Analysis of the COVID-19, Outbreak in Brazil Using Topological Weighted Centroid: An Intelligent Geographic Information System Approach

This study used Topological Weighted Centroid (TWC) to analyze the Coronavirus outbreak in Brazil. This analysis only uses latitude and longitude in formation of the capitals with the confirmed cases on May 24, 2020 to illustrate the usefulness of TWC though any date could have been used. There are three types of TWC analyses, each type having five associated algorithms that produce fifteen maps, TWC-Original, TWC-Frequency and TWC-Windowing. We focus on TWC-Original to illustrate our approach. The TWC method without using the transportation information predicts the network for COVID-19 outbreak that matches very well with the main radial transportation routes network in Brazil.

基于冗余天线阵列和加权质心算法的光伏系统直流电弧故障定位方法

针对光伏直流电弧故障定位问题,本文通过研究故障电弧的电磁辐射特性,提出一种基于冗余天线阵列和加权质心算法的定位方法。先计算电弧燃烧时天线采集到的电磁信号的方均根值,与辐照度一起输入BP神经网络预测天线与电弧的距离;再构造冗余天线阵列研究不同天线数量和布局方式,选出接收信号最强的天线,将天线坐标和距离输入加权质心算法,获得定位结果;最后结合K均值聚类算法提高定位精度。实验结果表明,所提方法具有良好的定位能力。

基于权重系数自调整的加权质心定位算法

针对目前采用的经典加权质心定位算法,其定位节点的位置的精确度较低。文章通过RSSI测距结合加权定位提出一种基于权重系数自调整的加权质心定位算法。该算法进行多个节点位置的估算时采用经典质心算法,之后对多个估计位置利用优化权值的方法进行求值,最后明确节点位置所在。该算法是融合了RSSI测距的技术和经典质心算法的加权算法,操作更为容易。经过进行仿真实验,可以看出与经典的定位算法相比,该算法定位的精确度有比较明显的提升。

基于WiFi-蓝牙混合定位技术的震后压埋人员手机定位方法

我国地震灾害频发,快速确定压埋人员的准确位置成为震后救援工作的一大难点。文中提出的基于WiFi-蓝牙混合定位技术的震后压埋人员手机定位方法,通过在模拟的震后压埋环境周边分别部署WiFi探针和蓝牙网关,采集压埋人员携带的智能设备发射的信号接收强度(received signal strength indication, RSSI)数据,利用高斯-卡尔曼混合滤波对RSSI数据进行预处理,建立基于震后压埋环境的无线信号距离损耗模型,采用改进的加权质心定位算法解算压埋智能设备的坐标,通过评估WiFi和蓝牙定位结果可信度确定最终的定位结果。实验结果表明:单一的WiFi定位技术和蓝牙定位技术的平均定位精度分别为0.917、0.867 m,而WiFi-蓝牙混合定位技术的定位精度为0.541 m,相对于单一的WiFi和蓝牙定位技术,定位精度分别提高了41%和37.6%。

一种线结构光亚像素中心坐标提取方法

为了提高光条中心点提取的精度和速度,提出了一种新的线结构光条纹中心亚像素提取方法。首先对图像进行中值滤波,采用轮廓跟踪算法避免扫描光条纹区域外的像素,以此提高计算速度,结合灰度重心法对光条纹中心进行初提取;通过均方灰度梯度法计算光条纹的法线方向并以初提取点为中心进行双线性插值;以提取到的初始点和插值点采用加权灰度重心法计算光条纹中心的亚像素位置。实验结果表明,所提方法的标准误差在0.1400 pixel左右,运算时间约为0.0670 s。

基于最小三角形算法的室内可见光三维定位方法

为进一步提高室内可见光三维定位的精度,提出了一种基于最小三角形算法的室内可见光三维定位方法。该方法采用视距链路模型,由定位终端接收携带发光二极管位置信息的光强信号,利用最小三角形算法和接收信号强度指示方法来计算接收机在室内的三维位置信息,再引入加权质心算法降低光路受遮挡所造成的影响。仿真结果表明:在室内5 m×5 m×3 m的定位区域内,提出的定位方法平均定位误差约为4.35 cm,平均高度误差约为1.65 cm,定位精度优于传统的室内可见光三维定位方法。

基于优化神经网络与聚类的加权定位算法

针对RSSI测距误差较大的现象,为进一步提高加权质心定位算法精度,提出了一种基于MEA-BP神经网络与模糊C均值聚类的加权定位算法。该算法首先引入思维进化算法与BP神经网络以优化测距信息;采用三边测量法得到多个初始定位结果并组成集合,经模糊C均值聚类处理后,使用加权质心定位算法得到每个聚类簇针对于未知节点的估计位置;将每个聚类簇中数据点的数量视为权值,再次使用加权质心定位算法,得到未知节点的最终定位坐标。仿真结果表明,该算法显著降低了二维场景中无线传感器网络定位误差。

基于邻域重心反向学习的混合樽海鞘群蝴蝶优化算法

针对蝴蝶优化算法(BOA)收敛速度较慢和过早收敛到局部解的问题,提出一种基于邻域重心反向学习的混合樽海鞘群蝴蝶优化算法(HSSBOA)。首先,将樽海鞘群算法(SSA)引入BOA中,使算法快速处理局部搜索阶段,并更新种群位置,从而更有效地完成寻优过程,避免算法陷入局部最优;然后,引入邻域重心反向学习以便更好地帮助算法在邻域内进行小范围精确搜索,从而提高算法的精度;最后,引入动态切换概率以改善搜索中全局与局部的比重,从而加快算法的搜索速度。选取10个标准检测函数进行测试,将HSSBOA与几个先进的优化算法从收敛精度、高维度数据、收敛速度、Wilcoxon秩和检验和平均绝对误差(MAE)五个方面进行对比分析。研究结果表明,相较于其他算法,HSSBOA取得了更优的结果。消融实验进一步验证了各项改进均为正向作用。实例问题上的表现表明相较于其他方法,在求解有约束的复杂问题时,HSSBOA能够更有效地搜索出最优解。可见HSSBOA在寻优精度、稳定性和收敛效率等方面取得了一定的优势,并且能够求解复杂的现实问题。

基于双移动锚节点的无线传感器网络定位算法

为提高无线传感器节点的定位精度,降低定位能耗,提出一种基于鲸鱼优化算法和双移动锚节点的定位算法。使用两个移动锚节点按照设计的移动路径遍历整个部署区域,使用加权质心算法估算节点大致位置,使用鲸鱼优化算法提高定位精度。仿真结果表明,提出的路径比PP-MMAN、GTURN和GSCAN等其它使用多个移动锚节点的路径更短,降低了移动锚节点的能耗;所提路径规划算法配合使用鲸鱼优化算法的定位精度较高,受通信不规则度和测距误差的影响较小。

煤矿井下基于RSSI的加权质心定位算法

针对基于无线传感器网络的矿井灾害无线监测信息系统,提出了一种基于接收信号强度(RSSI)的加权质心定位算法。算法首先动态获取路径衰落指数,然后通过加权质心算法计算出自身位置。动态获取路径衰落指数实时计算了定位区域下的路径损耗指数,能够准确反映巷道不同区域对信号衰落的影响,增强了测距算法对环境的适应能力。加权质心算法通过加权系数体现各参考节点对质心坐标决定权的大小,提高了定位精度。实验测试表明,算法提高了定位精度,计算量小,定位流程简单,适合用于煤矿井下环境。

基于ZigBee的加权质心定位算法的仿真与实现

为了研究节点定位算法的实现方法,提出了一种新的加权质心定位算法。这种算法首先通过对无线电传播路径损耗模型的分析,结合具体环境的实验,得到信号传播的经验模型,然后利用信标节点对未知节点的不同影响力来确定加权因子,进行加权质心算法定位。最后在对定位数据处理和分析的基础上,选取三个RSSI最大的信标节点进行定位计算,进一步改善了节点定位精度。仿真和实验结果表明,这种加权质心算法可应用于区域定位。

基于RSSI的WSNs加权质心定位算法的改进

针对无线传感器网络(WSNs)定位算法定位精度不高的问题,提出了一种基于RSSI测距的质心(Centroid)算法和加权质心(W-Centroid)定位算法相结合的新的定位方法 WR-Centroid。该算法主要通过RSSI测距得出4个参考节点到未知节点的距离,再任选3个距离为半径,以相应的参考节点为圆心画圆得到3个圆的交叠区域,构成一个三角形,求出这个三角形的质心。依照这种方法,求得4个质心坐标,利用加权质心定位算法求出未知节点的坐标。仿真结果表明:该算法比加权质心定位算法精度有很大的提高。

一种改进的亚像素算法

传统的灰度重心法是一种用于对称目标的亚像素定位技术,但其抗噪声性能较差。针对这一问题,本文提出一种改进算法,通过将目标区域划分成内部像素区域和边缘像素区域两部分,并对内部像素灰度进行均值化,从而有效抑制内部像素噪声。同时,利用误差理论对改进算法的不确定性进行分析。最后,通过仿真实验验证了改进算法的正确性,并表明改进算法有更好的噪声抑制性能。

基于RSSI差分修正的加权质心定位算法

为了抑制接收信号强度指示(RSSI)误差对无线传感器网络节点定位精度的影响,从消除RSSI误差的角度,提出了一种基于对RSSI距离值差分修正的加权质心定位算法。该算法计算简单,无需硬件扩展,仿真结果表明:该算法比传统算法有更好的定位性能。

基于RSSI的无线传感器网络修正加权质心定位算法

提出了一种基于接收信号指示强度(RSSI)的修正加权质心定位算法,它区别于以往的加权质心定位算法,在该算法中采用测试距离倒数之和代替距离和的倒数作为权重,同时提出了修正系数的概念,避免了信息淹没现象,提高了定位精度。仿真结果表明,本文算法定位精度较之前的加权质心定位算法有了明显提高,最高可达17.83%。

一种无线传感器网络四边测距定位算法

根据RSSI测距特性,在三边测距定位的基础上,提出了基于RSSI值测距的四边测距定位算法,突破了三边测距定位的局限性。为进一步提高精度,采用了求质心和加权质心的方法,并用C++实现仿真比较,仿真结果表明:加权质心算法具有较高的精度,整个定位过程中节点间无需额外的通信开销,具有广泛的实用性。

无线传感器网络中基于RSSI的改进定位算法

无线传感器网络节点自身定位至关重要,在军事和民用领域中有着广泛的应用前景.目前的定位算法主要分为两种类型,即基于距离的定位算法和距离无关的定位算法.这两种类型的算法各有优势和不足.考虑了两种算法的优缺点,提出了一种廉价实用的定位算法,该方法通过校正RSSI测距技术测量的节点间点到点的距离,并优选信标节点,最后用加权质心方法进行定位.仿真结果表明:本算法比传统的RSSI定位算法拥有更好的定位性能。

基于虚拟静态锚节点的加权质心定位算法

加权质心定位算法的实施需要布置较多的锚节点,较大的硬件成本限制了该算法在实际中的应用。本文结合余弦定理,利用原有的少量锚节点定位信息构造出虚拟静态锚节点VSAN(Virtual Static Anchor Node)参与定位,降低了该定位算法所需的硬件成本;此外,对加权质心算法进行数学推导和分析,从导数的角度阐述了权重系数和RSSI测距对加权质心算法的影响作用。仿真结果表明,基于VSAN的加权质心算法所需布置锚节点较少、定位精度较高;并通过实际环境下测试,验证了算法的有效性和可行性。

基于加权质心算法的无线网络节点定位方法

为了提高无线传感器网络节点定位技术准确性,提出了改进的加权质心算法节点定位方法,以常态方程代入解得坐标后的误差倒数作为权值,并利用权值差别处理具有不同定位误差的不同定位结果,较小误差的倒数对应较大的权值,较大误差的倒数对应较小的权值,来提高定位准确性.通过对传统质心算法和改进加权质心算法进行MATLAB仿真,估测出定位节点的位置坐标.仿真结果表明,改进加权质心算法相较传统质心算法具有定位精度高、用时少等优势.

RSSI辅助的三维空间坐标四面体质心定位算法

三维定位是无线传感器网络的重要技术之一。提出了一种RSSI辅助的三维空间坐标四面体质心定位算法。由于现实环境往往很复杂,存在锚节点组成的四面体不包含未知节点的情况,因此筛选优质的RSSI值,并将其转换为未知节点与锚节点的距离,进而计算和比较四面体体积来进行排除;对包含未知节点的四面体进行质心迭代求解,并且对不满足条件的情况运用RSSI均值加权质心定位算法。仿真结果表明,该算法的定位误差比坐标四面体质心算法的小,并且增加RSSI均值加权算法提高了定位覆盖率。