基于RSSI测距的室内目标定位方法

针对既有的基于RSSI测距的室内目标定位系统在实际应用中存在的测距误差大,定位精度低,以及稳定性差的问题进行分析与改进,提供一种融合RSSI测距模型实时修正与定位结果辗转优化的室内目标定位方法,改进之处主要在于:在测距阶段,根据记录的信标间真实距离和RSSI衰减值对RSSI测距模型参数进行反向实时修正;在定位阶段,使用极大似然估计法初步确定移动目标的当前位置,而后将目标点坐标与测距值都作为未知数使用牛顿迭代法求最优解。实验证明,相对于既有的典型RSSI室内目标定位方法,所提出的方法首先提高了测距精度,进而提高了定位算法对测距误差的鲁棒性,从而整体上可有效提高室内目标点的定位精度。     

基于多端故障电流匹配的配电网故障定位方法

为了克服配电网故障定位方法在高渗透率分布式电源（DG）接入下适应性较差的问题,提出了一种基于多端故障电流匹配的多源配电网故障区段定位方法。首先借助对称分量法分解电源端工频电流序分量,建立DG等效模型;然后利用电源提供的电流故障分量与故障距离有相关性的特性,建立特征匹配函数并依次遍历各节点;最后根据特征值最小的2个相邻节点实现对故障区段的辨识。针对故障信号微弱问题,提出了相对距离可信度权值与相对容量可信度权值对匹配函数进行改进,并提出区段融合规则,以提高定位准确率。在ETAP仿真平台搭建了4节点系统和IEEE 33节点系统进行仿真,结果验证了所提方法适用于高渗透率DG接入下的故障定位,且正确率较高。     

改进 MOSSE 的小面积滑动指纹图像追踪算法

随着指纹传感器采集的指纹图像趋向于小型化,指纹图像所包含的指纹特征信息越来越少。针对传统模板匹配算法在处理小面积滑动指纹时计算量大、精度不理想、抗干扰能力差等问题,本文提出一种基于MOSSE的改进滑动指纹追踪算法。改进MOSSE算法使用多输入,将灰度特征与HOG特征在响应层加权融合,并引入Fourier-Mellin算法、加汉宁窗用以处理发生旋转的指纹。通过多种算法对小面积指纹进行跟踪的结果进行对比,表明本算法继承了原MOSSE算法的优点,并提高了指纹匹配精度,对正常图像匹配精度为99%,对含噪声图像匹配精度为90.3%,每帧均值计算时间为0.103 6 s,保证了指纹追踪的实时性,鲁棒性强,对产生形变和旋转的指纹图像也能进行很好的跟踪。     

基于双目视觉的带电作业机器人的目标识别与定位方法研究

高空带电作业机器人对目标物的精细化作业，需要合适的视觉辅助系统判断机械臂或爪具的位置与距离。提出一种将基于双目立体视觉的带电作业机器人目标识别与定位方法。通过对传统的Census算法进行改进，用窗口均值像素代替中心像素，用自适应窗口代替固定窗口，并与差的绝对和(SAD)算法加权融合，得到一种改进的SAD-Census立体匹配融合算法。利用该算法进行像素匹配运算，得出视差图；在YOLO框架下训练输电线螺栓数据集，获得螺栓深度距离并精准识别。螺栓定位实验结果表明，该方法在近距离定位时能达到1.2%的定位精度，最小相对误差为0.5%,能够为带电作业机器人提供实时准确的环境感知信息，提高了带电作业机器人作业的稳定性。     

Chan-IDW算法在信号干扰下的UWB精确定位研究

随着人们对室内定位需求不断增加,具有良好通信功能以及定位性能的超宽带(UWB)技术在室内定位领域发挥着重要作用。针对UWB通信信号在室内复杂环境中容易受到干扰,造成定位误差的问题,本文建立K-means算法对采集数据进行聚类分析,剔除有信号干扰时产生的错误测距数值,并在经典Chan算法的基础上进行改进创建出Chan-IDW模型来确定靶点位置的实际坐标,再通过均方差误差(RMSE)来衡量出该定位模型的精度。实验结果计算出在信号干扰下定位的靶点二维坐标平均误差为5.67 cm,三维坐标平均误差为11.34 cm,误差均在厘米级别,表明该模型求解靶点坐标与其真实坐标非常接近。因此得出结论,Chan-IDW模型可有效解决室内信号干扰下的UWB精确定位问题。     

基于多维尺度的矿山无线传感器网络定位算法

无线传感器网络(WSN)应用于具有复杂性,高度动态性以及无线信号的传播不确定性的矿井较为困难。为了获取地下矿井中大量矿工的位置,部署了无线传感器网络用于获取佩戴于矿工身上的无线移动节点的位置信息。引入了基于卡尔曼滤波估计以及弹性粒子的定位算法,用于节点间的距离测量,提高了动态环境下测距模型所获取的距离信息的精度;基于分簇机制减小网络计算复杂度,并使用了Ao A和余弦定理得到网络中无法直接连接的节点间的距离信息,通过簇之间的距离矩阵的整合得到最终网络的距离矩阵;使用多维尺度(MDS)定位算法重构出网络中所有移动节点的最终位置。实验结果表明,算法有效的减小了定位误差,适用于具有高度动态性与复杂结构的矿井无线传感器网络。     

基于地图匹配的室内定位算法研究

在对室内环境进行定位的过程中,基于粒子滤波的地图匹配算法能够实现室内定位结果与地图数据的有效融合。目前此类方法主要存在地图匹配时穿墙检测算法计算量大以及定位结果位于不可达区域的问题。针对穿墙检测算法计算量大的问题,在栅格地图的基础上建立地图信息矩阵,提出了一种基于地图信息矩阵的穿墙检测算法,在保证正确检测出穿墙粒子的同时,降低计算量;针对定位结果位于不可达区域的问题,提出了一种基于粒子滤波多重权重更新的地图匹配算法进行改进。理论分析和实测结果均验证了改进算法的合理性和有效性。     

基于单天线视轴信号传播模型的RFID定位方法

为了解决现有单天线超高频RFID技术在室内静态目标定位中精度不高的问题,本文提出了一种基于天线视轴信号传播模型的RFID定位新方法。该方法首先通过天线纵向扫描确定目标的高度位置;其次,调整天线高度与目标高度一致,然后步进旋转扫描以识别目标的方向角;进一步的,利用麻雀搜索算法优化的反向传播神经网络建立路径损耗模型并用于测距;最后,综合高度、方向角和距离数据完成目标的定位。实验结果表明,在室内环境测试中,所提出的方法平均定位误差为7.2 cm,能够满足一般室内场景下物品的定位需求。     

基于TDOA和AOA的5G室分场景三维定位方法

在智慧楼宇以及电力检修运维中,需要及时获取设备或人员位置信息。针对室内因非视距传输和多径效应引起的定位精度不高问题,提出了一种基于奇偶交错布局的室分与5G结合的室内三维定位方案。首先,采用到达时间差(time difference of arrival, TDOA)和到达角度(angle of arrival, AOA)融合定位。其次,把具体定位算法融入到定位架构里,基于边缘计算快速获取室内对应移动目标的位置信息。在进行TDOA定位过程中,MEC端的定位服务器结合压缩感知进行信道估计,并在分段正交匹配追踪(stagewise orthogonal matching pursuit, StOMP)算法的基础上加入奇异值进行降噪处理。在进行AOA定位过程中,先利用改进的波束空间变换技术构造矩阵进行降维,为保证降维过程中信息不损失,提出对附加角度误差进行分析处理,然后,采用多重信号分类(multiple signal classification, MUSIC)算法进行定位。最后,5GC核心网服务器利用Chan-Taylor算法进行TDOA/AOA融合定位。仿真结果证明了所提出的定位方法能够实现对移动目标的精准定位。     

基于改进距离权重双电枢绕组电励磁变磁阻电机多目标优化研究

双电枢绕组电励磁变磁阻电机结构简单且适合在极端环境中运行。针对该电机结构参数变量多，非线性特征明显，常规方法难以快速准确反映结构参数与多优化目标之间的关系等问题，提出一种基于改进距离权重的快速回归建模和多目标遗传算法相融合的结构优化方案。首先，依据磁场调制理论和绕组函数理论推导电机空载反电势和相绕组自、互感模型，并对优化目标进行定性分析；其次，采用缩减样本空间的综合敏感度分析方法，筛选出高敏感度结构参数，并基于改进距离权重的机器学习算法建立电机模型，映射高敏感度参数与多优化目标之间的非线性关系；然后以电机容错性能、电压波动和振动为优化目标，采用多目标遗传算法在设定约束条件下进行结构参数全局寻优。优化结果表明，所选的优化参数能够抑制12%的电机径向力波并在故障时减缓电机25%的相电流；最后，通过样机实验验证了方法的有效性与可行性。     

SVR辅助改进鲁棒卡尔曼滤波的UWB/INS组合定位方法

针对UWB/INS组合定位中UWB定位信息异常和短时缺失的问题,本文提出一种SVR辅助改进鲁棒卡尔曼滤波的UWB/INS组合定位方法。该方法对鲁棒卡尔曼滤波（RKF）进行改进,采用改进的IGG3权函数分段修正新息,减小异常量测信息对滤波结果的影响。在UWB信号正常时,采用改进RKF估计位置误差;在UWB信号缺失时,采用在线训练的SVR模型预测位置误差,并根据估计或预测的位置误差校正载体位置信息。实验结果表明,本文所提的方法不但可使UWB信号正常时的组合定位误差减小33.33%,而且在线训练SVR模型辅助比固定SVR模型辅助可明显提升定位算法的性能,在UWB信号短时缺失时仍能持续有效定位,使组合定位误差减小29.63%。     

一种分段处理优选数据窗的双端测距算法

基于集中参数模型的双端测距原理普遍应用在输电线路保护中，对于中短距离线路，模型误差可以忽略，但仍有其他影响因素对测距结果产生误差，特别是对于故障在极短时间被切除的情况，易产生较大误差。为了提升测距准确性及普适性，本文首先对集中参数模型双端测距算法在常见影响因素下进行绝对误差分析，利用正交试验设计以及仿真计算，将不同影响因素对于测距误差的影响程度进行对比，发现数据窗选取这一因素影响程度最大，同时发现，相比于其他位置，线路首端故障的测距误差受影响因素影响较大。根据这两个特征，提出一种基于分段处理的自适应优选数据窗的实用改进算法。经验证，改进算法的测距误差受影响因素影响程度大幅降低。     

变电站非视距环境移动目标实时精准定位方法

在基于无线传感器网络的变电站移动目标定位系统中,测量信号的传播路径容易受到变电站内各种设备的遮挡,导致测量误差增大,影响最终定位精度。针对现有实时定位算法受测量误差影响较大这一现状,本文提出了一种受测量误差影响较小的新型高精度定位方法,实现在变电站内对移动目标的精准定位。根据定位锚点提供的测量信息,采用两步线性最小二乘法初定位。引入误差概率算法,对初定位结果进行二次处理,求解出的概率最大点即为待定位目标的最优位置估计。进行仿真分析与实验验证,与现有算法进行比较。文中提出的算法在变电站环境下,将每一单一坐标误差控制在30cm以内,相较于现有实时定位方法,定位精度提升了50%以上。结果表明该定位方法能够有效提升在变电站环境下定位结果的准确性。     

磁性目标定位误差分析及修正

磁性目标定位方法在很多领域都有重要的应用价值,如航空磁性探测,地下矿产检测等。当磁传感器与磁性目标的距离足够远时,磁性目标可以等效成磁偶极子,通过磁传感器测量磁场值和磁场梯度值,依据算法得出定位结果,并对定位误差进行了分析,主要是系统误差和随机误差的分析。通过对传感器间距(即基线距离)引起的误差进行分析,提出使用迭代校正方法对误差进行修正,对于磁矩强度为2 Am~2的磁偶极子,在70 cm范围内不同基线距离的梯度传感器通过迭代校正方法可以将误差由10%以上降低到5%以下;通过对磁性目标磁矩方向引起的误差进行分析,提出使用广义逆矩阵法来消除磁矩方向变化引起的盲区问题,由此可以实现无盲区的探测。     

基于WLAN指纹的机身指纹数据库重构与节点定位方法

为降低指纹数据人工采集量，同时获取较高的定位精度性能，提出了一种基于WLAN指纹的飞机机身指纹数据库重构与测试节点定位方法。利用支持向量回归法重建指纹数据，利用K-means算法降低指纹采集工作量，利用优化的DBN进行RSS信息特征提取，最后建立了飞机机身WLAN指纹定位数据库，通过仿真实验对算法性能和系统进行分析和评估。实验结果表明，KNN算法中，IPDBN-54、IPDBN-41、IPDBN-26的平均定位误差分别为10.389 2、10.786 3、11.117 7。WKNN算法中，IPDBN-54、IPDBN-41、IPDBN-26的平均定位误差分别为10.290 4、10.714 3、11.103 8,IPDBN平均定位误差值最小，定位精度相对较高。对比BPNN,IPDBN平均训练时间为166.2 s,具有相对低的训练时间。优化后的深度信念网络算法对于WLAN指纹定位数据库系统建立问题具有很强的适应性，训练时间短、定位精度高。研究旨在实现试验厂房内飞机机身各部位的空间精确定位，提高效率。     

基于加权质心法的WLAN室内定位系统

在利用接收信号强度指示(RSSI)进行定位的WLAN室内定位系统中,为获得更高的定位精度,提出一种支持向量机与加权质心法相结合的定位算法。该算法首先以四边形对定位场地进行区域划分,在各四边形区域的顶点位置采样指纹点数据,利用支持向量机(SVM)多分类将定位点位置缩小到某个四边形区域内。最后利用加权质心法,计算出定位点的坐标。仿真实验与实地实验结果表明,该算法比支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)、K最近邻法(KNN),定位精度有明显提高,定位误差在1.4 m,定位精度在90%以上。     

A TDOA location algorithm based on data fusion

A new positioning method in mobile networks is presented. Based on the data fusion technology, it processes multi-layer information fusion for the location estimates achieved by the Chan algorithm, which increases mobile positioning accuracy effectively by only using measured difference of arriving (TDOA) signals. The method is simple and practical, especially when the location estimates are corrupted by the non-line-of-sight (NLOS) error. It not only has high positioning accuracy, but also reduces the location failure probability. Results from computer simulation show that the proposed method is effective in various environments. __________ Translated from Journal of Dalian University of Technology, 2005, 45(1): 138–141 (in Chinese)     

基于小波能量谱和SSA-GRU的混合直流输电系统故障测距方法

针对混合直流输电系统故障测距存在行波波头难以识别以及固有主频不易提取的问题,提出一种基于小波能量谱和麻雀搜索算法(sparrow search algorithm, SSA)优化的门控循环单元(gate recurrent unit, GRU)模型的故障测距方案。首先,分析频谱能量与故障距离的相关关系,利用小波包分解提取小波包能量谱特征向量,作为GRU模型输入。其次,搭建和训练GRU模型,挖掘时间序列中的深层次故障信息,并利用SSA的迭代寻优对GRU模型参数进行优化,实现故障距离的快速准确定位。最后,在PSCAD/EMTDC 中搭建混合三端直流输电系统模型,实验结果证明该方法定位精度高、抗干扰能力和泛化能力强,并具有一定的耐过渡电阻能力。