数等参数分别进行仿真验证,结果表明本文算法定位精度明显优于普通质心定位算法,同时该算法在提高网络覆盖度、降低网络成本等方面也有较大优势。     

基于多个传感器的VLC室内定位算法研究

为了实现移动机器人的快速高精度定位,提出了一种基于多个传感器的室内定位模型,研究了其可见光通信技术(VLC)室内定位算法,并对该算法进行了实验验证。首先研究基于AOA定位算法,利用传感器的响应曲线,结合室内定位模型,通过拟合预测算法计算出信号到达角度实现定位;然后综合多个传感器的定位模型和AOA定位算法,分析得出一种室内定位的实现方式,通过实验验证了该定位模型和定位算法的实现可行性。结果表明:其定位精度达13.6cm,定位周期为0.1s,相较于传统的AOA定位算法,该算法定位精度高、成本低、可行性高且定位速度快。     

基于蜂窝网的抗NLOS定位算法研究

非视距（NLOS）误差是蜂窝网定位系统的主要误差源，直接影响基于蜂窝网络的定位系统的推广和应用。针对提高抗NLOS定位精度算法的研究，分别从NLOS传播特性、NLOS鉴别和NLOS抑制算法等几个方面进行了详细的分析和讨论，综述了该领域的最新研究进展，并提出了自己的观点。     

基于自然特征识别的纸面媒体移动增强现实系统

针对以智能手机为代表的移动平台在计算和存储方面的局限性,采用一种混合特征检测算法,对标准的SURF算法进行优化,改进其特征描述方法,大大减少了其所需存储空间,再通过分类器的特征匹配算法快速实现真实场景中目标物与样本数据之间的特征匹配。基于该算法实现的移动增强现实系统能快速识别传统纸面媒体上的图片特征信息,通过虚实融合的方式将三维模型或者视频信息"无缝"叠加在智能手机获取的真实场景中的相关目标物平面上。实验结果表明,基于本文算法的增强现实系统拥有较高的实时性和较好的跟踪配准精度。     

基于E-FAST-SURF算法的移动增强现实技术

针对当前移动设备硬件处理能力有限的问题,采用E-FAST-SURF算法实现对平面标记物的检测与跟踪,使与标记采集特征点的匹配速度得到了提高。实验结果表明,该算法能适应复杂环境,以及对移动设备增强现实应用中的标记进行特征的提取。     

移动源排放遥测主要影响因素分析及预测

由于移动源污染遥感监测受到复杂外部环境影响,难以通过传统统计方法建立车辆行驶工况与污染排放之间的相关性模型,为此开展了基于移动源遥感监测的影响因素分析及排放预测的研究。首先利用Spearman相关性分析排除与移动源污染物主要排放气体CO、HC、NO气体浓度无相关性的因素;其次使用Lasso算法确定各成分的关键影响因子,并采用神经网络构建污染物排放预测模型;最后在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。模型预测的结果表明,基于特征筛选的移动源污染排放数据预测神经网络模型具有较高的预测精度,可以降低城市移动源污染排放检测成本并为相关部门制定相关政策提供数据支持。     

基于IMU/视觉融合的导航定位算法研究

针对基于视觉传感器的移动机器人在快速运动或发生旋转时出现图像模糊和特征丢失,以至无法进行特征匹配,从而导致系统定位和建图的准确度及精确度下降问题,该文提出了一种以深度相机(RGB_D)融合惯性测量单元（IMU）的方案。采用ORB SLAM2算法进行位姿估计,同时将IMU信息作为约束弥补相机数据的缺失。两种传感器的测量数据采用基于扩展卡尔曼滤波的松耦合方式进行非线性优化,通过数据采集实验表明,该方法能有效提高机器人的定位精度和系统建图效果。     

基于Android平台的移动通讯设备的GPS定位研究

Android平台移动通讯设备的GPS定位以其优良系统性能在人们的生活中以智能手机为媒介被广泛使用,基于此如何提高Android平台的GPS导航的精确度对于现代高科技产品的发展尤为重要。通过对GPS定位卫星所得到的原始数据处理,根据GPS卫星数据之间的联系得出有效的分析数据来弥补在定位时可能产生的误差,从而降低不安全因素,提高GPS定位的精确度。     

基于移动蜂窝网的机器学习室外指纹定位方案

基于移动蜂窝网络技术的定位方案是提供网络优化、紧急救援、公安巡警和位置服务等应用的重要技术途径之一。传统的基于小区基站位置信息的定位方案定位精度低、定位误差大,无法满足某些定位应用需求。基于指纹定位的方案能够在基于小区粗定位方案基础上大幅度提升定位精度、节约计算成本、增强适用性,成为定位研究的热点。针对室外指纹定位的业务需求,深入研究分析了两种基于机器学习的栅格化和非栅格化室外指纹定位方案。通过参数加权、数据拟合等方法对于大规模指纹数据进行了清洗,提高数据源的有效性。通过划定研究区域、栅格化、构建指纹数据库、训练模型、修正模型、非栅格化、粗定位耦合、匹配参数、训练参数等子模块的实现,分析和优化了算法的运行效率和定位精度,确定了影响算法性能的关键指标。进而结合仿真结果,分析了两种基于指纹的定位方案的性能。最后介绍了基于机器学习的指纹定位方案在实际应用中的典型场景。     

传感网络中基于移动信标的网格扫描定位算法

节点定位是传感网络最基本的技术之一,对此提出一种基于移动信标的网格扫描定位算法(Mobile Beacon Grid-Scan,MBGS)。该算法在网格扫描定位算法基础上,利用一个移动信标巡航整个传感区域,产生大量的虚拟信标,提高网络信标覆盖率,然后普通节点利用这些信标信息减小其可能区域(Estimative Rectangle,ER),并把新可能区域网格坐标质心作为其最新估计坐标。仿真结果表明,与Bounding Box、质心定位算法以及传统的网格扫描定位算法相比,MBGS定位方法的定位精度更高,算法性能更加稳定。     

Comparison of WiFi positioning on two mobile devices

Metropolitan WiFi positioning is widely used to complement GPS on mobile devices. WiFi positioning typically has very fast time-to-first-fix and can provide reliable location information when GPS signals are too weak for a position fix. Several commercial WiFi positioning systems have been developed in recent years and most newer model smart phones have the technology embedded. This study empirically determined the performance of WiFi positioning system on two different mobile devices. Skyhook's system, running on an iPhone and a laptop, was selected for this study. Field work was carried out in three cities at a total of 90 sites. The positional accuracy of WiFi positioning was found to be very similar on the two devices with no statistically significant difference between the two error distributions. This suggests that the replicability of WiFi positioning on different devices is high based on aggregate performance metrics. Median values for positional accuracy in the three study areas ranged from 43 to 92?m. These results are similar to earlier independent evaluations of Skyhook's system. The number of access points (APs) observed on the iPhone was consistently lower than that on the laptop. This lower number of APs, however, was not found to reduce positional accuracy. In general, no relationship was found between the number of APs and positional accuracy for either device, counter to earlier findings. The results indicate, however, that WiFi positioning can be achieved with a small number of APs (5–10), but that increased numbers of APs do not contribute to improved positional accuracy. Despite the agreement in aggregate performance metrics between the two devices, the replicability of WiFi positioning using Skyhook's system in terms of getting the same location by using two different devices at approximately the same place and time was relatively poor. Implications for location-based services on mobile devices are discussed.