基于改进动态RSSI算法的WIFI室内定位研究

针对室内WIFI定位中RSSI信号接受过程中已有的均值滤波法、卡尔曼滤波法无法实现实时剔除和修正奇异值的缺点,提出了一种改进的动态RSSI信号处理方法.为了提高动态RSSI信号处理的精确度,该算法采用基于平均每跳距离和测量距离误差的改进最小二乘法来修正奇异值,并在不增加硬件的基础上采用加权滤波法再次处理修正后的RSSI值.仿真实验结果表明,本算法具有较高的计算精度,与均值滤波法、卡尔曼滤波法相比,本文算法在平均测距误差以及通信半径对误差的影响方面都有较大的提高.     

基于卡尔曼滤波的建筑物内人员定位系统研究

在建筑物内人员定位系统中,严重的多径和非视距现象造成测距误差较大,采取措施降低测距误差对定位精度的影响是建筑物内人员定位的重要问题,本文阐述了利用ZigBee技术架构无线定位系统,以三边测量法和基于测距的RSSI值算法作为定位算法,加入卡尔曼滤波进行优化,充分利用了卡尔曼滤波的预测功能在预测方程中引入新的因子,使误差减小,最终得到更精准的定位信息.     

基于RSSI修正的相似度推荐定位算法

针对RSSI测距容易受到环境干扰,提出一种基于RSSI修正的相似度推荐定位算法.该算法对RSSI测距数据进行残差修正,以减小RSSI误差对定位精度的影响,并利用样本点与未知定位区域的相似度来确定未知节点的坐标,降低了计算复杂度.仿真结果表明算法有效可行,可较好地改善节点定位精度.     

基于卡尔曼滤波的WSNs节点定位研究

节点定位是无线传感器网络中的关键技术之一。在采用装备有GPS装置的移动信标-移动机器人、无人机的基础上,将加权最小二乘估计与扩展卡尔曼滤波(EKF)组合,进行未知节点定位。算法首先利用加权最小二乘估计(WLSE),获得无线传感器网络未知节点的初步位置,再用扩展卡尔曼滤波进一步提高定位精度。并且提出了加权因子的确定方法,同时,算法还提出了移动信标位置参与EKF迭代计算的最优排序方案。算法可以实现传感节点的低成本定位,可以达到较高的定位精度。仿真结果显示,算法与目前常用的最小二乘估计相比,未知节点的定位精度有较大的提高。算法应用RSSI测距方式,它还可应用于TDOA,TOA等基于测距的定位算法中,具有较普遍的应用意义。     

基于RSSI加权数据融合的TDOA定位算法

为解决基于到达时间差(TDOA)定位算法中的定位模糊、测量时差的精确度对定位精度影响较大等问题,通过对TDOA、基于接收信号强度(RSSI)定位算法进行研究分析,提出利用RSSI加权数据融合修正由TDOA算法获得的多个初始位置估计值,从而获得更优位置估计的TDOA/RSSI定位算法.该算法具有计算量小,能有效降低定位误...     

基于加权混合滤波和重心法的APIT定位算法

提出了一种基于加权混合滤波与重心法的近似三角形内点测试（APIT）改进定位算法（HFG-APIT）.利用混合滤波过滤突变信号强度值使数据平滑稳定输出;再引入加权中位数来提高接收信号强度（RSSI）的精度;最后采用重心法进行内点测试减少误判,提高定位精度.仿真结果表明,混合滤波算法比其他滤波方法处理RSSI数据的测距精度更高,HFG-APIT的定位误差分别为最小二乘定位算法（LSM-RSSI）和APIT定位算法的41.7%和23.8%,整体定位性能也优于其他2种算法.     

室内可见光定位算法研究

针对室内场所定位精度低的问题,提出一种基于改进粒子群算法的RSSI(Received Signal Strength Indication:接收信号强度指示)可见光定位方法.采用莱维飞行算法对粒子群算法进行改进,解决了标准粒子群算法易陷入局部最优的问题,提高了算法的收敛速度和定位精度.在5 m×5 m×3 m的室内环境下,经过仿真测试,改进后的粒子群算法结合RSSI定位方法定位精度可以达到0.038 241 m,算法稳定度上升,定位精度更高,更适合在室内定位中使用.     

一种复杂环境下无线传感器网络定位算法

通过对建立定位算法求解数学模型,针对RSSI(接收信号强度)受环境影响较大而提出了基于RSSI实际检测的定位算法。该算法利用锚节点实地测量信号损耗来确定定位算法的权值因子,以此进一步提高复杂环境下节点定位精度。通过模拟障碍物环境仿真实验分析可以看到,与加权质心算法相比,此定位算法的平均定位误差可下降1/4左右,而随着环境复杂度的提高,尤其是障碍物地带,其定位精度可提高一半左右。     

基于RSSI的煤矿巷道高精度定位算法研究

无线精确定位被广泛应用于矿山物联网技术领域,针对煤矿巷道定位算法普遍存在定位精度不高、误差大、易受环境干扰、被定位目标抖动和漂移等问题,提出一种基于高斯滤波的分段实时计算动态路径损耗因子α和环境参量ε_σ的接收信号强度指标(RSSI)高精度巷道定位算法.实验中采用加权最小二乘法和最小二乘法曲线拟合方法,实时动态计算路径损耗因子和环境参量来构建符合煤矿井下特殊环境的信号传输模型;在位置坐标求解阶段引入距离误差修正参数Δμ,采用标准最小均方差迭代估计出未知节点的位置坐标.以锚节点不同布置方案对算法进行实地测距验证.结果表明:提出的算法定位平均精度为1.6m,最坏情况是2.8m,横向平均误差为1.2m,纵向平均误差为0.8m;相比固定路径损耗因子的RSSI算法提高了定位精度,降低了误差率.     

基于RSSI修正的近似三角形加权质心定位算法

节点的自身定位技术是无线传感器网络研究的核心技术,具有广泛的应用前景.针对基于RSSI测距技术的节点定位算法存在测量误差相对较大的缺陷,提出一种基于RSSI修正的近似三角形加权质心定位算法.该算法针对RSSI测距易受环境干扰,对测距数据进行高斯拟合和求均值,并以此作为节点的RSSI测量值.在此基础上,利用排序算法对测距结果进行排序,优选信标节点做三角形内点测试,最后采用加权质心定位算法来确定未知节点的坐标.仿真结果表明,改进算法改善了节点的定位精度.     

基于半定松弛优化估计的无线传感网络定位

针对复杂环境下的无线传感节点位置定位精度的问题,提出一种基于无迹卡尔曼滤波的半定松弛优化估计（SC-SDP）算法,以实现无线传感器网络中节点位置的准确估计。文章基于半定松弛优化估计定位技术,建立系统模型并将其作为一个优化问题,通过寻找初始非凸目标函数的更低下界来重新阐述优化问题,将非线性和非凸问题分别松弛优化,得到次优化解;采用无迹卡尔曼算法过滤其噪声,获得一个可更准确地捕捉真实均值和协方差的滤波器,并且利用无轨迹转换使高斯输入信号精确到三阶,非高斯输入信号精确到二阶。大量的实验结果分析表明:SC-SDP算法在无线传感器网络的定位误差（RMSE）要优于GM-SDP算法、WLS算法以及CRLB算法的定位误差,提高了无线传感器网络的定位精度;半定松弛化算法的抗干扰性得到改善。     

基于L-M方法的迭代容积卡尔曼滤波算法及其应用

针对非线性状态估计中受到较大的初始估计误差和量测方程的非线性的影响致使状态估计精度不高的问题,提出了一种新的滤波算法——基于Levenberg-Marquardt方法(简写为L-M)的迭代容积卡尔曼滤波算法(ICKFLM).该算法将容积卡尔曼滤波算法(CKF)的量测更新过程转换为求解非线性最小二乘解问题,以状态预测和方差预测为初始值,使用L-M方法求解最优的状态和方差估计.把基于L-M方法的迭代容积卡尔曼滤波算法应用到弹道再入目标状态估计中,仿真结果表明,相比于CKF算法,新算法的位置估计误差约降低了70%,相比于基于Gauss-Newton方法的迭代容积卡尔曼滤波算法(ICKF)位置误差降低了40%.新算法具有较高的状态估计精度,且收敛速度快.     

基于秩滤波和裴波那契树的信号强度定位算法

针对接收信号强度指示（RSSI）测距定位精度和鲁棒性差的问题,提出了一种基于秩滤波和裴波那契树的信号强度定位（RF-RSSI-FTO）算法.采用秩滤波方法对RSSI值进行去干扰滤波处理,可提高测距精度及鲁棒性;引入裴波那契树优化算法对定位坐标进行全局和局部搜索寻优处理,可减小定位误差.仿真结果表明,RF-RSSI-FTO算法能有效改善测距精度和鲁棒性,增强全局和局部搜索能力,提高定位精度.     

基于扩展卡尔曼滤波算法的室内定位跟踪系统

为了解决无线室内定位系统实时跟踪位置坐标误差较大问题,提出一种基于扩展卡尔曼滤波(EKF)算法的室内定位方法。系统采用基于WiFi信号指纹定位,然后利用扩展卡尔曼滤波对估算的位置进行滤波,以改善WiFi指纹定位方法的精度,达到对目标实时跟踪。仿真和实验结果表明,该算法有效地改善了系统定位精度,能较好地满足室内定位的需求。     

自适应权重更新的两步定位算法

在室内环境中,影响定位精度的测量误差包括接收设备自身引起的误差以及信号非视距传播和多径效应所引起的测量正偏差.针对室内环境中测量数据包含测量误差服从正均值高斯分布的特性,提出了一种自适应权重更新的两步定位算法.该算法使用卡尔曼滤波和自适应权重更新的加权最小二乘算法进行两步定位,通过对每个测量距离分配不同的权重,克服了固定权重分配需在特定环境下方能获得良好定位精度的缺点.仿真结果表明,该算法定位精度优于两步定位算法和EKF算法,且对环境适应性更强.     

GPS/DR组合定位系统信息融合技术

在分析GPS/DR组合定位系统特点的基础上,设计了一种改进的联邦卡尔曼滤波器结构。对于GPS线性子系统采用标准卡尔曼滤波器,对于DR非线性子系统则采用无察觉卡尔曼滤波器。主滤波器采用动态信息分配系数对子滤波器的结果进行最优估计,并对DR子系统进行误差补偿,部分削减DR的误差累积效应。实验结果表明,算法能够满足车载导航系统的定位要求,并且在GPS误差较大时保持系统较高的可靠性和定位精度。     

Research on in-light alignment error model based on quaternion and rotation vector

Euler angle error model,rotation vector error model(RVE)and quaternion error model(QE)were qualitatively and quantitatively compared and an in-flight alignment filter algorithm was designed.This algorithm used extended Kalman filter(EKF)based on RVE and QE separately avoiding the accuracy problem of the Euler angle model and used Rauch-Tung-Striebel(RTS)smoothing method to refine the accuracy recuperating the coning error for simplified RVE.Simulation results show that RVE and QE are more adapt for nonlinear filter estimation than the Euler angle model.The filter algorithm designed has more advantages in convergence speed,accuracy and stability comparing with the algorithm based on the three models separately.     

气压高度表增强GPS组合导航系统数据融合

针对在精密进场着陆阶段GPS信号易受干扰及高度准确性较差、气压高度表对气压及温度敏感的特点,提出了一种提高垂直方向定位精度的组合导航系统。基于GPS定位误差、气压高度表误差以及其“当前”统计模型,建立了系统的状态方程和观测方程,给出了采用迭代Kalman滤波的数据融合算法。理论分析仿真和实验结果表明,迭代Kalman滤波算法提高了垂直方向上的定位精度与实时性,改善可用性,性能优于Kalman滤波,保证了飞机在进近阶段的安全性和可靠性,可以作为精密进近阶段的着陆引导系统.     

改进EKF算法在固定单站被动目标跟踪中的应用

针对传统EKF算法线性化误差较大的问题,基于固定单站被动目标跟踪模型,研究了非线性函数线性化展开点及雅可比矩阵取值点对线性化逼近误差的影响,然后对传统EKF算法的线性化展开方式进行优化,提出一种基于中值定理的后向平滑BS-EKF算法。仿真结果表明,与传统EKF相比,该算法在时间复杂度上略有增加,但稳定性、滤波精度和收敛速度有所提高,适用于对定位精度要求较高的情况。     

基于RSSI测距分析

节点定位是无线传感网络的核心支撑技术之一。为提高接收信号强度指示(RSSI)法的定位精度、消除路径散逸指数,提出一种基于锚节点的模糊C-均值(FCM)校正算法。该算法利用FCM模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,并将已知2个锚节点之间的距离与测量得到的RSSI值作为参考,校正被测RSSI值对应的距离,消除路径散逸指数。仿真结果表明,该算法比统计均值模型具有更好的估计精度。