基于直方图滤波的浅海声源测距算法研究

针对浅海移动声源的测距,提出了基于直方图滤波的水下测距算法.该算法以声传播过程中传播损失和目标运动参数以及接收信号作为先验知识,对声源位置函数形成的状态向量进行更新,从而实现浅海声源的测距,并用SwellEx-96实测海试数据库进行了算法的实验验证.结果表明:对移动声源的测距深度误差较小,而探测的水平距离在10 km范...     

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.     

分布式声源定位算法实现

为了提高声源目标在三维定位中的精度,建立声源定位三维仿真模型,通过测量声源到各传感器之间的到达时间差,计算出声源到达各传感器的距离差.以泰勒级数展开算法为核心,估计出声源的三维坐标,通过Matlab对均方根误差、声源坐标的估计进行仿真,通过VC＋＋与Matlab进行混合编程实现声源定位仿真系统,实现传感器坐标的串口的实时采集.仿真结果表明所提出的算法具有较高的定位精度,估计位置与声源实际位置偏差不超过3 m.     

基于Bregman散度的无线传感器网络定位

现有算法难以处理脉冲噪声,导致无线传感器网络（WSN）中节点定位精度较低,为此提出基于Bregman散度的WSN定位算法. 该算法分为2个阶段：欧氏距离矩阵（EDM）恢复阶段和坐标映射阶段. 基于EDM的自然低秩性,将EDM恢复问题转化为噪声环境下的矩阵补全问题;采用L_1,2范数显式平滑脉冲噪声,建立正则化矩阵补全模型;为了有效求解该模型,定义多元函数Bregman散度,将分裂Bregman迭代拓展到矩阵空间,结合交替最小化算法,得到EDM的估计;在此基础上,基于多维标度法对节点位置进行估计. 实验结果表明,在不同噪声条件下,该算法在保证高效性的同时,在定位精度和鲁棒性方面优于其他算法,特别是当采样率达到一定程度时,定位误差不到其他算法的1/4.     

红外单站目标跟踪算法

为了解决单红外观测站对目标进行跟踪时存在的非线性估计问题,提出了基于直角坐标系的多假设高斯-厄密特滤波算法.为了减小距离不可观测性对于非线性滤波的影响,在假设的多段距离间隔中采用并行的高斯-厄密特滤波,并加权获得目标的状态估计.首先将初始时刻红外观测站的观测距离区间划分为若干个子区间,每个子区间表示关于目标真实距离的一种假设;在每个子区间内用共同的量测进行独立的高斯-厄密特滤波,并将每个子区间对应的概率根据贝叶斯规则进行递归计算;最后将各子区间的状态估计和协方差进行加权求和得到最终估计.仿真实验结果表明,由于使用高斯-厄密特滤波从而避免求解雅克比矩阵,且距离多假设降低了不确定性,故该算法的滤波精度高于高斯-厄密特滤波和扩展卡尔曼滤波.     

基于分段常值的贝叶斯状态估计滤波算法

针对上有高斯噪声的非线性随机系统状态估计问题,提出了一种基于分段常值的贝叶斯状态估计滤波算法。本文对此种滤波算法的误差进行了分析。并且对地形辅助导航定位系统的应用进行了仿真,仿真结果表明基于分段常值的贝叶斯状态估计滤波算法是一种鲁棒性很强的滤波算法。     

基于指纹的可见光室内定位系统融合算法

可见光室内定位系统由于墙壁反射和外界噪声存在而产生误差.对现有的基于指纹识别的可见光室内定位算法进行仿真比较,提出了将确定型算法与概率分布算法融合的室内定位改进算法.首先用KNN算法选取几个与接收机位置相近的网格点,对接收信号进行高斯滤波,而后用贝叶斯算法计算其后验概率,后验概率最大的点即为估计位置.这一改进算法不仅降低了贝叶斯算法的复杂度,也大大提高了KNN算法的定位精度,平均误差为0.17 m.     

基于多元变量泰勒级数展开模型的定位算法

传统Taylor级数展开模型只考虑未知节点和锚节点之间的距离,没有考虑未知节点之间的距离,定位信息不够全面,从而导致定位精度不高。为了进一步提高定位精度,该文提出了一种新的基于多元变量Taylor级数展开模型的定位算法。首先考虑未知节点之间的距离信息,建立新的基于多元变量Taylor级数展开的定位模型。然后,在对新的定位模型求解过程中,采用粒子群算法对未知节点进行定位,获得其位置的初始值。再根据加权最小二乘法求出新模型的解,作为未知节点的估计位置。最后,为评价该算法的性能,对定位结果的克拉美罗界（CRLB）进行推导。仿真结果表明基于多元变量Taylor级数展开模型的定位精度更高,定位误差接近CRLB。     

低信噪比下的浅海水声稀疏信道估计

研究了浅海水声稀疏信道的估计方法,并在此基础上提出了一种应用于低信噪比且相邻路径最小时延差小于经典匹配跟踪算法可以分辨情况下的信道估计算法。所提出的信道估计算法基于最小二乘准则,利用浅海水声信道的稀疏特性,同时结合匹配跟踪算法,将信道脉冲响应函数的l1范数作为代价函数,并将其转化为凸优化问题进行求解。仿真实验验证了提出方法的有效性。     

基于Radon变换的浅海宽带脉冲声源定位

为了提高声纳在浅海的工作性能，在分析实验数据的基础上提出了新的多路径定位方法.将已知信
号与每个通道的接收信号进行相关，获得相关系数矩阵，对由相关系数矩阵构成的图像进行Radon变换，
以时间分辨力补偿空间分辨力，提取声场的多路径参数，估计声线到达角和到达时延差，结合声线反传技
术，实现宽带脉冲声源定位.在修正阵型估计误差后，进一步提高算法的定位精度.实验结果表明，该方法
能有效地对浅海脉冲声源进行定位，不受空间采样率或路径数必须小于阵元数的限制，具有较好的宽容性
.算法计算量小，易于工程实现.     

基于T分布变分贝叶斯滤波的SINS/GPS组合导航

为了解决组合导航中由于野值存在而导致传统滤波算法性能下降的问题,针对SINS/GPS组合导航系统模型提出基于T分布的变分贝叶斯高斯滤波算法,充分考虑野值所导致的噪声厚尾特性,将观测噪声建模为T分布.对系统状态和自举变量进行估计,并且在每个滤波时刻借助变分贝叶斯学习对状态估计进行迭代,以逼近真实后验分布.针对噪声存在野值的场景进行仿真验证,结果表明,在SINS/GPS组合导航系统中,当噪声存在野值时,基于T分布的变分贝叶斯组合导航滤波方法具有一定的鲁棒性,并且精度优于传统组合导航滤波方法.     

一种不确定数据的朴素贝叶斯分类方法

针对不确定性数据的分类问题,提出一种基于直方图估计的不确定性朴素贝叶斯分类器(HU-NBC).基于直方图估计的思想,建立估计不确定性数据概率密度函数的数学模型,并利用该模型估计不确定性朴素贝叶斯分类器的类条件概率密度函数.实验结果表明,与同类型算法相比,基于直方图估计的HU-NBC算法拥有较优的分类精度、较小的时间代价和空间需求,适合解决数据量较大的不确定性数据分类问题.     

基于改进MCL的车间移动资源定位算法研究

针对蒙特卡罗定位算法在无线传感网络中定位精度和取样效率不高的问题,提出一种基于高斯-马尔科夫移动模型改进的蒙特卡罗定位算法.通过分析车间移动资源的移动规律,引入高斯移动模型预测,减少取样区域,优化滤波算法,提高取样效率和定位精度.仿真结果表明,当节点移动时,该算法的取样效率和定位精度均有所提高.     

螺旋线阵匹配场三维定位

研究短混合阵声源三维定位方法,将阵设计为双螺旋线阵(DSLA),利用垂直孔径和水平孔径同时估计声源方位、距离和深度.阵的任意两阵元三维坐标均不同,具有复杂的空间取向性.为了提高短DSLA定位的可靠性,采用宽带中频信号进行声源定位.仿真和实验结果表明,利用宽带信号可以进一步提高DSLA定位性能.关于环境失配问题,采用L∞估计器进行解决.仿真结果表明,由于空间取向的复杂性,DSLA较倾斜阵具有更好的源定位性能;在较少环境先验知识的前提下,L∞估计器比MAP估计器和Bartlett估计器具有更好的环境宽容性.     

非视距环境下RSS和TDOA联合的信源被动定位

针对非视距环境下信源定位性能恶化的问题,提出了一种能时域联合的信源被动定位算法。综合利用接收信号强度和到达时间差两种测量信息,首先给出信源位置的最大似然估计;然后引入距离平方与加权最小二乘法,将非凸的定位方程求解问题转化为广义信赖域子问题,采用二分法求得信源位置的估计;接下来采用迭代法估计非视距误差与信源位置以提高定位精度;最后,推导了联合估计的克拉美罗下界,比较分析了计算复杂度。仿真结果验证了所提出算法在非视距环境下接近克拉美罗下界,且具有较好的鲁棒性。     

四基站时差和牛顿迭代法的三维定位算法

结合时差定位、球坐标系转换法和牛顿迭代法,针对四基站时差定位提出一种联合定位算法。利用时差定位和球坐标系与直角坐标系的转换关系对海面空中目标进行定位,分析不同布站方式对定位精度的影响,并以联合算法的结果作为牛顿迭代法的初值进行迭代。通过对目标在5km高空匀速直线行驶40km进行仿真,得到均方根误差小于45m的定位精度。此方法不存在定位模糊或无解问题,且当目标与基站距离越大,其定位精度越优于最小二乘算法。     

一种非视距环境下改进的组合定位算法

为解决基于UWB技术的室内定位算法在测距时存在非视距误差以及异常值,而导致定位精度以及稳定性下降问题,文中提出了一种能够鉴别非视距环境以及消除非视距误差的组合定位算法。该算法通过二项假设检验鉴别非视距环境,在扩展的卡尔曼滤波算法中的待估计的状态向量之中引入非视距转换因子,利用迭代算法消除非视距误差对定位估计的影响,最后通过CTK算法对定位进行精确计算。实验结果表明,该算法针对非视距环境在约95%的定位结果中的误差仅为0.04m左右,相比于CTK算法,定位精度效果提升了13%左右,定位结果更加准确,可以更好满足室内移动机器人的定位要求。     

两种水声信道模型中信噪比估计算法

文章研究了水声信道模型和深海垂直信道的信噪比估计的理论和算法,提出了浅海多径信道模型下的信噪比估计算法.利用接收信号对两种水声信道模型下常用数字调制信号和水声跳频信号的信噪比进行估计,用湖测信道对算法进行了仿真.仿真结果表明在实际信噪比为-10～10 dB时,两种信噪比估计算法的结果均良好,估计的均值和实际信噪比的误差均小于1 dB,算法适应性强,性能稳定.浅海多径信道中算法的估计性能不受多径数目的影响,其估计结果略差于深海垂直信道中的估计结果.     

非线性/非高斯序贯贝叶斯滤波

序贯Bayesian滤波为Bayesian滤波的递归实现,为在线估计系统状态提供了一个合理的框架.序贯贝叶斯滤波是基于状态-空间模型的.在线性高斯状态-空间模型下,最佳序贯贝叶斯滤波为大家熟知的卡尔曼滤波.在非线性/非高斯状态-空间模型下,最佳序贯贝叶斯滤波不存在通用的解析解,基于卡尔曼滤波的方法和质点滤波方法为比较常...     

基于小样本的高精度室内停车场指纹定位算法

针对传统指纹定位算法在离线阶段采集样本工作量较大的问题,该文利用一种分区拟合值近似法（P-FP）来建立离线指纹库。为了解决在线阶段由于WiFi信号的波动导致的定位精度较低的问题,提出一种基于P-FP的设定阈值的序贯重要性采样（SIR）粒子滤波算法（PS-FP）来优化定位坐标。首先建立了路径的损耗模型,并对室内停车场进行分区拟合,得到每个分区的环境系数;然后用拟合值与实际测量值的差值来建立误差特性矩阵,并重新部署虚拟的参考节点（RP）;最后对离线指纹库进行C均值聚类。通过比较平均定位误差（MLE）寻找PS-FP算法的最优阈值,并采用PS-FP算法来优化在线定位坐标。实验结果表明,在部署很少的RP即获取样本比较少的条件下,PS-FP算法依然能达到较高的定位精度,其平均定位误差约为0.7 m。累积分布函数（CDF）的分析结果表明,采用PS-FP算法在2 m以内的定位误差能达到98%。