基于多功率移动锚节点WSN智能定位算法

为了降低定位成本及提高定位精度,提出了一种使用单个锚节点移动进行未知节点坐标计算的SAPSO-SMPMA算法.该算法采用单个移动锚节点游历定位区域,并通过功率控制发射不同功率的信标信号,未知节点利用收到的不同位置锚节点信息结合自适应权重粒子群算法计算节点坐标.考虑到实际应用时锚节点可能带有误差,故加入了锚节点矢量误差分析.仿真表明,本算法在充分考虑锚节点自身误差及大幅降低定位成本的情况下,定位精度仍然较高,是一种实用的定位算法.     

基于自适应射频指纹地图的WSN室内定位算法研究

针对目前基于无线传感器网络进行室内定位时由于节点间收发信号的强时变特性而造成的定位精度不高、自适应性差的问题,提出了一种基于自适应射频指纹地图的WSN室内定位算法。该算法利用固定位置处信标节点间的信号强度来实时刻画环境的动态变化,从而构建出自适应环境变化的射频指纹地图;实时定位阶段,利用贝叶斯估计法计算目标初始位置,通过有限状态自动机滤除目标移动过程中出现的不可能跳变位置。实验结果表明,该方法在增加环境自适应性的同时大大提高了定位精度。     

移动无线物联网感知层传感节点定位算法研究

为了解决当前算法在锚节点密度较低时,传感节点定位精度不高的问题,提出了移动无线物联网感知层传感节点定位算法。建立了包含锚节点误差的移动无线物联网模型;根据共线度筛选候选锚节点。加权平均处理锚节点可信度,计算每个未知传感节点的平均跳距和未知传感节点定位误差,将计算误差低于设定阈值的未知传感节点转化为锚节点,并对初步定位结果进行循环位置修正,实现感知层传感节点定位。仿真结果表明,所提算法在锚节点密度相同时的定位误差低于2.5。     

基于联合分簇和LASSO的室内指纹定位算法

为提高定位效率和定位精度，提出了一种基于联合分簇（Hybrid clustering， HC）和LASSO的室内定位算法。该定位算法首先利用簇匹配实现目标粗定位，再在簇内采用LASSO算法进行二次精确定位。通过基于接收信号强度（Received signal strength， RSS）信号特性的K中心聚类方法结合基于物理位置的联合分簇，来降低粗定位阶段的簇匹配错误以避免粗大误差。采用位置指纹RSS信号的覆盖向量的相似度作为分簇和簇匹配的准则来降低运算量。簇内定位阶段采用LASSO算法达到特征稀疏化，有利于目标节点存储空间和能耗的优化。在室内典型办公环境下的定位实验表明，本定位技术在降低在线匹配计算量的同时能保持良好的定位效果，在参考位置点间隔1.8 m时，平均定位误差为1.73 m。     

无线传感器网络中一种移动节点定位算法

无线传感器网络中现有的大多数定位算法都是针对静态节点的,不能应用于节点移动的情况.本文提出了MCBE(Monte Carlo Localization Boxed Using Estimation)移动定位算法,该算法利用锚盒子(Anchor box),即包含待定位节点可能位置且平行于坐标轴的矩形以及非锚节点位置来帮助定位.锚盒子大小和定位误差存在正相关关系,算法根据待定位节点的一跳和二跳锚节点位置计算出锚盒子大小,当锚盒子大于一定值时,利用锚盒子小的非锚节点位置缩小锚盒子,最后在锚盒子范围内对位置采样,用蒙特卡罗MCL方法定位.理论分析和仿真结果表明,MCBE能有效地缩小采样区域,提高定位精度.     

基于DBSCAN与KNN的室内定位算法

针对位置指纹室内定位算法中定位精度不足、计算量大、实时性较差的问题，提出了一种将聚类算法（DBSCAN）应用于传统定位算法的解决方案。离线阶段通过各参考点的接收信号强度进行聚类，将定位区域划分为多个子区域，在每个子区域选择一个中心节点，构造新型位置指纹数据库存储数据。在现阶段，通过各个子区域中心节点进行粗定位，根据参考标签所在的子区域对传统定位算法进行权重优化。实验结果表明，平均定位误差为1.63 m。该算法在提升定位精度的同时，提升了定位的实时性。     

改进的室内移动机器人模糊位置指纹定位研究

在深入研究现有的室内机器人定位算法的基础上,提出了改进的室内机器人模糊位置指纹定位方法(IRF)。该方法首先利用样本节点之间的空间相关性,采用重心拉格朗日插值算法形成位置指纹库,然后将传统的求解高次坐标问题转换成空间隶属度问题,利用模糊匹配算法计算未知节点与指纹库中已知节点的贴近度,通过贴近度加权定位未知节点。利用卡尔曼滤波算法进行误差修正。实验结果表明,IRF定位方法与传统的定位算法相比,在降低误差、提高稳定性和效率方面具有更高的性能。     

基于蝙蝠算法的位置指纹定位技术的研究

为了改进室内位置指纹定位技术存在离线阶段工作量大、定位精度有限、鲁棒性较差的缺点,提出了一种基于蝙蝠算法的位置指纹定位技术的方法。该方法利用中点插值法和信道衰减模型自动生成指纹数据库从而代替了离线训练阶段,实现了定时自动更新数据库的功能,并且将[K]近邻算法和蝙蝠算法结合应用于匹配算法的阶段,最终实现定位功能。该方法与传统位置定位技术相比降低了整体定位的工作量,能快速应对环境变化对定位结果的影响,最后在给定的仿真环境下进行了定位性能的测试,结果显示该方法较其他算法相比平均定位精度大约提高了23.14%,绝大部分的盲节点的定位误差范围在1.5 m以内,显示出在定位精度、鲁棒性和适应环境变化方面的优势。     

基于二维网格融合特征参数的室内匹配定位算法

针对接收信号强度值(RSSI)的时变特性降低定位精度的问题,提出了一种基于二维网格特征参数融合的室内匹配定位算法。该算法融合RSSI和信号到达时间差(TDOA)构建网格特征参数模型,基于二维网格快速搜索策略降低匹配定位的计算量,采用网格特征向量的归一化欧氏距离进行最优网格匹配定位,最终由匹配网格的参考节点计算终端的精确位置。定位仿真实验中,该算法在3m网格粒度下的定位均方根误差为1.079m,平均定位误差小于1.865m;3m定位精度下的概率达到94.7%,相对于传统单一RSSI模型法提高了19.6%。所提算法能够有效提高室内定位精度,同时减少搜索数据量,降低匹配定位的计算复杂度。     

基于移动众包的地磁传感器阵列室内指纹定位技术

针对有源的室内定位技术应用场景局限,布置设备成本高昂的现状,提出了一种无源高效的基于移动众包方式的地磁指纹定位技术。创新地提出了基于传感器阵列的地磁指纹采集与匹配方法,通过移动众包的方式来解决指纹采集更新工作量大、专业性强的技术适用性难题。通过基于核模糊C均值地磁指纹聚类算法训练离线指纹库,在20次重复实验的情况下,地磁指纹定位平均定位误差为1. 87 m,90%的定位误差小于3 m,较地磁线图匹配算法定位精度及性能均有较大的提升。     

一种基于信道状态信息的人员轨迹跟踪方法

针对在室内环境的轨迹跟踪过程中,通信开销较大和算法复杂度较高的问题,对一种基于CSI（channel state information）信号的人员轨迹跟踪方法进行研究。首先从CSI中提取代表目标位置（角度）概率的AOA（angle-of-arrival）频谱,通过MUSIC算法得到的多普勒频移与AOA频谱相结合来确定人员移动速度及位置;最后利用改进的三边定位质心算法确定人员位置、模拟人员移动轨迹,实现了对室内人员精准的跟踪定位。通过与其他算法以及不同人员移动速度的对比,仿真实验表明提出的人员追踪方法可以大幅度提高定位的精确性与稳定性。     

基于粒子群的射频识别定位算法

针对传统室内定位方法定位精度低、开销大等问题,提出一种基于粒子群的射频识别定位算法。首先采用高斯滤波对读取到的信号强度指示RSSI进行预处理,以减少环境因素对信号的干扰,使RSSI值与标签实际位置相符。其次,以网格排列的参考标签作为辅助,通过引入粒子群优化算法,经多次迭代找出最优值,计算出待定位标签的估计坐标,提高定位精度。最后,采用拉格朗日插值法计算虚拟标签的信号强度指示值,使其更接近于真实标签的值。实验表明,该算法可有效提高定位精度和效率,并减少开销。     

基于核岭回归方法的定位算法研究

针对无线传感器网络环境下的定位问题,提出了一种基于核岭回归(Kernel ridge regression,KRR)的定位算法。核岭回归算法是在岭回归算法的基础上加入了核函数,该算法在离线阶段采用核岭回归方法提取所有位置指纹数据间的非线性关系,训练出非线性回归定位模型;在线阶段采集目标点的接收信号强度指示（Received signal strength indicator,RSSI）值,利用非线性定位模型估计目标点的物理位置。仿真分析了影响算法性能的各个因素,并在室内典型办公环境下进行了定位实验。实验结果表明,该算法在不同因素的影响下,相比传统加权K近邻算法(Weight K-nearest neighbor,WKNN)算法能达到更好的定位精度,在位置网格间距1.8 m时,WKNN算法平均定位误差为2.53 m,而该算法误差为1.58 m。     

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CSI与SVM回归的室内定位方法

为研究室内定位技术在复杂环境中的应用,以楼梯和实验室为实验场景,提出了一种基于信道状态信息(CSI)与SVM回归的室内定位方法.该方法通过基于密度的空间聚类方法(DBSCAN)去除信号噪声,并用主成分分析法(PCA)提取贡献最大的指纹特征,同时降低CSI指纹的维度.通过SVM回归建立CSI指纹与目标位置之间的非线性关系...     

室内WiFi定位技术的多参数优化研究

基于WiFi的室内定位技术受天线数量和频道带宽影响,存在定位精度低和跟踪易失败的问题。为此,提出一种多参数室内无源定位技术。通过几何关系解释包括到达角、飞行时间和多普勒频移在内的参数,利用参数模型量化用户运动和信道状态信息间的关系,将多参数估计问题表示为最大似然估计问题,使用广义期望最大化算法将错误的原始参数细化到一定范围内,最终输出目标位置。实验结果表明,该技术平均定位误差为0.7 m,相较于时间与空间信号模型、指纹定位、空间域建模等现有的无源定位技术具有更好的定位精度和稳定性。     

基于核岭回归和粒子滤波的室内移动目标追踪算法研究

本文提出了一种基于核岭回归和粒子滤波的室内移动目标追踪算法,该算法在离线阶段采用核岭回归方法提取传感器之间的距离与RSSI(Received Signal Strength Indicator)信号值之间的非线性关系,从而训练出一种非线性回归距离模型;在线追踪阶段,利用非线性回归模型和粒子滤波算法实现室内移动目标的定位和追踪。本文在典型的室内办公环境下进行实验,并通过MATLAB对实测数据进行仿真。实验结果表明,相比WKNN算法和KF算法,本文所提出的算法能到达更好的定位精度,误差均值为1.2743 m。     

基于UWB的消防员室内协同定位算法

为了在复杂火场环境下获取消防员的精确位置,提出基于超宽带(ultra-wideband,UWB)的消防员室内协同定位算法,充分利用目标到UWB基站以及到其他目标的测距信息进行定位.采用线性拟合方式对测量距离中存在的标准偏差进行预处理;针对目标位置解算及非视距(non-line-of-sight,NLOS)误差缓解问题,...     

惯导系统辅助CSS的室内定位方法

提出一种惯性导航系统INS(Inertial Navigation System)辅助线性调频扩频CSS(Chirp Spread Spectrum)的高精度室内定位方法.首先设计了基于MPU9250多轴传感器的惯性测量单元IMU(Inertial Measurement Unit),利用数字运动处理(DMP)数据库经四元数解算可求得准确稳定的航向角,由于MPU9250自带的磁力计,规避了航向角的累积误差问题.随后在分析CSS非视距定位误差基础上,提出了基于三角形三边准则的选星方法,有效降低了室内复杂环境下非视距的影响;最后利用扩展卡尔曼滤波对惯导系统与CSS定位进行融合,以输出稳定、准确的定位结果.通过在50 m×20 m的地下车库实验分析比较,结果表明:惯导与CSS单独定位的平均误差分别为0.3456 m、0.3659 m,本文组合导航方法平均误差为0.158 l m,较前两种单一的定位方式性能提高了50%以上,该方法降低了定位的成本,系统实现复杂度降低,定位精度提高.