基于核函数法及粒子滤波的煤矿井下定位算法研究

煤矿井下受限空间中,射频信号强度受到多径衰落、阴影效应及人为因素的影响,采用路径损耗模型的定位方法误差较大,提出了基于核函数法及粒子滤波的定位算法。该算法利用指纹匹配技术结合贝叶斯估计,基于核函数法构建模型,搜索训练数据中接近未知节点指纹特征的位置并加权得到初步观测坐标,最后利用粒子滤波将目标运动状态与观测值相融合,平滑位置突变以追踪移动轨迹。实验证明,对于静态目标定位,核函数法效果优于确定型匹配算法和高斯分布模型;对于动态目标定位,所提算法比基于Markov状态转移的算法定位结果更精准。     

基于MCMC的无线传感器网络目标定位算法

为解决基于时延和多普勒频率的无线传感器网络运动目标定位问题,提出一种基于马尔科夫链-蒙特卡罗(Markov-chainMonte-Carlo,MCMC)的直接定位算法。基于最大似然准则从各传感器节点接收信号模型中推导目标位置和速度估计的优化函数;针对该优化函数难以得到闭式解的问题,将优化函数转化为马尔科夫链的稳态分布,利用MCMC方法对目标位置和速度参数分布进行抽样,得到目标位置和速度参数的样本,通过统计样本均值得到目标位置和速度的估计值。实例仿真计算结果表明,该算法比现有算法具有更高的定位精度、稳健性和计算效率,在一般信噪比条件下,性能逼近克拉美罗界。     

基于公共信标集的高精度射频指纹定位算法

目前基于WiFi射频指纹定位技术有望成为大规模城区室内外全空间定位的首选.针对RSS信号时变特性严重影响WiFi定位精度和鲁棒性的问题,提出了一种基于公共信标集的高精度射频指纹定位算法.该算法把目标定位看成贝叶斯估计问题,通过采用高斯混合模型更加准确地表征复杂训练指纹的信号特征,以及使用基于Markov链的状态转移模型和基于后验概率的自适应网格集选择机制,充分利用目标的历史状态信息和环境布局信息,不仅减少了定位搜索网格空间,而且还抑制了移动过程中不可能发生的位置跳变,提高了定位精度和鲁棒性.实验结果表明,所提定位算法以90%的概率可获得3m以内的定位误差,其定位性能明显优于传统单一高斯模型.     

基于IMK-WLSSVR的WiFi室内定位算法

针对传统的基于单核加权最小二乘支持向量回归(WLSSVR)定位算法对接收信号强度指示(RSSI)的拟合度较差,导致定位精度不高的问题,提出了一种基于改进多核WLSSVR(IMK-WLSSVR)的Wi Fi室内定位算法。采用多核支持向量回归机模型构建指纹点RSSI值与位置坐标的非线性关系,采用多项式核函数和高斯径向基核函数构建多核函数,利用正态分布权值函数为每个指纹点赋予不同的权重;然后利用改进的模拟退火算法优化定位模型参数,进一步提升模型的定位性能;最后利用构建的定位模型进行定位。实验结果表明:在3 m网格、3 d Bm标准差噪声条件下,算法定位误差小于2 m的概率可达92. 2%,其定位精度优于现有的加权K最近邻(WKNN)算法以及单核WLSSVR方法。     

一种基于多次单点定位的多目标定位算法

针对多目标情况下基于多次单点定位的统计平均处理失效问题,提出了一种新的多目标位置信息场定位算法。首先对二维角测量定位的精度进行了分析,推导了定位误差的协方差矩阵;而后选取不同的核函数,得到基于多次单点定位的目标位置信息场函数,通过网格搜索,实现对目标位置和数目的同时估计。仿真实验结果验证了该方法对基于多次单点定位的多目标定位的有效性以及高斯型核函数定位性能较好的结论。     

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。     

无线传感器网络中蒙特卡洛定位算法的研究

在无线传感器网络的节点定位领域,常用的以蒙特卡洛为基础的定位算法均存在定位误差大、采样效率低的问题。为了提高无线传感器网络中针对移动节点的采样效率和定位精确度,文中采用马尔科夫链进行抽样,提出了一种基于蒙特卡洛的改进算法。该算法在蒙特卡洛算法的基础上,结合马尔科夫链采集节点样本,随后对其进行过滤,再通过对得到的节点位置值进行加权计算,得到节点的准确位置。仿真实验结果表明,通过该算法得到的节点定位误差低于其他算法,提高了采样效率以及对移动节点的定位准确率。     

一种基于插值的室内指纹定位系统设计与实现

由于室内环境的复杂性,无线传感器网络WSN(Wireless Sensor Networks)室内定位的精度一直不够理想.本系统在测距定位算法和非测距定位算法的基础上,提出了基于信号强度RSSI(Received Signal Strength Indication)的指纹定位方法.该方法利用Cokriging插值算法建立定位区域的多维RSSI向量指纹,通过匹配目标节点的RSSI向量与指纹RSSI向量确定目标节点的位置范围,最后使用K-中心点聚类算法提取目标节点的实际位置.实际场景实验和仿真实验结果都表明此方法在复杂的室内环境中具有较高的定位精度.     

椭圆定位的测距算法

针对无线传感器网络定位中传统的三边测距算法,为了降低算法中每个已知节点均具有发射和接收信号能力而造成的高额成本,提出了已知节点单发射多接收的定位模型,并基于该模型提出了椭圆定位算法.该算法通过刻画未知节点距已知节点可能的椭圆运动轨迹,进而运用牛顿迭代法求解所构造的二次轨迹方程组,实现对未知节点的定位.同时,对定位可能出现的错误进行了概率分析,得出错误概率与锚点个数之间的函数关系.实验定位与传统算法相比降低了实验成本,证明了锚点的线性增加会使错误概率指数趋势减少的特征,最后针对该定位错误问题提出了合理的解决方案.     

改进克里金插值算法的井下无线定位指纹库构建方法

针对煤矿井下巷道中构建一个采集点密集分布的无线定位指纹库,需要逐点采集信号,会耗费大量的人力和时间,为此提出基于模拟退火SA(Simulated Annealing)人工蜂群ABC(Artificial Bee Colony)混合算法优化克里金(Kriging)插值算法的构建井下无线定位指纹库的方法。首先通过无线网络采集井下巷道部分采集点的指纹数据,并建立采集指纹数据库。其次利用采集指纹数据库构建Kriging插值算法模型,再通过SA-ABC算法对变异函数的参数寻优,建立SA-ABC-Kriging插值算法模型。再次用插值算法估算出预测点的信息数据,并建立插值指纹数据库。最后将采集指纹数据库和插值指纹数据库构建井下无线定位指纹库。实验表明,该构建方法比传统Kriging插值算法的定位精度和插值精度更高,而且可减少50%的人工采集指纹数据工作量。     

基于矿井WiFi通信系统的混合定位方法研究

分析了现有矿井目标定位方法原理及存在的问题:非测距定位中的基于射频识别技术的定位方法、基于蜂窝小区标识的定位方法和无线传感器网络定位方法只能确定目标节点的范围,定位精度较差;测距定位精度较高,但基于到达角度的定位方法、基于到达时间的定位方法和基于到达时间差的定位方法对硬件设备要求较高,难以在煤矿井下应用;基于接收信号强度的定位方法易于实现,但受环境噪声影响较大,定位精度降低。提出了一种基于矿井WiFi通信系统的混合定位方法,该方法分粗细两步进行定位:粗定位采用基于蜂窝小区标识的非测距定位方法,确定目标所在的小区范围;细定位采用基于接收信号强度的测距定位方法。该混合定位方法可以在不增加定位系统复杂度的情况下提高目标定位的精度。     

定位系统在智能交通系统中的应用

文章讨论了智能交通系统（ITS）以及定位系统在ITS中的作用。目前存在两类不同的定位系统,第一类是基于卫星的定位系统,第二类是基于地面的定位系统,每类系统各有其特点。首先讨论这两类系统在成本、精度和覆盖范围方面的特性,然后介绍系统的主要类型以及在移动通信网络中的定位技术。最后,介绍了两类定位系统相结合的定位技术A-GPS。     

一种机械式电表读数区域的自动定位方法

针对电表读数区域自动定位这一关键技术的具体应用,提出了一种适合四种类型机械式电表的读数区域自动定位算法;采用同态滤波增加图像前景与背景之间的亮度差异,同时利用改进的Bersen算法,有效的将电表前景与背景分开;利用区域定位对图像进行粗定位,并对粗定位区域纵向投影,根据目标字符的纹理特征和先验知识对目标区域精确定位;经实验证明,该算法对其中四种电表图像的适应性良好。     

基于Wi-Vi指纹的智能手机室内定位方法

室内定位是近些年国内外研究的热点,但是目前的室内定位技术在适用性、稳定性和推广性方面仍然存在诸多问题.针对目前室内定位技术的不足,面向公共室内场景的人员自定位问题,本文创新性地提出以室内广泛存在、均匀分布的消防安全出口标志为路标(Landmark),提出以Wi-Vi指纹-WiFi与视觉(Vision)信息相融合的指纹,为位置表征的多尺度定位方法.该方法首先利用室内广泛存在的WiFi无线信号进行粗定位,缩小定位范围;然后在WiFi定位的基础上通过视觉全局和局部特征匹配实现图像级定位和验证;最后参考消防安全出口标志的空间坐标精确计算用户的位置信息.实验中,通过市面上流行的不同型号智能手机在12 000平米办公楼和4万平米商场分别进行实地定位测试.测试结果表明:该方法可以达到实时定位的要求,图像级定位准确率均在97%以上,平均定位误差均在0.5米以下.本文所提出的基于Wi-Vi指纹智能手机定位方法为高精度室内定位问题建议了一种新的解决思路.     

一种改进的三边定位算法

针对基于加权最小二乘(WLS)的三边定位算法在线性化过程中损失定位信息的问题,提出了一种改进的三边定位算法。该算法利用WLS算法粗略估计未知节点的坐标,并利用损失的定位信息构建定位模型,通过求解该定位模型实现精确定位。仿真结果表明,与基于WLS的三边定位算法相比,该算法有效提高了定位精度,且巷道长宽比越大,定位性能越好。     

全源矿井定位:一种智能煤矿位置服务新范式

矿山动目标定位系统为煤矿智能化建设提供基于位置的服务。而传统的矿井定位系统中定位信标与定位标签之间大多采用单一或组合通信技术,结构不灵活,覆盖范围受限,鲁棒性不高,定位精度有限;使用单一或组合测距技术,无法根据使用场景的不同自适应选择最优测距技术;位置求解算法固定,无法根据使用场景的不同和信号变化自适应选择最优求解算法。提出了全源矿井定位新范式,可根据定位环境和目标承载平台的变化,从所有可用定位信号测量设备中动态选择满足当前需求的最优设备组合,自适应地从可用的测距算法、位置解算算法、结果优化算法中选择最优的算法组合,计算出目标节点的最优位置。给出了全源矿井定位系统架构,探讨了矿井中可用的定位信号测量设备和可用于定位的测量属性值类型,对比了单一矿井定位与全源矿井定位在定位服务器方面的功能差异。研究了全源矿井定位中的3项关键技术:统一定位框架技术,旨在解决全源定位的模块化、组合式、可扩充需求;全源定位信息融合技术,对测量属性值进行有机组织,达到提高定位精度的目的;通信定位一体化技术,通过无线通信网络本身所具有的定位能力,简化全源矿井定位系统的设计并提高定位精度。提出了基于“端-边-云”的全源矿井定位系统实施架构,以便与煤矿智能化的主流建设模式相适应,大幅降低实施难度和系统成本。     

智能空间定位模型研究

在智能空间三维定位过程中,由于噪声干扰,对未知节点的定位会产生误差。通过对定位过程中产生的误差区域分析,推导出当空间定位参考点和未知节点满足一定条件时,定位误差最小,由此提出空间定位参考点的布局模型定理。仿真实验表明,定位参考点布局模型定理能更好地满足对智能空间实时定位的需求,且具有较高的定位精度。     

基于TD－SCDMA的无缝定位服务

基于TD-SCDMA(time division synchronous code division multiple access)网络提出一个新的体系结构,在不同的环境和不同的定位精度需求下使用不同的定位方法,从而通过移动终端实现无处不在的定位服务.     

GPsOne--混合定位系统展望

无线运营商提供的小区无线定位服务有两种工作方式：一种是基于网络的定位方式，另一种是基于手机的定位方式。GpsOne是一种综合GPS和CDMA系统定位技术来提高定位位置服务质量的混合定位技术。CDMA和GPS紧密结合，使得GpsOne成为一种低成本、高效率的定位服务。最后介绍了Gpsone原理及其优点，并展望了GpsOne今后在移动定位服务中的广泛应用前景。     

Wi-Fi fingerprinting based on collaborative confidence level training

Wi-Fi fingerprinting has been a popular indoor positioning technique with the advantage that infrastructures are readily available in most urban areas. However wireless signals are prone to fluctuation and noise, introducing errors in the final positioning result. This paper proposes a new fingerprint training method where a number of users train collaboratively and a confidence factor is generated for each fingerprint. Fingerprinting is carried out where potential fingerprints are extracted based on the confidence factor. Positioning accuracy improves by 40% when the new fingerprinting method is implemented and maximum error is reduced by 35%.