基于二维网格融合特征参数的室内匹配定位算法

针对接收信号强度值(RSSI)的时变特性降低定位精度的问题,提出了一种基于二维网格特征参数融合的室内匹配定位算法。该算法融合RSSI和信号到达时间差(TDOA)构建网格特征参数模型,基于二维网格快速搜索策略降低匹配定位的计算量,采用网格特征向量的归一化欧氏距离进行最优网格匹配定位,最终由匹配网格的参考节点计算终端的精确位置。定位仿真实验中,该算法在3m网格粒度下的定位均方根误差为1.079m,平均定位误差小于1.865m;3m定位精度下的概率达到94.7%,相对于传统单一RSSI模型法提高了19.6%。所提算法能够有效提高室内定位精度,同时减少搜索数据量,降低匹配定位的计算复杂度。     

利用Pearson相关系数定量分析生物亲缘关系

论文主要利用计算语言学中使用的统计学方法定量分析生物物种的亲缘关系。以包含生物体遗传信息的核酸序列为研究对象,采用计算语言学的思想和方法,将每一个生物体的核酸序列看作一篇很长的自然语言文本,抽取核酸序列的双核苷酸频率分布特征向量,用以表征其数字特征。而后采用PearsonCorrelationCoefficient(Pearson相关系数)定量分析其亲缘关系的远近程度。将119个细菌的全基因组核酸序列进行两两比对,对所得的7021个r值进行分析,得出的结论是:亲缘关系越相近的物种,其Pearson相关系数越大。取定0.985作为“属”的分界阈值时,得到召回率为75.824%,准确率为73.404%。论文对定量分析生物学核酸序列的相似性和对生物亲缘关系远近的建模有重要的实际意义。     

基于虚拟信号强度的RFID定位方法研究

针对RSSI方法中定位信号之间干扰严重、误差较大、信号波动剧烈等问题,提出了一种基于虚拟信号强度 的RFID定位方法。该方法引入虚拟信号强度概念,在定位区域内构造虚拟信号强度空间,然后利用经典信号传播模 型计算各虚拟参考标签的信号强度。在采用最近部方法计算定位坐标时引入讣Function来计算每个部居的权值,以 减小正态随机变量标准差。带来的阴影效应,解决实际部署过程中大量高密度参考标签带来的射频信号干扰问题,从 而灵活部署参考标签。仿真实验结果表明,该方法与经典的LANDMARC} VIBE方法相比,具有较高的定位精度。     

基于RFID的室内定位算法

随着普适计算研究的不断发展,更多的应用需要知道物体的位置信息,而原有的定位技术无法满足室内定位的要求,室内定位技术已经成为研究热点.文章简要介绍了将RFID应用于室内定位的LANDMARc算法和VIRE(虚拟标签消除)算法,并针时VIRE算法存在的问题提出了一种基于拉格朗日插值的改进算法.最后的实验结果表明,与VIRE算法相比,改进算法的定位精度提升5%到50%.     

无线局域网中基于信号强度的快速定位算法研究

无线局域网的定位技术是跟踪无线终端的重要方法,通过无线定位可以了解无线终端的行为意图,因此无线局域网定位技术越来越受到人们的关注。在无线局域网的室内定位中,由于室内距离近、结构相对复杂,障碍物的影响难以忽略,各种噪声的干扰是室内定位的困难之一。本文是为了确定用户的位置信息,提出了快速无线局域网定位方法。通过实验证明,该方法是一种高效可行的定位技术。     

基于Pearson相关系数的Cache计时模板攻击方法

针对Cache计时模板攻击所采集数据噪声较多的问题,提出一种利用访问地址Cache命中率建立计时模板的方法,并根据Pearson相关系数对输入值进行判断。通过Flush+Reload攻击方法对计算机的键盘输入进行攻击,获取每个地址的Cache命中率,将Cache命中率高的地址转换为模板矩阵,利用该模板矩阵计算Pearson相关系数并根据系数大小判断输入值。实验结果表明,与均方误差法相比,该方法能够提高对输入值的判断准确率。     

基于多指纹联合匹配的混合定位算法

随着信息科技的迅猛发展,室内定位技术已经成为基于位置服务LBS的研究热点之一。基于接收信号强度RSS的位置指纹与步行者航位推算PDR相结合的定位算法能有效提高定位精度,但目前已有的算法难以同时满足较高的定位精度与较小的计算量,常见的卡尔曼滤波算法精度不够,而粒子滤波算法计算量较大。提出了一种基于多指纹联合匹配的混合定位算法,有效融合惯性信息与RSS指纹信息,在较低计算量的前提下实现了高精度定位。实验结果表明,该算法80%的定位精度低于1m,平均精度高达0.77m。     

基于分层定位模型的RFID定位算法研究

识别和定位为智能停车场等服务领域提供关键信息,基于RFID的LANDMARC算法为常见的室内定位方法。文中对低成本、高精度的经典室内定位算法LANDMARC进行分析,针对其在定位过程中单纯根据信号强度的欧几里得距离选择节点进行定位计算的不足,提出基于双层定位模型的算法D-LANDMRAC。该算法主要由初步定位和精确定位两部分组成,初步定位过滤掉问题参考标签,再基于“距离-损耗冶公式利用标签之间信号强度差进行精确定位。仿真结果表明,相比LANDMARC算法,D-LANDMRAC算法定位精度有了明显的提高,并且定位误差的分布更加均衡。     

基于信号强度的无线局域网匹配定位算法

基于信号强度的匹配定位是无线网络定位的主要方法,包括离线训练和在线定位2个阶段。该文对在线定位阶段的传统定位算法进行了改进,选取定位匹配过程中概率较大的若干点,根据概率大小计算加权系数,进行加权运算以完成定位。实际环境下的定位实验验证该算法可以明显提高定位精度。     

基于相关系数符号的快速匹配算法*

针对经典灰度相关匹配算法耗时多的缺点,提出一种减少计算次数、提高匹配效率的新方法.该方法是先构造一幅相关图像,然后计算它与基准子图像的互相关数据并利用其符号分离候选匹配点,最后在匹配过程中,根据实时图像与相关图像的相关系数符号来选定匹配点区域,从而减少匹配计算次数,提高匹配速度.理论分析和实验表明,该方法不但能够保持经典灰度相关匹配算法具有较高的匹配精度和较强的抗噪能力的特点,而且大大缩短了匹配时间,使得经典灰度相关算法能够在实际中得以应用.     

基于RSSI信号特征的室内分区指纹定位算法

为提高室内定位精度和算法效率,提出基于RSSI信号特征的分区指纹定位算法。在离线阶段,区别于传统的使用RSSI信号构建离线指纹库的方法,设计使用RSSI信号衰减率建立离线指纹库;在在线定位阶段,针对使用欧式距离进行相似度计算时,容易出现两个点RSSI信号欧式距离较近而物理距离较远的情况,提出使用RSSI信号衰减率进行子区域划分,引入SSD的思想使用二级指纹进行精确定位。通过实验验证了该算法的适应性与有效性。     

基于栅格法的虚拟人快速路径规划

在栅格中使用经典的Dijkstra算法进行路径规划有计算量大,规划时间长、进行扩展判断的节点个数多等缺点.栅格的组织结构决定了栅格中最短路径的特性--组成最短路径的各线段间的最小夹角为90°.根据栅格及最短路径的特性,提出了一种在栅格中使用Dijkstra算法规划路径时减少扩展节点的个数,进而缩短规划时间、降低计算代价的算法,并将其用于虚拟人的路径规划.实验验证了算法的可行性和有效性.     

一种基于网格虚拟组织的跨域访问控制算法*

在网格中,主机存在于不同的信任域中,在主机间建立互信是实现资源共享、协同工作的前提,为资源的访问建立规则是实现资源安全的基础。网格中的访问控制算法旨在解决上述两个问题。结合安全数据库的访问控制策略,融入基于身份和基于行为的访问控制思想,实现了以任务发起者为中心的网格虚拟组织的跨域访问控制,并对其中建立互信的核心算法进行了BAN逻辑推理。     

一种基于虚拟菱形网格的传感器节点布置算法

传感器的布置方式有两种,即确定性的和自组织的。通过分析两种布置方式,提出了一个基于虚拟菱形网格的传感器节点布置算法。该算法把两种布置方式综合在一个统一的平台内,能够形成一个最小连通支配集;保证传感器区域内无“盲区”;对不同的应用,可设置不同的感知或连通覆盖度。该算法在性能和效率上优于基于虚拟力的移动传感器布置算法,其灵活性使网络具有更广泛的适应性。     

基于相关系数的运动目标检测算法

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。通过计算相邻两帧之间对应行和列的相关系数,利用运动目标区域相关系数相对较小的特点,分割出运动目标区域,进而利用逐点匹配算法准确地检测出运动目标。该算法可以使用于复杂背景下多运动目标的检测,算法具有运算量小,对噪声不敏感等特点。实验表明,该算法可以准确分离检测出所有运动目标,稳定性好,运行速度快,适合于对运动目标的实时检测。     

基于全局优化相关系数的边缘检测算法*

针对传统边缘检测算子适应性差的缺陷,提出一种基于全局优化相关系数的边缘检测算法。首先在综合多种常用边缘检测算子的基础上生成不同等级的边缘密度图;然后使用全局相关系数作为度量函数,计算边缘密度图与不同边缘检测算子的边缘输出图集之间的相关性;最后优化得到较为理想的边缘检测结果。实验结果表明该算法能融合多种边缘检测算子的优点,有较强的开放性与目标适应性,自动化程度高,工程实用性广。     

基于相关系数模型的新型滤波算法*

针对椒盐噪声滤除问题,提出了一种新的滤波算法：对输入图像进行基于欧氏距离的相关系数建模,利用信号阈值判决区间将像素点分为信号点和噪声点,在相关系数模型下搜索相关性最大的信号点对噪声点进行恢复,信号点不作处理。实验结果表明,该算法对椒盐噪声的消噪性能较其他算法有较大提高。由于对基于窗口的传统操作模式进行了改进,该算法在90%的高密度噪声环境下仍具有较好的滤波性能。