基于KNN和XGBoost的室内指纹定位算法

针对KNN算法定位精度有待提高以及定位稳定性较差的问题，本文提出了一种基于KNN算法和XGBoost算法的室内指纹定位算法。该算法首先将样本集划分为训练集和测试集，将训练集中AP的RSSI数据作为特征，坐标作为标签，使用XGBoost算法进行建模。其次，融合KNN模型，将KNN算法寻找到的近邻集合引入XGBoost模型中，再结合单独XGBoost算法的预测结果，以实现坐标定位。最后，在实际环境下研究了算法的K值、回归树数量、决策树深度和学习率对误差的影响，确定算法的相关参数。通过搭建的实际实验环境进行了测试，实验结果表明，本文提出算法的平均定位误差为1.55 m,较于KNN算法和XGBoost算法分别减少了24.76%和11.93%,并且累积分布函数曲线的收敛速度更快，具有较好的定位性能。     

基于RBF神经网络的室内定位算法研究

在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI（Received Signal Strength Indicator）的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF（Radial Basis Function）神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。     

改进DBSCAN聚类的信道状态信息定位算法

近年来,利用WiFi信道状态信息的无线信号在室内定位、跌倒检测、身份识别等场景都发挥了重要应用价值。然而,复杂环境下多径效应的影响使得指纹定位的精度仍有待提高。针对这一问题,本文在降噪时提出了一种基于密度的自适应聚类算法,并在定位阶段联合动态加权K邻近算法进行匹配。首先,使用Hampel算法去除幅值信息的离群点;然后,将改进的DBSCAN算法自动调节参数对数据聚类;最后,用动态加权K邻近算法进行指纹库与实时定位点的匹配。仿真实验表明：在约5×10m2的定位区域内,DBSCAN算法的平均定位精度达到1.579m,其中定位精度在2m内的占比相对于传统指纹法提高了42.9%。     

基于投票机制的室内WiFi指纹定位算法

针对传统室内WiFi指纹定位算法中单个距离度量的局限性且未考虑到dBm表示与功率之间的关系的问题，提出一种基于投票机制的室内WiFi指纹定位算法。在采集到接收信号强度（RSS）数据后，首先，对RSS数据进行预处理；然后，基于投票机制对每种距离度量选中的近邻点取交集组成公共近邻点，并统计每个公共近邻点出现的频率；最后，通过概率加权得到最终定位结果。实验结果表明，所提出方法的定位精度为1.63 m，与K近邻（KNN）、斯皮尔曼（Spearman）和肯德尔相关系数（KTCC）方法的定位精度相比，平均定位精度分别提升了10%、33%和58%。此外，与MAN2数据集中的最优定位精度1.86 m相比，定位精度提高了12%。     

基于权值参数的WiFi定位算法研究

针对WiFi定位技术中基本三边定位算法的测距模型参数不确定和定位计算误差大等问题,提出了基于权值的参数实时更新定位算法。该算法首先按照基于区分度能力的信息增益方法选择3个最能反映待定位点信息的访问接入点AP,然后对测距模型进行实时获取参数的改进,最后对三边定位计算中的距离进行加权处理。实验表明,提出的定位算法能减小由环境因素和信号强度测量值引起的误差,与基本的三边定位算法相比,算法具有更高的定位精度。     

基于移动信标的水下无线传感器网络定位算法

针对现有水下无线传感器网络定位算法定位精度不足且无法适应水下多变的网络拓扑的问题，提出一种基于移动信标的水下无线传感器网络定位算法。首先通过RSSI测距定位和DV-Hop算法获取未知节点的大致分布情况，其次以未知节点定位覆盖率作为目标函数，采用经过自适应惯性权重和柯西-t扰动策略优化的改进秃鹰搜索算法迭代求解信标节点移动的最优位置，最后信标节点移动到最优位置再对未知节点进行重新定位。仿真结果表明,与对比算法相比，移动信标节点定位算法能有效提高未知节点定位精度，在网络拓扑变化时也能保持较高的定位精度且定位效果稳定。     

基于WiFi辅助的自适应步长的室内定位算法

随着室内定位的需求越来越多,基于PDR算法的低成本惯性传感器定位方法备受青睐。在PDR算法的基础上,提出了一种步长可随着步频自适应变化的s f关系模型。同时针对PDR算法的误差累积问题,利用WiFi信号的接入点位置的绝对坐标对定位误差进行校正,利用连续的两个WiFi信号接入点位置辅助动态调整步长,避免了长时间的计步累积误差对步长的影响。实验验证该方法可有效提高室内定位的精度。     

基于RSSI和辅助节点协作的Wi-Fi室内定位方法

随着Wi-Fi的广泛应用,基于RSSI的位置指纹信息的室内定位也越来越受到研究者的关注。针对传统的基于RSSI的指纹匹配定位中只利用单个节点信息的缺陷,提出了一种基于RSSI和辅助节点协作的Wi-Fi室内定位方法,该算法首先基于RSSI序列相似性选择合适的辅助节点,并测量节点间的距离作为辅助信息以提高定位精度,同时还采用了自适应有色噪声卡尔曼滤波减小室内复杂NLOS环境造成的TOF测距误差,最后通过建模搜索以得到节点的精确位置。实验表明,在复杂环境下该算法定位精度优于其他主流方法,适用于基于Wi-Fi的室内定位系统。     

基于RSSI的无线传感器网络节点定位技术研究

无线传感器网络节点定位技术是无线传感器网络应用研究的基础。采用传统的无线信号传输损耗模型的RSSI定位方法的精度不能够满足许多用途。为了提高定位精度,提出了一种分段线性拟合传输损耗模型,比较表明在复杂的环境下该模型对实际传播损耗曲线的逼近效果更好。文中利用该模型对节点进行RSSI定位,并且对该模型的定位效果进行了仿真,结果显示其较之传统模型可以明显提高在复杂环境下的定位精度。     

北斗和超宽带定位技术在电力系统中的应用

针对北斗卫星定位技术因障碍物的阻挡导致室内无法获取定位信息的问题,提出了北斗室内外无缝定位技术方案。在此基础上,对卫星定位及超宽带(Ultra Wide Band,UWB)两种定位模式算法原理的研究,提出了一种可兼容两种定位模式的高精度定位算法,在该算法下可以实现两种定位模式的无缝切换,不影响最终定位结果精度。并对变电站等复杂电磁环境下的算法模型进行研究,确定了室内UWB定位基站的布站模式以及定位精度的实现方案,解决室内定位信号弱的难题,确保在实际应用环境中的定位精度。对电力系统中的人和设备的定位提供了理论依据。     

基于智能空间的变电站机器人复合全局定位系统设计

变电站机器人对于坚强智能电网的建设具有重要意义,针对室外大范围环境下巡检机器人在没有任何初始位姿先验知识情况下通过传感器观测全局定位的问题,结合智能空间技术,本文提出了一种智能空间下基于ZigBee指纹定位与改进粒子滤波的复合全局定位系统。该方法首先利用变电站环境下已有的无线网络,通过UPnP技术将机器人接入智能空间,在智能空间中采用BP神经网络进行ZigBee指纹初步定位,然后在初定位基础上利用粒子群优化的粒子滤波算法完成精确定位。实验结果表明,本文设计的算法实现了变电站机器人与智能空间的零配置与松耦合,可有效提高初始全局定位精度并改善算法性能,缩短迭代时间。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

基于复域超多维标度的混合TOA/AOA定位算法

针对全球卫星导航系统信号完全拒止环境下的定位问题，使用超宽带(UWB)技术获取测量信息，基于多维标度变换算法(MDS)提出一种复域下的混合测距信息(TOA)和测角信息(AOA)的超多维标度定位算法(TA-SMDS)，并进一步构建了复域内的核矩阵，提出复域下的超多维标度定位算法(TA-CDSMDS)。对比3种算法的定位结果，以及10°、15°、20°测角误差和不同测距误差下的定位误差，得TA-CDSMDS算法相较于TA-SMDS和MDS，有更小的定位误差，更贴近克拉美罗下界；分析不同节点下3种的计算时间，TA-CDSMDS算法在优化TA-SMDS的基础上减少28%~48%的时间，具有更好的定位性能。     

基于SR-CKF的相对方位多机器人协同定位算法

针对单移动机器人在探索未知复杂环境时,存在鲁棒性较差、效率较低等问题以及现有多机器人协同定位算法实时性较差、数值不稳定和定位精度较差等缺陷,提出基于平方根容积卡尔曼滤波的相对方位多机器人协同定位算法。通过建立机器人运动方程和观测方程,利用相对方位作为测量值,进一步得到多机器人协同定位的动态模型。在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。仿真结果表明:相比基于相对方位的EKF、UKF协同定位算法,本文提出的协同定位算法均方根误差降低了87.04%和52.10%,运行时间比UKF协同定位算法减少了1.45%,表明该算法在协同定位性能上更优越。     

基于修正 RSSI 值的四边形加权质心定位算法

在利用接收信号强度指示(RSSI)对无线传感器网络中的未知节点进行定位时,RSSI 值易受环境的影响导致定位误差, 为此提出基于 RSSI 测距修正的四边形加权质心定位算法(QWCRC)。 先对来自同一锚节点的多个 RSSI 值进行卡尔曼滤波,得 到修正的 RSSI 值,致使测距尽可能的接近真实距离;再采用四边形加权定位对未知节点进行定位,同时利用最小二乘法进行辅 助定位,此算法对于相邻锚节点圆不相交的情况给出新的解决方案。 实验结果对比表明,改进的算法相比较于四边形加权质心 算法(QWC)和 RSSI 测距修正的三角形加权算法(TWCRC),在锚节点数目 5×5 和噪声强度为 0 dbm 时,定位精度可分别提升 87. 14%和 35. 51%。     

变电站非视距环境移动目标实时精准定位方法

在基于无线传感器网络的变电站移动目标定位系统中,测量信号的传播路径容易受到变电站内各种设备的遮挡,导致测量误差增大,影响最终定位精度。针对现有实时定位算法受测量误差影响较大这一现状,本文提出了一种受测量误差影响较小的新型高精度定位方法,实现在变电站内对移动目标的精准定位。根据定位锚点提供的测量信息,采用两步线性最小二乘法初定位。引入误差概率算法,对初定位结果进行二次处理,求解出的概率最大点即为待定位目标的最优位置估计。进行仿真分析与实验验证,与现有算法进行比较。文中提出的算法在变电站环境下,将每一单一坐标误差控制在30cm以内,相较于现有实时定位方法,定位精度提升了50%以上。结果表明该定位方法能够有效提升在变电站环境下定位结果的准确性。     

基于无线网络传感器的定位技术研究

针对基于信号强度的无线传感器网络定位精度易受环境影响的问题,通过搭建无线传感器网络进行的实验,研究了改进的定位算法.使用CC2430无线模块作为节点收发装置,基于ZigBee无线传感器网络协议,搭建无线传感器网络平台进行定位系统的开发和改进算法的测试.由于无线信号强度误差的复杂性,采取逐阶改进的方法,通过各阶段的实验进行误差分析并改进定位算法.在搭建的无线传感器网络平台上测试的结果表明,改进的定位算法达到预期的效果,定位精度明显提高,具有一定的应用价值.     

车牌自动识读中的定位技术

汽车牌照自动识读系统是机器视觉和模式识别技术在现代智能交通领域中的一项重要应用,其中车牌定位技术是车牌自动识读系统正确识读的前提和关键。本文在分析了现有定位技术的优缺点基础上,提出了一种综合定位算法。该算法通过对视频图像中运动车辆的检测,消除复杂背景的干扰,利用区域生长、阴影消除、彩色分割及形态学分析等图像处理方法,获取车牌的精确定位。最后给出实验结果,实验表明,该算法有效定位率达到92%,具有较好的实用价值。