基于信度和早熟检验的混沌粒子群优化定位算法

为降低接收信号强度指示测距方法的测距误差,提出一种适用于无线传感器网络(WSNs)的混沌粒子群优化(CPSO)节点定位算法:依据未定位节点信度选择定位次序;根据测距距离,通过粒子群优化(PSO)算法估算出待定位节点位置,并采用混沌扰动机制避免粒子群寻优早熟收敛,扰动机制的启动取决于早熟检验的结果.实验结果表明:算法能在提高定位精度的同时,有效解决粒子群寻优早熟收敛的问题.     

近邻点联合测距修正粒子群优化定位算法

针对在信标节点随机分布的环境中传统测距差分修正定位算法对参考节点选取过于单一,导致测距修正系数误差较大的问题,提出了一种近邻点联合测距修正粒子群优化的定位算法.它利用一种近邻点联合测距修正算法得到未知节点到各信标节点的修正距离,然后通过一种改进的粒子群优化(pSO)算法对定位结果进行优化,得到未知节点的估计位置.仿真结果表明:改进定位算法与传统算法相比,有效地提高了定位精度和稳定性.     

一种井下配电网故障测距方法

针对采用随机选取法、K-均值聚类法确定RBF神经网络隐含层节点中心和宽度只能得到局部最优解、基本粒子群优化算法易发生早熟收敛且对于某些函数优化精度差的问题,提出了将惯性权重模型和收敛因子模型相结合的改进的粒子群优化算法;针对煤矿井下配电网发生单相接地故障后定位困难、传统的故障测距方法存在可靠性差、测距精度低的问题,提出了采用改进的粒子群优化算法优化RBF神经网络进行井下配电网单相接地故障测距的方法。仿真结果表明,经改进的粒子群优化算法优化的RBF神经网络的测距精度高于RBF神经网络,能够实现故障点的准确、可靠定位。     

无线传感器网络定位优化算法及其仿真

无线传感器网络节点定位是节点信息的重要话题,针对节点定位问题,在基于距离的极大似然估计法定位基础上,为了弥补其受测距误差影响较大的缺点,利用粒子群优化算法实现无线传感器网络节点定位。在论述粒子群算法的基础上,详细论述了基于粒子群优化的极大似然估计法进行节点定位过程。通过MATLAB实验对算法进行了验证,实验表明基于粒子群优化算法的节点定位精度要比极大似然估计法的精度要高,定位性能要比其优越。     

基于LQI权重和改进粒子群算法的室内定位方法

为解决无线传感网络节点在室内定位中由非视距和多径传输等因素导致定位误差较大的问题,提出了基于三角函数的粒子群算法.针对RSSI波动性引起的测距误差,利用LQI和RSSI值之间的关系对RSSI值进行优化,提出了基于LQI权重的RSSI测距算法.改进的粒子群算法相比较于标准粒子群算法优化了权重模型和速度更新策略,避免陷入局部最优值情况.在对算法进行仿真实验后,进一步将其运用到Zigbee平台的定位实验,通过实测实验证明该算法在测试环境下平均定位误差在0.5m以内,相比于LSE和标准PSO算法,获得较好的定位效果.     

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

基于自适应罚函数优化粒子群的WSNs定位算法

针对无线传感器网络节点定位问题,在传统粒子群算法定位技术研究的基础上,提出了一种自适应罚函数优化粒子群的节点定位算法。在定位过程中,运用极大似然估计法进行粗略定位,对测距误差进行加权处理,限制搜索区域,根据群体中可行解比例的大小,自适应调节罚因子的大小进行迭代寻优,最终得到节点坐标。仿真结果表明：该算法较好地克服了传统粒子群算法收敛速度慢,易陷入局部极小点等问题,对比同类算法,算法具有更高的定位精度和较快的收敛速,且稳定性更高。     

基于加强学习与联想记忆粒子群优化算法的节点定位

提出了加强学习与联想记忆的粒子群优化算法,并将该算法应用到无线传感器网络的节点定位中。在RSSI模型测距产生的不同误差情况下,分别比较极大似然估计法和加强学习与联想记忆的粒子群优化算法产生的定位误差、定位方差,证明了加强学习与联想记忆的粒子群优化算法是一种收敛快、精度高、稳定性好的优化算法,适合应用在无线传感器网络节点定位中。     

一种改进的粒子群算法在WSN中的定位研究

针对无线传感网中的节点定位问题,采用RSSI测距技术测量未知节点之间的距离,并采用粒子群算法进行优化,针对粒子群算法的不足,首先通过引入动态扰动因子和惩罚函数提高算法的性能,其次采用距离误差修正和修正定位误差模型来优化节点定位的效果。通过仿真实验将所提算法与基本粒子群算法进行比较,结果表明所提算法在算法的收敛性能和定位精度上取得了比较好的效果,提高了节点的定位效果。     

基于粒子群优化的改进加权质心定位算法

针对无线传感器网络低成本、高精度的要求,在采用接收信号强度测距的基础上,提出一种基于粒子群优化的改进加权质心定位算法。该算法易于实现,可调参数少,通过多次选代寻优提高定位精度。采用锚节点之间相互测距和定位补偿测距误差和定位误差。仿真结果表明,该算法与质心算法和加权质心定位算法相比,节点定位精度得到显著提高。     

基于精确时间测量的无线网络室内定位系统研究

随着IEEE 802.11-2016协议(也称为802.11mc)的精确时间测量(FTM)定位解决方案的引入,通过RTT往返时间来进行测距并进行定位的技术路线正在得到重视.目前提出的基于FTM的测距方案测距精度在视线环境下通常具有1～2 m的偏移误差,由于在802.11mc中,噪音不具备高斯性,精度的进一步提升存在着较...     

基于UWB的密集行人三维协同定位算法

针对复杂室内环境中密集行人定位精度低、超宽带(UWB)基站密度要求高的问题,提出一种基于UWB的密集行人三维协同定位算法。首先使用聚类算法抑制测距数据中较大非视距(NLOS)误差,并使用高斯均值混合滤波抑制标准测量误差;然后提出双层协同定位算法,建立协同定位数学模型,并结合迭代初始值获取策略进行初步定位,降低了基站数量要求,在筛选出NLOS误差较小的测距数据并修正后,进行二次定位;最后考虑行人高机动性,设计一种交互多模型卡尔曼滤波算法,缓解了定位结果跳变问题。实验结果表明,所提算法在弱NLOS环境和强NLOS环境下定位精度分别达到0.11 m、0.17 m,相比其他算法,具有较高定位精度,进一步降低了对UWB基站密度要求。     

基于惯导/数据链的动态相对定位方法

针对卫星导航定位在复杂环境不可靠情况下如何实现无人机机间相对定位问题,提出一种基于机载惯性导航系统与机间数据链测距相结合的动态相对定位算法。该方法利用机载数据链通信测距能力与机载惯性导航系统输出的无人机速度矢量信息结合,建立机间相对定位模型,通过最小二乘法对无人机之间的相对位置进行估计,实现无人机机间的实时相对定位能力。由于通过最小二乘法解算出的相对定位结果依然存在误差,针对最小二乘法相对定位误差,提出秩亏网平差算法对无人机机群间的相对定位误差进行校正。仿真结果表明：基于最小二乘法的相对定位方法可以减缓惯性导航系统相对定位误差发散速度并且将惯导相对定位精度提高到3倍左右,通过秩亏网平差算法校正将最小二乘相对定位精度提高2倍。     

室内环境下UWB与LiDAR融合定位算法研究

当前全球导航卫星系统与激光雷达的数据融合被广泛应用于无人驾驶车辆的定位系统中,但在室内环境下由于卫星信号的丢失导致定位精度低甚至无法定位。为此提出一种基于超宽带（Ultra-Wideband,UWB）与激光雷达（Light Detection and Ranging,LiDAR）的融合定位算法。该算法以粒子滤波为基础,对两个传感器的定位数据进行互补融合解算。利用UWB实时定位数据通过提供起始粒子范围的方式来提高LiDAR的定位速率。通过求解LiDAR定位信息与粒子之间的几何距离来更新粒子的权重,从而弥补UWB的非视距误差。搭建一个室内测试场景,并将融合定位算法在智能小车平台上进行验证。实验结果表明,该方法优于UWB或LiDAR单一传感器的定位方案,而且在UWB视距受阻或LiDAR匹配失效的情况下,车辆仍能够获得良好的定位精度和定位实时性。     

煤矿井下人员融合定位方法

针对飞行时间(TOF)测距定位方法定位盲区多、易受非视距干扰、定位精度有限,捷联惯性导航定位方法长时间累计误差的问题,提出了一种基于TOF测距定位和捷联惯性导航定位的煤矿井下人员融合定位方法。该方法分区域定位:当定位终端位于定位基站近距离无线通信覆盖范围内时,采用TOF测距定位方式,通过近距离无线通信方式将定位数据发送至附近的定位基站;当定位终端位于定位基站近距离无线通信覆盖范围之外时,采用捷联惯性导航定位方式,并利用卡尔曼滤波算法对定位数据进行修正,通过远距离无线通信方式将定位数据发送至附近的定位基站;当定位终端位于定位基站远距离无线通信覆盖范围之外时,定位终端对定位数据进行本地存储,当定位终端移动到定位基站无线通信覆盖范围内时,将存储的定位数据发送给定位基站。定位基站将定位数据传输至地面监控中心,获得人员轨迹和位置坐标。实验结果验证了该方法的有效性。     

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法.采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位.实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高.     

基于改进ELM的煤矿井下定位算法

提出了一种基于改进极限学习机(ELM,extreme learning machine)神经网络的煤矿井下人员定位算法,针对测距模型易受井下复杂环境干扰,无法准确测距的问题,选用基于指纹的位置匹配模型;使用极限学习机将指纹和位置进行匹配,选用改进鲸鱼优化算法(IWOA,improved whale optimization algorithm)选取ELM合适的输入权值和隐含层阈值,以提高定位精度。在定位的在线阶段,将新的指纹数据代入带动态权值因子的在线顺序极限学习机(DOS-ELM,dynamic weight factor online sequential extreme learning machine)模型对定位模型进行动态调整,以克服电磁传播环境变动使定位结果产生的误差;仿真实验结果表明,该模型的定位误差在1.5 m以内的置信概率为72%,平均定位误差为1.64 m,与其他算法的实验结果相比,文章算法鲁棒性强,定位精度高。     

基于RSSI值的WSNs节点测距算法改进与定位实现

针对采用接收信号强度指示(RSSI)值进行无线传感器网络(WSNs)节点定位中,存在的因节点放置高度不同而产生的测距精度存在差异的问题,在大量实验数据的基础上,分析了RSSI值与距离d在节点布设高度不同时的关系,同时采用分段拟合法对测量曲线进行处理,并在此基础上提出了以恒定步长进行节点趋势移动的校验法,计算RSSI值所对应的距离d。验证结果表明:应用此校验法,节点测距的相对误差有了明显的改善。最后,将改进的测距算法应用到WSNs定位中,仿真结果表明:提出的分段拟合与移动校验法能有效改善定位的精度。     

无线定位系统中的异步测距算法研究

分析了无线定位系统中传统异步测距算法节点时钟漂移对定位精度的影响,为了减小测距误差,提出了一种改进的伪对称双边双向测距算法(PSDS-TWR).该算法采用多请求单确认的测距方法.仿真和分析结果表明,该方法减小了时钟漂移所带来的测距误差,提高了定位精度.     

基于长短期记忆网络修正测距的水下定位算法

人类对海洋资源的探测与开发的主要方式是通过水下传感器网络来实现的,而水下传感器节点收集的数据在丢失精确的定位信息时便失去了其主要的价值。因为现在许多已经被广泛使用的水下定位算法仍然难以实现精确的测距,所以导致其定位精度偏低、不理想。本文提出一种基于长短期记忆网络修正测距的水下定位算法,该算法使用一种循环神经网络的变体模型长短期记忆网络来改进基于信号到达时间差测距算法,通过处理海洋环境的历史信息、测距值等数据进行训练,能够高效准确地预测当前的测距修正值,从而获得优化测距误差的效果。通过上述两者的有效结合进一步改进多边定位算法,实现对水下未知节点的精准定位。最后通过仿真实验和算法对比验证本文所提的算法确实具有较高的定位精度和可行性。