基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。     

基于系统识别的RSSI定位算法

针对无线传感器网络节点定位问题,分析了基于接收信号强度(RSSI)的定位算法,对无线电传播路径损耗理论模型进行了分析.采用系统辨识加权最小二乘法在线修正了信号衰减理论模型,使算法具有了普遍适用性.提出三边定位法与质心法结合的定位算法和极大似然估计法得到未知节点的估计位置.仿真结果表明,该算法减少了测距误差,随着节点的增加定位精度提高.     

基于RSSI测距的WLS定位算法

结合信道模型与实际测试得出的距离越远误差越大的特点,提出一种加权最小二乘估计（WLS）算法用于未知节点的坐标定位.在定位过程中首先通过加权计算获得信道衰落因子;然后利用WLS算法得到未知节点的坐标,并推导了测距和定位的误差公式.仿真实验表明WLS算法的硬件复杂度与最小二乘（LS）算法相同,而定位精度有较大提升,并验证了...     

传感器位置浮动情况下的水下TDOA定位算法

针对水下声源定位中传感器位置存在不确定性的问题,提出了一种基于两阶段加权最小二乘算法的水下目标定位算法.首先,当传感器位置浮动时,利用获取的到达时间差数据,将测量值噪声和传感器位置误差构造加权系数矩阵,通过加权最小二乘算法估计目标位置;然后,通过引入目标定位误差构造定位方程;最后,用求解的目标定位误差调节上个阶段估计的目标位置.仿真结果表明:在传感器位置噪声较小情况下,本文算法具有较好的定位精度.     

基于最优节点通信半径的改进DV-Hop定位算法

针对DV-Hop定位算法在节点随机分布的无线传感器网络中定位误差大,以及现有改进算法需要增加通信开销的问题,提出一种基于最优节点通信半径的改进DV-Hop定位算法.该算法在传统DV-Hop算法的基础上,通过分析网络节点分布特性得到最优节点通信半径,同时利用误差分析获得受扰动影响最小的锚节点优化分布方案,然后使用最小二乘法校正锚节点的平均跳距,最后采用加权方法修正未知节点位置.仿真结果表明,在不增加网络通信量的情况下,文中算法的定位精度高于现有算法.     

协作定位在地下管廊监控中的优化研究

地下管廊是一种半封闭的窄长空间,其内情况复杂多变,由于非视距情况的出现,导致传感器节点定位困难、精度不高.针对地下管廊的多径干扰等特性,提出了最小二乘非凸估计算法(LSNCE).首先结合接收信号强度(RSSI)和到达角度信息(AOA),使用最小二乘法求出未知节点的位置估计.然后引入未知节点的辅助变量X及辅助向量z,通过应用半定规划松弛技术将位置估计转化为凸性,并得出上镜图(Epigraph)变量,再使用CVX工具箱(Matlab中包含)求出位置估计的最优解,即得到未知节点的最终位置.通过仿真验证,对比常规的选择混合加权算法(SHWA)和二次加权最小二乘算法(SWLS),最小二乘非凸估计算法能够有效地提高定位精度,同时表现出了良好的抗干扰能力.     

基于奇异值分解法的抗差总体最小二乘

在最小二乘平差中,认为只有观测向量中存在误差,因此当有粗差存在时,也只需要考虑观测向量中的粗差,采用抗差最小二乘可达到剔除粗差的目的。而总体最小二乘同时顾及了系数矩阵和观测向量中的误差,这就要求抗差总体最小二乘同时考虑系数矩阵和观测向量中的粗差。为了同时对粗差进行探测和定位,在加权总体最小二乘奇异值分解法的基础上,提出了一种总体最小二乘抗差估计,最后通过2个算例证明了本文提出方法的有效性和可行性。     

无线传感器网络的三边定位改进算法

在研究三边定位法的基础上,提出了一种借助虚拟锚节点定位方法.首先根据未知节点与其周围定位的锚节点之间的几何约束关系,确定该未知节点可能出现的区域位置;其次,根据节点之间的几何约束,确定出虚拟锚节点的坐标范围,最后,在已经划定的可能区域内,采用最小二乘法寻求虚拟锚节点与未知节点之间距离差的最小值,以该数值对应的坐标值作为所定位的未知节点的坐标值.仿真结果表明,虚拟锚节点能够有效实现未知节点的定位,并用最小二乘法改进了未知节点的定位效果     

无线传感器网络中传感器节点定位的递归加权最小二乘优化方法

采用最小二乘优化算法,研究了基于接收信号强度测量的信号源定位问题.首先,建立了路径损耗的线性化模型;然后,介绍了加权最小二乘法,并提出了无线传感器网络中传感器节点定位的递归加权最小二乘优化方法.最后将本文提出的迭代加权最小二乘法与基于接收信号强度（RSS）的2种算法进行比较,仿真结果表明提出的算法在定位精度方面有更好的表现.      

基于接收信号强度指示加权融合的定位算法

基于接收信号强度指示的无线传感器网络定位问题,提出一种改进Kalman滤波方法,消除测距过程中的非视距误差,得到标签与节点间的估计距离.然后,分析标签与节点的距离、定位单元质量和标签所处的位置三方面对定位精度的影响,提出一种改进三边定位算法,并根据滤波后的估计距离计算得到的多个定位坐标进行加权融合.最后,通过Matlab仿真验证所提算法的有效性.