基于RBF神经网络的室内定位算法研究

在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI（Received Signal Strength Indicator）的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF（Radial Basis Function）神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。     

基于RSSI测距技术的三角形面积和定位算法

为了提高无线传感器网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI测距的三角形面积和定位算法。该算法利用高斯模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,解决了RSSI易受干扰的问题。研究表明,通过高斯模型筛选出的RSSI值可以较好的预测环境参数;三角形面积和算法可以动态调整环境参数,使未知节点和信标节点达到合理距离,该算法计算简单,无需硬件扩展。     

基于RSSI和LQI的动态距离估计算法

本文提出了一种基于RSSI和LQI的动态距离估计算法.其思想就是通过对无线电传播路径损耗模型以及大量实测数据的分析,用分段线性逼近的方法得到RSSI、LQI这2者与传播距离的衰落曲线.在距离估计时,分别对这2条衰落曲线计算出估计距离,并动态地进行优化处理得到最终的距离估计值.算法在基于ZigBee的硬件平台上进行,证明了该算法较普通的基于RSSI的测距方法有了明显的进步,提高了距离估计的精度,并且适合在通信开销小、硬件要求低的节点上应用,有利于提高基于RSSI测距的定位算法的精度.     

基于RSSI障碍势能矫正的定位算法

针对因障碍物较多而导致基于RSSI测距的室内定位算法精度较低的问题,提出采用基于RSSI测距与非测距结合定位算法的思想,在基于RSSI测距的原定位算法计算结果的基础上,引入室内障碍物对信号传播干扰的特征信息作参考,修正原定位算法中测得的阅读器到信号源的距离矢量;同时考虑到障碍物与信号源的相对位置关系,采用基于障碍势能的加权质心定位算法,迭代矫正定位结果。相较原定位算法结果而言其定位精度提高了近50%。     

基于RSSI-距离区间映射的加权质心定位算法

考虑到室内传播中RSSI的不稳定因素使得基于RSSI与位置(距离)一一对应关系的定位算法误差较大,在对RSSI统计分析后,提出了在离线采样阶段先建立符合实际环境的基于RSSI-距离区间映射的数据库,再在在线测量阶段根据待定位点RSSI在粗略位置区域中采用加权质心算法确定具体位置.从性能测试结果看出各测试点位置估计偏差略有不同,但平均偏差不高,表明在一定程度上改善了信号因多径效应、非视距传播等波动引起的定位偏差较大问题,验证了该方法的可行性和有效性.     

基于修正 RSSI 值的四边形加权质心定位算法

在利用接收信号强度指示(RSSI)对无线传感器网络中的未知节点进行定位时,RSSI 值易受环境的影响导致定位误差, 为此提出基于 RSSI 测距修正的四边形加权质心定位算法(QWCRC)。 先对来自同一锚节点的多个 RSSI 值进行卡尔曼滤波,得 到修正的 RSSI 值,致使测距尽可能的接近真实距离;再采用四边形加权定位对未知节点进行定位,同时利用最小二乘法进行辅 助定位,此算法对于相邻锚节点圆不相交的情况给出新的解决方案。 实验结果对比表明,改进的算法相比较于四边形加权质心 算法(QWC)和 RSSI 测距修正的三角形加权算法(TWCRC),在锚节点数目 5×5 和噪声强度为 0 dbm 时,定位精度可分别提升 87. 14%和 35. 51%。     

基于RSSI的改进质心定位算法

为提高无线传感器网络三角形质心定位算法的精度,提出一种基于RSSI的改进质心定位算法.首先,分析传统基于RSSI的三角形质心定位模型,发现单个锚节点测距误差较大会导致盲节点的定位精度受到影响,因此采用4点进行定位来降低单个锚节点权重;其次,改进的质心定位算法选择根轴相交组成的区域作为定位参考区域,将该区域的质心位置作为待测盲节点位置;最后,采用仿真实验对比算法的精确度和稳定性,实验结果表明,相比于传统算法,改进算法定位精度更高,而且定位误差波动更小.     

基于RSSI和辅助节点协作的Wi-Fi室内定位方法

随着Wi-Fi的广泛应用,基于RSSI的位置指纹信息的室内定位也越来越受到研究者的关注。针对传统的基于RSSI的指纹匹配定位中只利用单个节点信息的缺陷,提出了一种基于RSSI和辅助节点协作的Wi-Fi室内定位方法,该算法首先基于RSSI序列相似性选择合适的辅助节点,并测量节点间的距离作为辅助信息以提高定位精度,同时还采用了自适应有色噪声卡尔曼滤波减小室内复杂NLOS环境造成的TOF测距误差,最后通过建模搜索以得到节点的精确位置。实验表明,在复杂环境下该算法定位精度优于其他主流方法,适用于基于Wi-Fi的室内定位系统。     

基于卡尔曼滤波的矿井移动节点定位算法研究

提出了一种基于无线传感器网络的矿井移动节点的定位算法.针对井下环境特征,巷道纵横交错,移动节点数量庞大以及无规律移动的特殊复杂情况,提出了一种卡尔曼滤波测距预估和弹性粒子模型相结合的定位算法.该算法采用卡尔曼滤波器对RSSI信号强度进行滤波和测距预估,建立弹性粒子网络模型对移动节点定位准确度进行校正,实现了矿井移动节点的实时精确定位.通过仿真实验表明,该算法误差小,精确度高,适合用于井下大规模的移动节点的定位.     

基于RSSI的极大似然与加权质心混合定位算法

随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用.通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示（received signal strength indicator,RSSI）定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法：首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度.仿真实验结果表明,该算法能够在定位精度方面有较大的提高.     

基于文化双量子粒子群优化的RFID 3D-LANDMARC定位算法

射频识别技术(RFID)三维定位是目前室内定位的主要技术,现有的RFID三维定位主要基于LANDMARC定位算法。针对传统的LANDMARC定位算法存在定位精度低、自适应性差的问题,提出一种基于文化双量子粒子群(CDQPSO)优化的RFID 3D-LANDMARC定位算法。该算法首先使用BP神经网络在数据拟合方面的优势对采集信号进行预处理,研究无线信号传输损耗模型,以提升LANDMARC算法的定位精度;然后引入CDQPSO算法在全局搜索与寻优方面的技术优势,求解模型,解决LANDMARC定位算法的自适应问题。实验研究表明,所提算法定位误差在0.56 m以下的标签达到75%,与基本LANDMARC算法和粒子群优化LANDMARC算法相比,定位精度和适应性均得到显著提高,而且能克服粒子群算法收敛速度慢的缺点。     

一种基于CKF的改进LANDMARC室内定位算法

针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。     

基于SR-CKF的相对方位多机器人协同定位算法

针对单移动机器人在探索未知复杂环境时,存在鲁棒性较差、效率较低等问题以及现有多机器人协同定位算法实时性较差、数值不稳定和定位精度较差等缺陷,提出基于平方根容积卡尔曼滤波的相对方位多机器人协同定位算法。通过建立机器人运动方程和观测方程,利用相对方位作为测量值,进一步得到多机器人协同定位的动态模型。在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。仿真结果表明:相比基于相对方位的EKF、UKF协同定位算法,本文提出的协同定位算法均方根误差降低了87.04%和52.10%,运行时间比UKF协同定位算法减少了1.45%,表明该算法在协同定位性能上更优越。     

一种缩小定位区域的改进APIT无线传感器

通过对现有文献的分析可知传统APIT算法存在着定位误差大和覆盖率低的问题。针对上述问题,提出一种APIT的改进算法。引入缩小定位区域的思想,通过多次运用PIT算法求定位区域质心,将原APIT算法的一轮定位扩展为多轮定位,逐步减小定位区域,将较小定位区域的质心坐标作为未知节点的坐标,减小定位误差;同时,改进算法充分运用可移动的信标节点,逐步增加定位覆盖率。在MATLAB环境的各场景下对改进算法进行仿真,并将其与原有算法进行对比。仿真结果表明,改进算法能够在减小节点定位误差的同时提高定位覆盖率。     

融合跳距修正与麻雀搜索的改进DV-Hop算法

针对WSN节点定位中DV-Hop算法存在较大定位误差的问题,深入分析产生误差的原因,提出了一种基于跳距改进和麻雀优化DV-Hop定位算法(ISSA-DH)。该算法首先通过通信半径细化精确跳数,并添加加权修正因子来降低平均跳距的误差;然后通过估计距离和实际距离的偏差量进一步加权修正跳距;再利用改进的麻雀算法取代最小二乘法,把无线传感器的定位问题转化为求解最优问题,进而得到未知节点的位置。通过仿真,在不同的条件下ISSA-DH算法较DV-Hop算法和改进算法（DCAI DV-Hop）定位误差平均下降50.3%、34.3%,证明ISSA-DH算法能够有效减少定位误差。     

Study of Partial Discharge Localization Using Ultrasonics in Power Transformer Based on Particle Swarm Optimization

The partial discharge source localization by ultrasonic measurements in power transformers is studied by the Particle Swarm optimization (PSO), and the signal parameter estimated model of ultrasonic localization has been established on the basis of the propagation properties of the ultrasonic wave. The experiment result shows that the PSO algorithm possesses high calculation efficiency and high convergence speed, and can efficiently prevent the result from falling into the local optimum, the localization error of the PSO algorithm is clearly better than that of the Least-Square algorithm obviously.     

融合粒子滤波和环境标签矫正的巡检机器人自主定位算法

随着巡检机器人的需求量增加,巡检机器人在复杂环境中的自主定位问题越来越重要。提出了融合粒子滤波和环境标签矫正的自主定位算法,充分利用巡检机器人的工作环境特性和蒙特卡罗定位算法的特性,提高机器人自主定位的效率和效果。基于ROS建立了机器人仿真环境,对定位算法的效果进行了测试。实验结果表明融合粒子滤波和环境标签矫正的自主定位算法的效率和准确性有所提高,能够很快实现定位恢复。     

一种家居监控机器人的角及平直线段匹配的组合定位方法

针对移动机器人家居环境下的定位问题,提出了一种结合平直线段匹配、角匹配和里程计的组合定位方法。该系统采用了Labview开发平台和CompactRIO控制器,得到了很好的实时性效果。机器人通过激光测距仪基于TCP／IP通讯协议得到环境点信息,由迭代适应点（IterativeEndPointFit,IEPF）算法得到环境线段,再由最小二乘法得到线段参数。在基于线段基础上,得到局部的平直线段和角特征,再与已知平直线段和角特征做匹配,通过平直线段和角匹配算法实时更新机器人位置和姿态。分析里程计定位、平直线段匹配定位和角匹配定位的误差,分配不同的权重得到优化的组合定位算法。实验表明：该组合定位算法定位稳定,位置误差在S0mm以内,角度偏差5。以内,循环的周期在120IllS以内。