基于天牛须优化的BAS-CRI图像修复算法

针对Criminisi算法中由于优先权计算不准确导致的修复效果不理想、修复效率低等问题,提出一种基于天牛须算法优化的BAS-CRI图像修复算法.首先在Criminisi算法优先权计算过程中,加入等照度曲线提高优先权的可靠性,并针对置信项加入调整因子,平滑置信项.其次,在最佳匹配块搜索阶段,引入改进后的天牛须搜索算法,提高搜索效率和鲁棒性.最后,利用主观视觉评价和峰值信噪比(PSNR值)量化评价,验证了算法的有效性.结果表明,所提算法较其他算法修复效果更好.     

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。     

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%.     

利用天牛须算法智能优化固体激光谐振腔

将天牛须智能优化算法应用于复杂的多参数固体谐振腔设计。将待优化的激光谐振腔参数组合作为搜索空间的可能解,将考察位置处的本征振荡光斑半径和谐振腔稳定性参数合理地设置为目标函数,在搜索空间内对目标函数进行最小化寻优操作,可以找到满足设计条件的一组优化解,实现激光谐振腔的智能化设计。     

基于智能优化算法及其优化BP神经网络的室内定位

目前,智能优化算法成为了很多研究方向的热点,但将其应用于室内TDOA定位的研究和文章较少,因此,本文旨在研究智能优化算法在室内TDOA定位方面的应用效果。首先,分别使用WSO、CSA、SOA、WOA、GWO和SSA这六种智能优化算法进行室内的二维TDOA定位,对比分析上述算法在室内定位领域的表现,并和传统的Taylor算法的定位误差进行对比;接下来,使用SOA算法对BP神经网络进行优化,使用优化后的SOA-BP进行定位,与基础的BP神经网络的定位误差进行对比。结果表明,本文使用的六种智能优化算法在室内定位领域有着不错的表现,各智能优化算法的效果相似,平均定位误差为0.44m左右,相较于传统的Taylor算法提升约9.2%;SOA-BP的定位误差相较于基础的BP神经网络降低超过30%。     

基于零先验知识的室内指纹定位优化算法

针对众包方法构建指纹库数据质量低和指纹模糊相似性等问题,提出了一种基于SLAM技术的指纹数据质量优化和指纹唯一性增强的算法。利用ICNN算法完成数据关联优化,并在指纹向量中加入可信度指标来优化指纹更新过程;随后针对指纹模糊相似性设计了基于高斯插值的指纹唯一性增强优化算法,保证了指纹数据质量,从本质上提高了指纹定位的性能。实验表明,该算法能够将指纹定位的中位数误差从原始指纹的3m提高到2m,最大定位误差从8m左右下降到4m以内。     

一种基于轨迹指纹优化的室内定位算法

针对指纹数据质量大幅下降的问题,提出了一种基于轨迹指纹建模的新型数据结构来替换原有的单点指纹,在兼容现有指纹定位框架的前提下,对传统离线指纹库进行了轨迹指纹库建模,同时也对在线采集的实时指纹进行了轨迹指纹映射。实验结果表明基于轨迹指纹优化的定位算法能够将室内指纹定位精度提高近一倍,定位性能明显优于其他单点室内指纹定位算法。     

基于TS-KNN的室内定位算法

室内定位是智慧城市的硬性需求,大量智慧城市相关应用都离不开位置服务。主要室内定位技术包括:蓝牙、RFID、UWB、地磁等,但由于成本、部署便捷性等问题,限制了其应用发展。笔者提出了一种基于指纹时序特征的KNN(k-nearest neighbor)定位算法(TS-KNN,timing sequence based KNN),该算法使用当前时刻的指纹进行基准坐标选择,并利用前几个时刻的定位结果对每个基准坐标进行权值修正。在重庆市某广场进行实验测试结果表明,提出的TS-KNN方法与KNN和WKNN等其他算法相比较,具有更高准确率,可有效提高室内定位精度,降低平均定位误差。     

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。     

基于改进天牛须算法优化的确定性跳跃循环状态网络的交通流预测

为了提高短时交通流速度预测的精度,提出一种基于改进天牛须算法优化的确定性跳跃循环状态网络的交通流预测模型.首先对交通流速度序列进行浑沌性分析,重构序列的相空间,将对交通流速度序列的研究映射到其所在的相空间中进行;然后引入变步长因子和模拟退火技术对天牛须算法(beetle antennae search,BAS)进行改进,并以改进算法优化确定性跳跃循环状态网络(cycle reservoir with regular jumps,CRJ)的参数构建预测模型;最后通过实例对比分析模型的有效性.结果表明:通过相空间重构对交通流速度序列处理,能够挖掘序列内部的动态特性,使之更加适用于网络的建模;所提模型的预测结果同对比模型相比,平均绝对百分比误差下降了1.05％ ～6.04％,有效地提高了短时交通流速度的预测精度.     

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.     

基于三角定位算法的WiFi室内定位系统设计

【目的】改善室内定位系统的质量,提高室内定位的准确率和效率。【方法】利用无线WiFi信号自身的特点,在Android平台的基础上设计一种基于三角定位算法的WiFi室内定位系统。【结果】实验测试结果表明该WiFi室内定位系统能准确地进行室内定位。【结论】基于三角定位算法的WiFi室内定位系统定位准确率高,具有很高的商业使用价值。     

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.     

基于改进WKNN的室内定位算法

针对经典的NN算法,K近邻算法,加权K近邻算法中度量相似距离多为简单的欧氏距离,提出了将曼哈顿距离替代欧氏距离作为定位匹配的度量距离改进定位算法.其相比于之前的算法定位精度更高,响应速度更快,适合应用到室内定位相关研究当中.考虑到Wi-Fi信号易受噪声等外界不确定因素的影响以及移动终端接收信号强度指示与真实值存在偏差而...     

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.     

基于RSSI的室内定位改进算法

【目的】为提高室内环境的定位精度,提出一种改进的基于RSSI(接受信号强度显示)的室内定位算法。【方法】首先根据室内的实际布局情况对场所进行区域分割,然后采用等边三角形布局信标节点,接着用高斯模型对数据进行预处理,最后使用改进的加权三边测量法定位未知节点的最终坐标。【结果】改进的算法具有定位误差小、精度高的特点。【结论】该算法适用于室内精确定位,有利于无线传感器网络的发展。     

基于位置连续性的室内定位算法

为了减小RSSI波动和多径干扰对定位精度和稳定性的影响,提出了一种基于位置连续性的室内指纹定位改进算法.依据用户位置具有连续性的特点,应用室内布局结构来缩减指纹搜索空间,去除位置歧义点,在此基础上,采用基于改进的贝叶斯方法进一步提高定位计算的精度和稳定性.分析与实验表明,该算法能有效降低RSSI波动对定位的影响,提高精度,同时也降低了实时定位的计算开销.     

基于天牛须种群算法的整周模糊度解算算法

如何快速、准确的固定整周模糊度是载波相位测量中的一个关键问题。为了提高整周模糊度搜索速率,本文提出了一种基于天牛须种群算法(Beetle Antennae Colony Search, BACS)的整周模糊度解算算法。通过与BAS算法、BAS-Nadam算法、LAMBDA算法以及MLAMBDA算法进行解算速率、稳定性的对比实验,在三维模糊度解算时,BACS算法在与LAMBDA和MLAMBDA算法解算成功率相当的情况下,能利用更少的时间搜索到模糊度最优解。为了验证BACS算法在高维模糊度解算以及工程解算情况下是否适用,进行了高维模糊度解算的实验以及单频单GPS系统下BACS算法的应用实验。分析及实验表明,BACS算法能很好保证高维模糊度解算的实时性和鲁棒性,对于12维模糊度解算,平均解算时间0.068秒,解算成功率为92%,对于低维模糊度解算,解算速率更快,解算成功率更高。在单频单GPS系统工程解算中,x,y,z方向定位精度分别为±0.008米,±0.01米,±0.01米,能达到厘米级精度定位。     

基于优化最小二乘支持向量机的室内定位算法

室内定位是普适计算应用中的关键技术,针对最小二乘支持向量机参数优化的难题,提出一种优化最小二乘支持向量机的室内定位算法。首先采用主成分分析提取重要定位特征,然后采用最小二乘支持向量机建立室内定位模型,并采用粒子群优化算法对最小二乘支持向量机参数进行优化,最后采用仿真实验测试定位性能。结果表明,文中算法提高了室内定位的精度且定位时间少于其它室内定位算法,具有一定的实际应用价值。     

基于WIFI的室内机器人新型定位算法

随着移动终端的飞速发展,对于位置的服务需求越来越方便,WIFI由于在室内传输距离远、使用方便等优点而被研究者广泛应用于实现室内定位功能中。为了提高室内定位准确度,论文采用WKNN算法与改进粒子群算法相结合的混合定位算法,首先应用高斯滤波算法对WIFI采集的原始数据进行预处理,离线构建完整的指纹数据库;然后采用WKNN算法得到待定位点的估计位置;最后应用改进粒子群算法,实现对待定位点的精确定位。经过实验测试证明,所采用的混合定位算法比传统的位置指纹算法在定位精度上有显著的提高。