基于分布式的多维定标定位算法

针对经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于分布式的MDS定位算法.该算法通过采用测定距离量化的方法,得到节点的近邻向量(CNV),然后通过一定的估算算法得到距离矩阵D,从而实现节点定位的分布式计算.通过理论分析和仿真实验表明,这种改进算法能够实现高精度节点定位.     

基于多维定标的无线传感器网络三维定位算法*

在森林防火、目标追踪、灾难预警、环境监测等应用中,需要通过定位算法对无线传感器节点进行三维定位。提出一种基于多维定标的无线传感器网络三维定位算法,结合RSS经验衰减模型和最短路径建立相异性矩阵,采用轻量级矩阵分解算法降低相异性矩阵分解的计算复杂性,并利用网络中存在的周期性消息将初始定位信息回送,在后台使用迭代优化算法对初始定位结果求精。仿真实验表明,在测距误差一定的情况下,该算法能够提高节点三维坐标的初始计算精度,经过集中式的优化求精后与MDS-MAP算法相比,能够明显地提高节点三维定位的精度。     

基于距离重构的无线传感器网络多维定标定位算法

无线传感器网络中基于多维定标的定位算法通常采用最短路径代替距离矩阵中的未知项,会导致较大的定位误差。针对这一问题,提出一种基于距离矩阵重构的无线传感器网络多维定标定位算法DR-MDS。算法利用节点间的公共邻居信息对距离矩阵线性重构,计算距离矩阵中的未知项,然后对重构的距离矩阵运用双中心化并进行特征分解,从而求得网络坐标。由于算法能够更为准确的获得网络节点之间的空间相对关系,并充分利用其空间相关性计算节点相对坐标,可获得较好的定位效果。仿真结果表明,本文提出的DR-MDS算法与MDS-MAP、ISOMAP相比定位精度更高,误差范围更小。     

无线传感器网络中一种基于多维定标的迭代定位算法

针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于多维定标的迭代定位算法.该算法仅使用节点间的一跳距离,通过新的多维定标的迭代算法进行定位.该算法复杂度不高,理论分析和仿真结果表明,在规则网络中定位误差较小,最优情况下误差可以小于5%,在非规则网络中仍可达到较好的定位精度.     

一种基于顺序多维定标的无锚点定位算法的研究

针对经典多维定标无锚点定位(MDS(C))算法在节点定位精度方面的不足,提出了一种基于顺序多维定标的无锚点定位(MDS(O))算法。该算法假定节点对之间的最短路径距离和欧氏距离存在单调性关系,避免了MDS(C)中节点对之间的最短路径距离和欧氏距离线性关系难以确定的缺陷。理论分析和仿真结果表明:MDS(O)能够提高平均定位精度1.04%～38.2%,有效地实现了节点定位。     

改进的无线传感器网络中多维定标定位算法

由于经典多维定标MDS-MAP算法在不规则网络区域中进行定位时存在较大的误差,结合以往算法的经验,一种改进的基于多维定标的算法MDS-MAP（I,E）被提出,该算法根据锚节点的位置信息,来确定各个节点采用最佳的线性变换,并由此获得定位坐标,仿真结果显示该算法在各种拓扑结构下都能取得较好的定位结果,并且比之前算法取得了明显的改进。     

基于移动锚节点的加权多维标度节点定位算法

针对无线传感器网络节点定位精度不足等原因,提出了一种基于移动锚节点的加权多维标度度节点定位算法,首先通过对移动锚节点的轨迹进行采样,添加虚拟锚节点,增加拓扑约束关系,将虚拟锚节点收集的信息与实际节点之间的信息构成距离矩阵,然后利用奇异值分解计算节点相异性矩阵的逼近阵,通过加权多维标度对节点进行定位.仿真实验表明:与MDS-MAP和MDS-MAP(P)算法相比,该算法具有良好的定位精度.     

基于图像旋转匹配的组网雷达ISAR图像横向定标

基于组网雷达观测模型,分析了在多部雷达同时观测条件下所得ISAR图像之间的对应关系,提出了一种基于图像旋转匹配的转角估计办法,通过对旋转速度的一维搜索实现了目标角速度的估计。仿真结果表明,本算法能基于组网雷达所获得的多幅ISAR图像实现目标转角的稳健估计,实现ISAR图像横向定标。所提算法可对慢运动目标或平动补偿后的回波信号进行处理,适用于不同带宽、不同中心频率的宽带雷达组网形式。     

基于TOA算法的UWB室内定位的定标方法

为了解决到达时间(Time of Arrival, TOA)算法中基站与待定位标签时钟不同步导致定位精度低的问题,基于差分GPS定位技术,提出了一种用于超宽带-到达时间(Ultra Wide Band-TOA,UWB-TOA)室内定位系统的时钟定标方法。在TOA定位算法的基础上,增加一个位置已知、与待定位标签时钟差固定的定标标签,通过定标测试计算待定位标签与定标标签之间固定的时钟差。将该固定时钟差补偿到TOA定位测距中,实现对待定位标签的时钟修正,不仅能提高定位效率还能提高定位精度。在MATLAB中对矩形、叉形、椭圆等轨迹的运动标签在固定时钟差、线性时钟差、非线性时钟差等多种误差下进行定位仿真实验,结果表明所提的时钟定标方法通过补偿提高TOA算法定位精度85%以上,验证了定标方法的正确性和有效性。     

基于Euclidean修正的分布式加权定位算法

传统的多维定标（MDS）算法由于采用多跳距离代替节点间的直接距离,生成的局部网络准确度低,在不规则网络中定位误差大。相对于现有的算法,引入Euclidean方法来产生多跳节点间的准确距离,并采用一种加权机制来改进协强系数,以抑制累积误差。仿真结果表明该方法在C型网络和低连通度的矩形网络定位中能取得更好的效果。     

基于分而治之的多维标度算法

作为一种典型的多元统计分析方法,多维标度法(MDS)广泛应用于降维和可视化研究中.MDS从n个样本间的距离距阵出发,求取它们在低维欧氏空间的坐标.经典MDS算法(CMDS)的时间复杂度为Θ(n3),影响MDS的速度.文中基于分而治之的思想提出一种新的MDS算法.首先将距离矩阵沿对角线分成若干子矩阵,然后对每个子矩阵求解,最后通过正交变换和平移变换整合各子矩阵的解,从而得到原距离矩阵的全局解.该算法的结果与CMDS完全一致.当样本维数远小于样本个数时,其时间复杂度仅为Θ(nlgn).与CMDS算法相比,该算法的速度大大提高,从而使MDS可应用于更大规模数据集.     

基于多维尺度分析的自适应室内群终端定位方法

室内定位是普适计算领域的热点研究问题。当前,室内定位方法主要分为基于信号传播模型的定位方法和基于无线信号指纹的定位方法。其中,基于指纹的方法由于不需要知道无线信号接入点(Access Point,AP)的位置而得到更加广泛的应用, 其需要通过离线阶段采集大量数据来构建丰富的指纹库,满足这一条件需要大量的人工标定工作。对此,文中提出了一种基于指纹空间关系的定位方法,相比于传统的指纹定位方法,该方法无需建立指纹库,只需要通过获取多终端的 Wi-Fi 信号强度,计算所有终端的不相似度并构建不相似矩阵;通过多维尺度分析(Multidimensional Scaling,MDS)算法,构建出所有终端的位置分布图,进而通过确定其中 3 个以上终端的位置来定位所有的终端。采用支持向量回归机(Support Vector Regression,SVR)计算任意终端间的距离,并将距离矩阵作为不相似矩阵。文中在商场场景下选择了约2500m²的区域进行实验,所提方法的平均定位误差约为7m。     

基于非度量多维标度的无线传感器网络节点定位算法

把统计学中的多维标度技术应用到无线传感器网络节点定位是一种新的思路.提出了NMDSRSSI(nonmetric multidimensional scaling and received signal strength indication)定位算法,它利用非度量多维标度技术直接根据无线信号强度值来进行节点的定位,省去了以往利用无线信号强度的定位算法中先把强度转换为距离再进行定位所带来的计算误差和计算量.无线信号强度受实际环境影响存在反射、多径传播等问题,理论和实验分析表明算法对此具有较好的适应性.仿真与真实传感器节点的实验结果显示算法取得了较好的定位效果.     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

基于加权欧式算子的射频识别定位算法

基于有源射频识别校验的动态定位技术中边界标签的定位精度受制于参考标签数量,针对该问题,提出一种优化测距的改进算法。结合路径损耗模型,分析环境噪声对阅读器收信场强的可信度影响,通过引入加权算子调整定位标签与参考标签之间的欧氏距离,修正各阅读器上的收信场强可信度。仿真结果表明,对于检测区域边界的待定位标签,改进算法比原算法具有更好的定位精度及环境适应性。     

基于权邻域的代表性用户抽样算法

代表性用户抽样方法在社会网络分析领域中得到广泛的应用,如何使其抽取的子集代表网络中所有用户具有重要的研究意义。现有方法较少关注网络拓扑结构中用户潜在的大量有用信息,通过对统计分层抽样模型进行优化,提出了一种基于权邻域的代表性用户抽样算法。为了从网络拓扑结构中获得用户更多有价值的内容,该算法使用权邻域对用户代表度计算方法进行改进,同时与用户属性相结合。之后根据用户属性值将用户分成不同属性组,计算用户在每个属性组的代表度。接着通过质量函数来衡量代表性用户的代表程度。采用启发式贪心算法抽取代表性用户。在4个数据集上与6种传统抽样算法进行实验比较,结果表明基于权邻域的代表性用户抽样算法在精确率、召回率和F1-Measure评价指标上均有提升。     

基于加权ENO的图像放大算法

E.Arandiga的图像自适应插值方法在图像边界区域使用了ENO方法进行插值。通过比较差商的绝对值的大小自适应地选择模板,尽量避免所选择的模板中包含间断,有效地抑制了Gibbs振荡,但仍有很多不足。为弥补ENO方法的缺点,提高插值方法的精确度,提出基于加权ENO的图像放大方法。基本思想是将图像的离散化形式看成图像在单元网格上的平均值,先判断每个单元中是否存在图像边界,在图像边界区域使用加权ENO方法插值图像,在光滑区域使用线性平均插值。该放大方法能得到比FArandiga的图像自适应插值方法更高阶的精度。     

基于加权最小二乘优化的DV-HOP定位算法

确定事件发生的传感器节点位置是大多数无线传感网络应用场景中不可缺失的一部分。目前,在资源受限的无线传感网络中设计高精度定位算法仍是一个极具挑战性问题。为此,深入分析了DV-HOP算法中误差产生的原因,提出一种改进的DV-HOP算法。该算法为了降低计算所带来的固有误差,估算坐标时采用不直接对估算方程进行平方的方法;此外,为了进一步降低误差,采用了加权最小二乘法进行坐标估算;最后,采用理论分析的方法对算法进行了误差分析。仿真结果表明改进的算法与传统DV-HOP算法及文献[16-17]中的算法相比定位精度得到明显改善,分别提高了40%、28%和15%。     

基于TOA的指纹定位系统

利用无线传感器网络建立低成本、高精度的实时定位系统,是当今的研究热点之一。通过多组实验数据对比,提出了＂当前的无线芯片不适用于基于RSS技术的指纹定位技术＂的观点,并在此基础上引入TOA（Time of Arrive）技术,设计并实现了基于TOA的指纹定位系统。该系统利用了当前的基于RSS的指纹定位系统,将TOA获得的测量距离值作为参考信号,利用无线信号的连续性改进了定位精度。实验数据表明,该系统在复杂的环境下达到了一定的精度,有一定的实用意义。     

基于信号强度的无线局域网匹配定位算法

基于信号强度的匹配定位是无线网络定位的主要方法,包括离线训练和在线定位2个阶段。该文对在线定位阶段的传统定位算法进行了改进,选取定位匹配过程中概率较大的若干点,根据概率大小计算加权系数,进行加权运算以完成定位。实际环境下的定位实验验证该算法可以明显提高定位精度。