基于DV-HOP的WSN节点定位改进算法的研究

信号传输模型直接决定节点的通信区域,对DV-HOP算法定位精度有很大的影响.研究了DV-HOP算法在3种不同传输模型下的节点定位精度,并通过3个方面对算法进行了改进:采用投影跳距的方法解决了起始节点、中间节点、目标节点不在同一条直线上的问题;基于2个通信半径来修正节点间的估计距离;对得到的初始估计坐标进行循环迭代求精.仿真结果表明,改进算法与基本DV-HOP算法相比,定位精度得到了有效的改善;尤其是在恶劣环境下,定位精度的改善效果更加明显.     

基于RSSI测距的改进加权质心定位算法

基于RSSI(Received Signal Strength Indication)的三角形加权质心定位算法在测距和定位中存在较大误差,针对这一缺点提出一种改进的加权算法。在该算法中采用节点距离倒数之和代替距离和的倒数作为权值,并且根据节点距离给出加权因子作为修正,以充分利用节点信息。仿真结果验证了该算法的有效性,与原有定位算法比较其定位精度得到提升,最高可达50%。     

基于序列加权的无线传感器网络定位算法

针对阶次序列定位算法的复杂度高和定位精度低的问题,提出了一种新的无线传感器网络阶次序列加权定位算法,给出了该算法的基本原理与实现方法。该算法首先采用Voronoi图对定位空间进行划分,将多边形的点、面的重心及其和边界交汇点作为虚拟信标节点,然后建立虚拟信标节点到信标节点的阶次序列表。最终,该算法计算未知节点序列与构建的最优序列表中各序列的Kendall阶次相关系数,通过对系数的归一化处理实现未知节点位置的加权估计。仿真结果表明,新算法在降低算法复杂度的同时降低了边缘节点定位误差,定位精度也有所改善。     

基于RSSI-距离区间映射的加权质心定位算法

考虑到室内传播中RSSI的不稳定因素使得基于RSSI与位置(距离)一一对应关系的定位算法误差较大,在对RSSI统计分析后,提出了在离线采样阶段先建立符合实际环境的基于RSSI-距离区间映射的数据库,再在在线测量阶段根据待定位点RSSI在粗略位置区域中采用加权质心算法确定具体位置.从性能测试结果看出各测试点位置估计偏差略有不同,但平均偏差不高,表明在一定程度上改善了信号因多径效应、非视距传播等波动引起的定位偏差较大问题,验证了该方法的可行性和有效性.     

基于序分量电压加权的双端故障定位算法研究

准确地定位故障点位置对特高压输电线路运行具有重要的意义。基于线路分布参数模型,提出一种采用双端非同步电气量的故障测距算法。该算法分别建立基于正序分量、负序分量和零序分量的测距方程,利用最小二乘技术构造以故障距离和位移相角为变量的序分量加权方程,采用牛顿迭代方法对加权方程进行求解确定故障位置。通过输电线路发生的不同故障类型来预设加权方程的初始权值,通过实际故障数据对初设权重进行修正,最终计算得到最优权重。利用PSCAD建立基于线路分布参数的交流特高压输电系统模型,通过设置不同故障验证该算法的适用情况。仿真结果表明,该算法程序实现简单,计算精度高。     

广义极大算子的加权Φ—不等式

定义了一类很一般的由开集族构成的广义极大算子,建立了该算子的加权强型和弱型Φ不等式     

有功功率及功率因数的加权算法

提出了一种能有效地抑制由非同步采样引起的有功功率及功率因数的测量误差的加权算法。推导出任意电压、电流信号的有功功率、功率因数随相对频偏及采样相位变化的一般公式；传统算法的有功功率、功率因数的测量误差与相对频偏成正比；而用该文所提出的三角窗加权算法。有功功率、功率因数的测量误差与相对频偏的平方成正比。该算法实现简单，精度高，当相对频偏不大时，无须专门的同步采样措施即可取得较高的测量精度。     

无源测向定位算法

随着无源定位技术的发展,越来越多的无源定位算法被提出.文中首先讨论无源测向定位算法中具有代表性的两类5种算法原理,然后对各种算法进行仿真实现,比较各算法的精度和复杂性,并从中选择出工程上实用的方法.     

基于融合动态加权的光电经纬仪交会定位方法

传统的交会定位公式是在假设飞行目标为点目标的前提下推导的理想模型公式,而实际两台经纬仪观测同一目标时其主光轴并不交于同一点,这就会带来较大的模型系统误差。因此,提出了基于融合动态加权的光电经纬仪交会定位方法,详细介绍了该方法的模型以及确定融合动态加权系数的原则,并采用仿真数据,对本文方法和传统方法的定位精度进行对比分析,经实验验证,本文方法精度高于传统方法,具有较大的工程实践价值。     

基于RSSI测距的加权概率定位算法

针对无线传感网络中每条链路衰减因子的不同,提出了一种基于RSSI测距的加权概率定位算法。该算法先将可能存在的未知节点区域划分成栅格,运用高斯噪声模拟路径衰减指数误差以构建信号传播概率模型,根据信号强度确定信标节点的权值。然后由概率模型和相应的权值赋予栅格不同的置信度,将置信度最大栅格的位置作为未知节点的坐标。最后根据网络的连通信息消除翻转歧义。实验表明,在相同的条件下,与MLS算法相比,该算法更接近真实环境,具有更高的定位精度。     

一种基于改进Bresenham算法的三角形光栅化技术

三角形光栅化是图形处理器必不可少的一环，为了提高三角形光栅化的效率，降低GPU硬件设计成本，结合Bresenham算法和基于加法的除法器两者各自的特点，提出了一种改进的Bresenham算法，并将其应用到三角形光栅化中。该算法通过软件仿真验证，并在FPGA的硬件测试平台中进行测试对比验证。结果表明，改进Bresenham算法能够较好的实现三角形光栅化，并且比传统Bresenham算法占用更少的硬件资源，相应降低了GPU硬件设计单位成本，变相提高了GPU中三角形光栅化效率。     

基于降阶组合定位系统的矿井人员定位算法

针对目前的由无线 Wi-Fi定位系统与捷联惯导系统构成的组合定位系统复杂度高且工程实现较困难的问题,提出一种新的降阶微惯性测量装置(MIMU)及其降阶误差模型,并与 Wi-Fi 构成降阶的10维状态变量的组合定位系统。通过采用1个低精度微陀螺仪和2个低精度微加速度计作为惯性传感器设计简易 MIMU 的安装结构,将其与 Wi-Fi定位系统组合,并用降阶卡尔曼滤波技术设计组合定位算法。仿真实验结果表明,该降阶组合定位系统定位响应速度快,定位精度高,在工程上也易于实现,适用于井下人员定位。     

基于UWB的加权同心圆聚类室内定位方法

为了降低基于超宽带（UWB）测距中的非视距（NLoS）误差的影响,引入了一种基于遗传算法 反向传播神经网络（GA-BP）的UWB测距误差识别与优化方法,能够识别NLoS传播链路下的数据,对NLoS传播链路下测距误差和系统偏差进行校正,最后对测距结果使用卡尔曼滤波（KF）优化。在此基础上,针对测距误差导致的多边定位无交点或多交点问题,提出了一种加权同心圆聚类定位（WCCGT）方法,通过加权同心圆生成（WCCG）解决无交点问题,再采用均值漂移聚类定位方法实现定位解算,以提高定位精度。实验结果表明,改进的测距优化方法有效减小了NLoS传播链路下的测距误差,基于UWB的测距精度提升了60%以上;通过静态定位实验和动态实验分析,将WCCGT方法定位结果与最小二乘（LS）方法进行了比较,本文方法能够在NLoS环境下达到10.78 cm的定位精度,定位性能提升了17.32%。     

基于RSSI测距技术的三角形面积和定位算法

为了提高无线传感器网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI测距的三角形面积和定位算法。该算法利用高斯模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,解决了RSSI易受干扰的问题。研究表明,通过高斯模型筛选出的RSSI值可以较好的预测环境参数;三角形面积和算法可以动态调整环境参数,使未知节点和信标节点达到合理距离,该算法计算简单,无需硬件扩展。     

基于Hough空间的移动机器人全局定位算法

提出了一种基于Hough变换的移动机器人全局定位方法。在机器人执行全局定位的初始阶段,将给定的环境栅格地图通过离散Hough变换转换为Hough空间中形成参考地图,并建立全局地图的Hough能量谱函数;而机器人在定位过程中通过激光传感器数据实时构建局部地图,并转换到Hough空间建立局部地图的Hough能量谱函数;构建全局和局部地图的Hough能量谱相关函数,通过局部最大化该函数求出两个地图间的旋转角度集。基于求得的角度集,对局部地图进行旋转配准,与全局地图一起构建Hough变换相关函数,通过局部最大化该函数可求出两个地图间的平移集合;应用求得的旋转角度集和平移集合,很容易估计机器人在全局地图中的位姿分布,通过不连续的几个时刻的位姿更新最终能够实现机器人全局定位。实验结果证明了该方法的有效性。     

基于UWB的无人运输车的导航定位算法研究

针对室内无人运输车的自主导航与定位提出一种全新的基于UWB信号的改进算法。该算法首先根据测距数值的标准差这一统计特征进行非视距误差的处理,再根据当前的运动特征(终点、横方向、纵方向速度等)与观测值进行改进的扩展卡尔曼滤波定位估计,创新性地提出了每次定位估计之后,更新状态的同时更新下一时刻运动特征(即更新预测依据)的思想,有效减小了定位误差,使定位精度达到厘米级,同时增强了算法的抗干扰性。     

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UWB和IMU紧组合的室内定位导航算法

针对超宽带(UWB)在室内复杂环境中定位导航精度低,受非视距(NLOS)误差影响严重,且无法提供目标姿态信息的问题,提出一种基于UWB和惯性测量单元(IMU)紧组合的室内定位导航算法。以位置、速度、四元数、加速度计偏差和陀螺仪偏差为状态向量,通过扩展卡尔曼滤波算法融合UWB和IMU测量信息,加速度计偏差校正速度和位置,陀螺仪偏差校正四元数;用测量残差计算量测噪声因子,组成残差矩阵,动态调整量测噪声协方差矩阵,抑制NLOS误差对定位导航的影响。结果表明,在室内复杂环境下,基于UWB和IMU紧组合的定位导航算法比仅使用UWB定位时LS-Taylor算法精度提高了88.6%,增强了系统抗NLOS误差的能力,提高了动态定位精度,并能得到较准确的姿态信息,具有良好的实用性和鲁棒性。     

基于烟花优化粒子群的室内定位算法研究

针对测距式射频识别室内定位算法定位误差较大的问题,提出了一种基于烟花优化粒子群的室内定位算法。该算法分为测距和定位两个阶段,在测距阶段使用到达相位差进行测距并构建待优化的目标函数。在定位阶段对粒子群优化算法进行改进。为了改进粒子群优化算法在迭代过程中容易落入局部极值的问题,引入了烟花优化算法的爆炸、变异、选择操作,并对选择规则进行改进;算法还根据烟花爆炸算子和变异算子对粒子群算法的速度更新公式进行改进。实验结果表明,该算法能够有效实现对目标的定位,定位平均误差为0.2773m,与基于标准粒子群优化算法的室内定位算法相比具有39.61%的性能提升。