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。     

基于定位误差估计的锚节点布局优化

大多数现有研究忽略了室内定位系统的最佳锚节点布局问题,传统多边测量定位算法误差分析中,存在误差面积不规则、计算困难等问题,作者提出了一种实现最小定位误差的锚节点布局方法。使用几何分析和实验分析相组合的方法研究定位误差和锚节点布局之间的关系,通过几何面积关系精确计算了双锚节点定位误差,提出了一种新的误差上限估计方法,这一误差上限反映了锚节点的位置和锚节点处的误差,可以用于比较任意两个锚节点布局之间的最大误差,描述误差的立体分布。引入耗散均匀搜索粒子群算法(dissipative uniform search particle swarm optimization,DUPSO),提出了一种新的多锚节点空间布局优化算法,找到了一种可以最大限度减少最大定位误差的最优布局。为了验证本文方法适用于各种规则、不规则环境以及不同数量锚节点最优布局的求解,仿真实现了不同数目锚节点和不同环境下锚节点的最优布局,并对不同的锚节点布局方法进行了比较。实验结果表明,使用锚节点的最佳布局,室内定位系统可以获得更高的定位精度。本文的布局优化算法是通用的,在实践中具有可行性和有效性。     

基于ＬＭＢＰ神经网络的无线室内定位方法

无线信号在复杂环境多变的室内传播时,信号传播往往发生反射、多径和障碍物阻挡等,导致信号传播模型参数的变化。由于传统的ＲＳＳＩ的定位误差较大,标准ＢＰ神经网络实现室内定位训练样本时存在目标误差下降速度较慢的问题,本文采用了ＬＭＢＰ算法,使用Ｍａｔｌａｂ软件编写ＬＭＢＰ神经网络算法代码进行性能仿真分析。实验结果显示,ＬＭＢＰ神经网络有效地解决了训练误差收敛速度慢的不足,提高了定位精度。     

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。     

一种改进的煤矿井下无线传感器质心定位算法

频繁的煤矿井下事故要求无线传感器网络能够更精确的对井下人员进行定位。利用修正加权质心算法进行定位存在较大的误差,针对该问题,在修正加权质心算法的基础上提出了一种改进的煤矿井下无线传感器质心定位算法,该算法将修正加权质心算法得到的质心作为新的锚节点,并通过多次选择、运行形成新的锚节点和质心的方法进行定位。仿真结果表明:不同的巷道宽度下,改变修正系数a的值就可以得到最佳的定位效果,同时可以通过仿真实验得到最佳定位效果下的修正系数a的值,从而使定位精度达到最好。通过比较两种算法的平均定位误差得到改进的煤矿井下质心定位算法在三种巷道宽度下分别将定位误差平均降低了0.792 6m,0.636 2 m,0.598 9 m。     

基于MDS-MAP和非线性滤波的WSN定位算法

为提高传感器网络节点的定位精度,对MDS-MAP结合非线性滤波方法的多种传感器网络定位算法进行研究.根据传感器节点间距离与节点定位坐标之间存在的非线性关系,在MDS-MAP定位算法的基础上,引入扩展卡尔曼滤波（EKF）求精算法和不敏卡尔曼滤波（UKF）求精算法,对MDS-MAP求得的节点坐标进行求精.对MDS-MAP定位算法、MDS-MAP和EKF相结合的定位算法（MDS-EKF）、MDS-MAP和UKF相结合的定位算法（MDS-UKF）的定位精度进行比较.实验结果表明：EKF和UKF等非线性滤波方法的应用可以提高定位精度,在相同条件下MDS-UKF定位算法的定位精度更高并且其生成的网络拓扑图最接近于实际网络拓扑图.     

基于多分布式天线阵列的移动台定位算法

在无线定位环境中尤其是闹市区,为了减少非视距(NLOS)误差对定位精度的影响,研究了一种基于多分布式天线阵列的移动台定位算法在不同基站数目下的性能.多分布式天线阵列定位算法是在散射体信道中,利用NLOS附加误差的相关性分析,提取散射体位置信息,进而得到移动台坐标.利用计算机仿真,改变参与定位的基站数目,比较该算法在3～7个基站时的定位精度.结果表明,该算法在基站数目为3时性能较好,能有效抑制NLOS误差影响,提高定位精度,具有一定的实用性.     

基于MR和传播模型的移动台定位算法

介绍了常见的几种移动台定位算法和传播模型。针对GSM移动通信网络中第三方用户对移动台定位的难点,提出了一种基于测量报告(measurement report,MR)和传播模型的GSM移动台定位算法,并结合测量报告的数据描述了算法实现步骤。该算法的最大优点是适合移动运营商大规模部署运行,且不需要对现有的移动网络进行大规模改造。实践结果表明,该算法可以提供高精度的定位结果,整体精度可以控制在100m以内,适合运营商大规模商业化部署和运营。     

基于映射曲线的自适应莱维鲸鱼无线定位算法

针对多维定标（MDS-MAP）算法计算效率低且定位精度不高的问题,提出了一种基于映射曲线的自适应莱维鲸鱼无线定位（AWL-MC）算法.采用映射曲线距离分析方法对待定位节点进行粗略相对定位,以提高节点的计算效率;再通过线性变换将相对坐标转换成绝对坐标;最后采用自适应莱维飞行鲸鱼优化算法对待定位节点坐标进行全局和局部搜索寻优处理,避免产生局部最优解,提高了定位精度.仿真结果表明,AWL-MC算法相比MDS-MAP算法的定位精度改进率为66.42%,计算效率提高了52.57%,相比多维定标扩展卡尔曼滤波的定位精度改进率为57.80%,计算效率提高了66.01%.     

TDOA定位技术的基本原理和算法

重点研究基于时间测量值的蜂窝无线定位算法。在分析现有无线定位技术和定位算法的基础上,本文选择了以到达时间差(TDOA)定位算法为研究重点。首先,介绍了两种比较典型的TDOA定位算法:CHAN算法和Taylor级数展开法。并在多种信道环境下对这两种基本定位算法进行了仿真比较。为了详细评价这两种算法的定位性能,本文在理想的信道环境和典型的实际信道模型(COST259和T1P1)下,研究了多种对算法定位性具有影响作用的参数,其中包括:蜂窝小区大小、参与定位基站的个数、测量设备的误差、信道中的NLOS误差等。     

无线传感器网络三维节点的插值规划定位

针对无线传感器网络中传感器节点的初始位置未知的问题,提出一种基于插值和规划算法的无线传感器网络三维节点定位算法.该算法利用锚节点坐标将节点所在空间曲面建立,并利用接收信号强度指示（RSSI）值和无线信号传播模型推导出所有可通信节点间相对距离.最后,利用0-1规划在空间曲面上选出满足距离约束且与未知节点数量相同的插值节点,从而估计出未知节点的空间位置.该算法设计简单,通信开销少.仿真结果表明,该算法具有较小的节点定位误差,并具有良好的稳定性和扩展性.     

基于改进Census变换的单目视觉里程计

针对直接法视觉里程计在光照变化场景下的失效问题,提出基于改进Census变换的单目视觉里程计,向量Census变换半直接单目视觉里程计（VC-SVO）. Census变换是立体视觉领域中非参数变换的一种,可以有效减少光照变化对图像的影响. 将Census变换引入SLAM中的后端优化,改变传统Census变换的形式,转换到欧氏空间中表示,并采用新的误差计算方法. 在SVO算法中增添非平面假设模型,扩展SVO算法并融合改进后的Census变换,通过最小化地图点的Census变换误差来得到更准确的相机位姿,同时构建环境地图. 在EuRoC、New Tsukuba Stereo与TUM公开数据集上的图像实验表明,VC-SVO实现了光照变化情况下的位姿估计,验证了算法的有效性. VC-SVO算法的精度和鲁棒性要优于已开源的SVO和基于直接法的大范围定位和地图构建（LSD-SLAM）算法.     

一种根据传播环境分类校正传播模型的方法

充分利用从电子地图获取的相关参数,提出了一种根据传播环境分类校正传播模型的方法. 实验与仿真证明,不恰当地校正传播模型可给路径损耗预测带来较大误差,误差均值达30?dB以上. 而根据传播环境分类校正传播模型的方法满足了合理校正传播模型,提高路径损耗预测准确性的目的,较之常用模型及任意选择的校正后模型,使用该方法分类校正的传播模型对路径损耗预测的准确性提高了6～30dB.     

一种复杂环境下无线传感器网络定位算法

通过对建立定位算法求解数学模型,针对RSSI(接收信号强度)受环境影响较大而提出了基于RSSI实际检测的定位算法。该算法利用锚节点实地测量信号损耗来确定定位算法的权值因子,以此进一步提高复杂环境下节点定位精度。通过模拟障碍物环境仿真实验分析可以看到,与加权质心算法相比,此定位算法的平均定位误差可下降1/4左右,而随着环境复杂度的提高,尤其是障碍物地带,其定位精度可提高一半左右。     

基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。     

QC-LDPC码的普适Kronecker积-逐步边增加算法

为了扩展QC-LDPC码的逐步边增加(Progressive edge-growth,PEG)算法,在分析Kronecker积和PEG基本算法的基础上,结合校验矩阵节点的度分布要求,提出了一种QC-LDPC码的Kronecker积-PEG普适算法。该算法通过引入Kronecker积实现基矩阵的构造,同时确定循环移位矩阵,进一步根据变量节点和校验节点的度分布要求完成了QC-LDPC码的设计,分析并证明了该算法的环长至少为girth-8。对算法性能进行了仿真验证,结果表明,该算法在保持QC-LDPC码低密度特征和良好误码性能的同时具有普适性。     

基于CFR的角度/距离联合单站定位

单站定位在室内定位中起着至关重要的作用。大多数室内定位算法都是联合多个Wi-Fi接入点（AP）进行定位,在只有w单个AP时定位精度很低甚至无法定位。针对室内环境中普遍存在的单AP定位情况,该文首先利用现有的三天线商用Wi-Fi网卡采集无线信道频率响应信息（CFR）进行信号到达角（AOA）估计。其次利用CFR幅值信息通过信号传播模型进行距离估计。提出了一种基于AOA和信号到达时间（TOA）二维聚类信息的直射路径识别算法。最后,利用现有的三天线Wi-Fi设备在室内进行了测角、测距以及定位测试,实验结果表明该文提出的单站定位系统在室内环境下中值误差可以达到1.3 m的定位精度,满足室内定位的需求。     

利用测距值优化的室内三维定位算法

为了解决实际误差分布与假设误差分布不匹配导致最小二乘三维定位算法精度较低的问题,提出一种基于测距值优化的最小二乘室内三维定位算法.结合残差修正、Cayley-Menger行列式及空间四面体几何约束,利用非线性规划方法优化测距值,使测距误差符合高斯分布特性,从而提高最小二乘三维定位算法的定位精度.实验对比分析结果显示,所提算法具有较高的定位精度及稳定性.     

Oversample Reconstruction Based on a Strong Inter-Diagonal Matrix for an Optical Microscanning Thermal Microscope Imaging System

Based on a strong inter-diagonal matrix and Taylor series expansions,an oversample reconstruction method was proposed to calibrate the optical micro-scanning error. The technique can obtain regular 2 ×2 microscanning undersampling images from the real irregular undersampling images,and can then obtain a high spatial oversample resolution image. Simulations and experiments show that the proposed technique can reduce optical micro-scanning error and improve the system's spatial resolution. The algorithm is simple,fast and has low computational complexity. It can also be applied to other electro-optical imaging systems to improve their spatial resolution and has a widespread application prospect.