载体姿态变化对水下磁场定位精度的影响及监测方法

基于地磁异常反演的水下载体定位方法是为解决水下地磁图不易构建而提出的。将水下地磁异常视为偶极子磁性目标,其磁场大小及梯度由捷联于载体的十单轴磁力计测得,再根据磁场大小及梯度确定载体相对于目标的位置。对目标磁场大小及梯度与载体姿态间的关系,及姿态变化对定位精度的影响进行了理论分析与数值仿真,表明姿态变化对磁场大小的测量几乎没有影响,而对磁场梯度影响大,但载体相对于目标的距离却不随姿态改变而变化。根据目标磁矩与载体姿态角的关系,提出了利用磁矩解算载体姿态变化的新方法,对其进行了理论分析与数值仿真,结果表明,该方法原则上具有较高的解算精度,为监测载体姿态变化提供了一种新途径。     

基于采样优化的蒙特卡罗移动节点定位算法

针对无线传感器网络中蒙特卡罗移动节点定位算法的不足,提出了一种采样优化的蒙特卡罗移动节点定位算法。该算法根据运动连续性,利用曲线拟合方法,得出样本节点位置后验密度分布取值较大的区域,对该区域内样本节点的权值进行优化,从而完成未知节点的定位。仿真结果表明,改进后的算法能够显著地减少定位所需的样本数,有效提高了无线传感器网络移动节点定位的准确性和鲁棒性。     

一种基于RBF神经网络的无线传感器网络定位模型

在无线传感器网络覆盖区域内的不同位置采集信号强度值,利用径向基函数(RBF)神经网络建立信号强度到节点坐标之间的映射模型,将采集到的信号强度值作为神经网络的输入矢量进行训练,利用训练好的神经网络实现未知节点的定位。实验结果表明,该模型具有较好的定位精度,其平均定位误差低于10%。     

基于WSNs的模糊三角形定位模型研究

针对现有range-based定位模型与range-free定位模型存在的问题——定位精度低、定位延迟大、复杂度高和节点密度大等特点,提出了一种基于模糊识别的非测距定位模型.该模型首先在定位空间内设置若干个样本点,然后将无线传感器网络的信号强度与模糊数学的思想相结合,通过计算未知点与各个样本点的贴近度来获取该点的位置信息,该方法简化了坐标求解.最后借助几何解析与NS-2仿真手段对该模型进行了验证,结果表明模糊三角形定位模型具有较高的性能.     

基于禁忌搜索的无线传感器网络多源定位研究

针对无线传感器网络多源定位容易陷入局部最优的情况,提出基于禁忌搜索的多源定位方法.通过测量多个声源发出的能量建立声音能量模型,估计出模型中的声音能量和声音位置等参数,然后使用8邻域3层格点的邻域产生方式,并合理选择禁忌表长度、初始解等禁忌算法的基本参数,有效避免了多源定位易陷入局部最优的情况.将禁忌搜索算法和多分辨率搜索算法、EM算法、AMR算法进行比较,仿真结果表明,禁忌搜索能够很好地避免局部最优,且定位精度高于其他几种算法,计算复杂度相对较低.     

辛 virtual 局部化的一个应用

作者使用辛virtual 局部化公式来计算一类特殊的 Calabi-Yau 流形Wk的 Gromov-Witten 不变量.在对 Gromov-Witten 不变量进行局部化处理之后,作者计算出了不动点轨迹的 virtual 法丛的等变欧拉类和障碍丛的等变欧拉类.最后作者枚举了模空间在S1作用下的不动点对应的所有可能的图,给出了当d＜5时亏格为0的 Gromov-Witten 不变量.     

无线传感器网络DV-Hop算法改进与性能

为了提高无需测距的跳距矢量(DV-Hop)定位算法在节点随机分布且拓扑动态变化的无线传感器网络中的节点定位精度,在分析DV-Hop算法实现思想的基础上,针对多边定位法计算出的估计坐标存在较大误差的问题,采用泰勒级数展开法构建了坐标值的数值迭代求精算法,并对改进DV-Hop的性能进行了3个方面的仿真研究:确定了算法迭代步长收敛门限值的选择准则,对比分析了选定门限值条件下DV-Hop算法改进前后的定位性能,给出了不同信标节点和网络节点条件下的统计迭代次数,并以此衡量改进算法的计算量和收敛速度。仿真结果表明,合理选择迭代门限值时,通过适当增加定位节点的计算量,改进算法可明显改善定位精度和定位误差稳定性,是一种可行的无线传感器网络节点定位的解决方案。     

无线传感器网络节点定位算法分析

在各种无线传感器网络应用中,无线传感器节点的精确定位非常关键。在阐述了节点定位问题的基础上,分析了三种典型节点定位算法:质心法、不定形(Amorphous)法和蒙特卡罗法,然后通过仿真实验对算法性能进行对比,研究节点密度、节点速度和采样个数等因素对定位性能的影响。实验结果表明,蒙特卡罗法的误差最小,且在锚节点密度大于1,未知节点密度大于6,取样个数超过50时达到最佳定位性能。     

基于序列图像的视觉定位

提出了一种静止摄像机条件下基于计算机视觉的工业机器人的定位算法。采用单目视觉系统,由线性摄像机模型推导出定位测量模型。通过序列图像,以一种改进的自适应混合高斯模型更新背景,运用背景差分法检测出运动目标,用CAMSHIFT算法实现对运动目标的跟踪,确定其位置和姿态,估计出运动参数,反馈给机器人指导其准确运动。实验结果表明,该方法快速、有效,能够满足视觉定位的实时性要求。     

一种鲁棒的室外移动机器人路标定位系统

针对移动机器人室外作业需要,提出了一种对光照度的大范围变化具有良好鲁棒性的路标识别与定位系统.通过近红外光主动照明来降低可见光照度变化和阴影等因素对视觉的影响;利用全景视觉系统获取大范围的路标信息,采用动态大津法实现二值化,突出了光照度不均情况下的路标特征,以提高路标的识别率.室外环境下移动机器人定位实验结果表明,该方法对于大范围变化的光照度具有良好的鲁棒性.