基于IGWO-GRNN的室内3D定位算法

为解决基于相对位置的定位算法易受环境干扰,定位精度不高的问题,提出一种基于改进灰狼算法-广义回归神经网络(IGWO-GRNN)的室内3D定位算法.利用GRNN建立3D定位模型,通过IGWO优化平滑因子,将待测节点与信标节点间的信号强度值作为神经网络的输入,神经网络的输出即为待测节点的真实三维坐标.将仿真结果与其它算法进行比较,验证了所提算法的定位精度与收敛速度均优于其它算法.     

基于PSO-BP神经网络的煤矿井下自适应定位算法

提出了一种基于PSO-BP神经网络的煤矿井下自适应定位算法。针对传统的基于测距模型的定位算法易受煤矿井下环境干扰、测距误差大的问题,选择指纹匹配定位模型。针对煤矿井下环境强时变性,易增大实时采集的指纹信息与离线阶段建立的静态指纹数据库信息的匹配误差问题,将信标节点作为参考点的校准节点,以更好地反映参考点随环境变化的情况,避免增加额外的校准节点;在不增加硬件成本的同时,通过动态补偿法实时修正目标节点指纹数据,解决了指纹匹配定位模型自适应差的问题。匹配定位阶段采用PSO优化BP神经网络权值,以加速BP神经网络收敛,提高学习速度。实验结果表明,该算法更加适应随时间变化的煤矿井下环境,满足井下自适应定位要求。     

基于长短期记忆网络修正测距的水下定位算法

人类对海洋资源的探测与开发的主要方式是通过水下传感器网络来实现的,而水下传感器节点收集的数据在丢失精确的定位信息时便失去了其主要的价值。因为现在许多已经被广泛使用的水下定位算法仍然难以实现精确的测距,所以导致其定位精度偏低、不理想。本文提出一种基于长短期记忆网络修正测距的水下定位算法,该算法使用一种循环神经网络的变体模型长短期记忆网络来改进基于信号到达时间差测距算法,通过处理海洋环境的历史信息、测距值等数据进行训练,能够高效准确地预测当前的测距修正值,从而获得优化测距误差的效果。通过上述两者的有效结合进一步改进多边定位算法,实现对水下未知节点的精准定位。最后通过仿真实验和算法对比验证本文所提的算法确实具有较高的定位精度和可行性。     

基于RSSI测距的交点质心定位算法研究与室内应用修正

目前的传感器网络节点定位的技术主要有基于测距的定位技术和无需测距的定位技术。本文重点研究了基于RSSI测距的交点质心定位算法。主要研究工作包括RSSI测距模型与模型参数优化方法的分析与研究、交点质心定位算法的实现、交点质心算法在室内环境应用的修正等。应用结果表明,修正后的定位算法可在一定程度提高定位精度。     

基于组合测距的无线传感器网络自定位算法

针对如何在锚节点密度较低的情况下提高无线传感器网络中节点自定位精度的问题,本文提出了一种基于RSSI和TDOA组合测距的加权质心定位算法.该算法分别对传统RSSI和TDOA测距模型增加了校验参数及温度补偿,将未知节点与锚节点间距离估计值的倒数作为权值参数,再利用加权质心算法计算出未知节点的位置坐标.硬件试验表明室内环境中基于改进RSSI测距模型的定位算法相比于传统RSSI质心定位算法的误差改进比率为56.2%,仿真结果显示基于组合测距的定位算法在锚节点密度较低时也能达到较高的定位精度.     

基于高斯修正测距模型的节点改进加权质心定位算法设计

针对无线传感器网络中传统的质心定位算法具有定位精度不高的缺点,提出了一种基于RSSI测距的改进加权质心定位算法。首先,分析了无线电传播路径损耗模型,采用高斯模型对RSSI信号强度值进行了修正,从而可以根据修正后的RSSI均值更准确地进行测距;然后,使用改进的Eucliean定位法对节点位置进行初定位,在获得若干组定位锚节点集的基础上,采用改进的加权质心定位算法进行节点位置终定位;最后对基于RSSI测距修正的加权质心定位算法进行了定义和描述。仿真实验表明,文中方法在仅增加计算开销的情况下能实现节点的准确定位,且与其它方法相比,具有较小的测距误差和定位误差。     

基于修正残差的物联网节点定位算法仿真

针对物联网系统中,底层传感节点种类众多,分布随机性很强,节点分布不均匀,节点之间的属性存在较大差异,很难建立统一的节点属性的测距模型.传统的测距定位算法由于无法建立统一的定位测距模型,造成在密集节点区域节点属性多样化明显,造成节点属性的测距误差较大,引起定位不准的问题.提出了一种基于修正残差算法的物联网节点定位方法.通过对测距结果进行测距残差的有效修复,在残差修正的基础上,利用跟踪滤波算法进行节点的跟踪处理,保证未知节点的位置计算的准确性.计算机仿真结果证明,改进方法能够较大幅度提高物联网结构下节点定位的准确性,在物联网小区域的节点定位领域有广阔的应用前景.     

一种井下配电网故障测距方法

针对采用随机选取法、K-均值聚类法确定RBF神经网络隐含层节点中心和宽度只能得到局部最优解、基本粒子群优化算法易发生早熟收敛且对于某些函数优化精度差的问题,提出了将惯性权重模型和收敛因子模型相结合的改进的粒子群优化算法;针对煤矿井下配电网发生单相接地故障后定位困难、传统的故障测距方法存在可靠性差、测距精度低的问题,提出了采用改进的粒子群优化算法优化RBF神经网络进行井下配电网单相接地故障测距的方法。仿真结果表明,经改进的粒子群优化算法优化的RBF神经网络的测距精度高于RBF神经网络,能够实现故障点的准确、可靠定位。     

基于测距和灰狼优化的无线传感器网络定位算法

节点定位是无线传感器网络实际应用中的关键问题,为了提高定位精度,提出了一种基于测距和改进灰狼优化的无线传感器网络定位算法。本文提出了一种用三个信标节点坐标估计未知节点坐标的定位数学模型,通过该模型完成未知节点初步定位估计,将其作为基于对数递减策略的灰狼优化算法的初始值,通过改进灰狼优化算法寻优获取未知节点的优化坐标。仿真结果显示：通过与已有相关定位算法相比较,本文所提出的算法定位精度更高,并且具有对测距误差鲁棒性强的优点。     

基于蓝牙技术融合混合滤波与神经网络的室内测距方法

为了解决用户在基于蓝牙技术的室内测距定位中,接收信号强度指示（RSSI）数据存在采样值波动和不稳定问题,提出了一种改进的融合混合滤波与多隐藏层神经网络的室内测距方法,通过结合各类单一滤波算法的优点,使用加权的混合滤波算法有效平滑了数据,并引入机器学习算法中的多隐藏层神经网络来构建RSSI和锚节点到信号接收器距离的非线性映射关系。此外,还搭建了基于CC2640R2F的锚节点和以手机作为蓝牙接收器的验证平台,对提出的测距方法进行验证。理论分析与实验结果表明,所提出的室内测距方法的测距结果平均误差约为0.13 m,可以有效降低测距误差,具有易于布设、功耗低、成本低等特点,在提高室内定位的稳定性和精准度等方面具有较高的应用价值。