基于测距的地面网络化弹药节点自定位算法

分析了极大似然估计算法中测距误差对定位误差的影响,提出了基于LMS（最小均方差）的自适应滤波原理的测距误差修正的自定位算法. 利用极大似然估计法初步估计节点位置,并得到定位误差信息,建立测距误差矩阵并更新网络中的滤波参数,完成对网络中测距误差的抑制,从而优化节点定信息. 实验仿真表明,优化处理使定位精度得到提高. 结果表明算法适用于锚节点密度较小的、低信噪比的网络化弹药系统.     

基于测距的WSN定位算法设计与实现

设计了一款基于测距的无线传感器定位节点模块,并用该模块实现了基于RSSI(Received Signal Strength Indication)测距的极大似然估计定位算法。通过研究实际环境下RSSI随距离变化的特点,得到计算节点间距离的公式。针对实际测距误差用最小二乘法进行线性补偿,补偿后的测距误差得到极大降低。根据测试结果,采用极大似然估计法在6m×6m区域内实现多个点的定位,实验结果表明定位精度可达11.19%。     

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.     

无线传感器网络节点自身定位算法

无线传感器网络中,节点的自身定位至关重要,在军事和民用领域中有着广泛的应用前景.目前的定位算法主要分为两种类型,即基于距离的定位算法和距离无关的定位算法.这两种类型的算法各有优势和不足.考虑了两种算法的优缺点,提出了一种廉价实用的自身定位算法,该方法通过RSSI测距技术测量节点间点到点的距离,并在多跳网络中对累加距离进行广播,最后用几何方法和最大似然估计法进行定位.仿真显示该算法在平均测距误差为10%,锚节点比为10%时,平均定位误差约为节点射频通信距离的20%.     

传感器定位节点的应用设计与实施

将定位功能融入到节点中,设计并实施了一种具有定位功能的传感器网络节点.该节点具有内置定位引擎,通过获取节点间的接收信号强度,转换成相应的距离信息.当获取3个以上已知节点坐标后,采用极大似然估计法给节点定位.实验结果表明,该节点定位精度3 m,可以满足一般传感器网络应用的需要.     

基于EC-TDOA和ZigBee技术的室内超声波定位系统

目的研究室内定位方法机理,解决室内目标高精度定位的问题.方法设计了一种基于测距的室内定位系统,该系统采用测量射频信号和超声波信号到达时间差的方法测距并引入校正因子减小测距误差,通过极大似然估计定位方法计算目标位置,运用ZigBee制作节点模块组成网络实现对室内目标的定位.结果在测距实验中,EC-TDOA测距结果的误差小于0.02 cm,满足测距精度要求.在定位实验中,最大定位误差和平均定位误差分别为4.3 cm和1.64 cm,而定位误差在2.5 cm以内的比例达到90%.定位频率为20 Hz,满足实时定位的要求.结论系统在室内环境中实现对超声波信号覆盖范围内移动节点的定位,通过测距校正有效提高定位精度.系统具有较强的容错性和自适应性..     

移动无线传感器网络下的采煤机定位精度

基于节点的信号强度和距离解算模型,建立局域强信号与定位子空间的对偶映射,在此基础上推导包含测距误差和锚节点误差的拓展克拉美-罗下限方程。仿真研究无线测距误差、锚节点密度和锚节点基准坐标漂移方向等多因素对采煤机定位精度的影响,并在实验室三机模型上进行测试。实验结果表明:由无线测距误差引起的采煤机定位误差占到92.9%,且沿采煤机截割方向误差分量占78.11%以上,而通过增加锚节点密度以及减少移动节点与锚节点间垂直距离能减少定位误差。实验结果与仿真结果基本一致。研究结果可为移动传感器网络下采煤机精确定位提供理论与技术支撑。     

一种基于链路质量差值的无线传感器网络定位方法

针对基于测距的定位方法误差较大的缺陷,提出一种基于链路质量差值的节点定位方法.通过邻居信标节点的交互,获取相应的路径损耗因子,并根据信标节点和待定位节点间的不同链路质量值之差,利用极大似然估计实现低复杂度高精度定位.仿真结果表明,该方法同RSSI和DV-HOP等定位方法相比,具有较高的定位精度和定位成功率.     

基于RSSI极大似然估计定位算法的改进与实现

针对基于RSSI(接收信号强度指示)的极大似然估计算法会出现消去二次项时坐标信息丢失,定位误差较大的问题,提出了一种改进的基于RSSI极大似然估计的定位算法.该算法先用卡尔曼滤波算法对采集到的RSSI进行数据处理,然后利用在极大似然估计算法中使用基于泰勒级数展开的最小二乘法对未知节点求解定位.仿真实验结果表明,该算法改善了原算法定位的稳定性,有效减小了定位误差,提高了定位精度.     

基于电磁波及超声波联合测距的井下定位方法

研究煤矿井下电磁波、超声波联合定位方法,根据井下巷道的空间结构特点,由锚节点和网关节点形成无线传输网络,网关节点布置在巷道的端点,锚节点一字排开等间距吊挂在巷道顶部中央,使巷道内任意位置都至少有两个锚节点接收到移动节点发射的电磁波信号。 移动节点通过判别锚节点电磁波信号强度确定移动节点与锚节点的位置关系;移动节点采用基于超声波的TOF检测方法进行巷道横向测距,移动节点和锚节点节采用基于电磁波信号强度的对数-常态分布模型进行巷道纵向测距,最终确定移动节点的二维坐标。 仿真结果表明,提出的定位方法误差较小,超声波在巷道横向的测距误差很小,巷道纵向50 m范围内,最大误差不超过5 m。 联合定位方法使用少数锚节点获得高定位精度,可以应用于煤矿井下。      

支持移动锚节点的无线电干涉测距信号设计

为了使无线电干涉定位系统(RIPS)支持移动锚节点在发射测距信号的同时将自身变化的位置信息广播出去,提出使用二进制频移键控(BFSK)信号代替原单音信号作为新的测距信号。设计了新信号参数,可以从新信号相位中提取节点间的距离信息。提出了基于解调数据辅助的最大似然估计法,用于BFSK信号的相位估计。通过仿真可以得到在中高信噪比时,所提估计方法能够达到克拉美罗界,且相比无解调数据辅助的方法,在达到相同性能时可节省约3dB的信号功率。结果表明,使用BFSK信号时,RIPS可以应用于含有移动锚节点的传感器网络节点定位中。     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

无线传感器网络改进质心算法的节点自定位

节点自定位是无线传感器网络的关键技术之一。在对距离无关的定位机制质心算法研究的基础上,采用极大似然估计法,估算信标节点与未知节点间的距离,以距离作约束降低误差值,从而提高定位的精度。通过MATLAB仿真,结果表明算法能够有效提高定位精度。     

离散型随机变量概率函数的研究

极大似然估计法是参数点估计中一种重要的方法。对于连续型随机变量,可以根据密度函数写出似然方程,进而用极大似然法进行参数估计。但是对于大多数给定分布列的离散型随机变量,往往无法直接写出它的概率函数,无法用极大似然估计法进行参数估计。本文构造了分布列的插指多项式作为离散型随机变量的概率函数,从而用极大似然法对参数进行估计,并讨论了估计量的各种性质。     

随机前沿模型的参数估计

运用极大似然估计法以及矩量估计法,估计了随机前沿模型中的误差项参数和技术无效参数。     

基于异步卡尔曼滤波的移动机器人动态定位

针对室内移动机器人动态定位在网络盲区中失效的情况,提出一种根据机器人周围网络环境动态选择信标节点,完成自主定位的系统.利用扩展卡尔曼滤波后的RSSI完成测距,然后采用极大似然算法完成定位,再用异步卡尔曼算法修正定位误差.该算法成功地将经典卡尔曼滤波与其他定位算法相结合,对于定位算法的结果进行平滑和优化,修正和改进定位精度.尤其在网络盲区中,采用异步卡尔曼滤波获得最优数据.仿真实验表明该系统针对移动机器人自主动态定位具有精度高、适应性强、鲁棒性好等特点.     

基于半定规划的无线传感器网络节点定位算法

针对无线传感器网络节点定位,在最大似然估计(MLE)基础上提出了一种半定规划(SDP)的优化算法.结合有效的锚节点位置选择和比率范围设定,在放宽非凸约束的基础上,采用SDP求解算法,有效减少了误差的影响,得到被测节点的实际位置.改变锚节点的位置可以有效解决锚节点凸壳外的节点位置估计不精准问题.仿真结果表明,提出的SDP算法对未知节点的位置实现了高精度定位,改进了凸优化方法.     

基于特征量重要度LS-SVR的WSN定位方法

针对无线传感器网络(WSN)节点定位方法中采用粗测距技术时,节点间较大的测距误差导致定位准确度不足的问题,提出一种基于特征量重要度LS-SVR的定位方法L-IFSVR.该方法把未知节点到锚节点的距离作为特征量,依据特征量的重要度进行特征提取,通过对探测区域网格化采样得到训练样本集,使用最小二乘支持向量回归机(LS-SVR)学习得到定位模型,在定位阶段,将未知节点的特征向量输入定位模型, 利用LS-SVR良好的泛化能力,实现对未知节点的准确定位.通过对均匀分布和C形区域随机分布的100个节点进行定位实验,结果表明,定位方法L-IFSVR能有效地降低测距误差对定位准确度的影响,减小平均定位误差,其中,均匀分布情况下L-IFSVR方法的平均定位误差相比采用相同测距技术的DV-Hop方法减小7.5~14.0%;C形区域随机分布情况下,显著减小36.5~55.2%     

RSSI模型参数动态修正的协作定位算法

提出一种结合接收信号强度指示(RSSI)模型参数动态修正和协作定位的RSSI改进算法.首先,利用高斯滤波对RSSI值进行优化,根据锚节点间的距离和RSSI值动态修正RSSI模型参数;然后,利用共线度有效阈值选取适合定位的锚节点组,由加权三边定位法得到节点坐标;最后,引入协作定位,利用锚节点置换策略自适应地选取已定位节点进行升级,升级节点作为锚节点参与协作定位.实验结果表明:在相同的环境下,RSSI改进算法较其他算法能有效降低测距误差,提高未知节点的定位精度.     

MDS-MAP算法的改进及在室内车辆定位中的应用

为了解决现代化大型停车场寻车难的问题,提出一种基于无线传感器网络的定位算法。即以经典的MDS-MAP(multidimensional scaling-map)节点定位算法为基础,在全局范围内选择1个一跳的邻居节点子网,对其进行相对定位;结合极大似然估计法,计算出其余节点的相对坐标;利用锚节点的坐标信息,得到网络内所有待测节点的绝对坐标。仿真结果表明,改进后的算法可以解决停车场形状不规则及车辆随机停放等情况所造成的网络空洞问题。因此,该算法能在很大程度上提高定位的精确性,适用于大型室内停车场的实际情况。