基于802.11p协议改进的车辆测距算法

随着交通事故的增长和智能交通的发展,基于车辆碰撞预警和交通管理的新服务引起了广泛关注。目前,基于全球导航卫星系统(GNSS)的定位技术已应用到车辆环境中。由于GNSS存在的盲区(例如森林,隧道等)会导致定位结果不准确,在车辆自组织网络(VANET)中,提出了基于IEEE 802.11p标准的定位方法。提出了用IEEE 802.11p短前导码的高效到达时间(TOA)或测距估计方法,以降低低信噪比(SNR)的影响。使用了自相关和互相关(混合相关)来执行到达时间(TOA)估计,对相关结果进行间隔求和的方法以达到更精确定位的目的。在加性高斯白噪声(AWGN)信道中的仿真结果表明:在低SNR条件中,提出的测距方法相比传统方法达到了更高的精度。     

ADSN多传感器定位的古民居自动绘图体系

便携快捷的无损绘图是ADSN(Ancient Dwellings Sensor Network)的重要功能。通过ADSN携带定位传感器与节点通信RSSI功能,完成对不同角色节点之间精确定位与测距,形成距离可知的拓扑。 RSSI信号散度测距与红外传感器的点到点精度定位校正近距离RSSI精度,与远程超声点对点精确测距形成远程RSSI校正,通过测距拟合使得RSSI测距在50米范围达到10CM的精度。通过部署功能性节点(ID)完成对民居的功能性区域采样,形成对不同功能区域定位;形成拓扑后,使用标准功能图样库进行匹配与修正,完成对古民居的实景绘图。实际应用证明了方法的实用性。     

基于矿井WiFi通信系统的混合定位方法研究

分析了现有矿井目标定位方法原理及存在的问题:非测距定位中的基于射频识别技术的定位方法、基于蜂窝小区标识的定位方法和无线传感器网络定位方法只能确定目标节点的范围,定位精度较差;测距定位精度较高,但基于到达角度的定位方法、基于到达时间的定位方法和基于到达时间差的定位方法对硬件设备要求较高,难以在煤矿井下应用;基于接收信号强度的定位方法易于实现,但受环境噪声影响较大,定位精度降低。提出了一种基于矿井WiFi通信系统的混合定位方法,该方法分粗细两步进行定位:粗定位采用基于蜂窝小区标识的非测距定位方法,确定目标所在的小区范围;细定位采用基于接收信号强度的测距定位方法。该混合定位方法可以在不增加定位系统复杂度的情况下提高目标定位的精度。     

基于JENNIC平台的无线传感器网络节点定位系统设计

针对传统无线节点定位算法中到达时间测距算法(TOA测距),需要大量的硬件支出来实现节点的时间同步的,以此来实现节点测距,从而实现节点定位的问题,这里通过无线微处理器JN5121与一种全新的基于信息时差的距离测算方法的结合,构建了一种全新的基于Zigbee协议的无线监测、定位网络;经系统运行实验表明;系统不需实现各个节点的时间同步,减少系统能耗,工作性能稳定,满足低密度、低精度、低成本的无线网络需求.     

用线性调频扩频技术测距的室内质心定位方法

提出一种利用线性调频扩频技术进行通信并实现测距的方法,该测距方法能够适用于复杂室内通信环境的无线传感器网络节点间的测距。在三边测距定位的基础上,提出了四边测距定位算法,突破了三边测距定位的局限性。为了进一步提高精度,采用了求质心和加权质心的方法。实验结果表明,加权质心算法具有较高的精度,整个定位过程中,节点间无需额外的通信开销,具有广泛的实用性。     

基于接收功率电平的三角质心近距离定位算法

针对无线传感器网络中近距离定位精度较低的问题,提出了一种基于接收功率电平(RPL)的免标定三角质心定位算法.该算法使用无线信号参数RPL代替传统接收信号强度指示(RSSI),应用于测距模型中,与传统三角质心定位模型相结合,从而达到降低测距误差、提高定位精度的目的.通过仿真实验,将基于RPL的三角质心定位算法与基于RSSI的三角质心定位算法进行对比,结果表明:在实验环境下,基于RPL的三角质心定位算法比基于RSSI的三角质心定位算法精度提高了59.02％,定位精度有明显提升.     

一种新的船载激光测距仪动态精度检测方法

提出了一种新的船载激光测距仪动态测距精度检测方法,通过地面固定激光合作目标和船载全球卫星导航系统(Global Navigation Satellite System,GNSS)接收机组成动态基线,采用GNSS事后动态精密单点定位获得高精度的动态基线,进而实现船载激光测距仪动态测距精度检测。利用船载实测数据对该方法的有效性进行验证,结果表明:GNSS动态精密单点定位精度可达到11 cm,能够实现米级船载激光测距仪测距精度的检测。     

基于自适应抗差卡尔曼滤波的UWB室内定位

在UWB室内定位中,测距中存在的NLOS误差和测距异常值会大幅降低其定位的精度和可靠性.针对这一问题,提出了一种自适应抗差卡尔曼滤波方法.该方法首先在UWB距离模型的基础上,利用新息向量和LOS环境下的阈值所构造的抗差因子鉴别并削弱NLOS测距误差和测距异常值的影响,同时利用Sage-Husa滤波对系统噪声进行实时估计和修正,在此基础上推导UWB定位的线性模型,利用卡尔曼滤波进行UWB定位解算.实验结果表明,该方法能有效地抑制并消除UWB测距中的NLOS测距误差和测距异常值的影响,进而能提高UWB定位的精度和可靠性.     

基于RSSI与TDOA的混合测距加权定位算法

对RSSI和TDOA测距技术优缺点进行分析,提出了基于（接收信号强度指示（RSSI）和信号到达时间差（TDOA）的混合测距加权定位算法,解决无线传感器网络定位系统中单纯依靠TDOA测距造成信标节点数量不足的问题。该算法根据测距方式的精度差异对测距结果进行加权校正处理,仿真实验表明,通过选择合适的加权值可以大大降低采用RSSI测距方式对定位精度产生的不利影响。     

狄克逊检验法滤波RSSI的室内定位算法

针对接收信号强度指示(Received Signal Strength Indication,RSSI)测距定位算法存在定位结果不稳定且精度低的问题,本文分析了一种基于狄克逊检验法滤波RSSI的高斯牛顿定位(Dixon test filter RSSI Gauss-Newton,DF-RSSI-GN)算法。采用狄克逊(Dixon)检验法滤波剔除观测信号异常值使得观测数据偏度降低,根据偏态程度对观测信号进行高斯均值滤波并通过非线性回归模型拟合RSSI衰减模型参数,在目标点坐标求解阶段利用滤波后的观测信号确定不同方向上的权值进行高斯牛顿(Gauss-Newton)迭代定位。实验结果表明,DF-RSSI-GN算法定位平均精度在1.5 m左右,相比RSSI定位算法和最小二乘定位算法,精度提高1倍以上。     

基于超宽带技术的TDOA室内三维定位算法研究

在室内环境下对目标进行无线定位时,由于障碍物的遮挡而造成的非视距（NLOS）误差对定位精度产生了很大的影响。针对此问题,对利用超宽带（UWB）技术测量得到的到达时间差（TDOA）数据进行残差分析,首先鉴别测得的数据中是否存在NLOS误差,然后针对存在NLOS误差的情况,提出将Fang算法得到的定位结果作为泰勒级数展开法的初始定位值,组成Fang-Taylor级数联合算法来计算NLOS情况下的定位结果。而对于视距（LOS）情况下测得的数据,仍采用单一的Fang算法进行计算。仿真对比实验表明,Fang-Taylor级数联合算法有效地提高了室内NLOS环境下目标的定位精度。     

基于UWB的密集行人三维协同定位算法

针对复杂室内环境中密集行人定位精度低、超宽带(UWB)基站密度要求高的问题,提出一种基于UWB的密集行人三维协同定位算法。首先使用聚类算法抑制测距数据中较大非视距(NLOS)误差,并使用高斯均值混合滤波抑制标准测量误差;然后提出双层协同定位算法,建立协同定位数学模型,并结合迭代初始值获取策略进行初步定位,降低了基站数量要求,在筛选出NLOS误差较小的测距数据并修正后,进行二次定位;最后考虑行人高机动性,设计一种交互多模型卡尔曼滤波算法,缓解了定位结果跳变问题。实验结果表明,所提算法在弱NLOS环境和强NLOS环境下定位精度分别达到0.11 m、0.17 m,相比其他算法,具有较高定位精度,进一步降低了对UWB基站密度要求。     

一种基于蓝牙信标的室内定位系统

针对室内定位与导航服务的应用需求,使用蓝牙信标节点,构建了一种米级室内定位系统.设计了一种基于CC2540F256的蓝牙4.0信标节点,采用优化均匀部署方法完成信标的布设,在此基础上配置信标BLE协议栈进行位置标识;在安卓平台下搭建定位终端,利用三角质心定位方法实现位置估计.该系统在传统RSSI定位方法的基础上,加入阶段去噪与平滑滤波过程,用于提高测距准确度和稳定性.在实验室楼道测试环境下,平均定位精度可达1.5m,具有布设方便、功耗低和绿色环保的特点.     

一种基于卡尔曼滤波的超宽带室内定位算法

为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,提出了一种基于卡尔曼滤波(KF)的超宽带室内定位算法.利用超宽带接收信号的信噪比区分视距和非视距环境,给出了超宽带传感器测距性能最小二乘标定模型,减小测距系统误差;判断相邻测距差分是否在阈值范围内,否则用卡尔曼滤波先验估计替代后验估计处理测距结果,由此减弱多径效应和非视距误差对测距的影响;用扩展卡尔曼滤波器(EKF)实现室内定位.实验结果表明:算法在复杂室内环境中可达到亚米级的动态实时定位精度.     

基于误差预测的自适应UWB/PDR融合定位算法

为了解决在室内非视距(NLOS)定位场景中超宽带(UWB)技术性能不佳、航位推算(PDR)算法累积误差过大的问题，以及由环境因素引起的UWB性能下降的问题，提出了一种基于UWB误差预测而自适应系数调节的UWB/PDR融合定位算法。该算法创新地提出了利用支持向量机(SVM)回归模型对复杂环境中UWB定位误差进行预测，并以此为基础，为常规的扩展卡尔曼滤波(EKF)算法添加了自适应调节系数，以提高UWB/PDR的融合定位效果。实验结果表明，所提算法在复杂UWB环境中可以有效预测当前UWB定位误差水平，并通过自适应调整融合系数提高精度，使得较常规EKF算法在一般区域的定位误差降低了18.2%，在UWB精度较差的区域中的定位误差降低了48.7%，从而减小了环境对UWB性能的影响；在包含UWB的视距内(LOS)及NLOS的复杂场景中，通过融合定位算法，将定位每百米误差由米级降低至分米级，解决了NLOS场景中PDR 误差过大的问题。     

基于UWB的消防员室内协同定位算法

为了在复杂火场环境下获取消防员的精确位置,提出基于超宽带(ultra-wideband,UWB)的消防员室内协同定位算法,充分利用目标到UWB基站以及到其他目标的测距信息进行定位.采用线性拟合方式对测量距离中存在的标准偏差进行预处理;针对目标位置解算及非视距(non-line-of-sight,NLOS)误差缓解问题,...     

基于UKF的环境自适应UWB/DR室内定位方法

针对复杂室内环境下超宽带（Ultra WideBand,UWB）信号传播的非视距（Non Line Of Sight,NLOS）误差问题,本文提出了一种基于无迹卡尔曼滤波（Unscented Kalman Filter,UKF）的环境自适应UWB/DR室内定位方法.该方法通过建立自适应UKF滤波模型,将UWB定位信息和航迹推算（Dead Reckoning,DR）定位信息进行融合.依据新息和高斯分布的3σ原则来对UWB定位结果进行非视距检测,再通过新息的实时估计协方差和理论协方差来构建环境适应系数,进而用此系数动态修正UWB定位的观测噪声,使得观测噪声自适应真实环境,降低NLOS误差对融合定位结果的影响.实验结果表明,该方法能有效减小UWB定位的NLOS误差,并且由于环境适应系数的创新引入,比UKF定位和粒子滤波定位（Particle Filtering,PF）有更高的定位精度和更强的抗NLOS误差性能.     

基于TDOA和RSS的可行域粒子滤波非视距定位算法

针对室内复杂环境下无线传感器节点的信号传播状态在LOS/NLOS之间切换的现象,提出基于TDOA和RSS的可行域粒子滤波非视距定位.首先采用基于TDOA和RSS两种测距模型的假设检验方法去辨识测量信号中是否存在NLOS现象,然后采用考虑NLOS测量信息的可行域粒子滤波方法对未知移动节点的位置进行定位.仿真结果表明,所提出的方法优于最小二乘法、普通的粒子滤波算法以及仅采用RSS测距模型的粒子滤波算法,具有较高的定位精度.     

LOS／NLOS环境中融合TOA与RSSI的IMM目标跟踪

针对视距（Line-of-sight,LOS）和非视距（None．1ine—of-sight,NLOS）混合环境中的运动目标跟踪问题,提出一种基于TOA（到达时间）与RSSI（接收信号强度）测量融合的交互式多模型（Interacting Multiple Model,IMM）鲁棒跟踪算法。目标与基站之间的LOS、NLOS传输分别用扩展卡尔曼滤波（EKF）和扩展Hoo滤波（EHF）进行匹配,并采用马尔可夫过程对模型间的转换进行描述。MonteCarlo仿真结果表明,与单纯TOA测量跟踪相比,该算法具有较高的定位精度和较好的跟踪稳定性,且计算复杂度相当,具有较好的可实现性。