基于区间二型模糊神经网络的出水氨氮软测量

针对污水处理过程出水氨氮（ammonia nitrogen,NH₄-N）难以实时检测的问题,提出了一种基于区间二型模糊神经网络（interval type-2 fuzzy neural networks,IT2FNN）的软测量方法,建立了出水NH₄-N的软测量模型,实现了出水NH₄-N的实时检测。首先,采集和预处理相关过程变量的实际运行数据,通过主元分析法筛选出与出水NH₄-N相关性较强的过程变量。其次,利用IT2FNN建立所选变量与出水NH₄-N的软测量模型,通过梯度下降算法对模型相关参数进行修正。最后,将基于IT2FNN的出水NH₄-N软测量模型应用于实际污水处理过程。实验结果表明,提出的出水NH₄-N软测量方法不仅能够实现污水处理过程出水NH₄-N的实时检测,而且具有较高的检测精度。     

一种室内定位中NLOS误差抑制算法

在无线定位系统中,尤其是在室内定位中,非视距(NLOS)误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对NLOS环境下的基于卡尔曼滤波器(KF)的动态跟踪定位算法,将广泛应用于雷达系统和飞机导航系统的成熟的卡尔曼滤波器应用于室内定位中。实验结果表明,该方法可以满足室内环境下无线定位的需求,即使在恶劣的NLOS环境下也能够获得很高的定位精度,是一种可行的无线局域网定位技术。     

基于信号强度的室内定位技术的研究

随着无线网络的发展与普及,室内定位越来越受到人们的关注;但是由于墙体等障碍物的存在和多径效应严重,室内环境相对复杂,对定位精度的要求也比较特殊;文章研究基于信号强度值(RSSI)的定位技术,引入滤波算法,对RSSI值进行修正,采用迭代的三边测量法估计出坐标位置,并结合TI公司的带定位引擎的片上系统CC2431,通过仿真和实验验证了算法的可行性和优越性,较CC2431减小了定位误差,提高了定位精度。     

基于BP神经网络的距离损耗模型室内定位算法研究

传统的基于距离损耗模型的室内定位算法大部分都是先将接收信号强度RSSI进行滤波,再转换成距离,然后再通过位置距离算法实现位置估计。此方法必需要根据经验或通过大量数据拟合无线信号传播模型中的参数A和N,因此过于依赖经验且对不同的定位环境算法普适性不强,精度不高。在研究分析无线信号传播模型和传统的室内定位算法的基础上,提出了用BP神经网络模型来拟合传统的距离损耗模型,得到距离后,再利用泰勒级数展开的算法最终实现位置估计。实际的实验结果表明,与传统定位算法相比提高了定位精度和算法普适性。     

一种无线定位中NLOS误差抑制算法

为克服非视距传播带来的定位误差,提出了非视距误差的窗函数补偿法.通过测量p个采样点的均方根延迟计算平均超量延迟,实现窗长为p的非视距误差的窗函数补偿法.相对最优化方法,该算法的计算量明显减少;相对单点补偿法,该算法的精度明显提高.对移动台处于3种不同位置的情况进行了仿真分析,结果表明,该算法具有较高的定位精度.