基于神经网络的TDOA定位改进算法研究

针对传统的Chan算法在实际的非视距环境中性能将会受到很大影响这一问题,提出了一种基于神经网络的TDOA定位改进算法,这种算法通过对非视距误差进行修正,使其具有更好的定位效果.仿真实验结果表明,与传统的Chan算法相比,这种算法具有更好的定位精度和收敛速度,是一种有效的定位算法.     

粒子群优化算法在TDOA定位中的应用

提出了接收端在空间随机分布时,利用粒子群优化算法解决TDOA定位估计中遇到的非线性最优化问题.针对TDOA定位方式,该算法首先初始化一个随机粒子群,然后根据适应度值更新粒子速度和位置,通过迭代搜索最佳坐标.仿真结果表明,在参数设定合理的情况下,该算法性能稳定,能找到逼近全局最优点的解,相对于其他算法精度更高.     

基于自适应步长和莱维飞行策略的改进狼群算法

群智能启发算法在解决大规模分布式问题方面有许多优势。针对传统狼群算法易陷入局部最优和精度不高等缺陷,笔者在分析狼群特点的基础上,提出一种基于自适应性步长和莱维飞行搜索策略的改进狼群算法。首先,通过自适应步长的合理变化,提高搜索精度;其次,采用莱维飞行的搜索策略,在算法后期扩大搜索范围,提高算法的全局搜索能力。最后,为了验证该算法性能,通过仿真实验和实际案例进行了测试,与其他改进方法进行比较。测试结果表明,所提出的改进狼群算法在收敛速度、精度及稳定性方面都有明显优势。     

基于一种免疫算法的TDOA双曲定位技术研究

移动台TDOA双曲定位是无线通信中的一项重要技术;在现实中可以将免疫算法应用在这项技术当中。由于标准免疫算法采用二进制编码,在高维数问题求解时精度不高,求解时间长。为此,提出一种基于实数编码的多映射免疫算法的TDOA双曲定位技术,用多映射混沌理论对免疫算法进行改进,主要包括混沌映射、克隆、变异、选择等步骤。经仿真实验结果验证了改进的多映射免疫算法相对于标准免疫算法来说更容易找到全局最优解,不易陷入局部极值,且收敛速度快,个体不出现退化现象。表明了基于改进的实数编码的免疫算法在TDOA双曲定位技术的切实可行性和实用性,且具有很好的推广能力。     

基于自适应密度聚类分析的雷电定位算法

定位精度是评价雷电定位网络的重要指标之一,定位算法直接关系到雷电探测结果的精度。经典定位法抗误差干扰能力差、定位精度低,传统迭代算法易于发散且会陷入局部最优。为了实现更有效的定位,在定位计算中引入改进密度聚类算法(adaptive density-based spatial clustering of applications with noise,ADBSCAN)。通过雷击事故实例和区域仿真分析了定位算法的性能。结果表明,ADBSCAN不需要人工干预,对于雷电定位结果的聚类效果更好;基于ADBSCAN的雷电定位算法克服了传统定位算法的缺点,提高了抗误差干扰的能力,能稳定并精确求解出雷击点。     

基于高斯变异与Levy飞行策略的混合粒子群优化算法

目的 解决粒子群算法易陷入局部最优解、出现早熟收敛从而导致求解精度不高的缺陷.方法 将高斯变异(Gaussian M utation)、Levy飞行策略与基本粒子群优化算法(PSO)进行混合,提出一种称为GLPSO混合粒子群算法.在该算法中粒子通过Levy飞行更新自己的位置,若粒子在若干次迭代后无法产生更优值,则在保存当前最优值的前提下进行高斯变异来保持种群多样性.结果 与结论通过对基准测试函数优化的实验结果对比,GLPSO在5个基准测试函数中的优化精度和全局搜索能力优于其他对比算法,GLPSO有更加出色的全局搜索能力和更高的求解精度.     

改进的自适应遗传算法在TDOA定位中的应用

提出了接收端在空间随机分布时,利用改进的自适应遗传算法解决TDOA定位估计中遇到的非线性最优化问题.采用浮点数编码遗传算法,引入自适应交叉率和变异率、非均匀变异算子,以TDOA方式进行最佳坐标搜索.仿真结果表明,在保证种群数量的情况下,该算法性能稳定,能找到逼近全局最优点的解,相对于其他算法精度更高.     

基于免疫克隆选择算法的TDOA定位技术

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和免疫克隆选择算法(ICSA)的混合定位算法.采用二进制编码和免疫克隆选择算法,针对TDOA方式进行最佳坐标搜索.仿真结果表明,该算法不仅能够进行准确定位,而且在同样的种群规模下能够以较少的迭代次数得到最优解.     

基于改进自适应乌鸦搜索算法的无源定位

为解决利用时差(time difference of arrival,TDOA)信息无源定位计算困难的问题,引入乌鸦搜索算法(crow search algorith,CSA),针对该算法易陷入局部极值,提出一种改进自适应乌鸦搜索算法(adaptive crow search algo-rithm,ACSA).综合考虑...     

基于改进樽海鞘群算法的到达时间差定位

针对室内到达时间差(time difference of arrival, TDOA)位置估计中的非线性最优化问题, 提出用改进的樽海鞘群算法搜索目标位置. 通过选择最优主基站构造改进的适应度函数, 使适应度函数可以更好地反映解的优劣程度, 提高了搜索精度. 在初始樽海鞘种群中引入近似解, 使全局搜索的步骤得到简化, 加快了算法前期收敛速度. 采用自适应跟随策略更新追随者位置, 解决局部开发低效问题, 加快了算法后期收敛速度. 仿真结果表明, 基于改进樽海鞘群算法的 TDOA 定位技术相比其他元启发式算法具有更高的定位精度和更快的收敛速度.     

基于超宽带的 TOA-DOA 联合定位方法

针对现有的大多数超宽带(ultra-wide band,UWB)定位方法至少需要3个基站,系统开销较大的问题,提出一种新颖的基于波达时间-波达方向(time of arrival-direction of arrival,TOA-DOA)联合估计的定位方法,仅需一个基站即可准确快速定位目标.利用酋矩阵束算法估计视距信号TOA和最小二乘估计准则估计视距信号DOA,得到目标的相对坐标.Matlab仿真实验证明,该方法的TOA和DOA估计精度较高,定位精度达到厘米级,而且复杂度降低为矩阵束算法的1/4,采样频率为亚奈奎斯特速率,易于实现,是一种简单有效的定位方法.     

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。     

基于车载GNSS与IMU组合定位系统的改进定位算法

结合车载全球导航卫星系统（GNSS）与惯性测量单元（IMU）组合定位系统,针对传统定位算法中实际路况变化带来的数据融合噪声误差的问题,以车载传感器收集的运动数据作为阈值条件进行自适应滤波动态切换,提高组合定位系统的稳健性与适应性. 提出一种改进的自适应动态组合定位方法,将扩展卡尔曼滤波（EKF）与无迹卡尔曼滤波（UKF）算法,基于实时运动模型结合,以此抑制在车辆运动模型变化时传统单一算法产生的误差干扰.改进后算法的均方根误差（RMSE）相较于传统的EKF滤波与UKF滤波算法分别提升了约75.26%和58.48%.在高架桥下的实际车载场景实验中,改进算法的平均距离误差为2.32 cm,相较于改进前的定位性能提升了约61.65%.在复杂的城市交通的环境下,能够实现精准定位.     

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GPS与超宽带的室内外无缝定位改进算法

结合GPS、惯性导航技术以及超宽带(UWB)技术,提出基于定位信号数量和信号强度的定位方法切换策略.根据切换策略,将伪距测量、Chan-Taylor协同算法以及行人航迹推算算法进行松散组合,得到优化后的定位算法.通过实验验证了切换策略的可行性,优化了室内外交界区域的定位轨迹,为室内外无缝定位技术提供了思路.     

基于相对测距的水下目标定位算法

在没有星基、地基及水下时空基准信息的辅助下,为解决对水下目标精密定位问题,提出了一种基于水面舰船间相对测距和目标到达角的水下机动目标定位算法(UTPA)。通过联合水面舰船间电磁波相对距离观测和水下声学测角信息建立定位方程,考虑到目标定位方程求解中的异类信息融合权比失配问题,利用Helmert方差分量估计完成目标相对位置的迭代求解。Monte Carlo仿真表明:基于Helmert权比自适应调整的UTPA的定位偏差仅为典型的单平台声学定位技术的10%。     

基于DCT域改进的自适应数字水印算法

针对DCT变换特点,提出一种改进的自适应水印算法.选取3个DCT中频系数,求均值及DCT矩阵主对角线均值,比较嵌入位与它们的关系,调整嵌入位的大小实现水印自适应嵌入.水印信息经过Arnold置乱后嵌入到原始图像.实验表明,该算法隐蔽性良好,水印提取效果较好,对旋转、剪切、滤波、JPEG、修改等攻击具有较好的鲁棒性和稳健性.     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。