基于多传感器数据融合的室内定位算法

基于惯性测量单元(IMU)的定位方法是一种全自主定位方法,该方法通常是基于单个IMU(Single-IMU)实施定位,其具有较大的漂移误差和累积误差.因此,提出了一种基于多个可穿戴式IMU(Multi-IMUs)与室内无线传感器网络(IWSN)的多传感器数据融合的室内定位算法,根据佩戴于不同部位的Multi-IMUs信息协同,提高人体姿态检测的有效性,并且利用模糊投票机制(Fuzzy Voting Scheme)融合Multi-IMUs位置信息;此外,结合IWSN,采用卡尔曼滤波算法(Kalman Filter Algorithm)融合IWSN解算出的位置信息与Multi-IMUs计算出的位置信息降低基于IMU的累积误差.实验结果表明,所提出的基于多传感器数据融合的室内定位算法能够识别出行走的姿态,与基于Single-IMU的定位算法相比,该算法有效地降低了累积误差和漂移误差,提高了室内定位的有效性和可靠性.     

蓝牙4.0标准规范下的模糊指纹定位算法

蓝牙技术的普及以及蓝牙4.0标准规范的提出, 使得利用蓝牙技术实现室内定位具有极其广阔的应用前景.把模糊理论应用于蓝牙室内定位系统, 提出一种模糊指纹定位算法. 基于该算法的定位过程分为离线和在线两个阶段: 离线阶段建立模糊指纹库; 在线阶段对手机客户端进行实时模糊决策定位. 仿真实验结果表明, 该算法的平均定位误差为1.36 m, 相比于传统的指纹标定法, 其定位精度提高约49%, 而计算量缩减至原来的1/c, 其中c为模糊聚类类别数.     

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.     

基于最小均方误差估计的RFID室内定位算法

近年来基于射频识别（RFID）的室内定位技术得到了大量的关注及广泛的应用.由于无法利用目标标签的先验信息,现有的基于极大似然估计的室内定位算法性能存在进一步提高的可能.文中提出使用标签位置分布统计特性作为先验信息来提高定位精度,将基于到达时间（TOA）的二步加权最小二乘法从极大似然估计扩展到最小均方误差估计,并推导了基于最小均方误差估计的TOA定位方法的克拉美罗下界（CRLB）和理论方差.理论分析和仿真结果都表明该算法优于极大似然估计定位算法.     

基于区间值推理的模糊神经网络

在区间值模糊推理的理论基础上,提出了基于区间值推理的模糊神经网络。主要是将模糊逻辑规则利用神经网络来实现,给出了基于IVFR的FNN的结构以及通过两个模糊集的贴近度作为误差反馈的学习算法。     

基于Android的室内定位系统的研究与实现

为满足定位市场的服务需求,改进传统的定位技术在室内使用存在着定位精确度低、耗电量大等缺点,作者对基于WiFi位置特征匹配的室内定位技术进行了深入研究,分析了各种因素对WiFi信号的影响以及一些常用定位算法的对比,通过在特征库建立阶段采用高斯过滤法剔除误差较大的信号强度值,提高了数据库中采集值的数据精度.在定位阶段采用改进的K加权近邻法,将改进后的算法作为在线匹配算法,有效地避免定位过程中偶然的信号波动给定位带来误差,设计与实现了一个基于Android系统的WiFi室内定位系统.     

模糊信息粒化和GWO-SVM算法结合的短期风速范围预测

为了实现对风速范围区间的准确预测,提出一种基于模糊信息粒化和灰狼优化-支持向量机(GWO-SVM)算法的风速预测模型.该模型首先利用模糊信息粒子,从一段连续时间的风速值提取出最大值、最小值及大致的平均水平值;然后,采用时间序列风速输入模型,构建输入支持向量机模型的标签向量与特征矩阵;最后,通过灰狼算法进行支持向量机预测模型的参数寻优,实现对风速范围区间的准确预测.在实例验证阶段,将风速历史数据进行模糊粒化,采取4种不同的参数寻优方式对支持向量机预测模型进行参数寻优.结果表明:GWO-SVM算法可以有效地提高风速范围预测的精确度.     

基于区间值模糊集上的模糊聚类

研究了基于区间值模糊集上的模糊聚类.先讨论了基于∨-t关系合成基础上的一种n次幂运算,是Yang和Shih的n次幂运算的推广.通过运算,由模糊相似关系矩阵得到模糊等价关系矩阵,并提出了一种基于模糊等价矩阵的聚类算法.针对非完备模糊相似矩阵中的数据信息可能会缺失的情况,最后讨论了一种由∨-t合成运算来推算缺失值的简单方法.     

基于数值拟合的区间值模糊推理算法

将数值拟合技术引入到区间值模糊推理中,提出一种基于数值拟合的区间值模糊双向推理算法.并给出3个应用实例来说明该算法的可行性.同时比较并证明了该算法的良好性质.     

基于动态环境自适应WiFi室内定位系统设计

针对室内动态环境中WiFi定位精度低等问题,提出了一种基于位置指纹的自适应定位方案.通过采集参考点处的AP信号强度和终端朝向信息,构建出参考点的位置指纹,再提取待测点位置指纹中的朝向信息,经由KNN算法进行指纹匹配,从而完成预计定位.实验测试表明,方案可有效避免了由于用户手持终端方向及身体遮挡等因素对RSS值的影响.     

基于双基线旋转的改进干涉仪定位算法

传统双长基线干涉仪（double long baselines interferometer,DLBI）测向算法要求两根基线长度严格互质,在模糊数较大时算法性能会严重下降,且对鉴相器误差敏感.针对该问题,文中提出了一种改进的双基线旋转干涉仪（double baselines rotating interferometer,DBRI）定位算法,所提算法利用两组任意长度的基线以任意角速度反向旋转获得相位差进行定位,对鉴相器误差具有鲁棒性,且在模糊数很大时也有较高的定位精度.仿真实验验证了该算法的有效性和正确性.      

一种基于双基线旋转的改进干涉仪定位算法

传统双长基线干涉仪（DLBI）测向算法要求两根基线长度严格互质,在模糊数较大时算法性能会严重下降,且对鉴相器误差敏感.针对该问题,文中提出了一种改进的双基线旋转干涉仪（DBRI）定位算法,所提算法利用两组任意长度的基线以任意角速度反向旋转获得相位差进行定位,对鉴相器误差具有鲁棒性,且在模糊数很大时也有较高的定位精度.仿真实验验证了该算法的有效性和正确性.      

室内超宽带非视距协同定位算法

超宽带以其高分辨率和抗多径的特点,成为室内定位技术的突出代表．室内环境复杂,接收的定位信号中多径干扰和非视距NLOS传播,会产生严重的非视距NLOS效应,导致传统的定位算法出现较大偏差．为了克服NLOS误差的影响并得到满足室内定位的精度要求,提出将带校正因子的WLS算法和Taylor算法相结合,通过协同定位来抑制非视距误差．结果表明：在多种环境下,改进的算法都能够较好地抑制NLOS误差干扰,基本满足了室内定位的精度要求,具有健壮性强的特点．     

融合MT2503与MEMS传感器的惯性导航定位算法

为提高惯性导航室内定位算法的精度与连续性,提出一种融合MT2503与MEMS传感器的惯性导航定位算法,算法以MT2503芯片作为定位终端,并将加速度计传感器、陀螺仪,磁力计等传感器与其进行融合,通过加速度计传感器解算步长、步幅、步频,通过陀螺仪与磁力计来识别定位终端微动偏移量,最后在初始位置上累加定位终端位移得出定位终端实时位置。实验证实通过零速修正和卡尔曼滤波对误差进行校正,有效的解决了MEMS(micro-electro mechanical system)定位算法中存在的导航解算误差累积问题,提升了MEMS惯性导航室内定位算法的精度。     

模糊单站无源定位方法

单站无源定位具有作用距离远、隐蔽接收和结构简单等优点,在军事中有着广泛的应用前景,在航海、航空以及地球物理等研究中也扮演着重要的角色。为了解决现有单站无源定位方法不能较好地处理不确定和不对称噪声的问题,建立了一种模糊框架来表示不确定系统,并在此基础上,提出了一种模糊单站无源定位方法。该方法以相位差、相位差变化率和多普勒频率变化率为观测量,并使用模糊Kalman滤波方法进行定位跟踪。仿真表明:该方法能够很好地进行不确定情况下的单站无源定位,具有较好的定位精度。     

基于二维卷积神经网络的无线局域网室内定位系统

为改善现有无线局域网（Wireless Fidelity, WIFI）室内定位算法的精度与复杂度问题,提出了一种基于二维卷积神经网络（2D-Convolutional Neural Network,2D-CNN）的WIFI室内定位算法。该算法将在线阶段的复杂性转移到离线阶段,在线阶段中仅使用2D-CNN网络进行训练;在离线阶段中,采集定位区域各采集点可接收到的所有无线接入点（Access Point,AP）的接受信号强度（Received Signal Strength Indicator,RSSI）值,并根据其计算峰值,二者结合构成位置指纹图像。再使用滑动窗口进行数据集扩充,最后将其引入到2D-CNN网络模型中进行训练,建立定位模型并完成定位。实验结果表明,在当前室内环境中,该算法的平均定位精度达99.58%,证实了不同参数、优化算法及模型架构选择的正确性。     

非直接接地系统两相接地故障的单端测距

提出了一种输电线路中性点非直接接地系统双相对地故障的准确测距方法。该算法利用故障网络与零序网络建立故障测距模型,利用单端信号有效地消除了负荷潮流和故障接地电阻对故障测距精度的影响,并可以自动地确定故障线路。仿真结果表明,在接地故障情况下该算法具有准确有效的特点。     

Rigorous location of phase transitions in hard optimization problems

It is widely believed that for many optimization problems, no algorithm is substantially more efficient than exhaustive search. This means that finding optimal solutions for many practical problems is completely beyond any current or projected computational capacity. To understand the origin of this extreme 'hardness', computer scientists, mathematicians and physicists have been investigating for two decades a connection between computational complexity and phase transitions in random instances of constraint satisfaction problems. Here we present a mathematically rigorous method for locating such phase transitions. Our method works by analysing the distribution of distances between pairs of solutions as constraints are added. By identifying critical behaviour in the evolution of this distribution, we can pinpoint the threshold location for a number of problems, including the two most-studied ones: random k-SAT and random graph colouring. Our results prove that the heuristic predictions of statistical physics in this context are essentially correct. Moreover, we establish that random instances of constraint satisfaction problems have solutions well beyond the reach of any analysed algorithm.     

基于RFID不同信号特征参数的室内定位方法综述

基于超高频射频识别(RFID)的定位技术,因其标签成本低、可使用无源工作方式,目前在许多实际应用场景中发挥重要作用.为进一步推进基于超高频RFID的室内定位技术,对不同信道特征参数信息的获取及其对应定位模型进行介绍,对不同标签定位处理方法进行探讨,从不同关键技术角度对定位方法进行比较,并总结和展望超高频RFID室内定位技术的未来发展趋势.