定位传感器及其融合技术综述

定位技术是自主式移动系统研究领域中最关键的技术之一 ,可以大致地分为绝对定位技术和相对定位技术。本文探讨了自主移动系统定位技术、定位传感器及其融合方法 ,以及提高定位精度的措施     

综采工作面采煤机定位技术研究现状及展望

通过介绍国内外综采工作面采煤机定位技术发展现状,分析了采煤机常规定位技术、采煤机捷联惯导定位技术、采煤机捷联惯导定位误差补偿技术、基于捷联惯导和其他方法的采煤机组合定位技术的特点,指出研究捷联惯导的定位解算策略、探寻无线传感器网络与捷联惯导的紧耦合融合策略、研究复杂振动及多径效应下采煤机空间定位技术是采煤机定位技术的发展趋势。     

物联网几种定位技术的分析比较

定位技术在社会领域已得到广泛应用,如何利用定位技术更准确更全面地获取位置信息,成为当今物联网时代亟待解决的重要课题。本文通过对GPS定位、WiFi定位、RFID定位、ZigBee定位等四种常用定位技术原理、方法、优缺点的分析,以及服务区域、定位精度、定位时间、应用场景的比较,为实际应用范围的不同选择合适的定位技术,以实现较为精确的定位,提供了指导、实践和研究价值。     

定位传感器及其融合技术综述

定位技术是自主式移动系统研究领域中最关键的技术之一，可以大致地分为绝对定位技术和相对定位技术，本文探讨了自主移动定位技术、定位传感器及其融合方法，以及提高定位精度的措施。     

基于无线数据的高精度超宽带定位方法综述

基于目前GPS、北斗定位系统因建筑物阻隔等因素而在室内定位效果不佳的情况,以超宽带(UWB)、WiFi、蓝牙等为基础的室内定位技术得到了广泛应用和快速发展,其中的UWB技术因其传输速率高、功耗小、抗干扰能力强和精度高等特点更是占据着重要的地位。从室内定位技术、UWB定位方法和UWB硬件设施3个角度对室内定位技术进行了分析和总结,针对构建室内定位系统,特别是以UWB技术为代表的高精度室内定位技术方法进行综合论述,并探讨了未来高精度UWB室内定位技术的发展方向。     

无线局域网中基于信号强度的快速定位算法研究

无线局域网的定位技术是跟踪无线终端的重要方法,通过无线定位可以了解无线终端的行为意图,因此无线局域网定位技术越来越受到人们的关注。在无线局域网的室内定位中,由于室内距离近、结构相对复杂,障碍物的影响难以忽略,各种噪声的干扰是室内定位的困难之一。本文是为了确定用户的位置信息,提出了快速无线局域网定位方法。通过实验证明,该方法是一种高效可行的定位技术。     

软件故障定位技术进展

故障定位是调试过程中一项耗时费力的工作。为了降低调试成本,并辅助开发人员定位和修复软件故障,软件故障定位技术通过审查源代码、分析测试过程的软件行为和测试结果来定位包含故障的代码片段。综述了近期故障定位领域相关成就,分类介绍了各种代表性的故障定位方法的基本原理和建模技术,讨论了这些故障定位技术的贡献以及它们之间的主要区别,给出了常用的故障定位效果基准测试集和度量方法,展望了故障定位技术的研究方向。     

基于改进遗传算法的开放式鲁棒融合定位方法

针对现有蜂窝网定位技术在实际应用中没有完整的定位测量参数就无法完成定位的缺点,提出了一种开放式的鲁棒融合定位新方法。该方法以信息融合技术为理论基础,融合异质异构的定位信息进行定位,在保证定位精度的前提下提高了定位算法的鲁棒性。仿真结果验证了该方法的有效性、开放性和鲁棒性。     

一种新的GPS定位解决方法

本文介绍了GPS定位系统为人们提供位置服务的重要性,分析了纯粹的GPS定位和基于无线网络的定位技术的优缺点,为了克服二者的不足,实现在任何情况下的定位,文章从技术的角度介绍了一种新兴的定位方法——A-GPS方法,最后,为了增强定位技术的实用性,探讨了一种混合定位技术。     

城市微小区射线跟踪定位原理与模型

文章把无线电波射线跟踪技术引入定位技术中,提出了射线跟踪场强、时延、到达角定位序列的概念,从原理上说明了场强、时延、到达角定位序列的正确性和实用性,并用模型验证了场强、时延定位序列的唯一性,证明了序列定位原理与方法的正确性。     

基于DV-Hop定位算法和RSSI测距技术的定位系统

针对 DV Hop算法在实验环境中存在的问题，加入接收信号强度指示器（RSSI）测距模块辅助定位，对算法进行改进。为了实现定位系统，首先，需要建立当前实验环境的RSSI模型；然后，应用该模型，从锚节点和非锚节点两方面分别控制DV Hop定位过程。实验证明：改进后的定位系统在增加少量计算复杂度的情况下，改善了系统的稳定性，提高了定位的精度，可以被应用到无线传感器网络中。     

虹膜定位算法的研究

虹膜识别系统中的虹膜定位精度和定位速度影响识别系统性能.在分析现有虹膜识别算法的基础上,采用基于Canny思想的边缘检测算子提取虹膜图像边缘信息,结合先验知识在小图像块上进行Hough变换拟合虹膜内外圆.实验结果表明,该定位方法在保证定位精度的同时有效地提高了定位速度.虹膜区域的噪声包括眼睑、睫毛、眼睑阴影和光斑等,在眼睑定位方面提出了边缘检测结合Radon变换分段直线定位去除眼睑噪声的方法,同时采用阈值法去除了睫毛和眼睑阴影对虹膜区域的干扰,并用实验验证了该算法的有效性和准确性.     

基于激光测距与RFID的隧道局部定位方法研究

针对铁路隧道接触网作业平台在隧道内局部高精度要求的横纵向定位进行了研究，提出一种基于激光测距与射频识别（RFID，Radio Frequency Identification）的定位方法；首先利用激光测距传感器实现横向定位，通过实时检测传感器数据有效性与动态组合数据实现定位与抗干扰，其次基于RFID相位提出两阶段纵向定位方法，通过第一阶段基于标签相位变化率的粗定位将定位结果限制在单个标签区间，第二阶段精定位通过基于合理约束条件的标签布置间距消除相位缠绕的影响，最终通过相位差双曲线定位实现纵向定位；实验结果表明：提出方法实现了实验环境下0.005m的平均横向定位误差与0.07m的平均纵向定位误差，并且具有一定的抗干扰能力，能够在低硬件成本与布置条件下满足隧道作业平台的局部高精度定位。     

基于误差加权的三维双曲线定位算法

为了减小三维空间中对未知节点定位的误差,提高三维DV-Hop算法的定位精度,提出一种基于误差加权和三维双曲线定位的三维DV-Hop改进算法.改进算法首先采用误差加权的方法处理未知节点的平均每跳距离,然后分类选择未知节点与锚节点之间的跳段距离,最后将二维双曲线法扩展到三维空间计算未知节点的坐标.仿真实验结果表明,改进算法在三维WSN环境中可以对未知节点进行有效的定位,平均定位误差和定位精度显著优于三维DV-Hop算法,相较于对比文献也有一定的提升,并且锚节点密度和通信半径对平均定位误差和定位精度的影响较小.     

基于遗传算法的多传感器网络中目标定位算法

应用于目标定位的多传感器网络系统中,测距定位是一种常用手段,但是由于系统设备和环境干扰等因素的影响,使得测距数据产生误差,影响定位精度。提出了一种基于最小二乘法和遗传算法的一种组合定位算法,首先利用最小二乘法,拟合出目标点的初始概位,并对各节点到初始概位的距离与测量数据的相对误差的绝对值进行排序,根据确定的剔除比例系数,剔除明显异常的测距数据后,再利用遗传算法对目标点进行定位。仿真实验表明,该算法简单易于实现,可有效提高定位精度。     

基于Spark的指纹定位数据处理方法

指纹定位技术是一种简单高效的无线定位技术，它不受无线信号多径效应和反射造成的干扰，具有较好的定位精度。然而指纹定位技术需要建立庞大的离线指纹数据库，随着指纹数据库规模的扩大，传统的指纹定位算法已经难以满足大数据应用中实时性的需求。结合指纹定位算法的特点和Spark计算引擎基于内存计算的优势，设计并实现了基于Spark的指纹定位数据处理方法。在Map阶段分别找到查询点在每个分区内的[K]近邻，在Reduce阶段规约各分区[K]近邻获得全局[K]近邻，最后通过加权求值获得最终的定位坐标。集群实验表明，基于Spark的指纹定位数据处理方法在一定并行度下有较好的加速比，在大规模指纹数据库下有实时定位处理的能力。     

Real Time Relative and Absolute Dynamic Localization of Air–Ground Wireless Sensor Networks

A novel approach for relative and absolute localization of wireless sensor nodes using a potential field method is presented. The main idea of our work is to develop relative and absolute localization algorithms for the position estimate of stationary unattended ground sensor (UGS) nodes using a potential field method. A dynamical model is derived for each sensor node to estimate the relative and absolute position estimates under the influence of a certain fictitious virtual force. In the algorithm the sensor nodes do not move physically, but a virtual motion is carried out to generate optimal position estimates. The convergence of the estimator system to a least squares solution is guaranteed using Lyapunov theory. Separate control algorithms for relative and absolute localization are developed which guarantee the convergence of the position estimates. The relative localization algorithm assumes that distance (i.e. range) measurements between UGS nodes are available and for absolute localization algorithm, uninhabited aerial vehicles (UAV) are available with on board GPS such that they have absolute position information together with range measurement information. In the relative localization algorithm the UGS nodes are localized with respect to an internal co-ordinate frame. In absolute localization the UGS nodes are localized with respect to the known absolute position of UAV in the air–ground network. The effectiveness of the control algorithm is highlighted by the real time implementation results.     

自主移动机器人室内定位方法研究综述

自主移动机器人的室内定位作为机器人研究领域中最基本的问题已被广泛研究。根据定位技术和传感器的不同,将室内定位方法分为航迹推算定位、地图匹配定位和基于信标定位三类。详细介绍了超声波网络定位系统和基于无线射频识别（RFID）的定位方法。对几种基于概率的定位算法做了分析和对比,并对自主移动机器人室内定位方法的研究方向做了展望。     

基于ZigBee心电监护网络定位方法的研究*

提出了一种利用TDOA技术和bounding box算法相结合的节点定位方法。通过对ZigBee心电监护网络模型的分析,利用超声波测距方法实现了心电监护网络内未知终端节点与路由器节点的有效距离测量,并利用bounding box算法计算出终端节点的坐标值。给出了定位方法实现过程的具体描述并进行了系统测试实验。结果表明该方法定位精度较高,可以满足心电监护网络定位要求,有较好的推广价值。     

Mobile robot localization based on PSO estimator

Localization is fundamental to autonomous operation of the mobile robot. A particle filter (PF) is widely used in mobile robot localization. However, the robot localization based PF has several limitations, such as sample impoverishment and a degeneracy problem, which reduce significantly its performance. Evolutionary algorithms, and more specifically their optimization capabilities, can be used in order to overcome PF based on localization weaknesses. In this paper, mobile robot localization based on a particle swarm optimization (PSO) estimator is proposed. In the proposed method, the robot localization converts dynamic optimization to find the best robot pose estimate, recursively. Unlike the localization based on PF, the resampling step is not required in the proposed method. Moreover, it does not require noise distribution. It searches stochastically along the state space for the best robot pose estimate. The results show that the proposed method is effective in terms of accuracy, consistency, and computational cost compared with localization based on PF and EKF.