基于DV-Hop和距离几何约束的定位算法

针对DV-Hop定位算法的误差主要是计算未知节点和信标节点间距离的问题,利用二维空间的Cayley-Menger行列式提供的几何约束对未知节点到信标节点的距离进行优化修正.通过距离几何约束的条件对未知节点到信标节点之间的测量值进行处理,来减少未知节点到信标节点的测距误差,并采用三边测量法进行定位.仿真实验结果表明,随着...     

改进的无线传感器网络无偏距离估计与节点定位算法

针对无线传感器网络中基于跳数的节点定位算法不能满足无偏距离估计、节点定位误差大的问题,提出了一种改进的无偏距离估计与节点定位算法(UEDV-hop,Unbiased Estimation DV-hop)。该算法分析期望距离和跳数的关系,建立一种新的期望距离与跳数模型,根据节点通信半径是否已知分别推导了两种UEDV-hop的求解形式。仿真实验结果表明:所提的两种UEDV-hop算法的估计距离在不同跳数时都近似等于该跳期望距离,算法在距离估计和节点定位精度上相对于DVhop(Distance Vector-hop)算法及基于最小二乘法改进的DV-hop算法都有较大提高,在节点数目等于2 500时,UEDV-hop算法的估计距离误差比DV-hop算法降低了9.5%,定位精度提高了55%。     

无线传感器网络定位算法分析与比较

介绍了无线传感器网络节点定位的概念和技术特点,详细描述了基于测距和无需测距两种定位的机制,并对这些典型的算法和系统进行了全面详细的比较分析。     

无线传感器网络定位方法综述

介绍了国内外研究机构在无线传感器网络定位方法方面开展的研究工作,并对这些研究工作进行了归纳和总结.定位的基本方法分为距离式定位和非距离式定位.距离式定位是通过测量距离或角度进行位置估计,测量数据的精度对定位精度有很大影响.非距离式定位是通过节点间的hop数或估计距离计算节点的坐标,这种方法不需要测量距离或角度,利用估计距离代替真实距离,算法简单但精度不高.无线传感器网络中定位方法的应用需要针对不同的应用场合,综合考虑节点的规模、成本及系统对定位精度等要求来进行设计和选择.     

多传感器融合定位控制系统设计

为实现水田作业机械的精确定位,在惯性传感器定位的基础上,设计了一套基于激光的多传感器融合定位系统.该系统以激光、陀螺仪与编码盘等传感器模块为硬件基础,结合卡尔曼滤波算法实现了多传感器的数据融合.试验结果表明:在50 m×50 m的测试范围内,静态定位误差小于10 cm,系统定位可靠,精度较高,达到了预期研究目标.     

采用ELM和优化电压传感器布局的光伏阵列故障检测与区域定位

为快速检测并定位光伏阵列中出现的故障,提出一种新的传感器布局策略,通过优化电压传感器的位置减少电压传感器的数量,同时显化故障的特征.然后,将定位问题转化为分类问题,选用极限学习机(ELM),将最大功率点处的电压数据作为输入训练分类模型.结合实验室屋顶光伏并网发电平台获取的故障数据,对健康状态和所设置的3种故障状态下细化的故障共18种类别,进行分类模型的建立与测试.实验表明,应用本模型故障检测与区域定位的精确率达99.52%,优于所对比的支持向量机、多层感知机网络和随机森林的诊断结果.     

基于多传感器信息融合的移动机器人定位技术研究

移动机器人自身的定位问题是移动机器人在实际应用中首先会遇到的问题,是移动机器人完成各项任务的首要前提。为提高自制移动机器人的定位能力．设计了扩展卡尔曼滤波器对移动机器人装载的里程计、陀螺仪以及电子罗盘信息进行了信息融合。仿真研究结果缸明移动机器人的定位能力能得到一定的提高。     

基于改进距离向量算法的无线传感网定位研究

为了解决传统距离向量-跳段(DV-Hop)定位算法的精确度受限问题,提出了一种基于跳段大小校正和定位优化的改进DV-Hop算法。根据参考节点之间实际距离和估计距离的差异,计算出整个网络中有效的跳段大小,未知节点和参考节点之间的跳段添加了校正值,而接收信号强度指示(received signal strength indicator,RSSI)的数值用于校正单跳的距离,应用莱文贝格-马奈特(Levenberg-Marquardt,LM)算法来估计每个传感器的优化位置。在求值的过程中,研究了影响距离向量-跳段定位精确度的各种因素。仿真结果表明,与传统的DV-Hop和一些现有的改进算法相比,提出算法的定位精度有所提高。     

基于K—L距离和信息距离的局部影响分析

本文给出了Ｋ－Ｌ距离和信息距离对某类参数变换的不变性；证明了在线性模型中，从Ｋ－Ｌ距离、信息距离以及似燃距离出发得到的局部影响矩阵是一致的；利用局部影响分析思想来检测各种扰动方式的敏感点，提出一种新的自变量扰动方式，在实例分析中得到了满意的结果。     

无线传感器网络中的定位算法研究

无线传感器网络由若干个随机分布的设备组成,用以对某些特定的环境数据进行观察。因此,最终观测效果很大程度上依赖于信息采集节点的位置信息的准确性。本文介绍了一种有别于以往定位方式新型定位算法,并结合仿真结果对算法的效果做出了评估。     

基于增强型象限信息的线性测距定位方法

为克服基于 Taylor级数展开的局部线性化方法因忽略高阶项而引入定位误差的缺点 ,该文提出了一种新的象限线性化测距定位方法。利用面积坐标系比直角坐标系具有更多象限信息的特点 ,推导了 3站和一般情况下非线性测距方程的精确线性化方法 ,解决了最佳线性测距定位估计问题。仿真实验表明 ,与常规的几何测距定位方法相比 ,基于面积坐标系增强型象限信息的线性测距定位方法具有更高的定位估计精度。在蜂窝移动通信手机自动定位问题中 ,该方法具有一定的应用价值     

非负矩阵的数值域

进一步研究了非负矩阵的数值域,在n阶非负矩阵A不一定是不可约矩阵的情况下,利用处理非负矩阵的技巧得出了类似于非负不可约矩阵的数值域结果,最后利用Ky-Fan定理给出可控矩阵的数值域范围.     

无线传感器网络中目标检测节点的优化部署

为提高无线传感器网络的目标检测精度，提出了一种基于遗传算法的节点部署优化方法．通过把传感区域模型化为网格，将目标定位问题转化为确定目标在某个网格点的问题．随后，将传感器节点部署问题形式化为一个组合优化问题，其目标是在有限的成本和完全覆盖条件下减小最大分辨误差．遗传算法采用二进制编码表示节点的位置，使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率．实验结果表明，基于遗传算法的求解方案能快速地求出传感器节点位置优化问题的全局最优解，并满足目标定位的精度要求．     

模态测试不确定性影响因素分析及传感器布置应用

模态测试结果的准确性会受测试数据采集、数据处理、建模假设和参数估计等不确定性因素的影响. 为研究模态测试中模态参数的不确定性水平及不同影响因素对其的影响规律,本文采用状态空间模型和费希尔信息矩阵的快速模态参数不确定性分析方法,探讨包括振动信号的采样时长、采样频率、采样信噪比和结构的阻尼比等多种因素对模态参数不确定性水平的影响,同时提出利用模态参数不确定性水平来优化传感器布置策略的实用性建议. 结果表明：模态参数的不确定性水平随采样时长、采样频率、信噪比和传感器数量的增加而降低,随结构阻尼比的增大而升高;对于均匀分布结构,多数传感器布置在结构顶部和中上部,少数布置在中下部时,模态参数的整体不确定性水平较低,是一种相对较优的传感器布置方案.     

区域无线电导航系统中几何精度因子的分析

区域无线电导航系统中，几何精度因子（GDOP）对系统的定位精度有着非常重要的影响.在此介绍了一种基于圆一圆定位体制下的区域无线电导航定位系统几何精度因子的计算方法，并讨论了几何精度因子的一些特性，包括导航台位置和数量对GDOP值的影响．文章还对GDOP特性进行了计算机仿真．在此基础上提出了关于系统导航台布局的一些结论．     

算子AB值域的闭性

目的在算子A,B值域闭的条件下,讨论2个算子的乘积AB值域闭的充要条件,其中A,B是作用在Hilbert空间H上的有界线性算子。方法利用算子分块的技巧。结果与结论得出了AB值域闭的3个充要条件,并给出了证明。     

Fisher信息阵在矩阵不等式证明中的应用

利用多元正态分布以及Fisher信息阵的单调性和可加性,证明了几个常见的矩阵不等式和多参数Cramer-Rao不等式,而证明的过程没有使用矩阵理论。     

四元数矩阵的二次数值域

本文引入四元数矩阵的二次数值域的定义,并且讨论了四元数矩阵二次数值域的一些性质?在一定条件下,证明了四元数矩阵的左特征值集合是该四元数矩阵二次数值值域的子集?这些结果有助于四元数矩阵左特征值及相关问题的研究?     

导航系统中量测滞后异步多传感器集中滤波算法

为解决异步多传感器组合存在的信息更新频率不同步,借鉴联邦滤波子滤波器的结构设计,提出在集中滤波器内根据组合时刻量测值的不同,选择相应量测矩阵进行切换的方法实现多传感器的异步组合.同时在该算法的基础上,利用非延时量测信息补偿滞后量测的方法,解决了多传感器组合量测滞后的问题.该算法在GPS/CNS/SINS组合导航实时仿真系统的应用表明,量测矩阵的切换对系统状态变量的滤波迭代没有不利影响,补偿量测滞后的方法对降低滤波误差有明显作用,滤波结果精度较高.     

基于WRV的室内移动机器人定位系统

针对W(WLAN,Wireless Local Area Network)、R(RFID,Radio Frequency Identification)、V(Video)技术在室内定位的特点,提出了基于WRV信息融合的机器人定位方法。以概率法为基础,进行了基于Kalman滤波的WLAN机器人定位实验;以增加移动误差补偿的极大似然估计定位算法为基础,进行了基于Kalman滤波的RFID机器人定位实验;以SIFT算法为基础,进行了机器人定位实验;最后研究了机器人多信息融合定位算法并进行了实验。移动机器人定位实验表明:机器人多信息融合定位平均定位偏差为0.381m,减少了WLAN、RFID及视觉系统单独定位时的偏差,定位精度上有了明显的提高,可以较好地满足室内移动机器人的定位要求。