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。     

一种改进的室内环境下的非视距距离比例缩放定位算法

在室内环境下,移动台精确定位面临的主要问题是非视距（NLOS）和多径的影响.在非视距距离比例缩放（NLOS-Range-Scaling）算法的基础上,利用更多基站的信息,提出了适合室内情况的NLOS-Range-Scaling算法（ENRSA）,研究了ENRSA算法在不同NLOS误差下的表现,结果表明该算法能更有效的降低NLOS误差的影响,定位精度比其他算法有显著提高.     

基于非视距鉴别的室内移动节点跟踪算法

NLOS环境是影响室内移动节点跟踪的关键因素之一.为了降低NLOS环境对室内移动节点跟踪的影响,提出一种自适应跟踪滤波算法.该算法首先基于典型室内环境非视距偏置误差的时间变化特性分析,建立修正偏置扩展卡尔曼滤波来估计距离量测中的非视距误差;然后根据估计结果对LOS/NLOS环境进行鉴别;最后联合NLOS鉴别算法和修正偏置扩展卡尔曼滤波建立自适应跟踪滤波算法.数值仿真结果表明,该算法在室内环境具有较好的跟踪精度和较强的自适应性.     

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.     

WSN定位算法中信标节点的摆放与选择

目前已有的无线传感器网络节点自定位算法研究中,针对信标节点的研究较少,而如何选择信标节点,以及信标节点如何摆放,都对定位精度有比较大的影响.为了定量地研究这个问题,首先证明了信标节点摆放方法与节点是否能被定位之间的关系的一个定理,然后给出三维空间中信标节点的摆放方法,最后提出一种基于线性方程组的条件数的信标节点选择算法,以便尽可能地提高基于测距的未知节点自定位精度.     

非均匀场景下的协作定位基本限的研究

针对实际救援场景中由障碍物、复杂环境等因素导致的定位精度差的问题,提出将协作定位的思想应用于被困人员非均匀分布的实际场景中,在此基础上进一步提出了该场景下高效、低成本信标节点的布置.首先分析了协作定位系统的原理及其参数模型,并利用等效费歇尔信息矩阵(equivalent Fisher information matrix,EFIM)得到协作定位精度的基本限,即平方位置误差界(squared position error bound,SPEB),然后模拟2个实际中典型被困人员非均匀分布场景,在此基础上仿真,并比较模拟场景下协作模式与非协作模式的SPEB值,以及该场景下不同信标节点布置的SPEB值.仿真结果表明,被困人员之间的协作能够明显提高其自身定位精度,实际场景下信标节点的布置需要综合考虑建筑结构、成本、精度等因素.     

非视线传播环境下基于TOA的综合无线定位算法

针对精确无线移动定位系统中影响定位精度的非视线(NLOS)传播误差问题,在简要分析几种最新NLOS误差消除算法的基础上,提出了一种新的基于信号到达时间(TOA)的综合位置确定算法.该算法首先通过残差排序筛选找出距离测量集合中具有最小残差平方和的伪距测量子集合,达到初步消除NLOS误差的目的;然后采用一种简化的伪距尺度约束算法优化伪距尺度因子,从而得到较准确的距离测量值,以进一步提高定位精度.仿真结果表明这种新方法比线性位置线算法和泰勒级数展开最小二乘位置估计算法性能优越,在一定程度上提高了无线定位的准确度.     

RSSI模型参数动态修正的协作定位算法

提出一种结合接收信号强度指示(RSSI)模型参数动态修正和协作定位的RSSI改进算法.首先,利用高斯滤波对RSSI值进行优化,根据锚节点间的距离和RSSI值动态修正RSSI模型参数;然后,利用共线度有效阈值选取适合定位的锚节点组,由加权三边定位法得到节点坐标;最后,引入协作定位,利用锚节点置换策略自适应地选取已定位节点进行升级,升级节点作为锚节点参与协作定位.实验结果表明:在相同的环境下,RSSI改进算法较其他算法能有效降低测距误差,提高未知节点的定位精度.     

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。     

协作室内定位优化算法

在三角质心定位算法的基础上,将协作的思想利用到室内定位方面.针对待测环境中含有两个待测节点的情况,设计出圆域型优化算法.通过仿真实验验证得出,在误差平均值方面,经过圆域型优化算法优化后的三角质心定位算法相对于传统三角质心算法的定位精度约提高11.62%.在优化误差最大值方面,经过圆域型优化算法优化后的三角质心定位算法相对于传统三角质心算法,误差约减小7.74%.在优化误差最小值方面,经过圆域型优化算法优化后的三角质心定位算法相对于传统三角质心算法,误差约减小22.66%.在优化程度方面,优化程度最高约为28.63%,最低约为0.05%.     

在非视距环境下数据融合的无线定位算法

从数据融合以及增加测量参数两个不同角度分别介绍了非视距环境下定位的方法.数据融合基于基站选择的方法,通过3层融合得到位置估计,而增加测量参数则是基于经典TDOA/AOA混合定位,在测量方程中加入校正因子,通过逐步迭代的方法逐步减小非视距影响,从而提高定位精度.仿真表明:非视距环境下,增加测量参数的定位精度要高于数据融合,并且方法比较简单.     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

一种基于扩展多维尺度分析的协作定位算法

针对经典MDS(multi-dimensional scaling)算法中心化矩阵的局限性,提出了一种扩展MDS算法。具体地,首先推导出了MDS算法中生成相对地图所需的中心化矩阵的满足条件,然后根据条件寻找可以获得更高定位精度的中心化矩阵。理论分析与仿真实验表明,节点的定位精度得到了提升。     

无线传感器网络节点定位改进算法

提出一种改进的距离无关无线传感器网络节点定位算法——变系数弹簧模拟算法.该算法首先得到锚节点跳数距离和平均每跳距离,然后计算出节点的初始位置,再通过模拟方法对节点位置迭代求精.仿真结果显示,在相同的锚节点比例和平均连通度情况下,该算法明显优于DV-op算法.     

基于误差先验知识的NLOS移动节点定位算法

针对实际应用环境中存在阻挡节点间通信的障碍物,使节点间的通信变成非视距(NLOS)类型的问题,提出一种基于误差先验知识引导的NLOS移动节点定位(NSES)算法.该算法首先根据误差先验知识,判断并计算出带有误差的NLOS测量值个数在总个数中的百分数K;然后根据K选出误差较大的测量值;最后对误差较大的NLOS测量值进行校正操作.仿真实验结果表明,该算法较传统移动节点定位算法能有效降低NLOS误差,提高节点定位精度.     

室内超宽带非视距协同定位算法

超宽带以其高分辨率和抗多径的特点,成为室内定位技术的突出代表．室内环境复杂,接收的定位信号中多径干扰和非视距NLOS传播,会产生严重的非视距NLOS效应,导致传统的定位算法出现较大偏差．为了克服NLOS误差的影响并得到满足室内定位的精度要求,提出将带校正因子的WLS算法和Taylor算法相结合,通过协同定位来抑制非视距误差．结果表明：在多种环境下,改进的算法都能够较好地抑制NLOS误差干扰,基本满足了室内定位的精度要求,具有健壮性强的特点．     

基于多节点协作的WMSNs图像压缩算法

针对无线多媒体传感器网络能量和计算能力有限,在图像压缩过程中需兼顾压缩能耗和图像质量之间的关系等问题,结合JPEG-XR压缩流程和网络的结构特点,提出一种基于多节点协作的图像压缩方法.构建相机节点到普通邻居节点,再到簇头的网络结构,将图像压缩传输等过程分布于协作簇中;通过协作方法完成压缩流程的多节点协同执行.仿真结果表明,在低码率条件下与JPEG方法相比,该方法的峰值信噪比提高约3 dB;而网络寿命方面,更好地平衡了网络负载,大大延长了网络寿命.      

无线传感器网络中用于定位和目标跟踪的全局节点选择

定位和跟踪在无线传感器网络中具有重要研究意义,它们直接影响无线传感器网络的应用和发展。本文在WSN随机分布特性和天线阵列几何结构约束的基础上,通过节点协同形成的虚拟天线阵列对WSN进行定位和目标跟踪,从而提出一种适于定位和跟踪的虚拟阵列节点选择方法。仿真结果和理论分析表明,在DOA估计算法性能满足要求时,该方法具有很强的可行性和优良的定位性能。     

基于核矩阵等距映射的无线传感网络节点定位算法

针对无线传感网络(Wireless Sensor Network, WSN)中节点位置信息呈现非线性的问题,基于偏最小二乘法(Partial Least Squares, PLS)稳健的多元线性回归特点,结合流形学习中的非线性降维方法,提出了一种基于PLS的核矩阵等距映射(Isometric Feature Mapping,ISOMAP)节点定位算法.通过节点间测地距离表征节点非相似性,利用样本点贡献率找寻和剔除邻域中的"短路"边,经质心变换和核变换后映射至高维特征区间,采用PLS方法求得节点位置.仿真结果表明,相比ISOMAP和多维尺度(Multidimensional Scale Method, MDS)算法,该算法具有良好的拓扑稳定性、泛化能力、稳健性和定位精度,降低了计算复杂度.     

传感器网络节点的微粒群定位算法

为了进一步提高无线传感器网络未知节点定位精度,以微粒群算法为理论基础,加入传感器网络的特征,提出微粒群定位算法。该算法依据未知节点接收到的到锚节点的距离信息,直接搜索出未知节点的位置。实验结果表明微粒群定位算法拥有更高的定位精度,并且抗测距误差更强的优点。