一种高精度超声波定位系统设计与实现

目前,国内的超声波室内定位系统只能在特定方向上测距,且存在较大的定位误差。为解决这个问题,文中分析了超声波定位的流程及特点,设计了一种反射锥结构,该结构有效地扩大了超声波的收发角度。在此基础上,提出了温度补偿方案,进一步减小了测距误差。另外,提出了改进的加权多维标度定位算法,该算法性能稳定,定位精度高。实验结果表明,该系统在超声波有效范围内将定位误差降低了4 cm,定位精度高于其他同类算法。

多视图协同的海洋多要素环境数据关联关系分析方法

海洋事件离不开各要素环境数据的共同作用,获取要素之间的关联关系从而进行海洋事件的预报预测,是一个亟待解决的问题。为此,本文提出一种多视图协同的关联关系分析方法来度量海洋各要素数据间的关联关系。首先,在传统平行坐标技术的基础上增加刷技术、轴排序等功能对海洋多要素数据进行初步探索,同时引入散点矩阵图展示各要素的分布;其次,以平行坐标中数据线间的角度、面积以及散点图中要素分布的距离为差异度量方式,对计算得到的差异构建相似性矩阵;再次,采用多维标度法得到原始多要素数据在低维空间中的表达;最后,使用K-means算法对降维后的低维度数据进行聚类分析。本文提出的方法从视觉角度对数据进行分析和特征挖掘,并得到高维数据在低维空间上的可视化展示,实现了有效量化海洋数据不同要素间的相关关系。

LAD准则下的无线传感器网络节点定位方法

多维标度算法广泛应用于无线传感器网络的节点定位。经典的MDS算法通过构造距离平方矩阵(非相似性矩阵)和进行双质心变换,在相似性空间中根据最小二乘准则进行求解。若测量噪声为高斯白噪声,经过变换后,相似性矩阵中元素的误差不再服从高斯分布,基于LS的估计不再是最优的。针对这一问题,用最小绝对值偏差准则改进MDS算法代价函数,对无线传感器网络节点定位进行研究。仿真结果表明,该方法具有良好的稳健性,比经典MDS算法具有更好的定位性能。

多出/入口仓库的货位优化研究

在“人到货”多出/入口仓库货位优化问题中,为了减少库内整体作业时间,提高拣选效率,基于多维标度分析算法(dimensional scaling analysis algorithm,MDS)与峰值聚类算法(peak clustering algorithm,DPC),提出以货品相关性为基础的货位优化方法。首先通过历史订单数据进行分析获得货品相关度矩阵,并利用多维标度分析算法对相关度矩阵进行数据处理,在仓库实际情况下确定合适数量聚类簇后,采用峰值聚类算法将相关性高的货品聚类形成一个具有高相关性货品集合,再据货品集合优化存储区域。最后,通过实际案例进行分析,比较本文存储策略与原始存储策略在跨区域拣选条件下订单平均拣选距离,并通过本文优化策略与随机策略在相同规模订单情况下比较验证,结果显示,本文策略比随机策略优化平均优化24.56%,有效地提高了订单拣选效率。