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。     

基于改进海鸥优化算法的可见光室内定位研究

为提高室内定位精度,提出了一种基于黄金正弦与Sigmoid连续化海鸥优化算法(GSCSOA)的接收信号强度(Received Signal Strength Indication,RSSI)可见光室内定位技术。传统的海鸥优化算法(SOA)收敛速度慢、寻优精度低,在海鸥搜寻过程中引入Sigmoid函数使算法在后期快速收敛,在海鸥扑食过程中加入黄金正弦机制能提高算法的寻优能力。在6 m×6 m×3 m的房间顶板上按3×3的网格状布设9盏LED灯,经过实验表明:利用传统的RSSI定位估计算法得到的定位精度为1.28 m,改进的海鸥优化算法结合RSSI的定位算法得到的定位精度为7.17 cm。显然,改进后的室内定位算法精度更高,可应用于大部分的室内定位场所。     

基于可见光通信的时分复用组网下移动目标定位方法

为了减小室内可见光定位中存在的噪声和时延对定位精度的影响,提出了一种室内发光二极管(LED)可见光定位算法。引入蜂窝拓扑结构进行可见光室内定位,自适应选取LED信标节点。研究噪声对接收光功率的影响,采用均值模型对接收光功率进行校正。传统的可见光时分复用定位系统时延过长,易出现时钟同步错误。为满足高精度实时定位,采用改进的时分复用组网系统。通过小区划分,选取网络源中心节点;通过竞争申请时隙段,重复利用部分时隙段,解决了帧长与LED节点数量的矛盾。仿真结果表明,该算法可以有效减小目标移动和时钟同步错误对定位精度的影响,提高了室内定位系统的实时性与稳健性。     

基于改进灰狼优化算法的DV-Hop传感器定位算法

定位技术一直以来是无线传感器网络领域的研究热点。传统距离向量（Distance VectorHop,DV-Hop）定位算法的定位误差较大，针对该问题，在传统DV-Hop算法的基础上，提出了一种基于改进灰狼优化算法的DV-Hop传感器定位算法（Levy Grey Wolf Optimization Distance Vector-Hop,LGWODV-Hop）。第1阶段，采用锚节点双通信半径计算跳数；第2阶段，将锚节点的估计距离与真实距离的差值作为误差因子来修正全网络中的平均跳距；第3阶段，用结合Levy飞行策略的灰狼优化算法代替最小二乘法求解未知节点坐标。仿真结果表明，在一定的条件下，所提出的算法平均定位误差相较于传统DV-Hop算法、DEDV-Hop算法和PSODV-Hop算法分别降低了56.09%,22.87%和3.02%。     

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RSS的室内可见光差分修正定位算法

可见光通信技术是利用白光LED同时实现照明和通信的新型通信技术,为室内定位技术提供了新的可能.针对可见光通信中接收信号强度RSS随机波动较大的问题,提出一种基于RSS的改进的差分修正定位算法,通过将各个参考节点分别作为差分修正参考节点进行定位修正,规避了设定参考节点权重过大的问题.该定位算法有效地提高了室内定位精度,无需增加额外硬件设备,计算量小,容易实现.仿真结果表明,该定位算法在5m×5m×3m的空间区域中能够实现约15 cm的平均定位误差性能.     

自适应t分布与黄金正弦改进的麻雀搜索算法及其应用

针对麻雀搜索算法存在的容易陷入局部最优、收敛速度慢等问题,提出一种基于自适应t分布与黄金正弦改进的麻雀搜索算法(t-GSSA).首先,通过黄金正弦算法改进发现者的位置更新方式,增强算法局部开发和全局探索能力,并且提高算法的收敛能力;其次,利用自适应t分布变异方法,对个体位置进行扰动,提升算法跳出局部最优的能力;然后,在...     

基于最小三角形算法的室内可见光三维定位方法

为进一步提高室内可见光三维定位的精度，提出了一种基于最小三角形算法的室内可见光三维定位方法。该方法采用视距链路模型，由定位终端接收携带发光二极管位置信息的光强信号，利用最小三角形算法和接收信号强度指示方法来计算接收机在室内的三维位置信息，再引入加权质心算法降低光路受遮挡所造成的影响。仿真结果表明：在室内5 m×5 m×3 m的定位区域内，提出的定位方法平均定位误差约为4.35 cm，平均高度误差约为1.65 cm，定位精度优于传统的室内可见光三维定位方法。     

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。     

可见光通信的定位与定向系统设计及性能分析

针对可见光通信的3D定位与定向问题，提出了一种自适应参数与自适应变异粒子群优化的3D定位与定向方法。首先，分析了一种在复杂环境下的基于测距模型的混合3D可见光定位模型，并将定位问题转化为联合概率密度函数的优化问题。其次，通过计算粒子解与种群最优解之间的模糊贴近度，设计了一种自适应参数与自适应变异粒子群优化方法。最后，通过数学方法精确解析了所提3D可见光定位模型的定位与定向误差的理论下边界，即克拉-美罗（CramerRao）下界。结果表明，所提算法的时间复杂度较低，且定位与定向误差都非常接近Cramer-Rao下界，其平均定位与平均定向收敛误差分别为5.99 cm与6.65°，显著优于另外四种基于迭代的可见光定位算法。     

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。     

基于稀疏训练点和指纹重构的室内可见光三维定位算法

目前构建基于机器学习的室内可见光定位模型主要依赖于光电二极管和指纹数量,为了降低指纹采集的复杂度,提高定位精度,提出一种基于指纹矩阵稀疏重构的室内三维可见光定位算法。该算法利用极限学习机训练稀疏采样点,采用奇异值分解和交替方向乘子法求解稀疏指纹矩阵的重构问题。该算法可以有效降低指纹的采样率,同时可以基于极限学习机算法较强的泛化能力提高定位速度和定位精度。在此基础上,由于可见光的多径反射等因素的影响,定位区域的边界定位误差大于内部定位误差,通过引入一种边界修正定位算法,可以有效降低边界定位误差。仿真和实验结果表明,与传统的机器学习算法相比,该算法在减少其所需指纹数量的同时,具有更高的定位速度和精度。     

基于改进免疫粒子群优化算法的室内可见光通信三维定位方法

针对室内可见光通信中3维定位精度不高和定位时间较长的问题,该文提出基于改进免疫粒子群(IIMPSO)算法的室内可见光通信(VLC) 3维定位方法。通过分析室内多径效应,选取合适的视场角(FOV)以减少反射影响,同时完善了倾斜状态下的定位模型,并采用卡尔曼滤波算法以降低环境干扰对接收功率的影响,在此基础上与改进的免疫粒子群算法相融合。仿真结果表明,在5 m×5 m×3 m的室内环境中,该文所提出的3维定位系统平均定位误差为0.031 m,定位时长为2.3 s。与现有的3维定位系统进行比较,其定位精度与收敛速度均得到明显改善。     

基于改进粒子滤波的RFID室内目标定位算法

针对于LANDMARC算法的RFID室内定位精度受传输路径影响严重,直接采用粒子滤波自适应性差的问题,提出一种基于改进粒子滤波的RFID室内定位算法.该算法首先利用极限学习机(ELM)拟合阅读器接收信号强度与标签距离之间的非线性关系,构建信号传输模型,筛选邻近标签集;然后采用自适应学习因子优化粒子滤波过程,提高粒子全局...     

基于改进粒子群算法的室内可见光定位研究

为了提高现行室内可见光定位系统的定位精度，提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先，将决定定位精度的欧式距离转换为目标函数最小值优化问题；其次，利用惯性权重动态赋值，增强粒子群算法初期的全局搜索能力和后期的局部搜索能力；然后，利用正弦函数使得个体认知因素值非线性地减小，利用余弦函数使得群体认知因素值线性地增加，以进一步提升定位精度；最后，通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明，在5 m×5 m×3 m和5 m×4 m×3 m两种定位模型中，在0,0.5,1.0和1.5 m四个高度平面的空间定位平均误差分别为0.65和0.54 cm;实验结果显示，在搭建的1 m×1 m×0.8 m和1 m×0.8 m×0.8 m室内空间中的平均定位误差分别为2.67和1.81 cm。     

RFID network planning based on improved brain storm optimization algorithm

In order to improve the service quality of radio frequency identification (RFID) systems, multiple objectives should be comprehensively considered. An improved brain storm optimization algorithm GABSO, which incorporated adaptive learning operator and golden sine operator into the original brain storm optimization (BSO) algorithm, was proposed to solve the problem of RFID network planning (RNP). GABSO algorithm introduces learning operator and golden sine operator to achieve a balance between exploration and development. Based on GABSO algorithm, an optimization model is established to optimize the position of the reader. The GABSO algorithm was tested on the RFID model and dataset, and was compared with other methods. The GABSO algorithm's tag coverage was increased by 9.62% over the Cuckoo search (CS) algorithm, and 7.70% over BSO. The results show that the GABSO algorithm could be successfully applied to solve the problem of RNP.     

基于ZIGBEE的自适应动态区域误差因子算法

为了进一步完善ZigBee定位技术,减少多径效应对室内定位的影响,在接收信号强度指示算法（RSSI）的基础上,提出了一种自适应动态区域误差因子算法,通过将最小二乘法与自适应动态区域误差因子相结合的方法,来计算盲节点的位置坐标,以达到提高定位精度的效果。Matlab中的仿真结果证明,在节点处于静态和动态两种情况下,该算法在定位精度上都有显著的提升。