基于RSSI混合滤波和最小二乘参数估计的测距算法

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。     

基于无线传感器网络的井下定位系统研究

针对目前矿井环境中所存在的通信监控技术的不足,本文探讨了基于RSSI定位算法的无线传感器网络定位系统,并对RSSI测距环境参数进行了最小二乘法的修正,大大提高了定位精度,同时建立了一个无线传感器网络的仿真实验平台。     

无线传感器网络交点质心定位算法的优化

节点自身定位是无线传感器网络的重要应用之一。为提高定位精度,以求解精度优于传统最小二乘法的交点质心算法为基础,定义距未知节点最近的锚节点为参考节点,通过测量参考节点与锚节点之间的距离获得RSSI的测距误差,并对未知节点与锚节点间的测量距离进行误差修正,抑制了RSSI测距误差对定位精度的影响;再引入四边测距定位和优选锚节点的思想,对算法进行改进。MATLAB仿真结果表明：本算法在相同实验环境下相较于交点质心法又进一步提高了定位精度。     

基于RSSI差分校正的最小二乘-拟牛顿定位算法

针对无线传感器网络(WSN)中存在定位精度不足的问题,提出了一种基于RSSI差分校正的最小二乘-拟牛顿定位算法。在RSSI测距方面,首先通过信标节点的自校正定位求得误差校正系数,将该误差校正系数运用到求未知节点到信标节点的距离当中。在定位计算方面,该算法运用最小二乘法估计简单和拟牛顿法收敛速度快的特点,将最小二乘法计算出来的初值,用拟牛顿法对未知节点坐标进行迭代求精。通过仿真实验表明,本文提出的定位算法定位精度高,与传统的最小二乘法相比提高了近36%的精度。     

无线传感器网络环境自适应定位算法研究

节点自身定位是无线传感器网络应用的关键技术之一;针对基于接收信号强度指示(RSSI)的加权质心定位算法,研究了实际环境中节点的接收信号强度指示(RSSI)特性,考虑到RSSI测距模型中信号衰减因子等参数对测距精度的影响,根据信标节点闻距离和接收信号功率的关系利用最小二乘法在线拟合环境测距参数,从而获得适用的信号衰减模理进行测距,将估算的距离转换为权值,再结合质心算法实现定位;MATLAB仿真结果显示,文中算法比加权质心算法具有更好的环境自适应性和鲁棒性.     

基于动态T检验的修正最小二乘BFGS定位算法

针对传统基于接收信号强度指示RSSI(Received Signal Strength Indicator)的最小二乘定位算法精度有限的问题,从降低信号噪声影响出发,提出一种基于动态T检验的修正最小二乘-BFGS定位算法。在测距阶段,将T检验法动态应用于RSSI值筛选,以消除较大测量误差影响,提高测距精度;定位阶段,先基于平均测算距离对传统的最小二乘法进行修正,提升初步定位精度0.3~2米;在此基础上,以信号强度误差最小为目标优化函数,基于BFGS算法对修正最小二乘法计算的初值进行迭代求精,以进一步提高定位精度。仿真实验表明,该算法有效提升了定位精度,在100 m×100 m范围内可比传统最小二乘定位误差降低4~11米。     

基于RSSI测距修正的无线传感器网络四边形加权质心定位

针对无线传感器网络节点使用RSSI测距容易受外部环境影响以及考虑到实际应用中部分锚节点受环境影响出现本身精度差甚至无法定位的问题,提出了基于RSSI测距修正的四边形加权质心定位方法。首先采用高斯滤波器去除波动大的RSSI值,并使用中值加权方法对滤波后的RSSI值进行计算,得到最优的RSSI值;其次为了降低单个锚节点的权重使用四边形加权定位方法。最后对提出的方法进行仿真,实验结果表明本文提高了定位精度,且性能稳定。     

基于RSSI的测距差分修正定位算法

为了抑制RSSI误差对无线传感器节点自身定位精度的影响,以三边定位算法为基础,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将差分法和质心法相结合提出了一种测距差分修正定位算法。该定位算法无需增加额外硬件开销,容易实现,定位误差可小于2.5m,适合于处理能力和能量有限的无线传感器网络节点。     

基于RSSI的室内定位算法优化技术

定位技术在无线传感器网络中有重要的作用,针对基于RSSI的室内定位误差较大这一问题,通过对RSSI测距模型进行分析,提出一种基于RSSI的室内定位算法的优化方案。该方案将整体环境进行分割,对分割后的子区域进行环境参数拟合,同时对参考节点的可靠性通过权值进行衡量,取可靠性最高的三个参考节点完成定位,从而减小定位误差,通过Zigbee模块进行验证分析。实验表明,该改进方案明显提高了室内定位的精度。     

WSNS中基于箱线图的误差自校正定位算法

针对基于接收信号强度指示(RSSI)的无线传感器网络(WSNs)节点定位技术易受环境影响、算法运算量大等问题,提出一种基于箱线图的误差自校正定位算法.该算法采用箱线图法处理测距过程中的异常RSSI值,利用自校正最小二乘法消除测距误差进而实现节点定位.仿真和实验结果表明,该算法可以有效抑制异常RSSI值,显著提高节点定位的准确性和稳定性,而且无需建立复杂的数据传播模型或构造RSSI位置指纹分布图.     

一种考虑起振延迟的低频超声波短距高精度测量校准方法

利用超声波进行距离测量有着成本低、测量精度高的特点,因而在非接触距离测量中有着广泛应用。然而超声波换能器在接收低频信号过程中需要完成一个较长时间的起振过程,在短距(10 cm)测量场合中起振延迟在超声波飞行时间测量中占比可达50%以上,严重影响了超声波真实飞行时间的测量精度。本文提出了考虑超声波换能器延迟误差的距离测量公式,结合最小二乘法对超声波飞行距离、换能器延迟时间、温度和器件距离等参数进行了精确校准。在实验中,采用24.5 K超声波脉冲,使用基于到达时间差TDOA(Time Difference of Arrival)的方法对所提出方法进行了验证。实验证明,该方法在保证精度不丢失的情况下,避免了在不同环境温度下的多次采样和校准,解决了最小二乘法在低频超声波短距测量中可能存在的参数校准困难,对于各类短距离测量应用有较好的精度提升效果。所提出的测量和校准方法算法简单、实施方便,可基本满足各类短距测量需求。     

光电导弹校靶方法研究

针对光电制导导弹高精度指向需求,通过研究导弹校靶方法以修正系统误差,提升光电导引头指向精度;提出解析法和几何法两种校靶方法,解析法是从数学推导的角度出发,利用坐标等效变换列写方程组,通过求解多元方程组获得校靶修正角度;几何法是从距离逼近的角度出发,通过多点测量实际指向误差,利用最小二乘、几何旋转变换等方法得到校靶修正角度;最后利用数字仿真分别模拟了两种校靶算法,并进行了对比分析,验证了两种算法的有效性.     

基于TDOA的室内超声波定位方法的改进

基于超声波和射频信号的TDOA（Time Difference Of Arrival,TDOA）室内无线传感网定位系统得到了越来越普遍的研究。其以距离测量为基础计算待测节点坐标。测距的误差影响定位结果的准确性。因此,文中主要目的是介绍基于超声波技术和射频技术定位系统的工作原理,通过采用总体最小二乘法（Total Least Square,TLS）的直线拟合方法对距离测量误差进行补偿,修正距离值,然后采用极小极大算法（Min-Max algorithm）进行定位的位置坐标计算,得到系统测距误差较小和定位准确性高的结果。实验数据仿真表明,该方法提高了距离测量精度和系统的定位准确性。     

基于移动最小二乘法的微型光谱仪标定方法

针对现有微型光谱仪缺少一种统一、可靠的标定方法,提出了一种基于移动最小二乘法（Moving Least Squares, MLS）的微型光谱仪标定方法。首先,微型光谱仪分别获取汞氩灯和氖灯的标准光谱图;然后对含有高频噪声的原始光谱图进行小波去噪,之后通过峰值定位算法找到特征峰并筛选出需要参与拟合的特征峰所对应的像元序号,最后筛选出一定数量的标定点使用MLS进行拟合。选取一定数量的未参与标定的特征峰代入到拟合函数中进行精度验证。实验表明：基于MLS拟合标定后,标定集的误差标准差为0.136 nm,测试集的误差标准差为0.192 nm,高于传统的最小二乘法曲线拟合,该方法实现了快速、准确地对微型光谱仪进行标定,在实际工程应用中具有重要的指导意义。     

Kinematic Calibration of a Parallel Manipulator for a Semi-physical Simulation System

In the application of a semi-physical simulation system of a space docking mechanism, the simulation precision is determined by pose accuracy of the parallel manipulator. In order to improve pose accuracy, an effective kinematic calibration method is presented to enable the full set of kinematic parameter errors to be estimated by measuring the docking mechanism’s poses. A new calibration model that takes into account geometrical parameter errors and coordinates transformation errors is derived by using a differential geometry method. Based on the calibration model, an iterative least square algorithm is utilized to calculate the above errors. Simulation and experimental results show the calibration method can obviously improve pose accuracy.     

关于道路交通行车安全距离预测仿真

为了提高道路交通安全,针对行车安全距离的非线性带来的难以准确预测的问题,提出了一种临界行车安全距离的预测方法。以驾驶员驾驶风格类型、前车速度、后车速度、前车减速度为系统输入,以临界行车安全距离为系统的输出,应用最小二乘支持向量机(LS-SVM)建立预测模型。结合仿真软件采集到的样本数据进行训练,得到行车安全距离的预测结果,并与目前普遍采用的BP (Back Propagation)神经网络模型的预测结果进行了对比。实验结果表明,所提出的预测模型能准确地预测临界行车安全距离,且预测准确度明显优于BP神经网络。     

MIV方法在苹果糖度近红外分析中的应用

针对苹果糖度近红外光谱数据的特点,分析了基于BP神经网络和偏最小二乘PLS的苹果糖度定量预测模型建立方法:,将平均影响值方法:(mean impact value)引入到近红外波长选取的过程中来,并与联合区间偏最小二乘法结合,达到波长优选的目的:。首先,利用联合区间偏最小二乘算法,筛选出与苹果的糖度相关度较大的光谱波长数据,再利用PLS-BP方法:建立预测模型。在此模型基础上,使用平均影响值方法:,对参与建模的每个波长数据进行评价,选取影响值最大的一系列波长点,重新建立模型。模型变量数为124,校正均方根误差(RMSEC)为0.1740,验证均方根误差(RMSEP)为0.4565。结果:表明,校正均方根误差,利用平均影响值与联合区间偏最小二乘方法:结合,对光谱数据进行波长的筛选,可以降低模型复杂度,同时提高模型预测精度。     

改进递归最小二乘RBF神经网络溶解氧预测

为提高溶解氧预测的准确性,将基于改进型递归最小二乘算法优化的径向基函数（ RBF）神经网络方法应用于溶解氧预测。利用K均值聚类算法进行隐层单元中心选择;利用改进型递归最小二乘算法优化RBF神经网络隐含层到输出层的权值。仿真结果表明：该方法对溶解氧的预测具有较好的非线性拟合能力,预测精度优于RBF神经网络和递归最小二乘算法优化的RBF神经网络。     

模糊化神经网络在摄像机标定中的应用

摄像机标定是精确的视觉系统的前提。该文提出了基于双目视觉的一种新型模糊化神经网络摄像机标定法。神经网络已经成功的运用于无参摄像机标定技术当中。由于镜头的畸变主要由径向畸变引起,且图像中点总的径向畸变正比于该点到图像中心距离的平方,所以通过对神经网络的输入层进行径向模糊化,可以进一步精确标定结果。通过与普通神经网络摄像机标定法、分割区间双神经网络摄像机标定法的仿真比较,证明了模糊化神经网络摄像机标定法的有效性。     

多通信半径的无线传感器网络DV-Hop定位算法

为了实现无线传感器网络中基于无需测距DV-Hop定位算法的高精度定位,改进基于2、3通信半径的DV-Hop节点定位算法,并利用最小均方差准则改进计算平均每跳距离的公式,在最佳指数值下,修正锚节点平均每跳距离。MATLAB仿真结果表明,改进的算法在随机分布环境能提高节点定位精度;在最佳指数值下,进一步提升节点定位精度;在锚节点人工部署环境下,大大提高节点定位精度。改进的算法实现高精度定位同时,不需要增加网络泛洪次数和硬件成本。