一种高精度井下人员无线定位方法

在分析主流无线定位技术在井下应用局限性的基础上,提出了基于对称双向到达时间测距和最小二乘法实现井下精确定位的方法,证明了该方法对由于无线定位设备晶振频率差异导致的测量误差有较高的鲁棒性;通过分析和比较实验数据,证明了该井下精确定位方法的可行性和有效性。     

基于AFSA-LSSVM的三维传感器节点定位

为了提高三维无线传感器的定位精度,针对最小二乘支持向量机（LSSVM）参数优化问题,提出了一种人工鱼群算法（AFSA）优化LSSVM的传感器点定位方法（AFSA-LSSVM）.首先构建三维无线传感器定位模型的学习样本,然后采用LSSVM构建三维节点定位模型,并采用AFSA模拟鱼群的觅食、聚群及追尾行为找到最优LSSVM参数,最后采用仿真实验测试节点的定位性能.结果表明,相对于其它定位方法,AFSA-LSSVM提高了传感器节点的定位精度,具有一定的实际应用价值.     

人工鱼群算法优化支持向量机的无线传感器网络节点定位

为了提高无线传感器的定位精度,针对支持向量机(SVM)参数优化问题,提出一种人工鱼群算法(AFSA)优化SVM的传感器节点定位方法(AFSA-SVM)。首先构建无线传感器定位模型的学习样本,然后采用SVM构建节点定位模型,并采用AFSA模拟鱼群的觅食、聚群及追尾行为找到最优SVM参数,最后采用仿真实验测试节点的定位性能。结果表明,相对于其他定位方法,AFSASVM提高了传感器节点的定位精度,具有一定的实际应用价值。     

基于UWB的井下人员定位算法研究

针对井下高实时性、高精度的人员定位需求,研究了基于超宽带（UWB）的井下人员定位算法。采用双边双向测距（DS-TWR）方式测量定位基站与定位标签的距离,该方式不需要定位基站与定位标签系统时钟同步,从源头上提高了定位精度。根据测距信息,采用加权最小二乘（WLS）算法和CHAN两种位置解算算法估算定位标签的坐标,通过静态实验和动态实验对2种算法的性能进行对比分析,并通过均方根误差和误差累计分布函数（CDF）综合评估定位精度。实验结果表明：静态实验时,CHAN算法和WLS算法的均方根误差分别为5.878 6,8.007 4 cm,CHAN算法的均方根误差比WLS算法低26.59%;动态实验时,CHAN算法和WLS算法的均方根误差分别为12.292 3,21.180 9 cm,CHAN算法的均方根误差比WLS算法低41.97%;CHAN算法的定位精度高于WLS算法,更加适用于煤矿井下人员定位。     

改进克里金插值算法的井下无线定位指纹库构建方法

针对煤矿井下巷道中构建一个采集点密集分布的无线定位指纹库,需要逐点采集信号,会耗费大量的人力和时间,为此提出基于模拟退火SA(Simulated Annealing)人工蜂群ABC(Artificial Bee Colony)混合算法优化克里金(Kriging)插值算法的构建井下无线定位指纹库的方法。首先通过无线网络采集井下巷道部分采集点的指纹数据,并建立采集指纹数据库。其次利用采集指纹数据库构建Kriging插值算法模型,再通过SA-ABC算法对变异函数的参数寻优,建立SA-ABC-Kriging插值算法模型。再次用插值算法估算出预测点的信息数据,并建立插值指纹数据库。最后将采集指纹数据库和插值指纹数据库构建井下无线定位指纹库。实验表明,该构建方法比传统Kriging插值算法的定位精度和插值精度更高,而且可减少50%的人工采集指纹数据工作量。     

面向多跳WSNs的基于LSSVR的节点定位算法

多跳无线传感网络WSNs(Wireless Sensor Networks)中的多类应用均需要准确的位置信息.为此,提出面向多跳WSNs的基于最小二乘支持向量回归机定位算法 LSSVR-LA(Least-Squares Support Vector Regression location algorithm).LSSVR-LA算法先引用转发区域概念,并通过转发区域建立测距模型,然后再利用Secant 算法估计传感节点与锚节点间距离,最后将这些距离作为LSSVR输入,建立了基于LSSVR定位算法模型.最终,估计未知节点的位置.实验数据表明,提出的LSSVR-LA算法的定位精度得到有效地提高.     

最小二乘支持向量机的一种稀疏化算法

介绍了一种稀疏化最小二乘支持向量机的剪枝算法。由于支持值图谱中小的支持值所对应的训练样本在算法执行阶段所起的作用较小,所以删除它们不会引起性能的显著下降。仿真实验表明,该算法不但简单、易于实现,而且能够保持良好的分类性能。     

一种基于SVR的定位误差修正算法

针对井下无线信号传播环境发生改变需要重新采集RSS(Received Signal Strength)指纹数据的问题,提出一种基于支持向量回归(SVR)的定位误差修正算法。该算法在离线阶段利用支持向量回归机,建立待训练点的RSS值和定位结果与定位误差之间的非线性关系,在线阶段利用该模型计算RSS样本的定位误差,并修正定位结果。实验结果表明,在离线训练点数量增加前后,该修正算法比指纹匹配算法的定位误差分别减少了22%与38%。     

混沌粒子群优化神经网络的井下人员无线定位方法研究

针对井下人员定位系统定位精度较低,不能满足智慧煤矿的需求,提出一种基于混沌粒子群算法优化Elman神经网络的井下人员无线定位方法。该定位方法首先在井下巷道无线网络环境中,利用无线终端采集一定数量的样本点指纹数据库。其次初始化Elman神经网络,利用混沌粒子群优化算法对神经网络权值和自连接反馈增益因子寻优。再次用指纹数据库对优化过的Elman神经网络进行训练和测试,建立神经网络定位算法模型。最后通过无线终端采集定位点的指纹数据,由神经网络定位算法模型进行实时定位。经试验表明,该井下人员无线定位方法平均定位误差为1.35 m;而混沌粒子群算法优化Elman神经网络定位算法,其算法全局搜索能力更强,更适合井下时变环境中应用。     

一种改进的LS-SVR定位算法

研究无线网络传感器节点定位技术问题,根据特征量重要度最小二乘支持向量回归(LS-SVR)的定位方法,为提高可靠目标跟踪效果,提出了一种改进策略.算法的主要思想是:根据已知锚节点坐标信息,通过对探测区域网格化采样,得到包含未知节点到各锚节点的距离和未知节点坐标的训练样本集,利用LS-SVR训练得到定位模型,定位时以用多个锚节点的平均每跳距离的平均向量作为模型的输入,将模型输出作为未知节点的估计坐标.仿真结果表明,算法在不需要增加节点的硬件开销的基础上提高了定位精度,是无线传感器网络中节点定位的一种实用方案.     

改进的井下人员定位PDR算法研究

传统的行人航位推算(PDR)算法用于井下人员定位时,因步频检测、步长估计和航向估计阶段的姿态累计误差导致定位误差逐渐增大,而常用的零速校正、航向漂移消除、步态信号优化等误差修正方法无法改变PDR算法的固有缺陷,定位精度有待提高。提出采用改进的峰值检测法实现PDR算法中步频检测,基于深度循环神经网络(RNN)实现步长估计。将改进的PDR算法用于井下人员定位:首先采用手机加速度传感器、陀螺仪、磁力计获取行人运动数据;然后采用改进的峰值检测法获取固定时间间隔内的平均步频,与时间间隔、加速度及加速度方差作为特征输入训练后的深度RNN模型进行步长估计;最后结合估计的航向角预测人员当前位置。试验结果表明,改进的井下人员定位PDR算法对测试集数据的预测相对误差为5.9%,对实际测试路线的定位相对误差为1.6%~3.9%,小于传统PDR算法定位误差,有效提高了井下人员定位精度。     

基于AFSA-LSSVM的短时交通流量预测

为了提高短时交通流量的预测精度,针对最小二乘支持向量机（LSSVM）参数优化难题,提出一种人工鱼群算法（AFSA）和LSSVM相结合的短时交流量预测模型（AFSA-LSSVM）,通过采用AFSA优化LSSVM参数,并采用具体短时交通流量数据进行仿真实验。仿真结果表明,相对于参比模型,AFSA-LSSVM可以获得更优的LSSVM参数,能够更加准确地描述短时交通流量变化趋势,提高了短时交通量的预测精度,为非线性短时交通流量预测提供了一种新的研究思路。     

基于权重参数实时更新的室内定位算法

为了提高室内节点的定位精度,提出一种基于权值参数实时更新的室内定位算法。选择3个最能反映待定位点信息的访问接入点,实时获取测距模型的参数,并采用最小二乘支持向量机对测距进行补偿,得到距离权重,三边定位算法根据权重对节点进行定位,并对计算中的距离进行加权处理,采用卡尔曼滤波法对定位误差的进行校正。实验结果表明,该算法可以较好地降低环境变化和测量误差对定位的不利影响,提高了室内节点的定位精度。     

改进人工鱼群算法在SVM参数优化中的应用

支持向量机的参数优化一直是一个重要的研究方向。参数的好坏很大程度上决定了支持向量机的分类精度和泛化能力。针对人工鱼群算法优化支持向量机参数时,容易在后期徘徊于最优解附近、难以逼近的问题,提出了人工鱼群加速算法,使用速度参数代替人工鱼步长,从而求得最优目标并得到SVM的最优参数组合。仿真实验结果表明：该算法收敛速度快,求解数值精度高,对初值的依赖程度低,在SVM参数优化中具有更好的性能、更高的分类准确率,是一个极其有效的参数优化方法。     

基于LSTM个性化步长估计的井下人员精准定位PDR算法

针对传统的行人航位推算(PDR)算法由于步长和航向累积误差导致定位精度较低,不能满足井下人员精准定位需求的问题,提出了一种基于长短时间记忆网络(LSTM)个性化步长估计的井下人员精准定位PDR算法。首先采集井下人员运动中的加速度、陀螺仪惯性信息,解算每一步运动距离构建步长数据,通过离线训练获得井下人员个性化步长估计LSTM模型;然后在在线预测阶段通过矿用本安智能手机实时采集加速度、陀螺仪、地磁等井下人员运动数据,分别采用步伐检测算法、个性化步长估计模型获得井下人员运动步伐及每一步的步长,利用卡尔曼滤波融合航向估计算法获得航向角;最后根据步长估计和航向角预测井下人员当前位置。在内蒙古鄂尔多斯市高头窑煤矿采集井下人员运动数据进行试验,结果表明:基于LSTM个性化步长估计的井下人员精准定位PDR算法对井下人员运动中的步伐检测精度为96.5%,步长预测精度为90%;在井下真实环境中的相对定位误差为2.33%,提高了煤矿井下人员定位的精度。     

基于粒子群优化的无线传感器网络非视距节点定位算法

针对室内环境中传感器节点间的非视距传播会降低定位精度的情况,研究基于无线传感器网络的非视距节点定位方法。根据不同环境下信标节点的测量模型和视距传播概率建立目标函数,采用粒子群优化算法估计出未知节点的位置,将利用最小二乘法计算出的节点位置作为粒子的初始位置。仿真结果表明,通过与最小二乘法、残差加权和RANSAC算法相比较,所提出算法能够较好地削弱非视距误差,且具有更高的定位精度。     

煤矿井下超宽无线传感器网络定位技术的研究

超宽带技术作为一种新型短距离无线通信方式,其所采用的纳秒级窄脉冲具有许多传统正弦载波无法比拟的优势。基于超宽带技术本身具有的特性,将其与无线传感器网络技术相结合,可以广泛应用于煤矿井下环境,通过无线传感器网络节点定位实现安全监测。本文主要介绍了无线传感器网络节点定位基本原理和算法,提出适合煤矿井下环境的定位算法,并且在传统的测距定位方法基础上进行改进。仿真结果表明,改进的定位算法有效的提高了节点定位精度和定位性能。     

基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法

对于非线性系统预测控制问题, 本文提出了一种基于模型学习和粒子群优化(PSO)的单步预测控制算法.该方法使用最小二乘支持向量机(LS-SVM)建立非线性系统模型并预测系统的输出值, 通过输出反馈和偏差校正减少预测误差, 由PSO滚动优化获得非线性系统的控制量. 该方法能在非线性系统数学模型未知的情况下设计出有效的预测控制器. 通过对单变量多变量非线性系统进行仿真, 证明了该预测控制方法是有效的, 且具有良好的自适应能力和鲁棒性.     

基于CQPSO-LSSVM的网络入侵检测模型

为了提高网络入侵检测率,提出一种协同量子粒子群算法和最小二乘支持向量机的网络入侵检测模型(CQPSO-LSSVM)。将网络特征子集编码成量子粒子位置,入侵检测正确率作为特征子集优劣的评价标准,采用协同量子粒子群算法找到最优特征子集,采用最小二乘支持向量机建立网络入侵检测模型,并采用KDD CUP 99数据集进行仿真测试。结果表明,CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。     

基于锚球交域重心的WSN三维定位算法研究

针对无线传感器网络在三维空间应用场景,基于Bounding Cube算法,提出一种基于锚球交域重心的无线传感器网络三维定位算法,通过求解相交球区域重心,确定未知节点可能的定位坐标位置。算法通过降维处理,简化了计算的复杂度。仿真结果表明,在10 m×10 m×10 m的区域内随机部署1 000个传感器节点,锚节点比例由4%增加到10%的过程中,算法的定位精度比Bounding Cube算法平均提升了48.93%,仅需40个锚节点,就能将定位误差降低到31.96%。