一种基于KNN的室内位置指纹定位算法

提出了一种基于KNN 的FM、DTMB 联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型. 离线阶段,通过采集FM 信号与DTMB 信号的强度信息,完成位置指纹库的构建. 在线匹配阶段,利用KNN 算法对新采集到的数据进行加权欧氏距离匹配,通过对K 值以及特征向 量的选取对定位误差进行了分析. 仿真结果表明,该算法在室内定位中具有良好的鲁棒性和准确度,90% 概率下定位精度2.3 m.     

基于测距权重的蒙特卡罗定位改进算法

针对传统蒙特卡罗定位算法采样效率低,对锚节点密度要求高的特点,本文基于蒙特卡罗定位算法MCL提出一种改进的移动传感器网络的节点定位算法IMCB.该算法利用历史锚节点信息和RSSI测距,以及运动模型的改进对待定位节点的位置采样范围进行了进一步限制,对有效采样点的权重进行了区分.仿真结果表明:该算法的定位精度相比MCB算法提高了16.6%.     

基于Newton-UKF的可见光通信列车定位优化

针对基于可见光通信-接收信号强度检测(VLC-RSSI)列车定位过程中存在的噪声、其他光源干扰及测距误差,提出以接收信号强度检测值为观测量的Newton-UKF(牛顿插值-无迹卡尔曼滤波)算法．首先,利用可见光通信-接收信号强度检测获得列车初始位置,建立列车运动模型及系统的状态与量测方程;然后,以接收信号强度检测值为观测量,采用无迹卡尔曼滤波优化列车定位结果,引入牛顿插值法重新估计具有粗大误差的接收信号强度测量数据;最后,以成都地铁1号线真实线路数据和设备信息为依据,通过实验验证所提列车定位优化算法的有效性．结果表明：与无迹卡尔曼滤波相比,Newton-UKF算法的平均定位误差为4.98 cm,能降低粗大测量值造成的误差,提升列车定位精度,定位性能提升66.42%．该方法可为基于通信的列车控制系统中的列车定位提供参考．     

基于凸半定规划的RSS测距的合作式定位方案

无线传感网中的多类应用均需要准确的定位算法。为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(Received Signal Strength)测距,再利用最大似然ML (Maximum likelihood)估计法求解节点的位置。然而,ML估计为非线性、非凸性,难以获取全局最优解。为此,提出凸半定规划SDP(Semidefinite Programming)的合作式定位方案,利用凸半定规划策略将ML估计转换成凸优问题。同时,该方案考虑两类场景：源节点发射功率已知、未知。针对第一类场景,利用半凸松驰策略,并结合最小化最小二乘法,建立凸优表达式,最后利用CVX求解;针对第二类场景,先建立联合ML估计函数,再利用SDP估计,并结合起来简单的三步骤方案进行位置估计。仿真结果表明,提出的SDP算法的定位精度比SD/SOCP-1、SDPRSS平均提高了近15%至20%。此外,提出的SDP算法在所有场景的误差小于3m的出现概率占0.8,而SD/SOCP-1、SDPRSS算法小于0.5。     

基于ZigBee网络的室内定位系统的设计与实现

针对当前室内定位系统成本高、精度低、可靠性差的缺点,设计出了一种基于ZigBee无线传感网络的无线室内定位系统.系统硬件以德州仪器公司CC2530片上系统为核心,软件基于德州仪器公司Z-Stack协议栈将测距标定与完整定位流程结合起来,通过测量接收信号强度计算待定位节点到参考节点的距离,然后利用三角形质心算法进行定位,确定待定位节点坐标.实际测试表明:该室内定位系统操作简单,可靠性高,定位精度达到95 cm以内,定位误差期望为9.76 cm.     

基于概率法的移动机器人无线网络定位系统

 作为一种全新的室内定位技术,将无线路由器的无线信号强度（Receive Signal Strength Indicator,RSSI）值应用在室内移动机器人定位领域。为实现室内移动机器人的定位,提出利用无线信号强度值定位的概率法,根据无线信号强度值在室内环境中的分布特点,分析概率法定位原理,开发一种基于VC++6.0平台室内移动机器人定位系统,该定位系统包括硬件平台和软件平台,并进行移动机器人定位实验,得到较好的定位实验结果。同时,分析机器人定位精度,确定影响定位精度的因素主要包括障碍物、人体、温度和湿度等。定位实验结果表明,在结构化环境下机器人定位的最大偏差为1.2758m,最小定位偏差为0.3007m,可以较好地满足室内移动机器人的定位要求。     

基于连续蚁群算法融合的神经网络RFID信号分布模型

基于人工神经网络方法建立了RFID反射信号强度分布模型.该方法仅依赖数据,实施简单.为克服传统BP算法对初值敏感、易陷入局部极值的缺陷,引入一种连续的蚁群优化算法来确定多层神经网络的权值,该算法具有更强的全局搜索能力和效率.讨论了算法的基本理论和具体步骤,最后利用实际RFID设备采集的反射信号强度数据对算法进行测试,对理论信号模型和实际的建模结果进行了比较,并分析了算法的逼近能力和泛化能力.结果表明在考虑到不可避免的误差和扰动下,所提出的方法可以更好地建模RFID信号强度的实际分布,具有良好的性能.     

基于Voronoi图的无线传感器网络节点定位改进算法

在基于Voronoi图的定位算法中,因使用了接收到锚节点的接收信号强度(RSSI)而影响定位精确性.本文对Voronoi图定位算法进行改进,修正了RSSI的大小顺序,充分利用了收到的锚节点信息,实现了减少Voronoi区域交集为空的可能性,增加了定位精确性,使该算法可以适用于非视距、anchor节点稀少的环境.     

基于能量的ZigBee定位算法研究

为了提高无线传感器网络中基于接收信号强度指示(RSSI)方式的定位精度,分析了不同类别的经典定位方法,提出了基于能量的具有环境适应性的定位算法.在对ZigBee协议栈进行分析和研究的基础上,针对实际的定位需求,设计了能计算环境参数和定位的通信帧.通过在实际环境下对该算法进行实验验证,结果显示:在空旷环境下60m×60m的区域内,定位精度达到2m,相对误差<2.8%.     

无线传感器网络环境感知的节点定位方法

 节点定位是无线传感器网络的关键技术之一,许多应用都跟节点位置息息相关。针对基于RSSI的定位算法测距误差通常较大的问题,提出了一种环境感知的节点定位方法,该方法首先根据导标节点之间的相互关系,将网络覆盖区域划分为若干子区域,然后再通过他们之间的相互协作,分别确定出无线信号在不同子区域环境下具体的传播损耗模型,从而提高测距精度和定位精度。仿真结果表明,该方法能提高测距精度约15%~30%。