多边算法在无线传感器网络目标定位中的应用

目标定位是无线传感器网络最基本的功能之一.多边算法是三边算法的改进算法,该算法的目的是减少目标和节点间距离的误差,以提高定位精度.算法采用更多的传感器节点对目标定位,通过最小二乘算法减小了测距误差,进一步通过加权最小二乘算法减小了监测节点位置误差,实现了无线传感器网络对单个目标的定位.最后将三边算法与多边算法进行比较,仿真结果表明,多边算法降低了测距误差和位置误差,定位精度更高.     

基于RSSI的测距优化和三边定位算法研究

运用RSSI测距技术测量目标节点与已知锚节点之间的距离。提出一种动态的优化模型对RSSI测距值进行优化处理,减少测距误差提高精度。最后,运用三边测量定位算法得到目标节点坐标信息。室外实验数据以及仿真结果表明,该方案对于传统定位方法有明显的定位精度提升。     

无线传感网络基于协作模式节点定位研究

提出了一种新的基于刚性图理论和遗传算法的节点定位算法,以无线传感器网络节点的有效定位为基础,利用刚性图理论形成局部定位协作体,采用遗传算法实现节点位置的估算。该算法的特点是在形成定位协作体阶段利用节点多跳信息实现高定位率,利用节点间的测距信息实现高定位精度和高定位率。仿真实验表明,所提出算法的定位率比仅利用单跳信息时的定位率提高一倍,当测距误差Re=0.05R时,平均绝对定位误差为0.073R;当测距误差Re=0.1R时,平均绝对定位误差为0.14R。     

基于Voronoi图的无线传感器网络定位算法优化

无线传感器网络是由具备传感、计算和通信能力的传感器节点组成的多跳自组织网络。定位技术是无线传感器网络的关键技术之一,大多数定位算法都以测距技术为基础。提出了一种基于距离优化的Voronoi图定位算法VB-DR。该算法利用Cayley-Menger行列式的几何应用对节点之间的距离关系进行限制,得到关于测距误差的约束方程并用以优化距离信息。仿真表明,VB-DR算法可以较好地修正测距误差,并解决经典的基于Voronoi图定位算法中存在的定位失败问题。     

双站无源时差序列定位算法研究

针对观测站个数受限情况下的无源定位问题,提出一种存在观测站站址误差时使用固定双站对慢匀速直线运动目标进行时差序列定位的解析算法。在目标运动模型的基础上引入目标初始位置和速度的假设值,建立了关于目标假设值误差和观测站站址误差的线性方程组,实现了对目标参数和站址误差的联合求解。仿真表明,当目标假设值取值合理和观测站站址误差较小时,无需多次迭代,算法的定位性能与泰勒级数展开法相近,能够达到克拉美罗下界。     

基于相交度比的无线传感器网络迭代定位算法

为提高免测距无线传感器网络节点定位算法的性能,针对免测距定位算法利用最小跳路径距离替代节点间欧氏距离,和信标节点近似共线引入较大定位误差的缺陷,提出基于相交度比的无线传感器网络迭代定位算法,首先利用定位单元拓扑分布质量函数选择1-跳邻居参考节点,组成高质量的定位单元;其次采用基于相交度比的距离计算估计距离精度;最后采用双曲线定位方法减少误差.仿真结果表明,在节点均匀随机部署,非均匀C-型分布的网络场景中,与DV-Hop、Amorphous等已有改进算法相比,新算法具有更小的定位误差,可提供更加精确的传感器节点位置.     

基于卡尔曼滤波的建筑物内人员定位系统研究

在建筑物内人员定位系统中,严重的多径和非视距现象造成测距误差较大,采取措施降低测距误差对定位精度的影响是建筑物内人员定位的重要问题,本文阐述了利用ZigBee技术架构无线定位系统,以三边测量法和基于测距的RSSI值算法作为定位算法,加入卡尔曼滤波进行优化,充分利用了卡尔曼滤波的预测功能在预测方程中引入新的因子,使误差减小,最终得到更精准的定位信息.     

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。     

基于直方图滤波的浅海声源测距算法研究

针对浅海移动声源的测距,提出了基于直方图滤波的水下测距算法。该算法以声传播过程中传播损失和目标运动参数以及接收信号作为先验知识,对声源位置函数形成的状态向量进行更新,从而实现浅海声源的测距,并用SwellEx-96实测海试数据库进行了算法的实验验证。结果表明:对移动声源的测距深度误差较小,而探测的水平距离在10 km范围时,水平距离最大测距误差在±10 m,并且可以通过改善目标运动参数等先验知识提高对声源测距的精度,验证了直方图滤波算法可较好地实现对水下移动目标的测距。     

混合噪声下移动受限水声传感器网络自定位算法

现有的水声传感器网络定位算法需要信标节点辅助定位,测距噪声服从高斯分布,定位成本高,精度低,对此,提出一种混合测距噪声下基于最大后验概率的自定位算法. 首先对受限移动节点的移动模式进行建模以获取节点位置的先验信息,测量节点间距离并基于加性和乘性混合噪声构建似然函数,在贝叶斯框架下将节点位置的先验与似然信息进行融合,通过最大化后验概率得到定位目标函数;然后利用BFGS拟牛顿法对目标函数进行优化求解. 仿真结果表明,相比同类定位方法,所提方法无需信标节点,定位精度高,收敛速度快,且对测距噪声的变化具有鲁棒性.     

无人船自主航行目标方位测量技术研究

为了解决无人船(U S V)自主航行时目标定位定姿问题,提出一种船载光电吊舱的目标方位测量方法.利用光电成像系统识别跟踪目标,激光测距机获取目标与USV间的距离,并将GPS/INS组合导航系统固联在光电吊舱同一水平面.通过上述传感器组件输出信息与坐标转换相结合,推导出目标从载体坐标系到WGS-84大地坐标系的定位方程;并根据目标位置解算出目标的速度、姿态信息.采用系统模拟航行实验,验证了该方法的有效性,并分析了各参数的均方根误差.实验结果表明,在1 km测距范围内,目标位置测量精度为5 m,姿态测量精度为0.3°,可满足实际应用需求.     

一种基于单基站的协作定位算法

为抑制蜂窝网中非视距(Non-line-of-sight,NLOS)误差对定位精度的影响,提出了一种利用移动终端间的协作信息提高定位精度的算法。该协作定位算法根据基站测量信号到达时间(Time of Arrival,TOA)和到达角(angle of arrival,AOA)信息,选择距离基站最近的目标终端,利用目标终端与其它终端间的协作信息进行位置修正。仿真结果显示该算法不仅提高了定位系统的整体性能,而且在移动终端距离基站比较远的情况下,定位精度高于传统的TOA/AOA定位算法。     

基于Pixhawk的四旋翼无人机视觉自定位系统研究

针对四旋翼无人机在GPS信号不强或被干扰的区域导致飞行控制失效的故障问题,利用Pixhawk飞控板和视觉传感器采集实时数据并通过数传模块将噪声滤除后的位置信息传递至地面站,再利用射影定理和目标定位方法确定位置参数信息.算法首先运用射影定理对目标点快速定位,再利用定位目标的坐标对四旋翼无人机新状态下的位置坐标进行反向定位,有效避免了基于消隐点单应的摄像机焦距变化导致内部参数的变化问题,经仿真实验表明在自定位的精度和速度上,能够有效结合Pixhawk飞控满足自定位,并能规避摄像标定不准带来的定位误差.     

基于密度分簇的无线传感器网络定位算法

针对MDS-MAP(P)算法存在节点间最短路径距离计算误差、合并误差及算法复杂度过高等问题,提出了一种基于密度分簇的算法MDS-MAP(DB)。该算法选择邻居节点数最多的节点作为分簇机制的开始节点,一跳邻居节点组成的簇域内利用三角不等式法则测距,两跳内节点组成的簇域内利用最短路径法测距,且每个簇域内只有簇头节点执行测距算法,降低了测距误差及算法计算复杂度,提高了算法的性能。仿真实验结果表明,该算法具有更小的定位误差。     

一种无线传感器网络定位算法的改进

为了减小距离向量-跳段(DV-hop)算法中计算平均跳距时所造成的误差对定位的影响,提出一种基于测距信息的改进DV-hop算法。改进算法充分考虑DV-hop算法中信标节点计算平均跳距误差较大这一因素,将接收的信号强度指示(RSSI)算法中测得信号强度值转化为距离信息,再将距离信息引入DV-hop算法平均跳距的计算中,并在不同信号传播模型下进行仿真分析。仿真结果表明,在同一信号传播模型下,改进算法比原DV-hop算法有着更小的定位误差。     

空间四站时差定位算法及其性能分析

针对空间四站时差定位问题,提出一种直接目标位置求解算法。所提方法利用时差测量方程,先通过将目标位置坐标表示为目标相对于参考站径向距离的函数形式,再求解目标径向距离的二次方程,即可获得径向距离的估计值,进而实现目标位置坐标的估计,很好地解决了空间时差定位算法的求解问题。其中不仅讨论了所提算法解的存在性,而且分析了观测站几何配置对算法模糊区域的影响,最后对时差定位算法的定位精度进行了分析。     

基于LF RFID的进出检测算法（英文）

LF RFID技术的性能易受到复杂环境因素的影响,特别是在金属环境中,会导致检测精度低、稳定性差。为此,提出了一种基于改进的最大似然的准确定位算法的进出检测方法。该定位算法包括训练阶段和定位阶段。在训练阶段,建立了修正指纹数据库,用于修正由于环境因素造成的测距误差;在定位阶段,利用修正后的测距误差,通过最大似然算法来定位目标所携带的标签位置,以检测目标的进出状态。实验结果表明,该算法的检测精度可以达到3 cm,在设定的两种行走策略下,目标的进出检测精度可以达到99%以上,满足实际应用需要。     

非合作双基地雷达测距方法与精度分析

介绍了非合作双基地雷达的基本几何关系,讨论了非合作双基地雷达中4个重要参数(基线距离、双基地距离差、发射站目标方位角、接收站目标方位角)的测量方法,利用这4个参数可构成4种测距算法。在考虑基线距离误差的情况下,推导了这4种算法的测距误差公式。仿真结果表明,各算法测距精度与双基地雷达的几何结构有关,通过优化可得空间测距精度最高区域。实际系统的测距方案应根据所能测出的参数进行选择,同时应注意各算法的适用区域。     

基于全局人工鱼群算法优化的DV-Hop定位算法

无线传感器网络具有大规模、自组织、可靠性、以数据为中心、集成化等特点,被广泛应用于军事、医疗、矿山监测、安全生产等领域。然而现有的无线传感器网络非测距定位算法还存在定位偏差较大问题。针对上述问题,本文提出一种基于全局人工鱼群算法优化的DV-Hop（Distance Vector Hop）定位算法（DEWF-D）。该算法对非测距定位算法中的DV-Hop算法出现误差的步骤进行优化处理,通过减小算法过程中出现的误差,最终得到较为精准的定位坐标。首先使信标节点以两种不同的通信半径传递消息,将跳数进行精确化处理,以减少跳数带来的误差,然后用最小均方误差准则和误差加权方式计算平均每跳距离,最后利用人工鱼群算法替换三边测量法进行坐标计算,同时又在人工鱼选择下一个位置时引入全局最优信息,并引入人工鱼的吞食行为,提高人工鱼群算法的精度以及收敛速度。通过仿真验证,在不同信标节点密度下,本算法与DV-Hop算法以及其他算法相比定位精度分别提升28.3%、6.9%、12.5%,而在不同通信半径下,定位精度提升了24.4%、7.6%、14.8%。证明DEWF-D算法能有效提升定位精度,解决了定位算法中出现的定位偏差较大问题。     

基于BP神经网络和多元Taylor级数的混合定位算法

针对多元Taylor级数算法定位精度严重依赖初始值的问题,提出一种新的混合定位算法。通过BP神经网络定位算法提供初始值,提高多元Taylor级数展开法的收敛速度;通过多元Taylor级数展开法,充分利用未知节点之间的距离信息,减小测距误差造成的定位误差。仿真结果表明:混合定位算法的精度更高,并且减少了网格间距对定位精度的影响。