基于QPSO优化ELM算法的井下快速定位方法研究

近年来,基于WiFi的井下人员定位算法受到了广泛关注,为进一步提高定位算法的速度和精度,提出了一种基于量子粒子群(QPSO)优化极限学习机(ELM)算法的井下人员快速定位方法。首先将优化的K均值聚类算法(K-means)引入定位流程,通过对位置指纹库进行聚类划分,降低单次识别需要的时间;其次利用QPSO算法优越的优化能力,提高ELM算法的定位精度,最终实现对井下人员的高效、准确定位。仿真实验结果表明,提出的基于量子粒子群优化极限学习机的井下快速定位方法,能够提高定位的精度和效率,具有较高的实用价值和工程意义。     

椭圆-角度混合定位的GDOP研究

椭圆-角度混合定位是一种基于信号到达时间之和(TSOA)与到达角(AOA)的新型定位技术,又称为TSOA/AOA定位。为了研究定位精度和定位设备布局之间的规律,推导了GDOP的计算公式,并通过仿真分析得到了4条重要结论。     

基于神经网络数据融合的无线定位算法

提出了一种基于神经网络数据融合的无线定位算法,该方法融合了到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)、,并考虑了这三种测量值的测量质量(可信度),有效地解决了在常规定位算法中使用线性最小二乘法求解非线性方程使定位精度下降的缺点。通过仿真表明,该算法具有较高的定位精度,能够满足FCC所提出的定位要求。     

微惯性传感器辅助超宽带的室内定位方法

超宽带(UWB)是一种全新的且定位精度较高的室内定位技术,但在复杂的室内环境中,超宽带信号易受环境的干扰而出现信号盲区和定位误差较大的情况。为解决这一问题,在深入研究微惯性传感器(MEMS)与超宽带定位原理与算法的基础上,提出采用MEMS辅助UWB定位的算法,以提高定位精度。实验结果表明,MEMS/UWB算法与单独的UWB定位算法相比,有效提高了定位覆盖率以及定位精度。     

一种适用于园林导游系统的混合定位技术

提出了一种改进的应用于园林导游系统的户内户外混合定位技术。户外采用相对插值的方法来提高GPS定位精度;户内及GPS信号不好时,采用基于RSSI的三角形外心定位技术保证位置信息服务的及时性。实验表明,该技术平均定位精度可达5m以内,能够较好地满足园林导游的定位需求。     

SINS/GPS/PDR室内外无缝导航定位算法

针对城市高楼、隧道、室内外等多种复杂环境下单源导航定位系统的定位精度低、可靠性差和不连续等问题,提出一种基于GPS、MIMU、表面肌电信号(SEMG)传感器、三维电子罗盘的SINS/GPS/PDR室内外无缝导航定位算法.利用SEMG传感器配合三维电子罗盘进行行人航位推算,同时以捷联惯导为主,多传感器辅助的方式建立多源信...     

ZigBee技术在室内定位中的应用

为了完成短距离室内定位问题,提出了一种利用ZigBee技术的解决方案.通过对无线电传播路径损耗模型的分析,给出了一种基于接受信号强度指示(Received Signal StrengthIndicator,RSSI)的节点定位算法.以三边定位算法为基础,对得出的解加权平均以达到优化定位结果的作用.实验研究表明,在一定的通讯距离之内,可实现在扩大定位范围的同时提高定位精度.现场实验中最佳定位控制精度可达到0.5 m.     

基于最远距离到达时间差的手机室内定位方法

室内定位技术与服务缺少商业化的成熟技术、更缺乏该方面的商业服务。本文以市售手机作为啁啾信号发射器,在室内布置若干麦克风接收器,采用互相关算法获取到达时间差,形成一种厘米级定位精度的室内定位方案;提出一种基于最远距离的时间到达差定位方法,其中选择最远距离作为基准计算距离差,可明显减小定位误差。理论分析和仿真实验结果表明,本文方法和系统能实现厘米级平面定位精度和亚米级高度定位精度。     

NLOS环境中的线性回归最小二乘三维定位算法

针对室内非视距无线环境中移动终端的三维定位问题,提出了一种非视距无线环境中基于线性回归与最小二乘法的三维定位算法。首先,基于无线通信环境中波达时间(TOA)的测量误差具有正偏置的特性,运用线性回归估计测试终端到基站之间的非视距测量距离误差与真实距离之间的线性关系;然后,根据该线性关系运用最小二乘原理对移动终端进行三维几何定位。实验结果表明,算法具有较高的定位精度,最大定位误差不超过2 m,且在非视距环境下,所提出的定位算法不仅不需要TOA的时延分布先验知识,而且定位精度优于其他基于TOA的两阶段最小二乘定位算法的定位精度。     

室内可见光定位算法研究

针对室内场所定位精度低的问题,提出一种基于改进粒子群算法的RSSI(Received Signal Strength Indication:接收信号强度指示)可见光定位方法.采用莱维飞行算法对粒子群算法进行改进,解决了标准粒子群算法易陷入局部最优的问题,提高了算法的收敛速度和定位精度.在5 m×5 m×3 m的室内环境下,经过仿真测试,改进后的粒子群算法结合RSSI定位方法定位精度可以达到0.038 241 m,算法稳定度上升,定位精度更高,更适合在室内定位中使用.