一种基于GACNN改进的室内可见光指纹定位算法

为提高室内可见光定位系统性能,提出了基于遗传算法训练卷积神经网络(Genetic Algorithm Convolutional Neural Network, GACNN)的室内可见光指纹定位算法。该算法引入一维卷积神经网络学习模型,针对卷积神经网络的超参数设置,利用遗传算法对卷积神经网络进行训练,将超参数进行二进制编码后采用精英遗传算法对CNN进行训练,来解决卷积神经网络模型参数调节依靠经验和模糊最优化的过程。实验结果表明：在室内4 m×4 m×2.5 m的定位场景下,定位算法可以获得平均定位误差4.11 cm的定位精度。相较于卷积神经网络定位算法,平均定位误差降低了25%。对比分析了不同室内可见光定位算法的性能,验证了算法的技术优势。     

一种基于SO-CNN模型的可见光室内定位优化方法

针对基于机器学习的可见光室内定位方法存在的手工调参、定位精度低等问题,结合蛇优化(Snake Optimization, SO)算法的寻优能力与卷积神经网络(Convolutional Neural Network, CNN)处理复杂非线性问题的能力,提出了一种基于SO-CNN模型的可见光室内定位优化方法。在考虑多径效应影响的情况下,采集每个位置点处的信噪比和对应位置坐标构建指纹数据库,对SO-CNN模型进行训练和测试,以得到最佳定位模型。实验结果表明,在5 m×5 m×3 m的房间中,与未经优化的CNN相比,该方法的平均定位误差降低了35.13%;与反向传播神经网络(Back Propagation Neural Network, BPNN)、多层感知器(Multilayer Perceptron, MLP)、SO-MLP相比,该方法的平均定位误差分别降低了54.75%,48.08%,37.01%。     

基于BP人工神经网络的室内移动定位技术

基于无线传感器网络的室内定位技术因为室内复杂的环境,传感器通信存在着多径效应,无法使用信号强度衰减模型进行精确定位。文中提出基于ZigBee结合Fingerprinting以及遗传算法优化的BP神经网络的方法进行定位。实验结果证明该方法可以用于室内的精确定位,在定位范围为2 m×2 m的条件下,非训练点的定位平均误差为0.22 m。     

基于时间反演的室内精确单站定位技术研究

提出了一种基于时间反演和时域有限差分法的室内单站精确定位技术。该方法利用格林函数的对称性和电磁互易定理以及室内多次反射形成的复杂信道实现单站定位。首先,在实景中接收传感器记录下室内任意辐射源在接收点产生的场强信号,然后将该接收信号时间反演,在接收点进行辐射,此时在原辐射点形成信号的相关聚集峰值,根据峰值位置实现单站无源精确定位。后一步的时间反演过程,如果发射信号已知,可以通过相关运算来完成,如果信号形式未知,可以由时域有限差分法计算实现,无需构建真实的时间反演发射系统。仿真结果表明：该算法能够利用多径效应,在室内复杂障碍物环境下实现λ/12=8 cm的定位精度,在室外也可以对室内目标进行精确定位。     

舰船雷达超视距探测中的定位方法研究

蒸发波导是海洋大气环境中出现概率最高的一种大气波导,当舰船雷达工作在蒸发波导环境下时,在一定的条件下雷达电波被陷获在蒸发波导内传播,如果采用雷达常用的定位方法就会产生很大的定位误差。根据电波传播理论和蒸发波导特征,基于射线追踪技术,提出了蒸发波导环境中舰船雷达电波传播路径的计算方法和雷达对目标的精确定位方法。仿真结果表明,满足蒸发波导传播条件情况下,舰船雷达采用常用方法对目标定位时在水平方向的误差较小,在垂直方向上的误差很大。采用蒸发波导环境下的舰船雷达定位方法可以实现在蒸发波导条件下对目标精确定位,从而提高舰船雷达的作用效果和精度。     

CAEFi:基于卷积自编码器降维的信道状态信息指纹室内定位方法

针对提高Wi-Fi指纹室内定位技术性能,该文首先提出一种基于卷积神经网络(CNN)的信道状态信息(CSI)指纹室内定位方法。该方法在离线阶段联合CSI幅度差和相位差信息对CNN模型进行训练。在廊厅和实验室两种不同室内定位场景进行了定位实验,分别获得了25 cm和48 cm的平均定位误差;然后,在此基础上重点针对提高基于CNN的CSI室内定位时效性,引入卷积自编码器(CAE)实现CSI的降维处理,在保证原始定位方法精度的前提下,定位时间提高了40%,同时将内存消耗降低到原算法的1/15,实验结果验证了所提算法的有效性。     

TRM-FMM室内无线定位技术

在室内多径环境下信号视距传播易受障碍物影响,导致现有的一些室内定位技术对室内环境分布的估计较为困难。时间反转镜( TRM)室内无线定位技术可以有效地减少室内多径效应对信号的影响以及复杂环境造成的延时。但是,若没有信号传输信道的信息,常规TRM技术的定位精度就会大打折扣。针对该问题,给出了一种基于快速行进算法( FMM)的TRM室内无线定位方法。该方法首先利用FMM和同时代数重建算法( SART )迭代更新计算室内环境分布,然后使用估计结果进行TRM定位。仿真结果显示,对于小型规模的目标物体定位误差约为1.84 cm,在未知室内信道信息的仿真环境下,该方法比常规TRM技术的定位精度提高约32.90倍。     

基于神经网络的可见光室内立体定位研究

现行可见光定位技术很难克服背景噪声和室内反射噪声的干扰,导致系统的定位精度不稳定。鉴于此,提出一种结合多次反射信道模型与神经网络的可见光室内三维定位算法。首先利用BP(Back Propagation)神经网络拟合真实室内无线信道的参数值,用于待测目标位置的粗定位。然后通过基于定位方差与欧氏距离相结合的定位误差约束模型,逐步确定待测目标的具体位置。最后通过模拟仿真与实测定位实验验证所提算法的定位有效性。结果表明,模拟定位阶段,在4 m×4 m×3 m的立体定位模型中,0.5,1.0,1.5 m三个高度平面的三维定位平均误差为1.67 cm。实测定位阶段,在搭建0.8 m×0.8 m×0.8 m的立体室内空间中平均误差为3.65 cm。     

用射线跟踪法预测室内电波传播模型

介绍了利用射线跟踪法预测室内电波传播模型的方法。该模型基于电磁场传播的物理模型,根据几何光学与一致绕射理论计算复杂电磁环境下信号的直射、反射和绕射多径传播,获得特定场景下信号覆盖强度、多径传播延时等数据,为室内基站优化和信道模型提取提供指导。     

空对地雷达精确定位的电波折射误差修正方法

要利用空中飞行器上武器来攻击地面目标,首先必须对地面目标进行精确定位,然后才能实施精确打击.大气介质的不均匀性使得雷达测量定位产生折射误差,从而影响雷达的定位精度.因此对高精度的雷达系统,必须进行电波折射误差修正.这里采用空中雷达处的大气折射率来预测空中雷达电波传播的大气剖面,再经过电波射线描迹方法推出了一种实用于空中雷达对地面目标精确定位的电波折射误差修正方法.仿真计算表明:俯视雷达与同一传播路径上地基雷达的计算结果很吻合.随着俯视角度的增大,电波折射引起的误差逐渐减小,反之,俯视角度愈小,电波折射误差愈大.当雷达在10 km高度时,5°以下俯角的电波折射误差达10 m以上.     

基于TDOA 的室内定位系统中多径抑制方法

多径传播能显著降低基于到达时间差(TDOA)的定位精度。文中介绍了一种使用波束指向圆极化天线(BSCPA)抑制室内多径传播的方法。BSCPA 由一个波束开关网络、四个相同的六边形贴片单元及其馈电网络组成。通过控制波束开关网络中的射频(RF)开关的状态,可以分别激励四个指向圆极化波束以实现方位角全向覆盖。根据BSCPA 的指向波束和圆极化,可以减轻由室内多径造成的定位误差。在面积为10. 8 m×6. 6 m、视距(LOS)、复杂多径的室内环境中,当测试信号为20MHz 带宽的WLAN 时,得到的2D 定位平均误差为0. 71 m。与传统的全向线性极化天线(OLPA)相比,BSCPA 可以将定位精度提高52. 5%。该改进表明,所提出的方法可以显著抑制基于TDOA 的室内定位的多径传播。     

融合神经网络和指纹的可见光定位算法研究

针对人们对室内定位需求的不断提高,以及现有室内定位算法定位精度不高等问题,提出了一种融合神经网络和可见光指纹的室内高精度定位算法。该算法利用反向传播神经网络(BPNN)确定待测目标的粗略位置,并以其预测坐标和最大误差作为约束条件,进行指纹匹配以确定待测目标精确位置。仿真结果表明,该算法平均定位误差为1.5cm,具有一定的应用价值。     

声表面波室内定位系统与算法研究

鉴于声表面波技术的无源优势,搭建了由声表面波标签和阅读器构成的室内定位系统,在测量标签回波信号强度时,可有效减小多径效应的影响。设计了以三边定位为基础的定位算法,包括测距、选星、位置估计3个阶段,分析了3个定位圆之间位置关系可能出现的全部情况,并有针对性地进行自适应修正。仿真测试结果验证了定位算法的定位误差小于根心法和加权质心法。系统测试结果表明,定位系统可实现2 m×2 m的定位,平均定位误差为31.84 cm。室内定位系统和算法以较少的锚节点实现了较小的室内定位误差。     

基于DS证据理论的室内移动目标RSSI定位算法

为使WiFi无线传感器网络能够利用单次获取的接收信号强度指示（Received Signal Strength Indication,RSSI）快速定位目标并减小RSSI阴影衰落对定位的影响,提出一种改进的基于Dempster-Shafer（DS）证据理论的利用RSSI信息对室内移动目标定位（Locating Indoor Mobile Target with RSSI based on DS evidence theory,LIMT-DS）的方法。LIMT-DS方法根据传感器接收到的RSSI值构造关于目标位置估计的条件概率密度函数,并据此通过改进的证据构造方法生成各传感器关于定位环境中位置点的证据,对各位置点进行证据综合,最后通过改进的决策模式选择出目标存在可能性较大的数个定位点进行位置加权,获得目标的位置估计。仿真与实验结果表明,LIMT-DS方法可以用传感器网络单次获得的RSSI信息实现对目标的定位,其定位性能明显优于同类方法。      

大气波导对无源定位差分时延精度的影响

利用泰勒级数近似的射线追踪算法,针对1 000 km范围内的超视距目标时差定位系统进行传播路径仿真建模,计算分析了不同波导环境下的差分时延误差和多径相对时延,评估了时差定位系统对大气波导超视距目标的时延差精度.计算结果表明,由于大气折射环境随距离的变化,无源定位系统的差分时延误差会随着通信距离的增大而增大.当系统通信距离达到近1 000 km时,较强的表面波导环境可使差分时延误差达到近30 ns,多径相对时延可达近20 ns;蒸发波导可使时延误差达近40 ns,多径相对时延同样可达近20 ns.通过对实际波导环境超视距链路时延效应的定量分析,为无源时差定位系统的工作性能和参数设计提供了环境保障和技术支撑.     

基于像素距离加权的室内成像定位研究

针对室内成像定位技术受随机噪声的影响较大、定位误差较高的问题,提出了一种基于像素距离加权的室内成像定位技术。在室内屋顶布设多个红外LED,依靠成像传感器获得红外LED信标的像点,将成像点到成像传感器中心的像素距离作为加权因子引入室内成像定位算法中,可以有效地提高室内定位精度。并进行了仿真实验,实验选择4m×4m×3m的空间区域模拟室内环境,当布设的红外LED信标数量为3时,应用改进后的算法可以获得10cm以内的定位误差性能,并且误差波动不超过5cm。另外,随着布设信标数量的增加,定位误差继续减小。改进后的定位算法有效地提高了室内定位的精度以及成像定位算法的普适性。     

Wireless fingerprinting indoor positioning using affinity propagation clustering methods

According to rapid extension of wireless sensor network localization, indoor localization using fingerprint has turned out to be more considerable lately. It contains of a database called Receive Strength Signal Indicator vectors, which is a primitive amount in wireless sensor network fingerprinting positioning. The equivalence of a few strategies is brought up from the literary works, and some new variants are presented in this study. A combination of a clustering strategy named affinity propagation and statistical and probabilistic positioning procedures is considered in this review and at the same time, the impact of some components in our methodology onto positioning precision will be investigated. Affinity propagation clustering method set up a common baseline for assessing the relative accuracy of various indoor location methods effectively. Eventually two coarse localization methods as Mahalanobis norm method and similarity to exemplar receive strength signal vector are compared based on positioning accuracy and performance. Experimental outcomes prove that the intended algorithm will advance the accuracy and localization error compared with the method without clustering.     

RFID Indoor positioning based on Semi-supervised Actor-Critic Co-training

For large-scale radio frequency identification ( RFID) indoor positioning system, the positioning scale isrelatively large, with less labeled data and more unlabeled data, and it is easily affected by multipath and whitenoise. An RFID positioning algorithm based on semi-supervised actor-critic co-training (SACC) was proposed tosolve this problem. In this research, the positioning is regarded as Markov decision-making process. Firstly, theactor-critic was combined with random actions and selects the unlabeled best received signal arrival intensity(RSSI) data by co-training of the semi-supervised. Secondly, the actor and the critic were updated by employingKronecker-factored approximation calculate (K-FAC) natural gradient. Finally, the target position was obtained byco-locating with labeled RSSI data and the selected unlabeled RSSI data. The proposed method reduced the cost ofindoor positioning significantly by decreasing the number of labeled data. Meanwhile, with the increase of thepositioning targets, the actor could quickly select unlabeled RSSI data and updates the location model. Experimentshows that, compared with other RFID indoor positioning algorithms, such as twin delayed deep deterministic policygradient (TD3), deep deterministic policy gradient (DDPG), and actor-critic using Kronecker-factored trustregion ( ACKTR), the proposed method decreased the average positioning error respectively by 50.226%,41.916%, and 25.004%. Meanwhile, the positioning stability was improved by 23.430%, 28.518%, and38.631%.