改进的LANDMARC在空间定位中的应用

LANDMARC算法是在平面模型的基础上进行的定位分析,将其应用于空间定位时,会出现不同程度的误差。将LANDMARC算法和测距原理相结合,提出了一种基于测距机制的LANDMARC算法,并利用HIK-RFM104型UHF嵌入式读写模块和中电海康提供的圆极化天线,搭建了改进LANDMARC算法的空间模型。通过直线式测距实验,得到具体的测距模型。将LANDMARC空间模型和测距模型相结合,对空间中的采样点进行定位测试,分析数据后确定改进的LANDMARC空间定位算法。该算法具有更高的精度和更稳定的性能。

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0~5 m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。

一种改进的LANDMARC室内定位算法

针对射频定位LANDMARC算法精度差的问题,提出了一种改进算法,依据最邻近参考标签到阅读器的距离及其接收的信号强度指示RSSI(received signal strength indicator),通过拉格朗日插值法,得到阅读器到待定位标签的距离,并通过三边定位求得待定位标签的坐标.通过软件仿真分析改进后的算法比原算法的定位精确度提高了65%左右,最小误差由原算法的0.39 m降低为0.015 3 m.实验数据表明,该改进算法在室内定位系统中具有较高的应用价值和广阔的应用前景.

改进的LANDMARC算法在隧道人员定位中的应用

介绍LANDMARC k-邻居定位算法原理,结合信号回波强度传播损耗模型,考虑隧道环境的恶劣性以及电磁波的折射、反射、多径效应等因素的影响,将该算法进行改进,引入参考标签可信度的概念,对其权重进行修订,解决标签的失效和信号强度读取错误的弊端;动态设置参考标签的数目,有效提高定位精度。利用Intel公司的R1000射频识别开发平台,将改进算法应用到隧道人员定位系统中。实验结果表明,改进的算法具有更高的定位精度:1m以内的标签占70%,95%的标签定位误差小于1.5m,且最大误差控制在2m以内,对提高隧道人员的安全管理水平有着重要作用。

基于改进的LANDMARC算法的空间定位实验

利用HIK-RFM104型UHF嵌入式读写模块和中电海康提供的圆极化天线,搭建了基于UHF RFID的直线式测距实验平台。在室内进行测距实验,应用MATLAB将在实验中测得的数据进行非线性拟合处理,得到RSSI与距离的转换模型。基于测距实验,对应用于平面的LANDMARC算法进行改进,使改进后的算法适用于空间定位系统。改进算法解决了基于平面的LANDMARC算法应用于空间时存在误差的问题,降低实验模型成本的同时,提高了空间定位精度。

改进的LANDMARC定位算法在库位管理中的应用

针对库位管理中常用的LANDMARC定位算法在参考标签的选择和信号损耗误差方面存在的问题,提出了改进的LANDMARC定位算法,在不增加参考标签数量的前提下,找到与待定位标签距离最近的参考标签,并通过"距离-损耗"公式,得到精确定位计算的方法。结果表明该改进算法提高了定位的精度和收敛速度。

改进的LANDMARC算法进行室内定位

在基于射频识别的室内定位LANDMARC算法中,由于待定位标签的定位精度受到参考标签的选择的影响,参考标签之间的信号会产生相互的干扰,所以就采用一种分别选择不同坐标轴上的参考标签的方法来减小参考标签间产生的信号的干扰,同时还可以提高待定位标签的定位精度。在一个13 m*10 m的房间中每隔1 m布置一个参考标签,在房间四角布置上4个读写器。经过多次实验,最终得出结论,使用改进后的LANDMARC算法比原来经典的LANDMARC算法的精确度提升了10%左右,且算法复杂度降低。

基于改进LANDMARC定位算法的人员定位技术研究

在万物互联时代,通过定位系统完成人员定位监督成为了可能,同时该项技术也日益完善。当前,基于RFID无线视频技术的局域网人员定位被广泛应用于智慧园区员工管控、重点人员监管等方面。提出了一种基于RFID的局域网人员定位算法,通过优化LANDMARC算法,对采集到的信号分别引入高斯平滑滤波器和卡尔曼滤波器,去除影响信号强度的噪声,提升定位算法的稳定性;针对LANDMARC定位算法定位精度受K值影响较大的问题,引入Logistic回归模型,以提升算法定位的准确度,有效解决了RFID在有金属、水等障碍物情况下定位精度误差大的问题,降低了外界干扰,可为人员的精准定位提供技术手段。

基于自适应CKF的改进LANDMARC井下定位算法研究

在矿山井下进行人员定位时,为解决传统的LANDMARC算法受井下复杂环境影响出现的定位结果精度不高、波动大的问题,提出了一种基于自适应容积卡尔曼滤波(Volumentric Kalman Filtering,CKF)的改进LANDMARC井下定位算法。首先,该算法结合传统的LANDMARC定位算法建立井下三维空间模型并求解目标位置状态预估值;其次,利用BP神经网络的泛化映射能力,引入神经元参数对CKF算法进行优化,充分结合BP神经网络迭代式学习和CKF在强非线性系统中保持稳定的特点,提高定位算法的自适应能力;最后,将位置状态预估值作为观测量进行自适应CKF滤波处理,用优化后的结果作为目标位置坐标的真实值输出,提高了井下定位的精准性。试验结果表明:引入自适应CKF进行滤波处理可以大大提高传统LANDMARC定位算法的稳定性,定位偏差分布更为集中,偏差在1 m以下的占90%以上,所提算法的定位偏差在0.612 m以下的标签达到60%,可满足井下复杂动态环境的高稳定性要求,与传统的LANDMARC定位算法和经由HIF滤波的LANDMARC定位算法相比应用于井下定位具有更好的适用性。

让评课更有利于教师改进教学

评课是我国教研工作的重要形式。无论是校本教研、区域教研,还是各级各类课例研讨活动,评课都是促进教师间思维碰撞的重要活动。每位教师都可能或多或少地对他人的课进行评价。那么,如何评课更有利于教师改进教学呢?

列检场可视化监控系统LANDMARC算法的改进

以改进的LANDMARC定位算法为核心设计了基于RFID技术的可视化系统,该系统包括职工作业区域可视化监控、列检场作业工步实时动态显示和职工信息管理3个模块.通过测试相同位置下接收信号强度指示值(receive signal strength indication,RSSI)的分布和分析最近邻居数目对定位精度影响,修正RSSI值和优化选取"最近邻居"值,进而实现对LAMDMARC定位算法的改进.现场试验验证表明:经过处理后的RSSI值更为集中且波动范围小,减弱了复杂环境中各种因素对RSSI值的影响并且提高了定位精度.

基于改进YOLOv5的红花目标检测算法研究

为实现农业非结构环境下采摘机器人对红花的准确识别,提出了一种基于改进YOLOv5的红花目标检测算法。将CBAM注意力机制嵌入到YOLOv5网络,提高了小尺寸目标物在高层次特征中的表现力;建立一种Alpha-IoU目标位置损失函数对原损失函数GIOU存在的梯度消失问题进行改进,提高了被遮挡红花的预测率,并通过在目标检测网络中增加分割检测模块,提高宽和高小于最低像素的小目标物检测精度,利用图像扩增数据集对改进后的YOLOv5算法进行训练,再分别与改进前后YOLOv5网络和Faster R-CNN网络在不同红花品种、不同自然光照情况、不同天气条件和不同遮挡情况下进行对比。试验结果表明:改进后的YOLOv5算法P值、R值分别为90.45%和0.90,对非结构环境下盛开期的未采摘红花mAP值达到94.48%,在不同影响因素下都可以准确识别出红花且置信度较高,可为红花采摘机器人自动化作业中的红花识别提供技术支持。

基于改进附着能量模型的TNBA晶体在二元溶剂中的形貌预测

TNBA作为一种新型含能材料,其具有高爆速,低敏感性的特点,为了研究TNBA在二元溶剂中的生长形貌,本研究采用附着能(AE)模型来预测TNBA在真空中的晶体形貌,同时采用改进附着能(MAE)模型和分子动力学(MD)方法,预测了TNBA晶体在四种不同二元溶剂中二甲基甲醇(IPA)/丙酮(AC)、IPA/二甲基亚砜(DMSO)、IPA/乙酸乙酯(EA)和IPA/水(H_(2)O)的晶体形貌.结果表明,TNBA晶体在真空中的形态为不规则的多面体,由六个重要的主生长晶面构成,分别为(100)、(110)、(011)、(11-1)、(10-2)和(002),其中(100)面所占比例最大,达到33.766%.在IPA/DMSO和PA/EA溶剂中重结晶得到的晶体为块状,在IPA/AC和IPA/H_(2)O为棒状.总而言之,IPA/DMSO和IPA/EA溶剂更适合TNBA晶体重结晶选择.

一种基于CKF的改进LANDMARC室内定位算法

针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。

一种改进LANDMARC射频识别室内定位算法

在射频识别RFID室内定位环境中,LANDMARC定位算法的精度与选取的近邻参考标签数量有关。传统的算法仅仅局限于在小范围定位环境中选取3~5个参考标签,而在较大的定位环境中,距阅读器较远的相邻参考标签存在干扰近邻参考标签选取的情况,因此,需要选取较多的参考标签来辅助定位,然而随着选取参考标签数量的增加,定位误差越来越大。针对这一问题,在选取的参考标签中引入加权思想来优化计算过程中权重的分配,进而降低系统误差,提高定位精度。仿真实验结果表明,改进后的LANDMARC定位算法在选取较多参考标签的情况下具有较高的定位精度。

麦克纳姆轮农业机器人路径跟踪——基于改进野马算法

针对麦克纳姆轮农业机器人在智能大棚中的路径跟踪问题,建立了运动学模型和动力学模型,设计了一种新型的双环比例微分-分数阶比例积分导数(Proportional Derivative-Fractional Order Proportional-Integral Derivative,PD-FOPID)控制器对全局路径进行动态跟踪控制。对于控制器参数多且整定困难的问题,首先采用帐篷映射初始化种群策略、精英主义记忆策略、动态余弦权重策略和柯西—高斯变异策略对原始野马算法进行改进,然后利用略改进野马算法(Improved Wild Horse Optimizer,IWHO)对控制器最优增益参数优化。实验结果表明:所开发的算法在探索和开发阶段方面性能优异,且PD-FOPID控制器在整定工作中表现突出。路径跟踪仿真证明,设计的双环PD-FOPID控制器比FOPID控制器更具显著的优势,能够避免动态误差累积,快速响应调整到规划路径,在提高农业大棚机器人路径跟踪控制质量方面具有巨大的潜力。

煤矿井下LANDMARC定位算法改进

针对煤矿井下非视距误差、多径效应和标签碰撞影响LANDMARC定位精度的问题,从接收信号强度值的测量、接收信号的选取和标签防碰撞算法3个方面对LANDMARC定位算法进行了改进:通过直接测量接收信号强度值判断最近参考标签;对接收信号进行高斯滤波舍弃误差信号;根据标签数量设置合理的信号发送时隙,当发生标签碰撞时重新划分信号发送时隙。仿真结果验证了该改进LADMARC定位算法的有效性。

人体的呼吸实验改进装置

本实验装置适用于教科版科学四年级上册第二单元“呼吸与消化”的第1课《感受我们的呼吸》,也能为后续《呼吸与健康生活》《测量肺活量》两课的教学打下基础。本课立足于学生对呼吸系统的原有认识,引导他们带着“人体为什么时刻在呼吸”的问题感受呼吸,体验并观察呼吸过程中人体的一些变化,从而了解参与呼吸的人体器官有哪些,并能描述人体用于呼吸的器官,列举保护这些器官的方法。

LANDMARC室内定位改进算法

传统基于动态主动式射频识别标定的定位识别(LANDMARC)定位算法在实际定位环境中受到多径效应、随机噪声以及各种的障碍物的影响,导致所有参与定位标签实时测量的收信场强指示值(RSSI)变化波动非常剧烈,影响了定位精度和系统稳定,为此提出引入指纹库的方法,建立相对稳定的RSSI值与坐标位置对应关系,对实时获得的近邻参考标签RSSI值进行修正,改进邻近标签的选择方法,降低系统误差,在提高系统定位精度的同时,系统稳定性和可靠性大幅增强。实验结果表明,与传统LANDMARC相比,提出算法在定位精度上有35%的提升。

LANDMARC定位算法中参考标签的组成结构分析与改进

由于LANDMARC定位算法中邻近标签有1/3的概率是以三角形的方式呈现,在此基础上可以将LANDMARC算法中参考标签的摆放方式由矩形改为三角形。通过仿真比较两个模型的定位结果可知,三角形摆放方式的定位精度有一定的提升,更重要的是三角形摆放方式需要的参考标签数量少,具有降低成本、减少信号干扰、增强定位系统稳定性的优势。