基于差分进化算法的RFID定位

针对传统射频识别(RFID)定位过程繁琐,系统定位精确度低以及计算较为复杂的问题,提出一种利用差分进化(DE)算法优化RFID定位精确度的方法。该方法首先随机初始参考标签的位置坐标,通过接收信号强度(RSS)值计算出阅读器与标签之间的测量距离,再通过优化阅读器与参考标签和待测标签之间的距离误差,估计出离待测标签最近的位置坐标,最后与经典LANDMARC定位系统做比较。仿真结果表明,经典LANDMARC定位系统的平均定位误差为1.115 8 m,而利用差分进化算法优化后的系统平均定位误差为0.001 2 m,从而证明利用差分进化算法优化RFID定位的方法是有效的。     

基于LANDMARC系统的室内定位算法优化

近年来,基于RFID室内定位技术越来越广泛应用,其中LANDMARC室内定位系统最近邻近算法成为主流算法,针对经典LANDMARC算法中多径效应、噪声随机变量影响以及各种形式的障碍物等复杂环境的存在,使得阅读器读取能力下降,影响最邻近标签的选择,进而使得系统定位精度下降,结合数据融合领域中的表决算法提出一定的改进方案,该改进算法能够克服复杂环境产生的影响,剔除不良标签,更加准确的计算出待测标签的定位位置,相较于经典LANDMARC算法,进一步提高了室内定位的精度及收敛速度。     

一种利用有源RFID标签的室内定位机制

目前,现有的定位技术不能完全满足室内定位感知的要求,但随着RFID(射频识别)技术的成熟,低成本建设室内定位系统这一问题有望得到解决。从定位算法和参考标签两个角度,对采用RFID技术解决室内定位问题进行了讨论。在现有的室内定位技术中,LANDMARC系统通过引入参考标签,可以减少需要使用的RFID读写器数量,并根据不同标签之间的残差加权算法,可以获得较高的定位精度。本文在分析了LANDMARC系统的基础上,提出了一种新机制解决了它潜在的问题,并证明了该机制在提高定位精度上确实有效。     

基于改进粒子滤波的RFID室内目标定位算法

针对于LANDMARC算法的RFID室内定位精度受传输路径影响严重,直接采用粒子滤波自适应性差的问题,提出一种基于改进粒子滤波的RFID室内定位算法。该算法首先利用极限学习机(ELM)拟合阅读器接收信号强度与标签距离之间的非线性关系,构建信号传输模型,筛选邻近标签集;然后采用自适应学习因子优化粒子滤波过程,提高粒子全局寻优能力和收敛速度。仿真实验结果表明,该算法能够有效实现待测标签的RFID室内定位,且定位精度较高,收敛速度较快。     

利用多普勒的运动单站直接定位算法

针对利用运动单站接收辐射源信号进行目标定位过程中,传统两步定位算法测量参数时会产生信息损失,从而导致估计精度不够理想的问题,提出了一种联合多普勒的运动单站直接定位算法。该算法通过构造代价函数,得到包含辐射源位置信息的共轭矩阵,然后分别针对未知信号和已知信号通过特征值分解求取共轭矩阵的最大特征值,最后进行二维格网型空间索引得到辐射源的位置估计。同时,本文还推导了相应的克拉美罗下界(CRLB),并分析了多普勒测量存在误差下算法的定位性能以及算法的运算量。通过理论分析和仿真实验可以表明,所提出的运动单站直接定位算法对目标位置估计误差能够逼近CRLB,且与两步定位算法相比,具有更好的定位精度。      

压缩感知多目标无源定位中的字典适配方法

该文针对压缩感知多目标无源定位在无线定位环境中的字典失配问题,提出基于变分期望最大化算法的字典适配方法。该方法首先根据鞍面模型建立无源字典,并将与定位环境相关的字典参数作为可调参数。然后,为目标位置向量建立两层的混合高斯先验模型以诱导其稀疏性。最后,利用变分期望最大化算法估计隐藏变量的后验分布以及优化字典环境参数,实现多目标位置估计和字典适配。仿真结果表明,相较于传统的压缩感知多目标无源定位方法,在变化的无线定位环境下,所提定位方法的性能优势尤为明显。     

考虑站址误差的稳健TDOA定位算法

针对现有定位算法非线性运算多,误差易传递,且存在缺秩矩阵,致使算法稳健性低、定位精度差的问题,本文提出一种站址误差条件下基于误差校正的时差定位算法。首先通过引入辅助变量伪线性化时差定位方程,并利用加权最小二乘初步估计目标位置;接着利用辅助变量与目标位置之间的非线性函数关系,构建并求解关于目标位置误差的定位方程,对目标位置初估值进行线性校正,最终得到更为精确的估计结果。理论性能分析表明在噪声较小时,所提算法能够达到克拉美罗下届,且相比于现有定位算法具有更高的定位精度和定位稳健性。仿真结果验证了所提算法具有更好的定位性能。      

基于自适应压缩感知的信道估计算法

传统方法压缩感知算法截取训练序列最后未被数据干扰固定部分作为观测矩阵,该方法为了抵抗最差的信道而浪费了大量的可用观测数据。在此基础上提出了一种自适应压缩感知的信道估计算法,首先对训练序列进行自适应检测,得到整个未受干扰的观测矩阵,再用压缩感知算法计算信道估计。仿真结果表明,这种基于自适应压缩感知的信道估计算法大幅提高了信道估计的准确性。     

基于半正定规划的压缩感知线阵三维SAR自聚焦成像算法

线阵合成孔径雷达(Linear Array Synthetic Aperture Radar, LASAR)3维成像技术是一种具有重要潜在应用价值的新体制成像雷达,压缩感知稀疏重构是近几年实现LASAR高分辨3维成像的热点研究之一。但相对于传统2维SAR,受线阵稀疏分布及阵列-平台2维联动,压缩感知LASAR成像面临回波数据欠采样、多维度高阶相位误差等问题,传统SAR自聚焦算法难以适用于压缩感知LASAR 3维稀疏自聚焦成像。为克服欠采样条件下多维度高阶相位误差对LASAR成像的影响,该文提出了一种基于半正定规划的压缩感知LASAR自聚焦成像算法。首先,结合压缩感知成像理论、图像最大锐度及最小均方误差准则,构造欠采样条件下稀疏目标的相位误差估计模型;其次,利用松弛半正定规划方法估计相位误差;最后,利用迭代逼近方法提高相位误差估计精度,实现压缩感知LASAR高精度稀疏自聚焦成像。另外,通过主散射目标区域提取,仅采用主散射区域进行相位误差估计,进一步提高自聚焦算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

改进的LANDMARC算法在ZigBee室内定位中的应用

随着室内定位技术的广泛应用,对定位精度的要求越来越高,传统的LANDMARC算法已不能满足实际应用的需求,因此,结合传统的LANDMARC算法和质心算法,提出一种改进的LANDMARC算法.首先利用MATLAB进行了理论仿真,研究发现改进的LANDMARC算法在参考标签间隔在0～5m时,定位精度要优于传统经典算法,且定位精度最大可提高35.4％.其次使用ZigBee定位系统进行了实验测量,研究发现实验测量结果与理论仿真结果基本吻合.     

Improvement of location methods based on RFID

The most common location algorithms based on received signal strength （RSS） are location identification based on dynamic active radio frequency identification （LANDMARC） and virtual reference elimination （VIRE）. However, both the original algorithms suffer from some drawbacks. In this paper, several aspects of the two original algorithms have been modified to reduce the positioning errors. Firstly, Lagrange interpolation has been used instead of linear interpolation. Secondly, adaptive threshold has been introduced in the new algorithm. Thirdly, insert virtual reference tags to improve the location accuracy of the boundary of the sensing area. Finally, combine LANDMARC with VIRE to absorb both advantages. Compared with the original algorithms, on average, simulated results show that the modified algorithms can improve the location performance efficiently and achieve the goal of accurate positioning in indoor environment.     

超宽带探地雷达多目标压缩感知成像研究

压缩感知成像要求信号在某个域上能满足稀疏性要求,地下多目标在空域上降低了信号的稀疏性,导致成像出现散焦和虚像。扩大成像背景保证了稀疏性要求但又使得成像计算量上升,实时性不足。提出一种根据探地雷达回波特征预提取出潜在目标位置的压缩感知成像方法。通过对数据进行去噪、滑动矩阵过滤来确定目标的水平位置,再对水平位置处的几道A-Scan 数据进行极值搜索,从而可以提取出成像区域目标位置信息,进而在建立成像冗余字典时只需考虑目标位置处的字典元素,无目标处字典元素直接剔除,减少字典建立所需的元素,降低了压缩感知求解计算量。该方法由于只对潜在目标区域进行成像,因此在保证成像实时性的同时也保证了成像精度。实验结果表明算法可行、有效。     

基于贝叶斯压缩感知UWB单站定位方法

脉冲超宽带(IR-UWB)能够在无线定位中取得较高的精确度,但是存在ADC瓶颈问题,利用压缩感知理论(CS)对信号压缩采样可以显著降低信号采样速率。本文将贝叶斯压缩感知应用于UWB单站定位,接收节点利用L型天线阵列接收信号,对信号压缩采样,由贝叶斯压缩感知重构算法(BCS)还原信号并估计时延参数,最后由定位算法解算位置信息。基于IEEE 802.15.4a信号模型的仿真结果表明,该方法最低能以20%的奈奎斯特采样速率获得分米级的定位精确度。     

基于压缩感知的二维雷达成像算法

压缩感知理论能够有效地降低高分辨率雷达成像系统的数据率。该文通过对复基带雷达回波信号模型的稀疏性分析,提出了一种具有保相性的压缩感知距离压缩算法。在此基础上建立了距离向采用压缩感知距离压缩算法,方位向采用传统的雷达成像算法处理的雷达2维成像方案。通过对仿真和实测逆合成孔径雷达数据的成像处理验证了方案的有效性。     

单星多波束天线下基于压缩感知的多目标干扰定位

针对卫星干扰处理中的多目标定位问题,该文提出基于压缩感知的定位方法。该方法利用目标的空间稀疏性,以及多波束天线在不同信号源方向上的增益不同,仅需要测量接收信号强度便可实现多个干扰的位置识别。研究结果表明,定位性能与节点分布、目标个数、波束覆盖半径、判决门限有关。在给定参数及原对偶内点算法下,该方法可实现1～4个干扰源的空域定位,在信噪比为20 dB时定位精度达到7.7 km,优于经典的旋转干涉仪和空间谱估计测向方法。     

基于压缩感知和三次相位变换的低复杂度空中机动目标参数估计

该文提出一种基于压缩感知和三次相位变换(Cubic Phase Transform, CPT)的低复杂度空中机动目标参数估计方法。首先利用CPT将机动目标回波信号中的两个参数进行分离,然后采用压缩感知技术完成机动目标参数的估计。在机载雷达发射脉冲数有限的情况下,该方法能够获得准确的参数估计结果;仿真实验验证了该方法有效性。     

射频识别动态定位方法

提出一种新型的通过参考标签和移动RFID射频读写器进行定位的方法。该定位方法的主要优点是不需要记录任何测量信息如TOA、RSSI等,而是通过移动读写器,不断对目标标签和参考标签进行读取,经椭圆还原算法对读区域进行还原,最终以交集计算实现定位。该方法思路简单,但实现了较高精度的RFID室内定位。实验结果表明,该定位方法的精度可在最小的参考标签单元格内（可到达数十厘米级）。同时建立的原型定位系统具有成本低、易于部署等特点,存在应用于大规模RFID仓储定位管理的可行性。     

基于参考标签的射频识别室内定位算法研究

针对现有基于RFID的LANDMARC室内定位系统会因外界环境因素导致优良的邻近参考标签丢失、不良的参考标签引入的问题,为此提出了一种改进的最近邻居算法,通过筛选已选取的邻近参考标签,实现最近邻标签的最佳选取。实验结果表明待测标签的定位精度得到有效提高。该算法有效获取到优良的参考标签,从而获得了满意的定位精度和定位性能。