一种WSN环境下多机器人协作式声源定位方法

研究多机器人协作式任务执行具有现实意义。针对目前机器人声源定位算法不能满足多机器人协作式搜寻声源的场合,提出一种无线传感器网络(Wireless Sensor Networks, WSN)环境下的多机器人窄带声源定位方法。该方法根据接收信号强度对多个机器人的全局坐标进行测距定位,利用到达时间差(Time Difference of Arrival,TDoA)定位方法估计机器人与声源的相对距离,并结合全相位傅里叶变换(all-phase FFT,apFFT)算法提高相对距离的估计精度,最后通过测距定位算法得到声源的全局坐标值。在4个WSN节点和3个机器人组成的系统中进行方法测试,实验结果表明：该方法能实现三机器人协作式的声源定位任务,定位准确率较高,可满足搜救场合中声源定位的要求。     

基于主动信标和航位推测法的多机器人位置最优估计

针对一种新的多机器人交替定位方式,研究基于主动信标和航位推测法的多机器人位置估计算法. 指定多机器人中的3个保持静止作为信标机器人(不一定始终是同样3个机器人),其它机器人作为移动机器人. 通过超声波测距得到移动机器人与3个信标机器人的距离,并通过IEKF(iterated EKF)算法将距离信息和移动机器人的航位推测信息相融合,实现移动机器人位置的最佳估计. 轮流交换机器人作为主动信标的角色,即可实现多机器人的位置估计. 实验验证结果表明,移动机器人的位置估计误差在±10 mm之内;该方法有效,且不需要在环境中设置固定信标,可应用于未知环境.     

一种基于RSSI距离比的传感器节点定位算法

随着无线传感器网络的应用与发展,WSN作为一种全新的信息获取和处理技术已得到广泛应用。如何对传感器网络节点进行快速、精确的定位,已成为WSN系统急需解决的问题。为此,提出了一种基于RSSI距离比的MDS定位算法。该算法巧用RSSI距离比,结合Euclidean测距技术计算节点间距离矩阵,运用MDS算法建立相应的全局坐标系统。根据已知锚节点物理位置,通过坐标变换(旋转与平移)最终确定未知节点的物理位置。实验结果表明:该方法能有效地提高定位的精度,对开发高精度定位系统具有重要的参考价值。     

一种基于IEKF的轮式移动机器人自定位算法

为使移动机器人在导航时能满足定位要求,提高其定位精度,提出一种将里程计、相机传感器和激光雷达信息进行融合的自定位算法。根据机器人的机械结构和运动方式对其建立运动学模型,由里程计推算出机器人在不同时刻的位置估计;利用相机传感器对环境中的路标特征进行识别并计算出两者之间的距离和夹角;将激光雷达所获得的机器人相对路标特征的距离和角度与相机传感器的信息进行匹配,并利用迭代扩展卡尔曼滤波(iterated extended Kalman filter, IEKF)算法融合里程计信息,最终得到较为精确的机器人的位置估计。仿真试验结果表明,该多传感器融合算法相对传统的定位方法具有更高的定位精度。     

无线传感器网络中适于协作定位的全局节点选择

为了有效解决无线传感器网络(WSN)节点定位精度和测距技术复杂性之间的矛盾,基于WSN随机分布特性和天线阵列几何结构约束,通过节点协同形成的虚拟天线阵列对WSN进行定位,提出了一种适于定位的虚拟阵列节点选择方法.仿真结果和理论分析表明,当波达角估计算法的性能满足要求时,该方法具有很强的可行性和优良的定位性能.     

基于粒子滤波的移动机器人SLAM算法

针对FastSLAM算法对传感器精度要求较高,不适用于方向性差的超声传感器问题,提出了一种基于超声概率栅格地图环境特征点提取匹配的移动机器人粒子滤波同时定位与地图创建(SLAM)算法.该算法可分解为机器人位姿估计和环境路标估计2个部分.基于蒙特卡罗定位原理利用粒子滤波算法对机器人运动轨迹进行估计;在建立全局超声概率栅格地图的基础上,利用概率栅格地图环境特征提取算法对环境路标坐标进行估计.实验证明,该算法较好地解决了超声测距传感器由于散射角大带来的特征点估计不准的问题,对环境路标和机器人轨迹的估计都比较准确.并对移动机器人累计误差进行了有效的补偿,减少了由于累积误差造成的移动机器人轨迹扭曲失真.     

基于到达时间差的平面声无源定位技术研究

时延估计的定位方法在现有的声源定位方法中精度相对较高,本文采用多个声音传感器和AVR单片机实现了区域内的声源定位,验证了算法的可行性和技术性能,能够比较精确的完成对于单声源的定位。     

基于Matlab的WSN定位算法仿真设计

在对比分析多种WSN定位算法原理基础上,重点讨论了基于matlab软件平台的仿真分析。得到了WSN节点分布、测距和定位的仿真程序及结果。结果表明,基于TDOA的WSN定位算法具有不需要节点间全局同步,具有节点功耗和成本低等优点。     

基于估计距离的无需测距定位算法

针对无需测距定位算法定位误差大的问题,提出了一种基于估计距离的无需测距定位算法.首先分析了两个邻居节点之间距离和通信范围相交面积之间的关系,得到一个线性函数.线性函数的输出是一个表示两个邻居节点之间距离远近关系的参数,称之为距离参数.然后用距离参数和锚节点之间的距离计算邻居节点之间的估计距离,最后根据估计距离计算未知节点的估计位置.仿真结果表明,该算法在规则区域和不规则区域的定位误差都要低于当前同类型的定位算法.     

近场声源方位和距离联合估计算法

为提高近场麦克风阵列的声源定位精确度,对基于麦克风阵列的声源定位技术进行研究.详细分析了近场信号传播模型,并结合窄带子空间算法,对宽带ISM(Incoherent Signal-Subspace Method)算法进行改进,提出一种近场子空间声源方位和距离联合估计算法.该算法根据短时信号的频率特性,在特定频率上对信号应用子空间算法进行方向距离联合估计并对结果进行叠加,从而得到最终结果.该算法在相关信源和混响条件下均能得到较好的DOA(Direction-of-Arrival)估计效果.计算机仿真验证了算法的有效性.     

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%。     

基于相对观测量的机器人合作FastSLAM算法

提出了一种基于相对观测量的合作快速同时定位与建图(FastSLAM)算法,即合作FastSLAM算法.给出了机器人合作定位的系统模型,假设每个机器人装配上能够测量与附近机器人之间相对位置和识别附近机器人的外部传感器.仅用机器人自身当作路标来对多机器人系统中每一个成员进行相对定位,分析了多机器人合作定位中相对观测量的约束关系.将多机器人运动信息和相对观测量与FastSLAM相结合,估计出机器人路径轨迹的后验概率分布,从而生成预测粒子,并计算每个粒子的权重,最后进行重采样使其能够递归估计修正机器人组中每个机器人的位置.仿真结果证明了该算法的有效性.     

基于单天线相位的UHF RFID室内定位算法研究

基于单天线相位的UHF RFID,采用双标签的定位方法,对室内定位算法进行了研究,结果表明:待定位目标边长距离在超过高频载波信号波长的情况下,有2个间距为1/2载波波长的无源标签附着于特定目标上。仿真表明:在三条路径、两条路径情况下,两步测距可估计平均定位误差;两步测距(副载波)方法也可估计平均定位误差;但两步测距(副载波)方法基于双标签定位中,无法确保阅读器与2个标签间距离大小关系。在三条路径、两条路径情况下,两步测距(副载波)方法误判率分别为17.45%、17.82%,两步测距(载波)方法误判率均为0,故两步测距(载波)方法可将定位误差降低,确保物品登记准确性。     

无线传感器网络中基于RSSI差值的改进定位算法

无线传感器网络(WSN)的许多应用都需要知道节点的位置,在某些环境下还需要获得节点的相对位置.本文以WSN的特点为基础,首先介绍了接收信号强度的理论知识,进而提出一种优化的基于测距的定位算法:在应用中的多用户情况下,节点采用多跳方式进行通信,在信标节点冗余的情况下,针对不同信标节点位置范围,建立定位误差最小的相应信标节点库,继而对不同位置范围的待测节点优化选取其定位采用的信标节点,最后将由未知节点接收到的信号强度得到的多用户间的距离进行差值,优化求解非线性方程组,提高算法性能.仿真结果表明,本文中的RSSI WSN差值定位算法比传统的RSSI定位算法拥有更好的定位性能.     

WSN中存在测距误差的无锚点分布式自定位方法

无线传感器网络中,采用RSSI方法进行自定位时,测距误差会影响定位精度。提出了一种分布式的无锚点定位方法,在对测距误差进行正确估计的基础上,求得各节点的相对位置。首先将测距误差定义为一个目标函数,使用最速下降法来分布式地求解全局非线性优化问题,以使这个目标函数最小化,然后利用节点间的估计距离与实际测量距离的偏差值来修正节点的估计坐标。仿真实验对各种影响参数进行了评估,结果证明:在无锚节点且距离测量值存在误差的情况下,满足一定的节点连通度时,能够提高节点定位精度。     

基于RSSI的改进四边测距机器人定位算法

基于接收信号指示强度的测距特性和三边测距定位原理,提出了应用于机器人定位的改进四边测距定位算法,引入加权质心定位算法的思想,通过距离因子控制各个锚节点对定位精度的影响,并将锚节点之间的距离和信号强度作为修正RSSI的参考值。仿真结果表明,该算法不仅可靠性高,有效避免了信息淹没现象,而且在不增加通信成本的基础上提高了机器人的定位精度。     

实时视频定位的麦克风阵列参数初始化算法

针对移动机器人近场声源定位中,需要实时获取声源目标与麦克风阵列中心相对位置和角度的问题,提出一种基于视频定位的室内声源位置测量算法,实时地为麦克风阵列提供初始化参数,为移动机器人快速建立室内近场声源环境认知实现辅助功能。该方法利用A4纸打印的位置定位板,通过摄像头采集视频数据,逐帧寻找角点后搜索定位板中心点和顶点,以此计算出麦克风阵列到声源的实际距离和方位角度。经仿真实验分析,该算法能够在室内环境中实时快速地测量声源目标位置,为机器人后续语音定位、识别与跟踪提供辅助与校准功能,具有较强的工程实用价值。     

面向多声源的压缩感知麦克风阵列的波达方向估计

在语音识别、说话人识别等语音交互应用领域中,麦克风阵列常常工作于多声源工作场景,因而需要更高的波达方向(DOA)估计分辨性能.压缩感知(CS)的DOA估计算法可将声源定位的问题转化成稀疏信号的重构问题,进而提高在高混响、低信噪比环境下的DOA估计性能.基于这一思想,将CS方法应用于多声源方位估计.考虑到传统的基于CS的DOA估计算法利用实测声源传输响应作为混合矩阵时,会因噪声的存在而导致多声源条件下的匹配程度下降,提出了利用基于阵列各阵元之间时延关系所生成的不同方位的声源传输响应来构造CS混合矩阵,即构造房间冲激响应CS(CRR-CS)的DOA估计算法,从而实现多声源的DOA稀疏恢复.通过实验验证了该方法优于传统方法,能更好地实现定位.     

无线传感器网络二维协作式定位方法

针对精度传统定位方式下的节点定位精度低的问题,讨论和研究了WSN(Wireless Sensor Network)网络中的节点定位精度问题。在基于RSSI(Received Signal Strength Indicator)无线传感器网络定位技术的基础上,通过分析二维位置参数估计的CRB(Cramr-Rao Bound)值,比较了传统定位方式下和协作方式下的位置估计,提出了设定阈值的协作式定位方法。该方法使部分节点在传统方式下定位,而部分节点在协作方式下定位。Matlab仿真实验证明,该定位方法能提高网络节点的定位精度。     

多机器人系统形成联合协作的综合评价算法

多机器人协作是多机器人系统研究中的核心问题.为建立某种机制使机器人稳定地组织起来完成某一不能由单机器人完成的任务并达到全局最优,提出了综合评价算法.从机器人个体的自私利益出发,以经费和报酬的驱动,通过包含环境知识、历史经验、信用3个方面的综合评价值进行选举和谈判,自发地建立联合协作,完成复杂任务.算法通过调整权值,能够适应于不同的全局最优目标.该法运用到机器人足球这一典型的多机器人系统平台表现出良好的效果.