一种基于泰勒级数多元变量展开模型定位算法

为了提高无线传感器网络节点定位精度,构建了增加未知节点与未知节点间的距离信息的泰勒级数多元变量展开定位模型.在对该算法的求解过程中,首先利用最大似然估计法得到未知节点的初始位置,再运用加权最小二乘法计算其最优值作为未知节点的估计位置.仿真测试了不同距离测量误差和已知节点数目对定位误差的影响,以及算法的累计分布函数.结果表明,该算法能够有效提高节点定位精度.     

基于RSSI测距的WLS定位算法

结合信道模型与实际测试得出的距离越远误差越大的特点,提出一种加权最小二乘估计（WLS）算法用于未知节点的坐标定位.在定位过程中首先通过加权计算获得信道衰落因子;然后利用WLS算法得到未知节点的坐标,并推导了测距和定位的误差公式.仿真实验表明WLS算法的硬件复杂度与最小二乘（LS）算法相同,而定位精度有较大提升,并验证了...     

基于系统识别的RSSI定位算法

针对无线传感器网络节点定位问题,分析了基于接收信号强度(RSSI)的定位算法,对无线电传播路径损耗理论模型进行了分析.采用系统辨识加权最小二乘法在线修正了信号衰减理论模型,使算法具有了普遍适用性.提出三边定位法与质心法结合的定位算法和极大似然估计法得到未知节点的估计位置.仿真结果表明,该算法减少了测距误差,随着节点的增加定位精度提高.     

基于TOA的无线传感器网络时间同步与定位联合算法

文中研究无线传感器网络中时间同步与节点位置坐标联合处理的问题,并且提出了一个可以联合精确估计未知传感器节点时钟偏差和未知坐标的算法,新提出的联合时间同步与定位算法采用加权最小二乘方法,相比于极大似然等迭代估计器,该方法具有更低的复杂度。理论分析表明在低信噪比情况下,算法精度可以达到克拉美罗下界(Cramér-Rao lower bound,CRLB)。计算机仿真实验结果也证明算法可以达到理论分析的精度要求。     

减少无线传感器网络节点定位误差的方法

为提高无线传感器网络节点定位精度,提出3种基于距离信息的改进定位算法:改进三边测量法、加权最小二乘估计、抗差最小二乘估计.在一定先验假设情况下,对三边测量法以及由其衍生出最小二乘估计进行改进,并将抗差最小二乘估计方法引入到节点定位计算之中.仿真结果表明:3种算法能够有效减少定位误差.抗差最小二乘估计在系统存在粗差情况下效果尤其显著.当系统对能耗要求严格时,可采用改进三边测量法或加权最小二乘估计替代抗差最小二乘估计.     

基于半定规划的无线传感器网络节点定位算法

针对无线传感器网络节点定位,在最大似然估计(MLE)基础上提出了一种半定规划(SDP)的优化算法.结合有效的锚节点位置选择和比率范围设定,在放宽非凸约束的基础上,采用SDP求解算法,有效减少了误差的影响,得到被测节点的实际位置.改变锚节点的位置可以有效解决锚节点凸壳外的节点位置估计不精准问题.仿真结果表明,提出的SDP算法对未知节点的位置实现了高精度定位,改进了凸优化方法.     

基于Unscented卡尔曼滤波的目标位置和信道参数同时估计算法

针对传统非线性最小二乘估计算法和多步迭代估计算法估计节点位置和信道参数时存在的缺点,提出一种新的基于卡尔曼滤波的目标位置和信道参数同时估计算法.新算法将接收信号强度指示(RSSI)定位问题转化为非线性方程组的参数向量估计问题,使用UKF对目标位置和无线信道参数同时进行估计.试验结果表明,与非线性最小二乘方法相比,新算法定位误差更小,对信道参数的估计也更准确.     

END序列下半参数回归模型估计的相合性

研究误差为END序列的半参数回归模型y_i=x_iβ+g(t_i)+σ_iε_i(i=1,2,…,n).应用加权估计与最小二乘估计方法,建立未知参数β和未知函数g的最小二乘估计与加权最小二乘估计的估计量.利用END序列的Rosenthal不等式以及截尾的方法证明p(p1)阶矩的相合性.     

固定设计下半参数回归模型小波估计的收敛速度

对一类固定设计下的半参数回归模型进行了研究.通过利用加权最小二乘法及小波估计法给出了未知参数β和未知函数f(·)、g(·)的估计;在较弱的条件下给出了最终加权二乘估计βn的弱收敛速度,(^f)n(·),的弱收敛速度、强相合性以及(g-)n(·)的弱收敛速度.     

NQD样本下部分线性模型中估计的强相合性

考虑回归模型：yi=xβ g(ti) σei≤i≤n,其中δ^1 i=f(ui),(xi,ti,ui)是固定非随机设计点列,β是未知待估参数,g和f是未知函数,随机误差序列{ei}为同分布的NQD序列．在一定的条件下,得到了β的最小二乘估计β、加权最小二乘估计β^-和最终加权最小二乘估计β^-的强相合性．     

一类半参数变量含误差回归模型的小波估计

研究了一类解释变量为(x,T)的半参数变量含误差模型,其中,x∈Rp为非随机解释变量,T∈R1为随机解释变量.通过应用小波估计法和全最小二乘法得出了未知参数和未知函数的估计,在一般的条件下,证明了估计的强相合性.     

基于最优节点通信半径的改进DV-Hop定位算法

针对DV-Hop定位算法在节点随机分布的无线传感器网络中定位误差大,以及现有改进算法需要增加通信开销的问题,提出一种基于最优节点通信半径的改进DV-Hop定位算法.该算法在传统DV-Hop算法的基础上,通过分析网络节点分布特性得到最优节点通信半径,同时利用误差分析获得受扰动影响最小的锚节点优化分布方案,然后使用最小二乘法校正锚节点的平均跳距,最后采用加权方法修正未知节点位置.仿真结果表明,在不增加网络通信量的情况下,文中算法的定位精度高于现有算法.     

传感器位置浮动情况下的水下TDOA定位算法

针对水下声源定位中传感器位置存在不确定性的问题,提出了一种基于两阶段加权最小二乘算法的水下目标定位算法.首先,当传感器位置浮动时,利用获取的到达时间差数据,将测量值噪声和传感器位置误差构造加权系数矩阵,通过加权最小二乘算法估计目标位置;然后,通过引入目标定位误差构造定位方程;最后,用求解的目标定位误差调节上个阶段估计的目标位置.仿真结果表明:在传感器位置噪声较小情况下,本文算法具有较好的定位精度.     

半参数回归模型小波估计的相合性

研究一类固定设计下的半参数回归模型.通过利用最小二乘法、加权最小二乘法及新方法小波估计法给出了未知参数β的估计,在较弱的条件下给出了β的最小二乘估计∧βn的弱收敛速度、强相合性以及加权最小二乘估计~βn的强收敛速度.     

一种基于TDOA/AOA的混合三维定位算法

基于Chan算法,提出了一种改进的到达时间差(TDOA)和到达角(AOA)混合三维定位算法。该算法的主要思想是将Chan算法推广到三维空间,并在TDOA误差方程组里附加AOA误差方程来构建三维形式的非线性方程组。为了有效地克服Chan算法的二值根模糊性问题,先使用加权最小二乘法(WLS)获取初始解或者估计;接着根据初始解分量之间的相关性,并基于约束加权最小二乘(CWLS)算法,重新建立方程以对初始估计进行修正。通过计算拉格朗日因子,获取最终位置估计。仿真结果表明,与直接将Chan算法推广到三维相比,该算法具有较高的定位精度,其均方误差逼近克拉美-罗界(CRLB)。     

基于最优最小二乘的红外目标单站定位算法

为消除红外目标单站定位算法估计有偏性,解决现有估计算法中有可能出现多个解向量的问题,提出了一种基于最优最小二乘的目标估计算法.对总体最小二乘定位算法进行了研究,针对扩展测量矩阵出现最小奇异值多重的问题,构造了一个由多重奇异特征向量组成的测度函数,将该函数进行偏微分得到最优的最小二乘解;通过理论分析,证明了最优最小二乘解向量是渐进无偏的;最后,将该算法与总体最小二乘法和修正辅助变量法进行仿真对比.仿真实验结果表明,该方法在不同测量环境噪声下所得到的位置、速度误差曲线能快速地逼近克拉美罗下限,且具有更高的估计精度和稳定性,说明了算法的有效性.     

一种基于遗传算法的无线传感器网络节点定位技术研究

本文分析了基于误差的最小二乘估计定位原理,提出一种基于遗传算法的无线传感器网络节点定位技术。建立所有节点的定位误差之和最小的数学模型,利用遗传算法求解模型的最优解,从而得到未知节点的最优的估计位置。实验仿真结果表明该算法对未知节点的定位精度高,条件简单,适合各种规模的无线传感网络节点的定位。     

基于加权虚拟力的无线传感器网络定位算法

针对AHLos算法容易出现误差累积的缺陷,基于邻居信标节点对未知节点的虚拟力,提出了加权虚拟力无线传感器网络定位算法。在虚拟力的作用下,未知节点从估计位置向真实位置移动;与此同时,使用加权因子,对在定位过程中具有不同可信度的信标节点加以区分;最后通过根据精度要求所设定的虚拟力门限值确定最终估计位置。仿真实验结果表明:所提出的新算法较之与AHLos算法,定位精度有所提高。     

无线传感器网络的改进DV-hop定位算法研究

针对传统DV-hop定位算法在计算未知节点与锚节点之间的跳数以及跳距时误差较大的问题,提出一种跳数优化以及跳距加权的改进DV-hop算法.首先,该算法根据节点的通信半径将节点间的跳数进行优化,使得节点之间的跳数更加接近真实值;其次,综合考虑参与未知节点计算的锚节点的分布情况与距离,得出加权跳数;最后,利用改进的最小二乘法进行计算未知节点坐标.利用M A T L AB2016a对改进算法进行仿真,实验结果表明,该算法能够有效地降低误差,提高未知节点的定位精度.     

多变量CAR模型的递推辨识

将加权最小二乘法和限定记忆两种参数估计方法相综合，给出了多变量系统带控制输入的自回归模型未知参数的递推估计算法，该估计算法是前两种估计方法在多输入多输出MIMO系统的推广。