基于最小二乘法的室内三维定位算法研究

现如今,室内位置服务成为国内外科研人员共同关注的焦点,人们对于位置服务的需求逐渐由最初的室外定位转变为室内定位,同时诸多的室内定位技术得以快速发展。通过以超宽带(UWB)的通信方式为依托,借助到达时间差值(TDOA)的定位模型,着重分析了最小二乘法在求解三维定位坐标时精度误差产生的主要原因。针对传统的最小二乘定位算法在求解三维定位坐标时,由于基站几何布局所引起的定位精度问题,提出基于最小二乘法的三维定位优化算法。通过对实验结果进行分析,比较定位算法在优化前后的两种场景下定位的不同表现效果,发现优化后的最小二乘定位算法的三维定位精度得以明显提高且定位效果稳定,同时也降低了三维定位精度对于基站几何布局的依赖性。     

基于感知规则集策略的约束空间RFID室内符号定位算法

随着普适计算的不断发展,室内定位技术的研究也成为当今研究的热点问题。室内定位技术的不断进步使得RFID也开始部署到各种各样的室内场景。为了提高室内空间中的定位精度,提出了一种基于感知规则集策略的约束空间RFID室内符号定位方法。算法基于室内空间中的符号,通过定义感知情况来确立定位规则,使得算法具有良好的室内空间适应性,且使用少量的阅读器即可实现较高精度的定位。为了提高定位精度,引入了感知规则集的概念,对场景中的情况抽象提取,进一步增加算法定位精度。最后,以约束空间中的室内场景作为实验环境对算法进行验证,分析结果表明,在室内空间中算法的定位精度及抗干扰能力优于现有算法。     

一种面向室内定位的基站选择优化方法

基于蜂窝网的室内定位由于与通信网络共用基础设施,因此具有覆盖范围广、无需基础设施再投资等突出优点,已成为电信运营商级室内定位的首选,是5G通信领域的研究热点之一。在蜂窝网室内定位场景中,基站的布局将直接影响接收首径的数量、到达时间TOA(Time of Arrivaling)和测量误差等要素,从而影响定位精度。据此,文中提出一种面向室内定位的基站选择优化方法,以减小由于基站布局引入的误差。首先,引入TOA信息去除TDOA定位的虚定位点;其次,针对不同基站选择方案得到的定位结果,利用二次聚类的思想去除孤立点,并根据聚类结果中样本节点数量最多的类确定定位点的位置。实验结果表明,与其他优化方法相比,所提方法的室内定位平均误差降低了15.49%。     

基站异常情况下基于改进极限学习机的超宽带室内定位方法

在超宽带(UWB)室内定位系统中,定位基站极易受到干扰,从而影响定位系统的准确性、稳定性和可靠性,干扰较强时,会造成基站数据异常波动,无法完成准确定位。为解决UWB室内定位系统基站异常情况的定位问题,本文提出了一种基于粒子群优化的极限学习机(PSO-ELM)定位模型,实现在定位基站发生异常情况下的高精度定位。该定位模型利用双边测 距(TW-TOF)采集标签和基站的距离,运用极限学习机(ELM)建立室内定位解算模型?引入粒子群算法(PSO)优化极限学习机的隐含层权值和阈值参数,以克服ELM算法存在的缺点。实验结果表明:在基站正常情况下,PSO-ELM定位模型平均定位精度可达0.03m。相比于传统TOA定位算法,精度了提高73%,同时在基站异常情况下,平均定位精度可达0.04m,有效解决了当定位系统基站发生异常情况时无法完成正常定位的问题     

基于MIMO的单基站混合定位算法研究

传统定位算法实现时往往需要3个以上的基站,且定位精度易受非视距信号的影响。针对上述问题,提出一种基于MIMO的单基站混合定位算法,利用信号路径参数以及基站、移动台、散射体之间的位置几何关系将定位问题转化成非线性约束优化问题,并使用改进的粒子群算法对其求解得到目标估计位置。计算机仿真表明,该算法在非视距环境下具有良好的定位精度和定位稳定性。     

基于改进型差分进化的MLAT系统布站方法研究

对于多点定位系统的定位精度受基站几何布局影响的问题,提出基于改进型差分进化算法的布站优化方法。基于差分进化算法并适当改进,结合场面多点定位系统的其他条件和限制因素,以几何精度因子GDOP为适应度函数,实现基站优化布站,为系统设计和建设中基站位置的选取提供参考依据。仿真结果表明,该布站优化方法在多点定位系统中可获得较高的定位精度。     

基于AP布置优化和K-means聚类算法的室内定位研究

传统室内定位中聚类算法被动依赖定位环境中接入点(Acess Point,AP)数量,导致定位效率低、误差大,室内位置指纹定位研究中AP布局是影响定位精度的关键性因素。因此,采用Intel芯片的嵌入式微系统和美国Signal Hound生产的SA44B型测量接收机共同组成传感器网络,根据电波路径损耗建立室内定位的目标函数,采用单纯形法和模拟退火算法融合算法对目标函数进行优化,从而达到最合理的AP室内位置布局,而后改进K-means聚类算法将优化后的AP位置坐标作为初始聚类中心,来提高系统的定位效率和精确度。实验结果表明,与传统K-means算法相比,经过AP位置最优化后的聚类定位算法精度提高了13.8%。     

监狱犯人室内定位算法研究

室内定位技术因其在搜索、救援和安全方面的良好使用价值,越来越受到人们的关注。本文主要对基于室内监狱犯人的RFID室内定位算法进行研究,主要涉及其工作原理和相关的定位算法,特别是对LANDMARC室内定位算法进行了深入的研究以及改进优化,根据LANDMARC算法的缺点,通过对LANDMARC算法中阅读器的位置分布,参考标签的分布密度以及选取的参考标签数k值的优化改进,得出更优的LANDMARC改进算法,获得更好的定位精度和定位性能。改进的算法通过Matlab7.0模拟,提高监狱犯人室内定位精度,确保监狱的安全,提高效率。     

基于RFID的边界虚拟参考标签改进算法

依据对室内定位算法的场景分析,在BVIRE算法的基础上,提出了一种室内定位的改进算法IMPRO_BVIRE。针对信号在无线信道中的衰减规律呈非线性,该算法采用一种非线性插值方法计算虚拟参考标签的RSSI值,在邻近参考标签的选择上采用小概率排除法,排除了小概率点对定位精度的影响,并通过取均值抵消了阴影带来信号的剧烈波动。仿真与实验结果表明,改进后的IMPRO_BVIRE算法相比于BVIRE算法具有更低的定位误差。     

基于改进支持向量机的Wi-Fi室内定位算法

针对室内复杂环境下无线信号不稳定、传统支持向量机定位算法计算复杂度高等难题,为了提高室内的定位精度,提出一种改进支持向量机的Wi-Fi室内定位算法。采用核主成分分析对特征进行降维处理,提取有用信息、降低计算量,采用支持向量机构建定位特征与物理位置的非线性映射模型,并采用粒子群算法对模型参数进行优化,进行了仿真实验。结果表明,该算法提高了室内定位精度和效率。     

基于UWB的LSM-Taylor级联车辆定位算法

为了满足智能车在室内的高精度定位要求,针对室内的伪三维定位场景,提出了一种基于超宽带(Ultra Wideband,UWB)的LSM-Taylor级联车辆定位算法.该算法以到达时间差(Time Difference of Ar-rival,TDOA)为定位方式,以多基站最小二乘法(Least Square Method...     

民航多点定位系统基站布局优化

针对民航机场场面监视领域多点定位系统固定形状的基站布局方式造成进出场飞机定位精度低的问题,建立监视区域内基站布局问题的数学模型。以GDOP数值工具为定位精度评判标准,利用免疫寻优算法计算得到最优的基站布局方案;将此布置基站方案与星形、T形布置基站方式进行图形和数据的对比,同时又在此布置基站方案下改变主站位置来进行数据对比。仿真结果和对比数据表明免疫寻优算法布置基站的最优性且可以显著提高飞机定位精度。     

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。     

室内定位中DS-TWR测距算法的优化

针对现阶段UWB室内定位的测距过程中易出现通信冲突且标签功耗高的问题,提出一种改进的DS-TWR算法.该方法通过一种基于Hash算法的时隙分配方法计算标签和基站的时隙,使每个标签和基站都有唯一时隙,以减少通信过程中标签冲突现象;同时不同于传统TOA测距流程,该方法设置一个主基站,标签只需与主基站进行通信,而从基站只需要进行监听;通过DS-TWR算法来实现标签与主从基站之间的测距过程,最终完成室内定位.实验结果表明,该改进方案可以有效地减少定位通信次数,假设定位基站有N个,改进算法的通信次数约为传统DS-TWR算法的4/3N,且基站越多,减少次数越多,有很强的工程应用价值.通过减少通信次数可以优化标签功耗过高的问题,使标签功耗节省33.3％;针对传统测距算法中通信冲突的问题,在加入Hash算法后,测距过程中基站标签的通信冲突率降低13％,从而使得系统中标签容纳量增加.     

OFDM超分辨率联合TOA/AOA定位

对无线信号到达时间（TOA）和到达角度（AOA）的精确估计是室内无线定位的关键。正交频分复用（OFDM）是适合多径衰落环境的一种高速传输技术。提出一种联合TOA和DOA的二维定位方法用于OFDM信号定位。算法首先通过信道估计得到信道的频率响应（CFR）,对CFR采用超分辨率算法估计信道时延。首径（first arrival path,FAP）的时延估计就是接收信号的TOA估计。将天线阵列接收信号通过DFT变换到频域,利用同样的算法估计信号各径的AOA/DOA。最后联合TOA和AOA在二维平面上确定目标位置。由于信号是多径、多载波信号,对各载波的DOA/AOA估计在载波间进行处理,再结合各径脉冲响应的幅值,选出属于首径的DOA/AOA估计。在多径环境下仿真表明算法有效且定位精度能够满足实际需要,尤其适合环境中只有一个基站或接入点的情况。     

基于RSSI自适应建模的加权反馈基站定位算法

针对基站定位中，终端接收的信号强度(RSSI)受多方面干扰，传统基站定位算法定位精度不高的问题，提出在最小二乘算法中引入加权与反馈的RSSI定位算法（RDOA）。旨在优化信号强度与传输距离的关系，大幅度提高基站定位精度。通过对基站信号在复杂环境下分布情况的研究,建立自适应信号强度分布模型，对定位信息进行加权与反馈,缩小误差带来的影响，综合得到定位结果。实验表明，所提出的方法相较于传统基站定位方法，在只增加少量复杂度的情况下，有更好的鲁棒性和更精确的定位结果。     

路测数据驱动的移动终端定位方法

针对当前无线定位技术无法适应复杂环境、定位精度较低的问题,提出了一种路测数据驱动的移动终端定位方法。首先,基于基站位置定位、基站信号覆盖范围描绘算法建立基站位置-范围模型库,将移动终端初始参数与模型库匹配得出其初始范围;其次,基于道路特征提取算法建立道路分类数据库,利用无线信号特征匹配算法匹配移动终端所在道路信息;最后,建立经纬度-强度映射模型库,运用终端信号比对算法确定移动终端的精确位置。理论分析和实验结果表明,基站定位精度在2 m内的概率为60%,3 m内的概率为77%,相对数据白化之前分别提高了39%、12%左右,基站信号覆盖范围描绘算法也能较准确地描绘基站信号覆盖范围,二者精度的改善能提高最终定位精度。