基于不同重采样算法的RFID指纹定位

为满足移动机器人精确定位的需求,提出一种基于不同重采样算法的粒子滤波指纹定位法。定位阶段首先利用机器人运动学建立运动模型作为粒子预测分布,并将当前的观测信息和环境指纹融入,以改善滤波效果,减少所需粒子数;然后给出精致重采样(ER)算法,以提高粒子的细化能力,减少粒子匮乏效应并提高定位精度;最后分析不同重采样算法对定位精度的影响,且从不同的实验角度进一步验证定位算法的精确性以及可靠性。实验结果表明,该算法在定位精度和鲁棒性方面都有显著提高。

基于不同相似性度量的RFID指纹定位

针对室内移动机器人定位精度低、可靠性差的问题,研究了不同相似性度量的粒子滤波指纹定位法。根据向量空间相似性度量和K-近邻权值算法(WKNN)提出一种新的无源RFID指纹自定位的方法。在训练阶段,移动机器人在定位区域受控移动,采集参考指纹数据;定位阶段,引入递推贝叶斯滤波的粒子滤波定位算法,通过分析不同相似性度量算法对定位精度的影响,提出了一种新的相似性度量算法HSim建立观测模型;最后,采用重采样方法准确估计机器人的真实位姿。通过不同的实验角度分析,证明了该算法在定位精度和鲁棒性方面都有显著提高。

大容量无芯片标签结构探索

提出了一种新型标签结构——椭圆标签阵列,通过对椭圆标签阵列结构的初步仿真和频谱分析,证明该结构容量、带宽足够大,体积可以足够小,能满足实际应用的需要。