一种改进LANDMARC射频识别室内定位算法

在射频识别RFID室内定位环境中,LANDMARC定位算法的精度与选取的近邻参考标签数量有关。传统的算法仅仅局限于在小范围定位环境中选取3~5个参考标签,而在较大的定位环境中,距阅读器较远的相邻参考标签存在干扰近邻参考标签选取的情况,因此,需要选取较多的参考标签来辅助定位,然而随着选取参考标签数量的增加,定位误差越来越大。针对这一问题,在选取的参考标签中引入加权思想来优化计算过程中权重的分配,进而降低系统误差,提高定位精度。仿真实验结果表明,改进后的LANDMARC定位算法在选取较多参考标签的情况下具有较高的定位精度。     

基于RFID的LANDMARC井下定位技术研究

概述了基于RFID技术的LANDMARC井下定位系统原理;针对井下多径效应导致的LANDMARC定位系统精度低的问题,从RSSI值的准确性、最邻近点的选取和权重公式3个方面总结归纳了LANDMARC系统改进方案;指出基于RFID的LANDMARC井下定位系统的研究方向为系统布局和核心定位算法。     

一种优化的LANDMARC射频识别定位系统设计

射频识别定位技术中,LANDMARC定位算法的精度与选取的参考标签有关。传统算法仅局限于小范围的定位环境中选取3～5个参考标签;但在较大范围的定位环境中,其系统定位精度差,因此提出了动态选取邻近参考标签来优化系统的定位精度的方法。仿真实验结果表明,优化后的系统具有良好的定位精度。     

改进LANDMARC算法在舱室作业人员轨迹定位中的应用

针对船舶修造企业舱室的特殊工作环境的安全要求,提出一种以RFID射频技术为基础的人员定位系统,以实现船上人员的轨迹分布与精准定位。采用改进的LANDMARC算法,通过用距离替换RSSI值对传统的LANDMARC算法进行改进,解决在空间定位中的偏差问题。在实验环境下对系统的设计思路进行了验证,结果表明改进的LANDMARC算法具有更高的定位精度,可用于船舶修造密闭舱室作业人员的跟踪定位。     

基于LANDMARC定位算法复杂度的分区算法改进

本文重点讨论研究了基于RFID的LANDMARC室内定位系统,然后在此基础上总结了原LANDMARC系统的不足,并针对LANDMARC系统中的算法复杂度进行分析,提出了一种分区算法来减小系统算法的复杂度.实验结果表明,相比原系统算法,改进后的算法在提高系统定位精度和定位性能的前提下,减小了算法总体的复杂度.     

LANDMARC定位算法的修正与优化

LANDMARC作为基于RFID技术室内定位的一项传统定位算法,在相关定位系统的研究中得到了广泛的应用。然而在实际的定位和应用过程中,LANDMARC定位算法仍存在着一些缺点和不足。针对算法定位过程中错选邻居标签概率较高造成误差较大的情况,提出一种基于LANDMARC的修正与优化算法,算法主要通过几何运算比较来排除并校正错选的邻居标签。实验结果表明,在不同的定位环境条件下,修正与优化后算法其错选邻居标签的概率大大降低,结果使定位误差有了明显的减小。     

LANDMARC定位算法中参考标签的组成结构分析与改进

由于LANDMARC定位算法中邻近标签有1/3的概率是以三角形的方式呈现,在此基础上可以将LANDMARC算法中参考标签的摆放方式由矩形改为三角形。通过仿真比较两个模型的定位结果可知,三角形摆放方式的定位精度有一定的提升,更重要的是三角形摆放方式需要的参考标签数量少,具有降低成本、减少信号干扰、增强定位系统稳定性的优势。     

基于二次加权的LANDMARC景区改进定位算法研究

针对景区地形复杂导致定位精度低的问题,在传统的LANDMARC室内定位算法基础上,提出了一种基于二次加权定位的改进算法,以解决景区中部分参考标签不能均布地复杂定位问题。首先,该算法通过一次加权定位求出待定位标签坐标;然后,将第一次求得的待定位坐标分别与参考区域的顶点连接,将参考区域划分为k个三角形区域,再分别求出这k个三角形内切圆的圆心;最后,以k个圆心作为最邻近参考坐标,通过设定二次加权系数,从而计算出更精确的待定位标签坐标。本文以某典型景区进行定位实验,实验仿真结果表明,改进后的定位算法在复杂的景区环境中,相比传统的一次加权定位算法,定位精度提高了10.6%,这说明其在复杂景区中具有更好的适用性。     

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。     

煤矿井下HBi-LSTM地磁定位算法研究

针对井下环境对地磁数据影响较大的问题,提出HBi-LSTM神经网络地磁定位模型。基于分层LSTM处理不同长短时间序列以及Bi-LSTM充分学习每条序列信息的特点,构建出HBi-LSTM模型,利用矿用手机内置磁力计采集井下地磁数据,建立面向井下环境的地磁指纹数据库,通过HBi-LSTM学习实现地磁序列可以更好地对应位置标签,之后矿工手持矿用手机随机运动采集地磁序列通过训练好的模型精确匹配指纹库实现在线定位。实验结果显示：所提出的模型比基本LSTM模型的定位性能更好,能够有效提升复杂环境下定位精度。     

城市地下燃气管网泄漏定位研究

由于城市燃气管网泄漏极具危险性,而现有的检测定位手段不能有效地对泄漏点准确及时的发现与定位。根据互双谱延时估计理论,将双谱应用于地下中压燃气管网泄漏的定位,通过直接法得到互双谱和自双谱的估计值,由该估计值得到双谱的相位,为了得到真正意义相位,对估计相位进行了解卷绕,得到最小二乘意义上的无卷绕相位,最后由互双谱和自双谱的无卷绕的相位差得到泄漏点的位置,并通过大量的泄漏定位实验证明了该方法的有效性。实验结果表明,该方法应用于城市中、低压管网的泄漏定位,在检测距离为30m的情况下,定位绝对误差小于2m。     

基于CC2420的井下无线定位方案设计与研究

近年来,国内煤矿事故频发,保障矿工的安全,研制井下监测系统越来越体现其重要性。提出一种利用CC2420无线收发芯片的井下无线定位方案。方案基于射频芯片CC2420和单片机ATmega128为核心的无线传感器网络硬件节点,使用RSSI值进行测距,依据固定的信标点布置进行两点定位。在收到多个信标的时候,将定位结果在数学上求平均,提高定位精度,同时,方案也对一些因为测距误差造成无法定位的情况作了分析。仿真结果表明:在一定的网络连通度条件下,本方案是一个简单、快速的井下实用性定位方案。     

基于可见光色分双工的井下定位系统收发机

现有的井下无线定位系统收发机通信主要采用无线电波,由于井下巷道狭小、岩石成分复杂等因素,无线电波的通信距离、通信质量都会受到影响。针对以上问题,设计了基于可见光色分双工的井下定位系统收发机。该收发机采用LED的高速闪烁携带信息,并用光电二极管接收光信号,实现了无线可见光通信。收发机通信的上下行信道采用色分双工的方式,将2个方向上的信号分别调制在2个相互分离的不同颜色的可见光信道上,以实现数据的接收和发送。试验结果表明,该收发机功耗小,抗电磁干扰性能好,接收稳定,并兼有照明作用。     

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。     

基于井下异构无线传感器网络DV-Hop定位算法的改进

为了满足矿井安全生产和监测需要,针对井下巷道特殊环境和异构无线传感器网络特点而提出一种改进DV-Hop定位精度的解决方案。该方案考虑了井下节点分布不均匀和平均跳距之间的偏差度对定位精度的影响,在选取跳数和平均跳距的过程中均引入了一个筛选因子,从而得到更加精确的平均跳数和平均跳距,以达到提高定位精度目的。仿真结果表明:该方案能有效提高DV-Hop算法定位精度,更加适合井下弯曲复杂场景的定位。