物联网中一种低复杂度的参数估计及单站定位算法

针对物联网的节点定位问题,本文提出一种低复杂度的参数估计及单站定位算法,包括一种基于矩阵幂的矩阵束(Power-based Matrix Pencil, PMP)算法与非线性拟合(Non-Linear Fitting, NLF)技术。算法利用联合到达时间(Time of Arrival, TOA) /到达角度(Angle of Arrival, AOA)参数估计进行定位运算,通过单个锚节点的测距信息即可完成定位。该算法首先通过矩阵幂运算近似求解接收矩阵的信号子空间,并基于此近似提出PMP算法估计多径AOA,然后利用OFDM子载波的频率分集特性,通过NLF进行TOA的高分辨率估计,有效降低了计算复杂度。仿真结果表明,该算法的时间开销远低于传统的二维矩阵束算法,并且在高带宽和多阵元情况下具有较好的定位性能。     

利用核局部保持映射分析到达时间定位问题

为降低测距误差对定位精度的影响,提出了一种基于核局部保持映射(KLPP)的定位算法。该算法以节点间的传输时间向量为输入,借助能够体现网络拓扑结构局部信息的核局部保持映射进行建模。仿真结果表明:基于KLPP的定位算法与传统基于核函数主成分分析(KPCA)的定位算法相比,在解决TOA定位问题时具有较高的定位精度,在复杂环境下能更有效地降低测量误差对TOA定位精度的影响。     

基于TOA的无线传感器网络自定位技术的研究

提出一种基于TOA(time of arrival)测距、利用节点之间的几何关系实现传感器网络中未知节点自定位的算法．该方法计算量小、算法简单且定位精度高．仿真实验证明了该方法的有效性．     

基于虚拟力的无线传感器与执行器网络测距定位算法

针对无线传感器与执行器网络(WSAN)的传感器节点定位问题,提出了一种基于虚拟力的无线传感器与执行器网络测距定位算法,使用移动的执行器节点替代传统无线传感器网络(WSN)定位算法中的锚节点,并将虚拟力模型引入基于信号到达时间(TOA)的定位算法。该算法在利用虚拟力驱动执行器节点逼近提出定位请求的传感器节点的同时,根据信号传输时间计算节点间的距离完成节点定位。仿真结果表明,提出的定位算法使得节点定位成功率提高20%左右,平均定位时间以及定位开销均小于传统TOA算法,适用于实时性要求高、执行器节点数量较少的场合。     

一种基于Zigbee 的混合定位算法

定位是无线传感器网络研究的一个热门课题。提出一种基于Zigbee的混合定位算法,将TOA（Time of Arrival）测距与DV_distance定位算法加以融合。TOA测得相邻节点间距离后,利用DV_distance获得未知节点到锚节点的累加距离并加以修正后对节点定位。其中TOA利用Zigbee网络中MAC（medium access control sub-layer）层协议,无需增加额外硬件实现精准测距。该混合算法定位精度高,受网络中锚节点所占比例影响小,适用于大规模传感器网络定位。     

蜂窝网中的chan定位算法的性能分析

对蜂窝网中基于到达时间(TOA)/到达时间差(TDOA)的定位算法进行了分析和研究,重点介绍了Ghan定位算法在二维空间的应用.通过均方根误差(RMSE)与克拉美-罗(CRLB)下界的比较,分析了理想环境中Chan定位算法的性能.还通过实际测量,采用TOA双程测距方式得到TOA测量值,对Chan定位算法在实际测量中的性能进行了验证.实验仿真以及实际验证的结果表明算法在理想环境和实际测量中容易实现,而且定位精度相对较高.     

R-TWR:一种基于时钟频率比的TOA测距新方案

TWR(Two way Ranging)和SDS-TWR(Symmetric Double Side-Two way Ranging)是IEEE802.15.4a中定义的两种TOA测距方案,主要用于无基础设施和额外同步机制条件下的节点定位/跟踪等应用.通过分析指出:TWR测距方案具有较高的测距容量且对节点移动的敏感度低,但其测距误差较大;SDS-TWR虽然能有效降低时钟频偏带来的测距误差,但其测距容量较低并且对节点移动的敏感度高.在此基础上,提出一种基于时钟频率比的TOA测距新方案R-TWR(Frequency Ratio Based TWR).分析及仿真证明,该方案能达到SDS-TWR方案的测距准确度,并和TWR一样对节点移动的具有较高的测距容量和较低的移动敏感度.     

基于JENNIC平台的无线传感器网络节点定位系统设计

针对传统无线节点定位算法中到达时间测距算法(TOA测距),需要大量的硬件支出来实现节点的时间同步的,以此来实现节点测距,从而实现节点定位的问题,这里通过无线微处理器JN5121与一种全新的基于信息时差的距离测算方法的结合,构建了一种全新的基于Zigbee协议的无线监测、定位网络;经系统运行实验表明;系统不需实现各个节点的时间同步,减少系统能耗,工作性能稳定,满足低密度、低精度、低成本的无线网络需求.     

基于RSSI和TOA融合的矿井人员精确定位方法

提出了一种基于RSSI和TOA融合的矿井人员精确定位方法.分析了RSSI技术和TOA技术测距精度特性,提出了近端基于RSSI测距、较远端基于TOA测距的矿井人员定位方法,在此基础上提出了改进卡尔曼滤波误差抑制算法,保证高精度矿井人员定位.实验结果表明,在基站与定位识别卡距离不超过40 m的范围内,本文定位方法的定位误差为3 m以内.     

模糊化的无线传感节点自适应定位算法

节点定位是无线传感网络的研究基础,具有重要的研究价值和研究意义.现有定位算法主要分为测距相关的算法(range-based)与测距无关的算法(range-free)两类.前者通常使用未经处理的、包含环境噪声的测距信号,导致其定位稳定性较差;后者常使用节点间的连通性信息,导致其定位精度相对较低.针对该现状,本文提出一种基于模糊处理的节点自适应定位算法(fuzzy localization, FL).FL算法首先收集有关测距信息,然后对测距信息进行模糊化处理,最后采用自适应算法计算节点位置.FL算法对测距信息的模糊化处理,减少了环境噪声对定位的影响,提高了节点定位的稳定性;同时细化了通讯半径内的距离估计,提高了节点的定位精度;且自适应算法能对模糊化过程进行自适应控制,取得有效模糊化参数.实验结果表明,与DV-Hop算法和Spring算法相比,FL算法减少了约31%和6%的定位误差,且定位稳定性较好.     

基于TOA的三维无线传感器网络节点定位算法

随着无线传感器网络应用的发展,对三维定位研究的需求日益迫切,但目前这方面的研究却很少。在TOA测距的基础上,提出了一种三维无线传感器网络节点定位算法,并对其性能进行了分析,给出了算法的时间同步误差和定位误差。最后在现有仿真平台OMNET 的基础上构建三维仿真模块,对算法进行了仿真实现,给出了该算法的定位精度和覆盖率。     

一种基于卡尔曼滤波的超宽带室内定位算法

为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,提出了一种基于卡尔曼滤波(KF)的超宽带室内定位算法.利用超宽带接收信号的信噪比区分视距和非视距环境,给出了超宽带传感器测距性能最小二乘标定模型,减小测距系统误差;判断相邻测距差分是否在阈值范围内,否则用卡尔曼滤波先验估计替代后验估计处理测距结果,由此减弱多径效应和非视距误差对测距的影响;用扩展卡尔曼滤波器(EKF)实现室内定位.实验结果表明:算法在复杂室内环境中可达到亚米级的动态实时定位精度.     

Finite volume methods with local refinement for convection-diffusion problems

Computing - Based on approximation of the balance relation for convection-diffusion problems, finite difference schemes on rectangular locally refined grids are derived and studied. A priori...     

基于LoRa技术融合RSSI和TOA的户外定位方法

LoRa（Long Range）定位为当今户外定位提供了一种低成本、低功耗的解决方案。为了提高定位的准确性,提出一种基于LoRa技术融合接收信号强度指示 (RSSI) 和信号到达时间 (TOA)的户外定位方法。通过TOA筛选有效的RSSI信息和计算RSSI的统计平均值,基于预先测量样本的方式,构建了一种类高斯分布的每个定位基站对应测距模型,获取待定位设备距离基站的距离和定位基站的位置坐标映射后,通过加权质心定位算法,得到待定位设备的位置坐标。搭建基于SX1280的验证平台,对该方法进行验证。理论分析和实验结果表明,融合RSSI和TOA的定位方法能够有效筛选数据,对比改进前的定位方法定位误差减小了20%,稳定性较高。所提出的LoRa定位算法计算覆盖范围较广,理论上可以覆盖到超过1 km的范围,实验场地最长半径达到了500 m,算法复杂度较小,实时性较好,易于实现,可用于室外定位。     

一种音频测距信号到达时刻估计方法

对音频测距信号到达时刻的精确估计是利用音频信号实现远距离无线传感器网络节点定位的关键。研究比较了几种常用的音频测距信号到达时刻估计方法,并提出了一种基于数字整流处理的到达时刻估计方法。它包括信噪比增强、去除直流分量、全波整流、低通滤波、到达时刻估计等过程。该方法在以dsPIC6014A单片机为控制器的节点进行了实验验证,测试结果表明:处理4 096点(12位量化)数据的计算时间约为1.5 s(10MHz时钟),30m距离处的时间值估计误差小于3.5%。     

基于统计不相关矢量集的集中式定位算法

为降低接收信号强度指示所产生的测距误差对定位精度的影响,提出一种基于统计不相关矢量集的集中式定位算法。通过坐标变换简化双重中心化矩阵的求解过程,使用统计不相关矢量集构造双重中心化矩阵,从而计算出节点坐标。仿真结果表明,在测距误差比较大的情况下,该算法仍能有效降低测距噪声干扰、提高定位精度,适用于低成本硬件的无线传感器网络。