基于区域划分的DV-Hop定位算法的改进

DV Hop节点定位算法采用跳数乘以每跳平均跳距估算节点间的距离,而跳数和每跳平均跳距受网络的节点密度、节点的通信半径等参数影响较大。针对DV Hop算法存在的不足,提出一种基于跳数区域划分的DV Hop定位改进算法——HRDV Hop（Hop regional division DV Hop,HRDV Hop）。对一跳区域的节点测距引入RSSI技术,两跳或以上区域的节点采用跳数值修正法,再辅以限制跳数机制。MATLAB仿真测试结果表明,在相同的网络硬件和拓扑环境下,改进后的算法能更有效地降低节点间的距离估算误差,提高定位精度。     

几类由对象确定的态射范畴

设是一个范畴,S是的一个局部类.构造的态射范畴的一个左局部化范畴C[■-1],并给出一定条件下,由不同对象确定的态射范畴及其左局部化之间的关系.     

一种基于Quasi-UDG模型的无线传感器网络非测距定位算法

针对Quasi-UDG模型下无线传感器网络随机部署的拓扑特征,提出了一种非测距基于权重的定位算法EWLS(Enhanced Weighted Least Square).首先,设计出一种节点跳数和距离关系估计的方法,然后依据跳数值与距离关系的概率表达式,给出EWLS定位算法中节点测量距离信息的权重.仿真实验表明,在不同的锚节点密度、Quasi-UDG模型因子和平均邻居节点数的参数下,EWLS算法定位误差较小,同最小均方误差相比,有效地提高了节点定位的精度.     

一类退化抛物方程的局部化性质

讨论了一类非线性退化方程,采用Ｄｅ Ｇｉｏｒｇｉ迭代技巧,得到了一些先验估计,进而研究了这类退化抛物方程Ｃａｕｃｈｙ问题的局部化性质。     

基于一个移动锚节点的无线传感器网络节点定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一,对此提出了一种基于移动锚节点的两步定位算法。该算法利用一个移动锚节点遍历整个网络,并周期性的广播包含自身当前位置的信息。把传感器节点的自身定位过程用基于无迹状态滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线3个锚节点信息,利用三边定位法提高滤波的初始位置精度,从而改善定位效果。最后仿真并分析比较了锚节点在多种移动轨迹情况下节点定位误差,结果表明本文所述两步定位法改善了对锚节点移动轨迹的特殊要求的限制,更适合实际情况,并取得理想的定位精度。     

移动机器人同时定位和地图创建的一种新方法

为了实现室内环境中移动机器人的同时定位和地图创建,提出了一种新方法,该方法应用顺序蒙特卡罗方法,把定位和地图生成分成状态估计和参数估计,应用多粒子滤波器实现同时估计机器人位置和障碍物位置。环境感知采用机器人自身配置的声纳传感器,应用哈夫变换提取环境障碍物边界特征,用直线近似表示,并提出了一种可靠的特征匹配方法。Pioneer 2移动机器人在实际室内环境中完成的实验证明了该方法的可行性。     

虹膜内外边界的粗定位方法

为了提高现有虹膜定位算法的性能,提出了一种虹膜粗定位算法。该算法利用二值图像的下边缘轮廓粗定位虹膜内边界,利用内边界圆心左右两侧的一维灰度均值信号粗定位虹膜外边界。即使在存在严重的眼皮和睫毛干扰的情况下,这种算法也能快速有效地估计出虹膜内外边界的位置。实验结果表明:该算法能够极大地提高虹膜定位的速度和准确度,粗定位一幅虹膜图片平均只需71m s,定位准确度也明显优于现有的粗定位算法。     

基于传声器阵列的自动声源定位方法

提出一种基于传声器阵列的自动声源定位方法．该方法首先用一个传声器阵列获取声源信号,然后用基于互功率谱相位的时延估计方法计算传声器对间信号的时间延迟,最后应用Tabu搜索算法搜索最佳声源位置．计算机模拟结果表明,该方法是一种定位精度高、运算量较小的声源定位方法．     

基于改进二进制蛇优化算法的配电网故障定位

分布式电源(Distributed Generations,DGs)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建。本文提出一种基于改进二进制蛇优化算法（Improved Binary Snake Optimization,IBSO）的新型故障区段定位方法。利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性。通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优。     

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.