一种新型VLC高精度混合定位算法的实现

为了实现移动机器人的高精度定位,研究了一种新型的可将光混合定位算法,并对该算法进行了理论分析和实验验证。首先,针对传统信号接收强度（RSS）定位算法与到达角度（AOA）定位算法的优缺点,改进了RSS算法,使其不再利用接收到的信号强度和距离的关系而改用接收到的信号强度和探测器旋转角度的关系,并综合以上两种算法分析得到一种混合定位算法模型。同时对混合型算法进行理论分析,主要从角度的测量方面,确定要达到的目标参数,进而可以达到理想的定位精度。然后通过实验验证该算法模型的实现可行性,主要从测量出的角度数据进行计算,并分析通过该实验数据计算出的定位精度是否达到定位精度目标。实验结果表明:定位精度为6.11 cm,高于10 cm定位目标。同时分别相对于其他两种定位算法,该算法定位精度高、成本低、可行性高。     

基于RFID的改进室内三边定位算法研究

RFID技术常被应用在室内定位上,针对其常用的三边定位算法易出错、定位精度不高的问题,提出了改进的三边定位算法,通过多次选取不同的参考标签并结合基于欧氏距离的定位方法,最后以多次求解的平均值为未知点坐标,这样可以提高定位的精度同时降低误差的产生率。通过实验验证了改进的三边定位算法具有较高的可行性、较高的定位精度同时降低了系统的鲁棒性,该方法可以在室内定位上进行应用研究。     

基于WLAN和WSN的异构网络协同定位

针对大型建筑物复杂环境室内定位的特殊性,为了克服移动终端采用WLAN或无线传感器网络单独定位精度不高的局限性,实现移动终端精确定位导航,分析了各种无线网络室内定位系统的基本算法模型,详细介绍了多个典型无线室内定位系统的实现方法,并分析其优劣点,展现了近年来国内外对室内定位的研究成果.归纳了基于WLAN和WSN的异构网络协同定位算法研究中的关键问题,指出了如何根据终端位置环境同时搜索WLAN和无线传感器网络以及改进后的网络融合定位算法,为下一步更深入的研究打下良好的基础,在此基础上,对协同定位方法的研究前景进行了展望.     

无线传感器网络中AOA节点定位改进算法研究

基于信号到达角度(AOA)的定位算法是一种常见的无线传感器网络节点自定位算法,算法通信开销低,定位精度较高。由于各种原因,估测的多个节点位置可能存在不可靠位置,提出了一种改进的基于信号到达角的定位方法,通过过滤误差较大的估计位置,来提高定位的精度。仿真结果表明,本文提出的改进算法很好地提高了定位精度。     

基于多LED的高精度室内可见光定位方法

针对可见光室内定位问题,该文基于接收信号强度(RSS)定位技术,提出一种利用多个LED发射端实现室内定位的方法,即MLED-RSS定位算法。该方法在充分考虑LED拓扑结构对定位性能影响的基础上,利用部署在室内的多个LED,合理选择其中3个LED作为发射节点,采用改进的三边定位法获得定位目标位置信息。定位算法可以有效地解决可见光定位存在的遮挡效应。仿真实验表明,MLED-RSS算法可以实现高定位精度。     

基于多源信息融合的RBF神经网络室内可见光定位算法

针对基于接收信号强度（RSS）的定位技术易受环境干扰而导致定位精度不高和稳定性较差的问题,提出了一种基于多源信息融合的径向基函数（RBF）神经网络室内可见光定位算法。通过将图像的颜色矩特征与RSS矩特征融合,构建指纹库,并采用RBF神经网络进行预测,实现了图像与RSS之间的优势互补,最后对定位算法进行了验证。实验结果表明,经过优化的多源信息融合定位算法较单一RSS定位算法的定位精度提高了9.4%。     

一种改进的Eddystone-TLM质心室内三边定位算法

为了解决在室内环境中利用三边定位技术定位精度不高,以及基于质心定位改进三边定位算法后参考点难以确定在待测点外侧的问题,提出一种利用Eddystone-TLM对三边定位算法进行改进。首先利用Eddystone框架的TLM优化质心定位算法;其次通过优化后的质心定位算法解决三边定位算法已知的不足;最终实现定位精度的提高。实验结果表明,该算法改善了室内定位的精准性,可及时准确地获取目标终端的位置数据,有效保证了室内定位与其他领域之间定位数据的互联互通。     

基于多传感器融合的室内定位算法研究

对于现有的室内定位算法存在低精度、低实用性和低传感器利用率等问题,提出了一种基于多传感器融合的粒子滤波室内定位技术,将智能移动终端与室内定位相结合,利用粒子滤波器过滤定位结果。采用行人航位推算(PDR)技术和RSSI定位技术获取行人位置信息,提高了定位精度与可靠性。此外,通过定位结果实时上传至服务器,同步递增构建位置指纹库,以适应室内环境的动态变化。实验结果表明,基于多传感器融合的定位技术与基于Wi-Fi的定位技术相比提高了定位精度与可靠性。     

基于CFR虚拟阵列天线的AOA室内定位

准确地估计信号的到达角（Angle Of Arrival,AOA）为实现在室内高精度定位提供了可能,为了能够准确地估计室内多径信号的AOA,并提取出直射路径的AOA信息进行定位,本文提出一种利用信道频率响应信息（Channel Frequency Response,CFR）扩展阵列天线的亚米级室内定位系统.首先,采集CFR信息进行AOA和信号到达时间（Time Of Arrival,TOA）的联合估计;其次,提出了一种基于AOA和TOA二维聚类信息的直射路径识别算法;另外,还提出了可视环境（Line Of Sight,LOS）以及非可视环境（Non Line Of Sight,NLOS）的识别算法,可以准确的判断出当前接收机相对发射机是处于LOS还是NLOS环境;最后,利用现有的三天线Wi-Fi设备在室内进行了测角以及定位测试,实验结果表明本文提出的定位系统在室内LOS和NLOS环境下分别可以达到中值误差为0.8m,1.3m的定位精度,可用于室内高精度定位.     

基于优选数据准则的空基多平台协同定位方法

在多无人机(unmanned aerial vehicle, UAV)协同定位地面固定辐射源的应用环境中,UAV编队中的各机利用携带的电子支援措施(Electronic Support Measurement, ESM)探测目标的方位角,并利用各观测机获取的辐射源入射角（arrival of angle,AOA）对目标实施协同定位。假设UAV所携带传感器设备测量精度相同,且测量误差服从正态分布,在此条件下,UAV编队的队形会对多机协同定位的精度产生影响。为了进一步研究编队队形与协同定位精度的关系,首先,利用两机的相对几何关系建立了基于AOA的双机定位模型,并在此基础上推导出基于测向交叉定位方法的多无人机协同定位误差模型;其次,基于该误差模型分别分析了观测机处于不同的观测点对定位误差模型的影响和不同的观测角组合对定位精度的影响,并给出UAV编队队形与定位误差关系的结论;最后,基于上述结论提出了基于测向交叉定位方法的多机数据融合优选定位数据对的优选函数,并利用该优选函数对多机协同定位方法进行了改进,仿真验证了改进算法的有效能。同时,本文得出的结论对于UAV机群的路径规划有一定的指导意义。      

面向非视距环境的室内定位算法

节点位置信息在无线传感器网络中起着至关重要的作用.大多数定位算法在视距(Line-of-Sight,LOS)环境下能够取得较高的定位精度,然而在非视距(Non-Line-of-Sight,NLOS)环境下,由于障碍物的阻挡,无法取得理想的定位精度.针对室内环境中普遍存在的非视距传播现象,提出了基于RTT(Round Trip Time)和AOA(Angle Of Arrival)混合测距方式的室内定位方法,一种轻量级基于网格的聚类算法(Lightweight Grid-Based Cluster,LGBC)被用来生成移动节点的定位区域.算法不需要获取室内环境的先验信息.仿真结果表明,LGBC算法复杂度低,计算开销小,并且与同类算法相比,定位精度提高约65%.     

基于像素距离加权的室内成像定位研究

针对室内成像定位技术受随机噪声的影响较大、定位误差较高的问题,提出了一种基于像素距离加权的室内成像定位技术。在室内屋顶布设多个红外LED,依靠成像传感器获得红外LED信标的像点,将成像点到成像传感器中心的像素距离作为加权因子引入室内成像定位算法中,可以有效地提高室内定位精度。并进行了仿真实验,实验选择4m×4m×3m的空间区域模拟室内环境,当布设的红外LED信标数量为3时,应用改进后的算法可以获得10cm以内的定位误差性能,并且误差波动不超过5cm。另外,随着布设信标数量的增加,定位误差继续减小。改进后的定位算法有效地提高了室内定位的精度以及成像定位算法的普适性。     

基于多层神经网络的超宽带室内精确定位算法

选定 IEEE802.15 信道模型工作小组提出的IEEE802.15.4a模型作为超宽带室内定位的普遍适用模型。在研究了传统室内定位算法的基础上,利用多层神经网络技术,对到达时间差和到达角度混合算法进行改进,并做了仿真分析。仿真结果显示,定位精度明显提高,效果理想。     

稳定分布噪声下基于粒子滤波的双站伪多普勒定位方法

传统的伪多普勒测向算法在高信噪比和高斯噪声环境下能较为精确地计算出到达方位角,但对于稳定分布噪声的顽健性较差。针对以上不足,提出了一种基于粒子滤波的双站伪多普勒定位方法。用粒子滤波对2个接收机的来波方位角进行联合估计,并通过非线性映射得到信源位置坐标估计,实现了方位角计算与双站定位的集成。仿真实验表明,当稳定分布参数α为1.4（中等脉冲程度）时,所提方法在低信噪比下的顽健性要显著优于传统方法,在高信噪比时估计精度与传统方法相当;当信噪比为10 dB时,所提方法在 的情况下定位精度远高于传统方法。     

基于激光雷达的有界区域快速全局定位算法

室内全局定位技术是自动驾驶车辆和机器人的核心组成部分,也是当今的研究热点。基于该时代背景,本文提出了一种基于激光雷达的有界区域快速全局定位算法,将全局地图与局部地图的特征向量进行对比匹配,实现了雷达在有界区域内的精确定位。利用仿真实验对算法的有效性和定位精度进行了分析,发现其平均位置误差比为0.791%,平均朝向误差为0.3883°。结果表明,该算法可以较稳定且精确地获取静态雷达的位姿信息,是一种研究室内全局定位的有效方法。     

Research on indoor localization algorithm based on kernel principal component analysis

An indoor localization algorithm based on kernel principal component analysis (KPCA) was proposed.It applied KPCA to train the original location fingerprint (OLF) and extract the nonlinear feature of the OLF data at the offline stage,such that the information of all AP was more efficiently utilized.At the online stage,an improved weight k-nearest neighbor algorithm for positioning which could automatically choose neighbors was proposed.The experiments were carried out in a realistic WLAN environment.The results show that the algorithm outperforms the existing methods in terms of the mean error and localization accuracy.Moreover,it requires less times of RSS acquisition and AP number.