基于校正节点的DV-Hop定位算法改进

在深入分析DV-Hop定位算法主要误差来源的基础上对其进行了改进.改进的算法前两个阶段与DV-Hop定位算法相同,主要在第三阶段进行修正.首先寻找距离未知节点最近的锚节点并将其作为校正节点,然后将找出的校正节点作为未知节点,用DV-Hop定位算法估算其位置信息,求出未知节点的校正误差值,最后利用校正误差值对未知节点进行校正,并最终对未知节点进行定位.通过仿真测试结果可以看出,与传统DV-Hop定位算法相比,提出的算法在定位性能上有了显著提高.

一种用于神经网络训练的隐节点校正算法(英文)

误差反传算法被广泛用于多层前馈神经网络的训练．但该算法的收敛性问题并没有解决，这导致训练后的网络泛化能力一般很差．本文研究了这一问题，并基于神经网络映射定理提出一种用于训练网络逼近单输出函数的隐节点校正（HNR）算法．这在神经辨识领域是有用的，因为大多数工业对象都是多输入单输出的．我们对HNR算法的收敛性和泛化能力作了理论上的研究．仿真实验和在催化重整过程建模中的应用实例表明该算法在一定条件下具有很高的学习速度和较强的泛化能力．

基于移动锚节点的无线传感器网络节点坐标校正

提出一种通过测量移动锚节点的方位信息校正无线传感器网络中传感器节点坐标的算法.对于锚节点位置精确已知、概率分布已知和完全未知等情况,首先给出了传感器节点的定位方法,然后从理论上分析了传感器节点的定位误差,最后提出了传感器节点在不同坐标轴上坐标的独立校正方法.仿真结果表明,所提算法能够有效避免错误校正的发生,提高了传感器节点的位置精度.

基于混合滤波和节点自适应校正模型的测距算法

采用混合滤波法过滤异常的RSSI值并估算优值,由节点自适应校正模型消除路径衰减因子,解决了RSSI测距误差较大的问题。由此提出了基于混合滤波和节点自适应校正模型的测距算法。通过实验证明,混合滤波优于常用的几种滤波法,节点自适应校正模型无需测试路径衰减因子,能直接适用于不同环境,并且随着节点个数的增加,测距误差会进一步降低。相比于未采用此模型的情况,该算法能大大降低测距误差和成本,提高RSSI测距的实用性。

室内位置云平台关键技术研究

针对室内定位普遍存在的连续性和可用性问题,该文研究搭建了位置服务私有云,实现了室内混合云定位关键技术。利用硬件资源虚拟化,实现了动态部署、弹性计算、按需调配的云计算服务。提出了信标节点校正和自主轨迹推算的混合云定位技术,改进了室内定位的连续性和可用性,定位精度达到了约2m。利用微服务管理调度技术及其云推送服务组件,解决了大规模用户在线服务和数据通信瓶颈。开发了大众位置服务云端软件和终端APP,集成了室内地图、混合云定位服务,实现了室内位置云服务。

基于SURF特征匹配的优化RatSLAM类脑导航方法

RatSLAM是模拟鼠类感知环境机制提出的一种定位与构图的导航算法。针对复杂环境如光线影响导致RatSLAM产生误差的问题,提出了基于SURF特征匹配与位置细胞校正算法的优化RatSLAM类脑导航模型。本方法通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息,头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿,利用上述细胞所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置,最后构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测与检测预先设置好的位置细胞节点,对当前运动轨迹进行修正。实验结果表明,在有光线影响的情况下,本文所提出的方法将绝对定位误差大大降低。

基于国产FPGA芯片的连续变焦红外镜头齐焦性同步补偿控制

针对连续变焦红外镜头不同温度下的齐焦性问题,根据连续变焦红外镜头的齐焦性拟合补偿曲线,提出一种同步控制运动方法,通过采用主从协同运动,路径规划,轨迹分解、合成,将变焦运动与补偿运动结合在一起。再经过预测补偿、同步采样和插补算法,快速完成补偿运动。此外,采用节根节点校准及位置耦合方式,减小补偿累积误差。在变焦电机与补偿电机协同作用下,保证红外镜头在不同环境温度下,都能实现变焦匀速运动时,齐焦性在指定的精度范围内,从而实现红外镜头的齐焦性。能有效弥补连续变焦红外镜头因连续工作或温度变化导致齐焦性不足的问题。