基于WiFi和RFID技术的老年公寓人员定位系统

针对现阶段老年公寓定位系统及RFID技术的分析,设计了一种WiFi和RFID技术相结合的高效定位系统。该系统主要由数据采集子系统、定位子系统、数据查询显示子系统和报警子系统4部分组成。同时设计采用改进的LANDMARC算法,将中值滤波算法与传统的LANDMARC算法相结合,使得定位精度更高。     

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。     

基于改进粒子滤波的RFID室内目标定位算法

针对于LANDMARC算法的RFID室内定位精度受传输路径影响严重,直接采用粒子滤波自适应性差的问题,提出一种基于改进粒子滤波的RFID室内定位算法。该算法首先利用极限学习机(ELM)拟合阅读器接收信号强度与标签距离之间的非线性关系,构建信号传输模型,筛选邻近标签集;然后采用自适应学习因子优化粒子滤波过程,提高粒子全局寻优能力和收敛速度。仿真实验结果表明,该算法能够有效实现待测标签的RFID室内定位,且定位精度较高,收敛速度较快。     

基于LANDMARC系统的室内定位算法优化

近年来,基于RFID室内定位技术越来越广泛应用,其中LANDMARC室内定位系统最近邻近算法成为主流算法,针对经典LANDMARC算法中多径效应、噪声随机变量影响以及各种形式的障碍物等复杂环境的存在,使得阅读器读取能力下降,影响最邻近标签的选择,进而使得系统定位精度下降,结合数据融合领域中的表决算法提出一定的改进方案,该改进算法能够克服复杂环境产生的影响,剔除不良标签,更加准确的计算出待测标签的定位位置,相较于经典LANDMARC算法,进一步提高了室内定位的精度及收敛速度。     

基于改进蚂蚁算法的QoS路由算法的仿真研究

在研究传统蚂蚁算法的优缺点及其仿真实现的基础上,提出一种基于改进蚂蚁算法的QoS路由算法及其仿真方法.从算法的仿真实现角度对改进蚂蚁算法进行探讨.算法理论分析和仿真实验,表明改进蚂蚁算法达到了设计目的,具有思路直观、算法收敛快、拥塞应对能力强的优点.     

基于参考标签的射频识别室内定位算法研究

针对现有基于RFID的LANDMARC室内定位系统会因外界环境因素导致优良的邻近参考标签丢失、不良的参考标签引入的问题,为此提出了一种改进的最近邻居算法,通过筛选已选取的邻近参考标签,实现最近邻标签的最佳选取。实验结果表明待测标签的定位精度得到有效提高。该算法有效获取到优良的参考标签,从而获得了满意的定位精度和定位性能。     

面向室内定位的DHOHF-Elman神经网络算法

针对传统Elman神经网络算法在室内存在定位精度低的问题,提出了一种基于UWB（Ultra Wideband ）的改进的DHOHF-Elman(Elman neural network with Double Hidden layers and Output-Hidden Feedback,DHOHF-Elman)神经网络算法。该算法改进了神经网络拓扑结构增加了第二隐含层和第二承接层,达到了双隐含层反馈的效果,采集了大量的实验数据对构造的神经网络模型进行了训练与测试,表明了改进后的神经网络算法较传统神经网络算法有更高的定位精度和较好的收敛性,最后通过仿真结果分析验证了改进算法的优良性和有效性。      

提高GPS定位精度的改进卡尔曼滤波算法研究

介绍了一种有效提高GPS定位精度的改进卡尔曼滤波算法.该算法针对最小二乘法和标准卡尔曼滤波的特点,通过伪距估计出接收机的位置和钟差,有效避免了由于滤波初值、系统噪声方差以及量测噪声方差带来的滤波发散问题.同时该算法不直接使用卡尔曼滤波来估计接收机的状态,而是估计接收机状态的误差,减小了运算量,有效提高了定位精度.在进行状态误差估计时,不需要存储大量测量数据,能方便地进行动态测量数据的实时处理.仿真结果证明此算法具有较快的收敛速度和较高的定位精度.     

鸡群协同定位算法的研究

无线传感器网络(Wireless Sensor Network, WSN)定位问题可以看作一个目标函数最优化问题，通过鸡群优化算法进行求解。传统的鸡群定位算法所用的目标函数只考虑了待定位节点和参考节点之间的测量距离，测量距离不完整限制了定位精度的提高。基于此提出了一种鸡群协同定位算法，首先改进目标函数，确保待定位节点之间的测量距离被充分使用；然后采取多维标度(Multidimensioal Scaling, MDS)方法提供的良好初始位置，从而提高定位算法的收敛速度。仿真实验结果表明，与传统鸡群定位算法、粒子群定位算法、灰狼定位算法和改进的鸡群定位算法相比，鸡群协同定位算法能有效提高定位精度。另外，与传统的鸡群定位算法相比，虽然鸡群协同定位算法的时间复杂度有所增加，但定位性能得到了改善。     

基于时间差和角度的数据融合定位算法研究

定位系统中大部分现在存在的算法通常没有考虑综合利用空域、时域信息,而只选择了少量的测量信息.为了克服这个缺陷,提出了一种新的TDOA/AOA数据融合定位算法,这种算法充分利用了来自多个传感器的冗长信息,其中包括到达时间、到达方向.仿真实验结果表明与传统的算法相比,这种算法具有更好的定位精度和收敛速度,进一步改进了系统的可靠性,是一种有效、可行的定位算法.     

基于差分进化算法的RFID定位

针对传统射频识别(RFID)定位过程繁琐,系统定位精确度低以及计算较为复杂的问题,提出一种利用差分进化(DE)算法优化RFID定位精确度的方法。该方法首先随机初始参考标签的位置坐标,通过接收信号强度(RSS)值计算出阅读器与标签之间的测量距离,再通过优化阅读器与参考标签和待测标签之间的距离误差,估计出离待测标签最近的位置坐标,最后与经典LANDMARC定位系统做比较。仿真结果表明,经典LANDMARC定位系统的平均定位误差为1.115 8 m,而利用差分进化算法优化后的系统平均定位误差为0.001 2 m,从而证明利用差分进化算法优化RFID定位的方法是有效的。     

Improvement of location methods based on RFID

The most common location algorithms based on received signal strength （RSS） are location identification based on dynamic active radio frequency identification （LANDMARC） and virtual reference elimination （VIRE）. However, both the original algorithms suffer from some drawbacks. In this paper, several aspects of the two original algorithms have been modified to reduce the positioning errors. Firstly, Lagrange interpolation has been used instead of linear interpolation. Secondly, adaptive threshold has been introduced in the new algorithm. Thirdly, insert virtual reference tags to improve the location accuracy of the boundary of the sensing area. Finally, combine LANDMARC with VIRE to absorb both advantages. Compared with the original algorithms, on average, simulated results show that the modified algorithms can improve the location performance efficiently and achieve the goal of accurate positioning in indoor environment.     

基于LANDMARC与压缩感知的双段式室内定位算法

鉴于已有室内定位算法定位精度与运算效率之间的矛盾,该文提出一种将LANDMARC区域定位与基于模拟退火优化正则化正交匹配追踪(SROMP)的压缩感知位置估计相结合的双段式定位算法(LANDMARC- SROMP CS)。首先,利用LANDMARC定位算法快速锁定目标所在区域范围;在锁定的区域内,再引入压缩感知理论实现目标位置估计。此部分,首先根据锁定区域范围建立虚拟参考标签;然后由新型组合核函数相关向量机算法训练得到室内传播损耗模型,计算获得虚拟标签处接收信号强度值,构建测量矩阵;最后利用SROMP压缩感知重构算法求解出目标的位置索引矩阵,对索引矩阵中的位置相关点加权平均得到目标的位置信息。实验结果表明,所提定位算法平均定位误差为0.6445 m,算法运算效率相对较高,可以较好地满足室内定位的要求。     

小波分析法解决无线定位跟踪问题

无线定位中,信号的非视距传播（NLoS）很大程度上决定了移动台的定位精度,而小波分析理论在信号处理中有较为明显的优点,提出了一种在蜂窝网络中非视距环境下对移动台（MS）的定位及跟踪算法。利用小波变换对信号的分解和重构,实现了对TDOA测量值误差的修正,再利用经典Chan算法对移动台位置进行估计,配合相应的距离门限值对移动台的位置进行跟踪定位。仿真结果表明,该算法能够有效地实现对移动台位置的静态定位和动态跟踪,并明显优于同等环境下经典算法的仿真结果,有效提高了定位精度。     

改进的无线传感器网络DV-Hop 节点定位算法

DV-Hop 算法是解决无线传感器网络节点定位问题的一种经典算法。文中根据经典的DV-Hop 算法提出了一种改进算法,通过引入更优的误差矫正和双曲线定位算法,减少了经典算法中多跳过程中积累的定位误差。比较和分析了经典DV-Hop 算法和改进后算法的仿真结果可以看出,改进后的DV-Hop 算法定位精度提高显著,在给定条件下的定位误差下降了约50%。     

LANDMARC: Indoor Location Sensing Using Active RFID

Growing convergence among mobile computing devices and embedded technology sparks the development and deployment of context-aware applications, where location is the most essential context. In this paper we present LANDMARC, a location sensing prototype system that uses Radio Frequency Identification (RFID) technology for locating objects inside buildings. The major advantage of LANDMARC is that it improves the overall accuracy of locating objects by utilizing the concept of reference tags. Based on experimental analysis, we demonstrate that active RFID is a viable and cost-effective candidate for indoor location sensing. Although RFID is not designed for indoor location sensing, we point out three major features that should be added to make RFID technologies competitive in this new and growing market.     

Subpixel Target Location Techniques for 3—D Coordinate Measuring System

The close photogrammetric 3-D coordinate meaurement is a new measuring technology in the fields of the coordinate measurement machine (CMM) in recent yearsl.In this method,we usually place some targets on the measured object and take image of targets to determine the object coordinate.The subpixel location of target image plays an important role in high accuracy 3-D coordinate measuring procedure,In this paper,some subpixel location methods are reviewed and some factors which affect location precision are analyzed. Then we propose bilinear interpolation centroid algorithm.The experiments have shown this algorithm can improve accuracy of target centroid by increasing available pixels.