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%.     

一种改进的WIFI位置指纹室内定位算法

WIFI位置指纹定位作为目前常见的室内定位方法,存在接收信号强度(received signal strength,RSS)波动和时变等问题,导致定位精度不高.文章为此设计了一种采用结合卡尔曼滤波的方差修正加权K最近邻(weighted K-nearest neighbor,WKNN)算法的室内定位方法.离线阶段,经过...     

基于室内定位技术的人体姿态识别方法

独居老人摔倒等姿态检测是当今备受关注的问题.基于机器视觉的方法存在隐私侵入,成本高和实现过程复杂等问题,而基于加速度传感的方法对静止姿态识别存在困难.为此提出一种基于室内定位技术的老人姿态检测方案.首先在人体关键节点安装可穿戴接收标签,然后采用超宽带UWB测距方法,实现人体关键部位的定位和跟踪.在姿态估计算法中,分别采用最小二乘和改进的扩展卡尔曼滤波算法来抑制噪声,提高定位精度.仿真实验表明,改进的扩展卡尔曼滤波算法误差较小,可以较好地识别老人摔倒等姿态信息.     

基于改进IMM-UKF算法的一种融合航迹推演的红外路标室内定位方法

在结构化环境中,针对室内机器人导航对精度和实时性的要求,在一种新型红外路标定位方法的基础上,为满足全局导航的需要并简化硬件结构,提出一种融合航迹推演的红外路标室内定位方法,将单个大功率红外发射管作为路标,移动机器人上的红外摄像头作为接收传感器,融合采用改进的交互多模型无迹卡尔曼滤波(interacting multiple models unscented Kalman filter,IMM-UKF)算法.将融合航迹推演的红外路标室内定位方法和一般的定位方法做了比较,并将融合所采用改进的IMM-UKF算法与一般的融合算法做了比较.实验结果表明,提出的基于改进IMM-UKF算法的融合航迹推演的红外路标室内定位方法获得了比一般的定位方法更快的定位速度和更高的定位精度,且改进IMM-UKF算法比一般融合算法获得的定位精度更高.     

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.     

RSSI的室内人员卡尔曼滤波定位算法

RSSI定位技术的室内定位算法中,由于室内环境的复杂性及人员的随机性等因素可能会带有噪声影响,所以需要加以抑制。本次设计的室内定位算法首先根据室内特殊环境设计出定位算法流程图,建立算法模型并用卡尔曼滤波算法来抑制环境中噪声因素所引起的误差,然后结合改进的RSSI算法实现室内移动人员的定位,使得定位的结果更接近于真实值。重点研究将卡尔曼滤波算法与改进的RSSI算法相结合估算出更精确的室内人员位置信息。通过实验表明,结合卡尔曼滤波改进的室内人员定位算法的定位精确度有明显的提升,误差相比于文献9所提出的定位算法有所降低。     

基于ISRUKF的UWB/INS组合室内定位方法研究

超宽带(UWB)定位技术是室内定位领域中极具竞争力的技术,但是在室内非视距(NLOS)环境下,UWB定位技术会出现精度低和稳定性差等问题,难以满足较高的室内定位精度需求.UWB定位技术和惯性导航系统(INS)结合,可以减轻NLOS环境对UWB定位的影响,因此提出了一种基于改进平方根无迹卡尔曼滤波(ISRUKF)的UWB...     

基于扩展卡尔曼滤波的GPS定位数据处理方法研究

由于GPS信号容易受到遮挡、干扰等影响,有时会存在较大的系统噪声和量测噪声,这将引起GPS的定位精度受到较大影响。研究了一种利用扩展卡尔曼滤波对GPS定位数据进行处理的方法。对扩展卡尔曼滤波算法进行了深入分析,并结合GPS应用建立了系统的动态模型,对滤波算法的初值和系统噪声的进行了探讨。通过实测GPS数据对扩展卡尔曼滤波算法进行了验证,实测结果表明该算法对GPS应用系统的定位数据有较好的滤波效果,可以有效的提高GPS的定位精度。     

基于无抽取Haar算法的实时卡尔曼滤波方法

针对基于分段方式的多尺度卡尔曼滤波其计算量大、延时长的问题,提出基于无抽取Haar算法的实时卡尔曼滤波方法,该方法采用简单的加减、移位运算在t时刻完成多尺度变换,然后在各个尺度进行小波阈值去噪和卡尔曼滤波;为了验证该方法的有效性,在自主改装的智能车上对低精度加速度传感器进行实验.研究结果表明:通过小波重构完成信号处理,提高了算法实时性,并且有效减少重复运算;实时卡尔曼滤波方法有效提高了传感器的性能,在不能准确估计状态转移误差情况下,该方法的去噪性能优于单独的卡尔曼滤波去噪性能.     

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Cross-Validation的小波自适应去噪方法

小波去噪算法中,阈值的选择非常关键.提出一种自适应阈值选择算法.该算法先通过Cross-Validation方法将噪声干扰信号分成两个子信号,一个用于阈值处理,一个用作参考信号;再采用最深梯度法来寻求一个最优去噪阈值.仿真和实验结果表明:在均方误差意义上,所提算法去噪效果优于Donoho等提出的VisuShrink和SureShrink两种去噪算法,且不需要带噪信号的任何"先验信息",适应于实际信号去噪处理.     

基于神经网络的UWB室内定位算法

定位技术的迅速发展,使它渗透到了人们的生产生活中,因此,对定位技术的完善和提升变得尤为重要.一些传统定位技术,如红外线、超声波、蓝牙、RFID等,由于室内环境的复杂性,导致定位精度有所损失.UWB作为一种无载波通信技术,其诸多优点可以使它在视距传输中获得良好的定位效果,但是实际环境中的非视距传输,会使其受到影响而产生误差.采用TOA定位方法,辅以神经网络算法,可在寻求优化解的过程中不断减小误差,实验仿真表明,该算法在复杂的室内传输中具有较高的定位精度.     

基于无线传感网络的航标系统节点定位研究

为了将海上交通信息的采集、处理、传输通过无线网络进行互联,实现航标的数字化、信息化、网络化,提出一种应用加权最小二乘法和卡尔曼滤波相结合的RSSI定位优化算法,实现网络节点定位.仿真结果分析表明:该算法适用于航标系统的节点定位,定位精度满足要求.     

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的室内定位算法研究

无线传感网络是无线通信技术、传感器技术和微处理技术相集成的产物.随着信息技术的不断发展,WSN已经成为我们日常生活不可或缺的一部分.定位技术作为无线传感网络研究的热点,也受到了各领域的极大关注.本文通过对传统的室内定位算法的研究,综合考虑影响定位精度的因素,提出了改进的定位算法,并进行了仿真验证.     

基于卡尔曼滤波的舰船传感器信号的小波阈值去噪

采用小波去噪中的阈值方法对舰船传感器的量测信息进行了去噪处理,从而降低了量测信息中噪声对卡尔曼滤波精度的影响.通过对实测船位数据的仿真,并与GPS船位数据比对,证明该方法有效地提高了卡尔曼滤波的估计精度,也使航行曲线更加地“光滑”.     

基于遗传算法优化的支持向量回归的室内定位算法

基于zigbee接收信号强度指标的室内定位由于成本低,硬件功耗低,易于实现而受到越来越多的关注。为了提高zigbee技术的室内定位精度,减少环境因素的不利影响,本文提出了一种遗传算法优化支持向量回归的室内定位方法。该算法分为离线采集和在线预测两个阶段,离线采集进行指纹数据库的建立,在线预测则根据训练模型进行位置预测。首先所有的采集数据通过卡尔曼滤波进行处理,然后通过遗传算法优化支持向量回归(GA-SVR)的惩罚参数 、RBF核宽度 和损失函数变量 ,从而使支持向量回归达到最好的位置预测性能。在实际场景中的实验结果表明,与PSO-SVR, GS-SVR, SVR和WKNN算法相比,该算法具有较好的定位性能。     

RBF与加权质心相结合的室内无线定位算法

针对传播路径损耗模型的参数,极易受室内障碍物等环境因素影响,导致定位精度低的问题.利用RBF(径向基函数)神经网络算法替代损耗模型,拟合RSSI(接收信号强度)值与距离的关系.采集室内RSSI值和其对应的距离值的实测数据,利用实测数据训练RBF神经网络,建立RSSI-距离拟合模型;利用拟合模型将经过处理的RSSI值转换为距离值,并将距离值按从小到大排序;取前3个离定位节点较近的固定节点的信息,进行加权质心定位计算.研究结果表明:RBF算法的定位精度比路径传播损耗模型算法提高了34.5%,且略高于BP算法的定位精度.在相同的室内环境下,RBF算法能更好地克服环境因素对距离计算的干扰,提高室内定位的精度和稳定性.     

一种提高GPS定位精度的组合定位方法

验证了DGPS和卡尔曼滤波器在提高GPS接收机定位精度方面的有效性 .针对静态定位的特点 ,对传统卡尔曼滤波方程做出改进 ,消除由速度误差引起的定位偏离 ,并进一步采用组合滤波结构以完善动态滤波器的静态定位性能 .利用DGPS和卡尔曼滤波器在减少误差类型上的互补性 ,本文采用一种组合定位的方法 ,以起到同时减少常值误差和随机误差的作用 .实验证明 ,如果融合DGPS和卡尔曼滤波技术采用组合定位的方法 ,可以将定位精度从 2 .4m( 2σ)提高到 0 .9m( 2σ) .