基于参考站的多传感器时差定位误差校正分析

多传感器时差定位系统中,接收预处理与时间频率基准源会导致系统时差,同时观测站几何位置测量的不准确性也会引入站址误差.针对系统时差与站址误差对定位误差的影响,研究了在已知地理位置引入参考站,通过差分目标信号时差值与参考信号时差值,抑制系统时差与站址误差对定位的影响,实现对系统时差与站址误差的校正.仿真结果表明,在定位盲区之外引入参考站可以提高参考站附近区域的定位性能.     

室内多站测向交叉定位性能分析

分析了常用的无源定位方法在室内定位中的适用性;分析了双站测向交叉测向定位的解析算法的GDOP,并对4组参数情况下的GDOP进行了仿真比较;分析了三站三维测向交叉定位的基本算法与基于泰勒级数的定位算法的GDOP,做了仿真比较,并将该算法推广到四站测向交叉定位算法;仿真结果表明:在测向误差为5°时,四站交叉测向定位算法的定位误差在1 m以内.     

一种新型传感器网络节点定位法

针对传感器网络DV-Hop定位算法在实际环境中定位误差较大等问题,提出一种新型定位算法。该算法结合DV-Hop和接收信号强度指示器（RSSI）测距模型的优点,在距参考节点一跳时对未知节点到该参考节点的估算距离进行定位,同时利用坐标偏移模型对未知节点坐标进行校正,并对新算法进行了理论分析。在Windows环境下,利用VC和OMNET仿真平台验证了新算法的定位精度有明显提高。     

改进的RSSI测距和定位算法

分析了RSSI(received signal strength indicator)测距的原理及环境对RSSI的影响。论述了高斯模型校正算法,该算法中因含有与环境相关的路径散逸指数而产生较大测距误差。针对这一问题,提出了基于锚节点的高斯校正算法,该算法以锚节点对之间的已知距离和测量的RSSI值为参考,对由被测RSSI值得到的距离进行校正,消除了路径散逸指数,并用网络连通信息和RSSI联合定位。仿真结果证明:采用锚节点的高斯校正算法进行定位不受环境影响,不同环境下最大定位波动为0.11%,定位误差显著减小,可应用到实际的无线传感器网络的定位系统中。     

基于BADV-Hop的传感器节点定位方法

针对无线传感器网络节点的定位误差较高的问题,提出蝙蝠算法校正DV-Hop算法的传感器节点定位精度提高方法(BADV-Hop);首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用蝙蝠算法校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析;实验结果表明,相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度.     

基于BADV-Hop的无线传感器网络节点定位方法

针对无线传感器网络（WSNs）节点的定位误差较大的问题,提出一种蝙蝠算法（BA）和DV-Hop算法融合（BADV-Hop）的定位算法.首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用BA校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析.实验结果表明：相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度.     

基于自适应粒子群算法的改进DV-Hop定位算法

针对无线传感器网络节点定位中DV-Hop算法定位精度较低的问题,提出了一种改进DV-Hop算法,该算法引入跳距误差加权策略,改进平均每跳距离计算方法,使其更好地反映网络的平均每跳距离的实际情况,有效地降低了无线传感器网络中无需测距算法的定位误差。同时引入自适应粒子群优化算法来校正改进DV-Hop的估计位置的方法。仿真结果表明,本算法在定位精度和节点覆盖率上明显优于基于PSO校正的DV--Hop算法和传统的DV-Hop算法,证明该算法在一定程度上提高了DV-Hop算法对无线传感器网络的容错性,具有更好的适用性。     

基于MPSO-DV-Hop的无线传感器节点定位

节点定位技术是无线传感器网络的关键技术,为减小DV-Hop算法的节点定位误差,提出一种多子群粒子群（MPSO）算法优化DV-Hop的节点定位算法（MPSO-DV-Hop）。通过设置门限值修正节点间的跳数,提高了跳段距离估算精度,DV-Hop的第3阶段引入MPSO算法,对节点定位误差进行校正,通过引入多子群加快算法收敛速度,提高DV-Hop算法的节点定位精度,在MATLAB2008平台上对算法仿真分析。结果表明,MPSO-DV-Hop算法在不增加成本情况下,提高了传感器的节点定位精度,具有较高的应用价值。     

基于UWB辅助的多无人机惯导定位误差校正方法

针对卫星导航拒止的复杂环境下多无人机编队飞行只依赖惯性导航无法长时间导航的问题,提出一种超宽带(UWB,ultra wide band)辅助的惯导定位误差校正方法;给出UWB测距原理的同时建立了无人机机体坐标系下的惯导相对距离解算模型;在惯导误差模型的基础上,以惯导误差和UWB测距信息分别作为状态量和观测量,设计出惯导误差校正的扩展卡尔曼滤波模型;以两架无人机为例对算法进行仿真验证,仿真结果表明相较于纯惯导定位,该方法在东北天三个方向的最大定位误差不超过1 m,速度均方根误差值不超过0.01 m/s,很好地抑制了惯导系统速度和位置的误差发散,为解决无人机编队在卫星拒止环境中的定位问题提供参考思路。     

矢量天线阵元方向不一致的误差校正

基于特征值分解的子空间类算法对误差非常敏感,有必要对方向误差进行有效的校正.分析了方向误差形成的原因,建立了误差阵元的数据模型,研究同一入射信号玻印廷(Poynting)矢量与阵元排列方向的关系,使用3个参量未知的校正源,通过比较校正源玻印廷矢量在参考阵元与误差阵元处的响应,获得阵列采样数据方向误差校正矩阵.比较玻印延矢量的误差校正方法不涉及参量搜索,计算量小且易于在工程上实现,计算机仿真验证了算法的正确性和有效性.