基于KNN-SVM算法的室内定位系统设计

以室内的用户定位需求为应用背景,提高定位精度为目标,针对室内中复杂的环境,基于最近邻法(KNN)和支持向量机(SVM),提出了新的室内定位算法.先采用KNN去除训练样本中的奇异点,再采用支持向量机进行定位.与KNN法、朴素贝叶斯法、SVM回归法等室内定位算法比较,结果表明该定位算法有效提高了定位精度和定位速度.进一步提出了基于Android平台的室内定位系统的设计方案,采用Java语言编程实现了该系统,并进行了系统测试.实验数据表明:该室内定位系统的平均误差为1.7m,最大误差为4.9m,该系统在满足速度要求的前提下,有效提高了室内定位精度.     

无线传感网中定位算法研究

为了利用无线传感器网络对物体实现更加精确的定位, 通过对接收信号强度指示（RSSI: Received Signal Strength Indicator）定位算法进行仿真与性能分析, 确定了算法的误差来源,讨论了未知节点的邻居锚节点密度对定位精度的影响。根据仿真和数据分析选取合适邻居节点的个数, 进而采用了更加精细的算法即利用RSSI平均值选取最优值剔除失真数据, 以提高定位的精确度。实验结果表明, 在相同的环境下改进算法使定位误差由0~5 m减少到0~1 m, 平均误差由1 m左右减少到0.1 m左右, 提高了定位精度。     

基于距离估计的无线传感网络移动节点定位研究

针对传统MCL算法定位精度低的不足,提出了一种基于距离估计的改进蒙特卡罗定位算法—DEMCL.首先根据网络连通度、锚节点信息和节点间的相邻关系估计目标节点与锚节点间的距离;然后利用该距离构建新的过滤条件加入算法的过滤阶段,以优化样本集和减小定位误差;最后以Matlab为工具对算法的定位性能进行仿真和分析.仿真结果表明:在同一环境下,与MCL算法和MCB算法相比,DEMCL算法能保证更高的定位精度,同时减少了无效定位的节点数目,网络覆盖率可达到98.83%.     

一种基于TOA的三维推广无线定位算法

鉴于二维坐标下无线定位算法的结果与现实环境有一定的差距,提出了一种在三维空间条件下基于到达时间(TOA)的Chan推广算法。深入比较和分析了影响该算法定位精度的因素,总结了该算法适用的定位条件和定位环境。在不同定位基站数目、待定位移动台的位置和参与定位基站布局等条件下,对该算法进行了大量的模拟仿真,结果表明利用该算法定位结果比较准确,算法有效可行。     

基于微粒群优化的三维无线传感网定位算法研究

为解决三维空间下无线传感器网络节点的精确定位问题,提出了一种三维空间微粒群搜索算法(3D-PSO),将节点定位用优化问题进行描述.为了提高算法的执行效率和定位精度,提出了一种基于距离的目标函数来评价微粒的适应度.对微粒的搜索空间进行了限制,以加快定位结果的收敛速度.在理想环境和有测距误差的情况下证明了该算法的可行性和有效性.仿真结果表明,与典型的定位算法相比,该算法具有更好的健壮性和更高的定位精度.     

矿井NLOS环境下改进UKF超宽带定位算法

由于矿井下巷道空间有限且存在弯曲,因此通信传播大多为非视距(NLOS)传播环境。传统的基于距离的无线传感网络定位技术易产生较大误差,从而导致定位精度不高。超宽带(UWB)信号具有穿透能力强、抗多径能力强的特点,能够提供较高的定位精度,因此成为NLOS环境下定位的首选。针对NLOS环境下的定位精度不高的问题,在接收信号强度(RSSI)测距和三边算法联合定位的基础上,提出以联合定位得到的初始坐标做为无迹卡尔曼滤波(UKF)算法的观测值,并对UKF的测量更新方程进行修正,使该算法能适应NLOS环境下的定位跟踪。通过仿真验证并与扩展卡尔曼滤波(EKF)算法进行比较,在NLOS环境下改进的UKF定位算法,能够对目标进行实时跟踪并提高定位的精度。     

基于ARM+FPGA的相位平滑伪距差分定位方法

为了满足用户更高的定位精度要求,研究了载波相位平滑伪距差分定位方法.根据差分定位原理,基于MATLAB平台自主编制了差分解算软件,兼容北斗和GPS伪距差分定位;基于ARM+FPGA平台的接收机实现了相位平滑伪距差分定位.实验结果表明,零基线条件下,相位平滑伪距差分算法定位精度可由标准定位的米级水平提高到亚米级,性能稳定.基线距离增大,定位精度随之降低,误差在±4m内,差分讯龄和定位精度成正比关系.     

城市环境下减轻NLOS的一种新的定位算法

由于非视距传播的影响,在蜂窝无线定位系统中存在许多误差.为了将定位估计误差减到最小,提出了城市环境下减轻NLOS影响的一种新的定位算法.该算法基于城区建筑物以块形规则排列,通过对NLOS问题进行优化,将NLOS误差减到最小,以提高定位精度与其他算法相比,提出的算法适应只有3个NLOS基站的条件,更符合实际情况.对不同城市方案的仿真结果表明,所提出算法有更好的定位精度.     

基于核函数与卡尔曼滤波的室内定位方法

针对室内定位中存在的定位精度不高、定位稳定性较差的问题,提出了一种基于核函数与卡尔曼滤波结合的室内定位算法.首先利用核函数作为匹配算法进行初步定位,高斯核函数可以充分捕获参考点指纹与测试点RSS之间的非线性相关性,取得比K最近邻算法更好的匹配效果,再利用卡尔曼滤波对核函数的定位结果作滤波处理.实验结果表明,在真实无线局域网环境下,对核函数定位的结果作卡尔曼滤波处理后,均方根误差降低了25%,2m以内的定位准确度由75%提高到90%,定位稳定性提高了29%.     

移动机器人多信标SLAM技术

针对大型煤矿中的露天移动机器人自主行走问题,应用基于卡尔曼滤波的SLAM算法,研究了移动机器在不携带惯性导航设备,也无先验地图的情况下,通过自身携带的传感器与环境特征量进行应答式通信,建立环境地图,并利用该地图计算自身位置,从而实现自主导航与定位。仿真结果显示,SLAM算法的定位误差保持在±1 m以内,速度误差保持在±0.2 m/s以内,对环境特征量的定位误差随着机器人的移动逐渐减小,最终保持在±2 m以内。同时,通过对不同距离量测噪声与速度量测噪声的情况也进行了分析。仿真结果显示,当保持距离量测噪声不变,增大速度量测噪声时,或保持速度量测噪声不变,增大距离量测噪声时,SLAM算法的定位精度均会下降。研究表明,基于卡尔曼滤波的SLAM算法很好地控制了移动机器人在未知环境中的定位误差,保证了机器人的定位精度。     

不同岩石声发射定位算法及其实验研究

应用声发射定位技术实验研究了不同加载方式下不同岩石(花岗岩、砂岩)破裂过程中内部裂纹扩展的三维空间演化过程;对Geiger定位算法和单纯形定位算法的定位原理进行了分析,并对两种定位算法的定位精度进行了探讨.研究表明:声发射定位事件直观反映了裂纹萌生、扩展的动态演化过程,声发射事件的定位结果与岩石试样的实际破坏模式非常吻合;单纯形算法的定位精度要高于Geiger算法,但定位的声发射事件数少于Geiger算法.在基于声发射定位技术对岩石失稳破裂过程进行研究时,可根据具体情况选用定位方法,也可通过两种或多种定位算法的对比分析来获得更精确的定位结果.     

基于2.4与5GHz信号的WiFi指纹定位算法研究

为了减小2.4 GHz信号强度波动对无线定位的影响,在保证定位范围的前提下提高定位精度,通过分析2.4 GHz和5 GHz信号的传播特点,构建了基于2.4 GHz与5 GHz信号的WiFi指纹定位算法,该算法以加权平均的方式同时考虑2.4GHz与5 GHz信号.以深圳大学土木工程学院院馆作为实验场景,对算法进行了验证.实验结果表明,将2.4 GHz与5 GHz信号强度的方差倒数作为两者的稳定性系数是有效的;本定位算法比传统算法在定位精度和稳定性两个方面都有提高.     

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。     

一种基于KNN的室内位置指纹定位算法

提出了一种基于KNN 的FM、DTMB 联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型. 离线阶段,通过采集FM 信号与DTMB 信号的强度信息,完成位置指纹库的构建. 在线匹配阶段,利用KNN 算法对新采集到的数据进行加权欧氏距离匹配,通过对K 值以及特征向 量的选取对定位误差进行了分析. 仿真结果表明,该算法在室内定位中具有良好的鲁棒性和准确度,90% 概率下定位精度2.3 m.     

基于到达时间差的声源定位算法与实现

基于到达时间差的声源定位方法由时延估计和定位估计两部分构成,第一步的误差会带入到第二步从而造成累积误差,影响最终定位精度.针对这一问题,本文提出了一种改进的声源定位方法,采用累积互功率谱相位时延估计,并在此基础上结合球形插值算法进行定位.为了验证该算法在实际声场环境下的可行性和有效性,构建了三维麦克风阵列声源定位系统.实验结果表明,本文所提出的方法可以有效减少误差,提高最终定位精度.     

粒子群算法修正测距的无线传感器网络节点定位

为获得理想的节点定位结果, 设计一种基于粒子群修正测距的无线传感器节点定位算法. 首先对经典无线传感器节点定位算法DV-Hop的工作原理进行分析, 找到导致测距误差的因素; 然后用粒子群算法对无线传感器节点之间的测距进行修正, 以减少节点间的测距误差, 并对标准粒子群算法的不足进行相应的改进; 最后通过仿真实验与当前经典无线传感器节点定位算法进行对比测试. 测试结果表明, 在相同工作环境下, 该算法提高了无线传感器节点的定位精度, 且未增加额外硬件开销.     

基于iBeacon的室内定位算法优化研究

针对无线传感网络中室内定位算法定位精度不高、算法收敛慢的问题,依托基于BLE 4.0的iBeacon基站设备,为提升室内定位算法精度和效率,提出IIDWC定位算法。该算法结合基于测距的RSSI技术、加权质心算法和倒数距离加权插值定位思想,在确定多个广播重叠区域加权质心坐标及其权重系数的过程中,反复利用倒数距离加权插值方法,通过提升关键锚节点在确定加权质心坐标过程中的重要性,进一步优化权重系数,在仿真环境中提升了定位精度和收敛速度。通过合理设置锚节点的功率、通信半径、部署密度和测量时间,该算法的定位精度能够达到0.8 m,满足了多数室内定位场景的技术要求。     

基于RSSI修正的相似度推荐定位算法

针对RSSI测距容易受到环境干扰,提出一种基于RSSI修正的相似度推荐定位算法.该算法对RSSI测距数据进行残差修正,以减小RSSI误差对定位精度的影响,并利用样本点与未知定位区域的相似度来确定未知节点的坐标,降低了计算复杂度.仿真结果表明算法有效可行,可较好地改善节点定位精度.     

无迹卡尔曼滤波在无线传感器网络节点定位中的应用

传统的基于距离的无线传感器网络节点定位技术,由于测距过程产生较大的误差,从而使定位精度不高.文中在基于接收信号强度(RSSI)测距、三边测量法初始定位的基础上,提出以接收信号强度为观测量,将无迹卡尔曼滤波(UKF)算法应用到节点精确定位中.通过仿真验证使用该方法后,相比以距离为观测量的UKF定位方法,节点的定位精度有一定的提高,并进一步定量的分析比较了两种实现模型下节点定位算法的误差概率分布.在此算法的基础上,通过权衡平均定位误差与算法运算复杂度之间的关系,给出最佳定位锚节点数量,并模拟具体环境,验证了文中节点定位算法的实用性.     

基于位置指纹的室内定位算法研究

位置指纹定位技术因定位精度更高、更具可实施性等特点,成为了当前室内定位技术的主流方法.针对室内定位中环境复杂多变和存在噪声干扰等问题,采用卡尔曼滤波算法进行滤波处理,提升定位精度和算法稳定性;为了凸显卡尔曼滤波算法在定位算法中较好的去噪效果,同时采用最小二乘法和卡尔曼滤波算法估算目标节点坐标,从MATLAB仿真结果分析推断定位算法的真实性能以及引入卡尔曼滤波算法去噪处理后对于定位精度的影响.