基于nanoLOC的嵌入式定位系统

研究了基于nanoLOC收发器的目标定位系统.嵌入式定位系统由三星S3C6410A微处理器,无线通信模块nanoPAN 5375以及液晶显示器等组成,以Linux2.6.38为内核的Linux操作系统为嵌入式软件平台.采用了双边双路对称测距算法(SDS-TWR),具有较高的定位精度.经过大量实验证明,该系统定位精度可以实现在1米以内,能满足室内外及对定位精度要求较高和恶劣环境下的定位,可用于手持式移动定位设备,具有很广的应用和推广价值.     

基于nanoLOC的嵌入式定位系统①

研究了基于nanoLOC收发器的目标定位系统．嵌入式定位系统由三星$3C6410A微处理器,无线通信模块nanoPAN5375以及液晶显示器等组成,以Linux2．6．38为内核的Linux操作系统为嵌入式软件平台．采用了双边双路对称测距算法（SDS·TWR）,具有较高的定位精度．经过大量实验证明,该系统定位精度可以实现在1米以内,能满足室内外及对定位精度要求较高和恶劣环境下的定位,可用于手持式移动定位设备,具有很广的应用和推广价值．     

基于线性调频的矿井精确定位算法

分析了基于到达时间测距方法的性能,结合煤矿井下的实际情况,采用线性调频技术构建了符合IEEE802.15.4a标准的无线通信网络,通过对称双边双方式测距方法实现了矿井的精确测距及定位系统,并在巷道内进行了测距试验。结果表明,基于线性调频技术及对称双边双方式测距的定位系统具有较好的抗电磁干扰及抗多径效应性能,网络覆盖范围大,在平直巷道内的测距可达100 m,测距精度在1.5 m以内,较好地满足了井下工作面及巷道内人员及设备精确定位的需求。     

基于无线传感器网络的高危生产区人员定位系统

为解决高危生产区事故状态下搜救困难问题,设计并建立一套能够实时反映现场工作人员位置信息的人员定位系统.系统由硬件平台和自行开发的LocClient软件平台组成,硬件平台利用线性调频扩频技术进行通信并实现测距,软件平台能够对测得的数据进行处理,并以坐标和图形化两种方式实时显示现场工作人员的位置信息.在系统平台上设计并完成了基于对称双路双边测距方法(SDS-TWR)和极大似然估计算法的定位与跟踪实验,实验结果表明了该系统用于高危生产区人员定位与跟踪的可行性.     

基于RFID的消防员定位

近年来消防员安全事故频发,消防员定位技术也受到了更多的关注;传统的非视距定位方法存在可实践性不足、定位成本高、定位精度低的问题,所以我们提出了基于RFID的消防员定位方法,它综合各种定位系统,采用RSSI算法进行测距定位。本文针对外场消防员救火时,发生火场坍塌的情况,根据消防员定位信息,能够快速及时展开指挥救援,最大限度降低伤亡。     

线性调频脉冲信号超视测距研究

基于线性脉宽调制信号技术,采用CSMA/CA 和 TDMA相结合的协议,根据噪声、干扰和多径等动态调整传输速率和帧长,以确保最优化的吞吐量和准确可靠的定位信息,并具有强抗干扰性,大覆盖距离。在基站和终端设计并采用了双边双路对称测距算法,以提高测距精度。设计了实验系统,结果表明一维测距精度可以稳定在1米,应用于矿井下的巷道内传输距离可以达到60米,具备一定的超视距能力。     

啁啾扩频超宽带技术的测距定位研究

系统基于啁啾扩频超宽带技术,采用对称性双边与双路测距定位技术,降低噪声、干扰和多径效应,提高测距定位精度,对其测距定位算法进行优化。解决工作面现场的水平和垂直方向起伏弯曲而带来的超视距问题,能够具有方向识别能力。抗干扰性强,覆盖距离大。     

一种基于UWB定位技术的隧道智能交通系统

超宽带(UWB)技术因其定位精度高、通信速率高、多径分别率强等优点,广泛应用于各类定位系统中.设计一种基于UWB定位技术的隧道智能交通系统,该系统包含车辆定位系统和智能交通系统.其中车辆定位系统是采用基于TOF的UWB对称双边双向测距原理提高精度,对车辆进行定位.隧道智能交通系统根据隧道车辆定位信息和红绿灯控制算法,控...     

三维无线传感器网络节点定位算法研究

在二维DV-Hop算法和APIT算法的基础上,各提出了一种可适用于三维无线传感器网络的非测距定位算法DV-Hop改进算法和APIT改进算法.DV-Hop改进算法通过在节点上设置接收阈值,使未知节点只接收距离较近的局部范围内的锚节点信息,而APIT改进算法则以四面体质心扫描取代了网格扫描.介绍了 2种算法的原理,并进行仿...     

基于迭代的无线传感器网络三维定位算法

针对目前无线传感器网络三维空间定位存在精度不高、计算复杂、传输数据量大等问题,提出了一种基于测距的分布式算法——高精度迭代三维定位算法(ILAH-3D).该方法将经典二维算法AHLos( Ad-Hoc Localization System)扩展到三维空间,通过采用加权最小二乘法和加入定位节点升级锚节点的验证条件来减少累计误差,提高节点定位精度,并根据三维空间中节点的各种位置关系,给出了约束协作算法的执行条件,然后结合升级的锚节点再进行新一轮的定位运算.该方法计算简单、通信量小,与已有三维定位算法相比,在测距存在一定误差的情况下,依然可以达到很好的精度.     

基于UWB的地铁隧道定位系统设计

超宽带技术因其具有定位精度高、抗多径干扰能力强、传输速率高等优势,成为了当前主流的室内定位技术。由于地铁隧道中环境恶劣,为了保证施工人员的安全,实现对地铁隧道中施工人员的实时定位,设计了基于UWB技术的地铁隧道定位系统。该系统采用对称双向双边测距(SDS-TWR,Symmetric Double-Sided Two-Way Ranging)算法以有效抑制移动标签和定位基站之间由于晶振漂移导致的测距误差,同时在基于到达时间(TOA,Time of Arrival)的定位方法上采用粒子群算法提高定位精度。实验结果表明基于UWB的地铁隧道定位系统在地铁隧道中能稳定工作且定位精度得到有效的提高,该系统具有功耗低、实现简单、定位精度高的特点,能够满足地铁隧道当中对于人员实时精确定位的需求。     

共位卫星相对距离测量技术研究

为完成共位卫星的自主导航任务,需要获得多目标之间实时、高精度的相对距离,并进行数据交互。介绍了伪码测距的原理,提出以双向微波链路为基础,运用扩频技术进行同步轨道共位卫星精密相对距离测量。分析了伪码跟踪环路、钟差变化及其它因素对相对测距的影响,并给出了模拟实验研究结果,得出相对测距误差可小于30cm的结论。     

无线传感器网络线性调频扩频测距方法研究

提出一种能够适用于复杂室内通信环境的无线传感器网络节点间的测距新方法。该方法利用线性调频扩频技术进行通信并实现测距;为提高测量精度,建立了基于最小二乘原理的距离修正数学模型。实验结果表明,该方法具有发射功率低,抗干扰能力强,适合远距离测量的优点,所建立的距离修正模型能有效减小测量误差。     

伪卫星定位系统双向时间同步技术

在外部定位系统(如GPS、Loran-C等)受限的条件下,平流层伪卫星定位系统可以为用户提供定位和授时信息,其中时间同步技术是制约系统授时及定位精度的关键因素之一.为了提高伪卫星时间同步的精度,引入了非等应答对称双边双向时间同步技术(SDS-TWR-URT),解决了常用的微波双向时间同步技术(TWR)中因忽略应答时间差异导致的同步精度低的问题.仿真结果表明与常用的TWR技术相比,SDS-TWR-URT算法同步精度提高了45%.最后给出了提高时间同步精度的一些建议.     

煤矿井下人员融合定位方法

针对飞行时间(TOF)测距定位方法定位盲区多、易受非视距干扰、定位精度有限,捷联惯性导航定位方法长时间累计误差的问题,提出了一种基于TOF测距定位和捷联惯性导航定位的煤矿井下人员融合定位方法。该方法分区域定位:当定位终端位于定位基站近距离无线通信覆盖范围内时,采用TOF测距定位方式,通过近距离无线通信方式将定位数据发送至附近的定位基站;当定位终端位于定位基站近距离无线通信覆盖范围之外时,采用捷联惯性导航定位方式,并利用卡尔曼滤波算法对定位数据进行修正,通过远距离无线通信方式将定位数据发送至附近的定位基站;当定位终端位于定位基站远距离无线通信覆盖范围之外时,定位终端对定位数据进行本地存储,当定位终端移动到定位基站无线通信覆盖范围内时,将存储的定位数据发送给定位基站。定位基站将定位数据传输至地面监控中心,获得人员轨迹和位置坐标。实验结果验证了该方法的有效性。     

基于CSS技术的井下精确定位系统设计

针对现有井下定位系统大多只能提供区域性定位功能,无法为人员或设备提供精准、实时的位置信息的问题,提出了基于CSS技术的井下精确定位系统设计方案。该系统利用SDS-TWR定位算法和定位管理协议,在得到高定位精度的同时,不需要进行系统的时钟同步,增强了系统的可实现性和稳定性。井下测试结果表明,该系统可实现井下设备和人员的高精度定位,定位精度达到3m以内,最远传输距离达到350m。     

基于双向测距的协同定位系统误差分析

针对协同定位系统中影响节点定位精度受测距误差影响的问题,主要研究和分析了测距误差传播以及移动场景误差对协同定位系统的影响。采用基于GPS(Global Positioning System)和超带宽双程测距的低成本协同定位系统,分析了协同定位系统中的误差传播过程,推导了测距协方差阵和定位协方差阵。在不同场景下进行了仿真,经分析得出节点间几何关系是影响系统定位误差的最重要因素。该结论对于协同定位系统中移动节点的定位精度提升具有一定的指导价值。     

基于EKF神经网络的扩频系统抗窄带干扰技术

针对消除扩频系统中的窄带干扰问题,文章提出了一种基于扩展卡尔曼滤波(EKF)的递归神经网络预测器(RNNP)。扩展卡尔曼滤波被用于反馈修改递归神经网络的权值系数,从而准确地估计干扰信号,具有收敛速度快、预测精度高和适用于非线性处理的优点。仿真结果表明:基于EKF学习算法的RNNP相对于自适应线性最小均方差(LMS)干扰预测器、自适应近似条件均值(ACM)干扰预测器和基于实时递推学习(RTRL)算法的RNNP在预测误差的均方误差、收敛速度、信噪比改善量方面上有不同程度的改进。