基于粒子群优化与模糊聚类的社区发现算法

针对现有基于改进的K-means模糊聚类的社区发现算法(k-means algorithm for community structures detection based on fuzzy clustering,NKFCM)执行效率较差的问题,将粒子群算法与模糊聚类算法相结合提出了基于粒子群优化与模糊聚类的社区发现算法(community detection algorithm based on particle swarm optimization and fuzzy clustering,PFCM).该算法首先进行迭代运算,找出初始聚类核心,利用以云模型为运行条件的粒子群优化算法确定最优聚类核心与最佳社区个数,最后利用模糊聚类算法(fuzzy c-means algorithm,FCM)进行具体的社区划分.理论解析与测试结果表明:该算法发现网络社区的准确性较高,且与NKFCM算法相比,PFCM在处理网络数据时执行效率获得了极大地提升.     

基于层次密度聚类和谱间隙的雷达信号分选

雷达信号分选是现代电子战中的重要环节.为了解决传统算法鲁棒性较差的问题，提出一种基于层次密度聚类和谱间隙的雷达信号分选算法.使用载频和脉宽参数进行层次密度聚类，根据重新定义的簇间距得到赋权邻接矩阵，计算赋权邻接矩阵的拉普拉斯谱间隙，通过k-means聚类的超参数k对信号进行分选.仿真实验结果表明：该文算法的平均分选准确率达0.996 0、平均召回率达0.956 0;相对于密度聚类(density-based spatial clustering of applications with noise,简称DBSCAN)和Meanshift算法，该文算法对杂乱脉冲、漏脉冲及超参数的干扰均有最强的鲁棒性.     

基于无监督学习的卫星NLOS信号检测方法

针对复杂环境下NLOS信号接收造成的GNSS定位精度恶化问题,提出了一种基于无监督学习的卫星NLOS信号检测方法.综合考虑了信号载噪比、伪距残差和卫星高度角对于GNSS接收信号的影响,采用k-means++聚类算法将观测数据划分为LOS、多径和NLOS三类,并对NLOS信号进行分离.使用GPS/BDS双系统伪距单点定位对信号分类效果进行了验证.结果表明,采用该方法剔除NLOS信号后定位精度得到了显著的提升.静态实验中,对1 h的数据样本进行聚类,事后定位精度提高了约30%,实时定位精度提高约12%.动态实验中,城市峡谷路段东、北、天3个方向的定位精度分别提高了27.98%、8.06%和3.66%.相较于有监督学习的分类方法,该方法简单有效、易于实现,且无需使用先验信息,能显著降低运算负荷和GNSS设备成本.与传统的阈值法以及RAIM算法相比较,该方法在改善定位的精度方面具有一定的优势.     

基于AOA-TOA重构的单站定位算法

针对非视距环境,提出AOA-TOA重构的单站定位算法。算法分两步进行,第1步基于单次散射模型给出了一种关于波达角度(angle of arrival,AOA)的粗略的重构方法;第2步以单基站测得的波达时间(time of arrival,TOA)和AOA等信息,结合散射体分布模型的统计特性,对现有的AOA重构算法进行拓展,以最大似然估计法对TOA重构。改进了传统的单目标参数重构模式,实现了在非直达波(non-line-of-sight, NLOS)环境下基于散射体分布模型的单基站定位,并具有较高定位精度。仿真结果验证了该算法的有效性,同时,仿真结果还验证了该算法在密集多径环境下比多径稀疏的环境有更好的定位性能。     

CDMA蜂窝网无线定位技术中NLOS误差的抑制方法

在CDMA蜂窝网无线定位系统中,针对非视距(NLOS)误差严重影响定位性能这一问题,提出了一种基于最陡梯度下降法的NLOS环境下的TDOA定位方法。该方法结合Chan氏算法,通过迭代,逐渐完成对NLOS误差的估计,并判定NLOS基站,在此基础上对NLOS基站测量值进行逐步修正,从而完成对目标的定位。最后的仿真表明,此算法可以有效实现NLOS环境下的目标定位。     

基于基站LOS鉴别的TDOA室内定位算法

针对视距(Line-of-sight,LOS)和非视距(None-line-of-sight,NLOS)混合环境中利用较少的基站信息达到相对精确的三维基站室内定位问题,提出一种基于几何模型的高精度鉴别基站LOS传输算法.该算法通过简化信号传播路径构造空间立体模型,根据基本几何定理筛选出相对最接近LOS的信号传播,并与TDOA定位算法和最小二乘法结合,得到了相对精确的定位信息.理论分析和仿真结果验证,该算法能高效的鉴别出视距传播信号,且计算复杂度相当,具有较好的可实现性.     

基于天线子阵的移动台定位方法及其性能分析

基于常用的散射环(ROS)、散射盘(DOS)和截短高斯分布(CGS)信道模型,对不同波束之间的NLOS附加误差的相关性进行了分析,并根据分析结果,提出了一种基于天线子阵的定位方法.仿真结果表明,与基于基站的定位方法相比,基于天线子阵的定位方法在抵抗NLOS附加误差的影响方面,具有明显的优势.     

一种增量式MinMax k-Means聚类算法

针对MinMax k-means算法易产生空解、 收敛速度慢和计算效率低的问题, 提出一种增量式MinMax k-means聚类算法. 该算法从给定的初始聚类个数开始, 以固定步长递增式产生新的聚类中心, 采用基于数据均衡的快速分裂方法产生增量聚类中心, 从而避免了传统增量聚类中心选择中遍历数据、k-means聚类算法运行次数过多导致的大计算量问题. 与MinMax k-means及相关算法的对比实验结果表明, 该算法在计算效率和求解精度上均优于对比算法, 有效改善了MinMax k-means聚类对初始化中心敏感和易产生空解的问题.     

TD-SCDMA系统定位算法研究与仿真

为了克服NLOS信号对移动无线电定位的影响,对TD-SCDMA系统中联合DOA与TOA实现移动 终端定位的方案进行了研究。基于NLOS信号识别的算法有效地解决了NLOS信号对实施定位的影响)提 出了一种对多基站时间加权定位算法.通过仿真实验证明了所采用算法的可行性,在NLOS情况下也可满 足FCC对E-911业务的要求。     

基于天线子阵的移动台定位方法及其性能分析

基于常用的散射环(ROS)、散射盘(DOS)和截短高斯分布(CGS)信道模型，对不同波束之间的NLOS附加误差的相关性进行了分析，并根据分析结果，提出了一种基于天线子阵的定位方法。仿真结果表明，与基于基站的定位方法相比，基于天线子阵的定位方法在抵抗NLOS附加误差的影响方面，具有明显的优势。     

一种无线定位非视距误差消除算法研究

在分布式多天线的基础上,提出一种新型非视距误差消除算法,并将其应用于传统的时间到达（time of arrival,TOA）定位。利用含多天线的天线组,测量出导致产生非视距传播的散射体的位置,将这些散射体看作虚拟基站,测量出移动台的坐标,完成无线定位。通过对算法的仿真结果分析表明,该算法能有效地消除非视距误差,比一些传统算法具有更高的定位精度。     

基于散射体信息的室内NLOS单基站定位算法

针对室内非视距(non-line-of-sight，NLOS)环境下的定位问题，提出一种基于散射体信息的室内NLOS单基站定位算法。根据室内场景的先验信息获得散射体的分布范围，选定一条反射路径的飞行时间(time of flight，TOF)作为参考，利用剩余路径的TOF与其做差分来构造差分TOF观测值，从而消除由于收发两端时钟不同步造成的相位误差影响; 根据每条路径的AOA及散射体的分布范围进一步确定散射体的位置范围; 利用差分TOF构造非线性定位目标方程，进一步将此方程转换为非线性最小二乘优化问题，利用遗传算法(genetic algorithm，GA)对目标进行初步定位，采用列文伯格-马夸尔特(Levenberg-Marquard，LM)算法对目标进行精确定位。仿真结果表明，该算法可以有效解决室内NLOS环境下的单站定位问题。     

基于几何约束关系的ML模型求解三维坐标定位问题研究

为了提高三维空间位置定位算法的性能和准确性,提出了以3个基站定位原理为基础的基于几何约束关系的ML模型.通过设计基站位置、到达时间(time of arrival,TOA)数值、手持终端位置之间的几何关系,估计得到手持终端的全部可能位置,通过最大似然算法,以最大可能的估计值确定为定位结果.经过仿真计算验证了算法能有效抑制非视距环境(non-line of Sight,NLOS)误差和测量误差,并且能够得到最佳估计值,具有计算量小、精度高等优点.仿真结果表明了该方法的有效性,在各类室内定位系统中具有很强的实用性.     

一种抗非视距误差的组合定位算法

为解决移动机器人在NLOS 环境下定位系统误差大和稳定性差的问题,提出一种抗NLOS误差的N-CTK组合算法。首先在Chan-Taylor协同算法基础上,融入卡尔曼滤波算法,提出一种CTK组合定位算法,然后基于TDOA测量值构建NLOS误差模型,引入NLOS误差转化因子,融合扩展卡尔曼滤波算法,并结合所提CTK组合算法,最终获得标签的估计值。实验测试表明：LOS环境下误差为6cm时,N-CTK组合算法相比CTK组合算法的累积分布函数提高了13.5%,NLOS环境下误差为15cm时,N-CTK组合算法相比CTK组合算法的累积分布函数提高了55%,定位精度明显提高。     

削减NLOS误差的UWB室内定位算法

为了解决非视距（non-line of sight，NLOS）环境下超宽带（ultra-wideband，UWB）室内定位精度低的问题，提出一种基于到达时间差（time difference of arrival，TDOA）的UWB室内定位算法来削减NLOS误差，提高定位精度。利用卡尔曼滤波算法，初次估计移动标签节点与各锚节点间的TDOA值；基于TDOA差值进行NLOS误差判别，依据判别结果对受NLOS误差影响的测量值进行视距（line of sight，LOS）重构，并利用仅受LOS误差影响的历史值更新卡尔曼滤波的协方差阵；利用Chan-Taylor算法进行迭代计算，得到最终精确的定位结果。实验结果表明，在LOS环境下，提出的算法能达到分米级的定位精度；在受NLOS影响的环境下，该算法能有效提高定位精度，减小定位误差，具有更好的稳定性。     

基于带符号残差加权的手机定位方法

在蜂窝网的移动终端定位中,非视距(NLOS)环境造成的误差是导致定位精度下降的主要原因.为降低NLOS误差的影响,本文提出了一种基于带符号残差加权的定位方法.该方法采用Chan算法算出移动台的初始位置,用带符号残差加权模型进行修正,再应用带符号残差辅助的泰勒级数展开法进行迭代,得到移动台的最终估计位置.仿真实验结果表明,与基于平方残差加权的方法相比,基于带符号残差加权的方法的定位精度平均提高约14.82%,可更加有效地抑制NLOS的影响.      

矿井非视距环境下UWB人员定位算法

为建立实时、高精度定位系统,减少弯曲巷道对矿井人员定位产生的NLOS误差,基于超宽带UWB技术和井下复合衰落信道模型,提出一种矿井NLOS环境下的改进算法。利用面积形心算法,将未知节点的空间位置约束在一个较小的区域内,然后利用Taylor和Chan氏算法进行定位,从而提高UWB井下人员定位系统的精度。仿真结果表明：该算法在井下NLOS环境下具有较高的定位精度,综合性能优于Chan氏算法和Taylor算法。     

基于二次散射体模型的GPS/蜂窝网混合定位方法

 针对蜂窝网精度不高及GPS在复杂环境下存在信息不足等各不可抗的缺陷,采用基于GPS和蜂窝网相结合的混合定位方法,来改善定位的可用性,和提高定位精度.针对影响GPS/蜂窝组合定位系统精度的主要因素NLOS传播,采用二次散射体模型抑制NLOS传播影响,其思路在于将散射体作为虚拟基站,抑制蜂窝的NLOS误差,辅助GPS定位,并改善精度因子(DOP),把NLOS误差转化为确定性的模型因素,因此定位精度主要取决于定位参数的测量精度,和非直达波引起的参数偏差无关,从而进一步提高了复杂环境下GPS/蜂窝混合定位精度.通过在静止、运动、ROS模型、高斯噪声传播环境下的仿真实验证明,该方法具有更高的精度和更强的鲁棒性.     

一种面向位置服务的超宽带室内定位算法

超宽带技术由于较高的测距精度和穿透性能,对于位置服务有着重要的应用价值。在实际的高密度定位环境中,传统的定位算法受非视距误差和多径效应的影响,很难实时准确解算出实际位置坐标。虽然增加基站数量可以有效提高定位的精度,但是其成本也在不断提高。针对超宽带在高密度室内定位中实时性差、定位精度低的问题,提出了一种基于支持向量机的超宽带定位方法,提高了定位的精确性和鲁棒性;给出了基于到达时间差(TDOA, time difference of arrival)的支持向量机模型,重点在于将定位问题转化为分类问题的求解;通过TDOA值和坐标值来建立支持向量机分类模型,利用一对一分类模型实现了坐标值的解算,提高了坐标解算速度。仿真结果表明,在高密度实时定位中,相比于传统的Chan算法和Taylor算法,文中方法在定位精度近似的情况下,实时性要高于传统算法,满足实际定位中低功耗、快速高精度定位的要求。