基于蒙特卡洛模拟的声电联合局部放电定位阵列设计及快速定位方法研究

针对目前局部放电声电联合定位中传感器阵列和定位算法设计缺乏统一评价指标的问题,通过对到达时间差算法误差来源进行分析,提出通过蒙特卡洛模拟对阵列及定位算法的定位能力进行定量分析的方法。综合考虑空间限制和定位能力,应用上述方法对平面圆形阵列阵元数量和阵列半径进行了优化,并确定平面圆形阵列的最优阵列半径为35 mm,阵元数量为4~6个。随后基于所提方法,针对4阵元平面圆形阵列对到达时间差算法求解过程进行了优化,提出先通过一次方程组解得x、y后,回带误差最小二乘函数计算z坐标的方法,大幅减小了计算量。最后利用有限元仿真软件和油中放电实验平台,对所设计4阵元圆形阵列及局部放电定位算法进行了验证,定位误差小于65 mm。

基于最小二乘法的蒙特卡洛移动节点定位算法

针对无线传感器网络中蒙特卡洛移动节点定位算法的不足,提出了一种基于最小二乘法的蒙特卡洛移动节点定位算法。该算法根据运动的连续性,利用最小二乘曲线拟合的方法,推算出未知节点在下一时刻可能的位置区域,进行快速抽样和样本过滤。仿真结果表明:新算法在不同的网络连通度、不同的运动速度等情况下,均表现出良好的性能。

基于时序蒙特卡洛的WSN节点定位算法

针对无线传感器网络(WSN)中的移动节点定位问题,提出了一种将反馈时间序列与蒙特卡洛相结合的定位算法TSMCL(Feedback Time Series-Based Monte Carlo)。该算法基于目标节点1跳范围内的邻居锚节点(至少3个)反馈信号的先后顺序,构建了节点可能的初始采样区域R1,并以区域R1与蒙特卡洛采样区域R2的重叠区作为新的采样区域R,以进一步缩小采样范围、提高采样效率。仿真结果表明:与蒙特卡洛定位算法相比,提出的TSMCL算法能够减少约38%的定位误差,尤其当节点移动速度较高时,算法的收敛速度也得到了显著提升。

鲁棒的机器人蒙特卡洛定位算法

提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重采样方法,以提高粒子的细化能力;最后结合普通重采样方法,提出一种改进的MCMC重采样的机器人定位算法,减少粒子匮乏效应的同时,提高了定位精度.实验结果表明,该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.

基于蒙特卡洛方法的移动传感网节点定位优化算法

无线传感器网络正在被应用到各种各样的监测环境中,在这些应用场景中,传感器节点的位置信息大都是至关重要的。目前对传感器节点定位方面的研究大都只针对静态WSN的情况,对于移动WSN节点定位的研究仍然十分有限。该文提出了移动WSN中节点间互相优化定位的新思路,通过判断式筛选出定位精度高的节点,并协助其他节点进行定位条件的优化。所提出的算法TSBMCL通过更精确的裁剪待定位节点的蒙特卡洛盒,并增加节点的粒子滤波条件来实现节点的精确定位。大规模的仿真结果表明,该算法可精确的锁定节点位置区域,高效的采样得到节点的位置样本,相比于传统的移动WSN蒙特卡洛定位方法,大大提高了节点的定位精度。

一种基于模糊理论的蒙特卡洛移动节点定位算法

移动节点定位技术是无线传感器网络中的关键技术之一。针对蒙特卡洛算法MCL(Monte Carlo Localisation)在移动节点定位中存在样本需求量大、定位精度不高、定位所需时间长等缺点,提出基于模糊理论的改进蒙特卡洛移动节点定位算法F-MCL。通过对节点信号能量数值进行模糊化,滤波条件的精确化来弥补MCL的不足。仿真实验表明,提出的F-MCL算法比传统MCL算法在定位时间上比原来缩短了约58.6%,在定位精度上比MCL算法最高提高了约37%。

基于自适应蒙特卡洛算法的实时定位研究

传统变电站的人工巡检方式受到客观制约因素较多,存在一定的误检、漏检等问题。为此,在对变电站实时定位时采用机器人巡检方式,提出一种基于自适应蒙特卡洛算法。利用开源机器人操作系统,通过将激光传感器和里程计相结合,实现巡检机器人的实时定位。在Matlab环境下进行仿真对比实验,结果表明,与基于蒙特卡洛算法相比,基于自适应蒙特卡洛算法的定位精度更高、抗干扰性更强,适用于变电站巡检机器人的实时定位研究。

基于粒子聚合重采样的移动机器人蒙特卡洛定位

提出了一种基于粒子聚合重采样的移动机器人聚合蒙特卡洛定位(Merge Monte Carlo localization,Merge-MCL)方法.首先将移动机器人作业空间划分为离散栅格,建立栅格集,然后提出一种基于粒子空间相近性的粒子聚合技术,在保证粒子空间分布合理性的同时自适应调整粒子集规模.提出的粒子聚合重采样方法能够缓解粒子权值退化问题,并避免了传统重采样方法导致的多样性匮乏问题.仿真结果表明,粒子聚合重采样方法能够有效控制粒子集规模,聚合蒙特卡洛定位方法是鲁棒、有效的.

基于自适应多提议分布粒子滤波的蒙特卡洛定位算法

针对基于Cubature粒子滤波的蒙特卡罗定位(CMCL)算法存在的计算量大、实时处理能力较差的问题,提出一种基于自适应多提议分布粒子滤波的蒙特卡罗定位(AMPD-MCL)算法。该算法利用Cubature卡尔曼滤波和扩展卡尔曼滤波改进提议分布,融入当前观测信息,减弱粒子退化现象;重采样部分采用Kullback-Leibler距离(KLD)采样,根据粒子在状态空间的分布状况,在线调整下一次滤波迭代所需粒子数,从而减小计算量。仿真实验验证了自适应多提议分布粒子滤波(AMPD-PF)的有效性;同时在机器人操作系统(ROS)上进行实验,结果表明改进算法的平均定位精度达到19.891 cm,定位所需粒子数稳定在60,定位时间为45.543 s,较CMCL算法在定位精度上提高了71.03%,时间缩短了63.10%。实验结果表明,AMPD-MCL算法减小了定位误差,能实时在线调整粒子数,有效减少了算法计算量,提高了实时处理能力。

融入二维码信息的自适应蒙特卡洛定位算法

蒙特卡洛定位(MCL)算法存在计算量大、定位精度差的问题,由于二维码具有携带信息的多样性、二维码识别的方便性与易用性的特点,提出一种融入二维码信息的自适应蒙特卡洛定位算法。首先,利用二维码提供的绝对位置信息修正里程计模型的累计误差后进行采样;然后,采用激光传感器提供的观测模型确定粒子的重要性权重;最后,因为重采样部分采用固定样本集会导致大计算量,所以利用Kullback-Leibler距离(KLD)进行重采样,根据粒子在状态空间的分布情况自适应调整下一次迭代所需粒子数,从而减小计算量。基于移动机器人进行的实验结果表明,改进算法与传统蒙特卡洛算法相比定位精度提高了15.09%,时间缩短了15.28%。

用蒙特卡洛方法模拟和评价电离室矩阵探测器的定位灵敏度

目的:由于阵列式平板探测器内每个电离室单元探测器结构和尺寸的差异,构成了不同厂家生产的探测器阵列在放射治疗质量控制中的地位,各自的优势和不足。本文通过Monte Carlo(MC)模拟对不同面积的准直器遮挡入射束所形成的剂量场分布,并和实验测量的结果进行比较,用于评价不同厂家生产的方形探测器电离室矩阵与圆形探测器阵列的对照射野定义的位置灵敏度。方法:用BEAMnrc软件对电子直线加速器机头建模并模拟6 MV X射线的注量场分布,得到PHASE SPACE(相空间)文件,用DOSXYZnrc计算水模体中探测器的剂量分布范围与实际被照射面积的对应关系,从而评价PTW公司的SEVEN29电离室矩阵(方形探测器)与IBA公司的MatriXX电离室矩阵(圆形探测器)对位置的探测敏感度。结果和结论:PTW公司的SEVEN29和IBA公司的MatriXX两种阵列中单个探测器的定位灵敏度在2%的误差范围内基本一致,在放射治疗中凡是涉及对位置的精度检测的操作过程中,这两种电离室矩阵都可以任意选用,其位置的空间定位精度在1 mm以下。

基于禁忌搜索的车联网蒙特卡洛定位算法

在蒙特卡洛定位算法中引入禁忌搜索算法以提高车联网中快速定位的性能;自组织车联网高速移动的车辆和快速变化的网络拓扑结构,使用传统的蒙特卡洛定位算法,不能迅速地收敛位置信息;在滤波阶段引入禁忌搜索算法对传统蒙特卡洛定位算法进行改进,优化滤波排除可能性较小的位置点,获得近似最优估计位置采样集;仿真结果表明,改进后的算法在样本采集数、计算时间、定位精度等方面有了显著提升,改进后的算法能更好地解决车联网的定位问题。

基于非对称激光雷达的自适应蒙特卡洛定位算法

对于机器人,定位问题是最为重要也是最难解决的问题,蒙特卡洛算法是一种常用的机器人定位算法,在此基础上衍生出了自适应蒙特卡洛定位算法(SAMCL),该算法通过对地图的离线预处理降低实时计算负担,通过提出等能量区域采样,提高采样效率,通过对粒子的功能划分解决绑架问题。该文提出一种新的自适应蒙特卡洛定位算法iSAMCL,使用包含方向维度的三维能量地图代替二维能量地图,从而能够表示同一位置不同方向的能量,使得算法能够适应视角小于360°的传感器。最后,该文在实验室中对iSAMCL的性能进行了位置跟踪与绑架问题两项测试,得到了位置轨迹与最终位置误差数据,证明了iSAMCL的可行性。

基于Wi-Fi和自适应蒙特卡洛的移动机器人定位方法的研究

提出一种基于Wi-Fi和自适应蒙特卡洛的移动机器人定位方法。通过对实验环境中Wi-Fi信号的分布进行测试和分析,利用Wi-Fi信号强度的三角定位法,在ROS平台上实现Wi-Fi-AMCL室内初始化定位系统。对该方法和传统定位方法设计实验进行比较,结果表明前者不仅可以有效加快粒子的收敛速度、缩短机器人的定位时间,而且在一定限度上提高了机器人的初始化定位精度,改善了定位效果。

基于蒙特卡洛模型的脊髓损伤后神经细胞定位方法

交通事故、高空坠落、重物砸伤等原因,可能导致人体脊髓损伤(spinal cord injury, SCI)。SCI中断了人体神经信号的传输信道,患者大多高位截瘫,丧失肢体功能,大小便失禁,导致终生残疾,生活异常艰难。2016年世界卫生组织统计数据显示,全世界SCI患病率为(258～785人)/百万人口,每年新发病率为(13.8～86人)/百万人口。目前全球约有SCI患者600万人,并且每年新增约60万人。脊髓损伤一直是医学界的重难点研究课题,医生和科研人员经过长期的研究与探索,目前仍未找到有效的治疗方案来修复脊髓损伤后的微环境以及促使损伤神经的再生。该方法主要针对以下两方面问题:(1)常规的检测仪器如X射线、核磁共振MRI检查、 CT等传统仪器只是影像和形态学方面的观察,不能对脊髓损伤部位的神经细胞进行定位和实时的活性分析,致使医生和科研人员对患者的病情不能精确把握,极有可能延误患者病情,甚至危及患者生命。(2) 2013年12月,西安邮电大学量子通信团队提出采用量子中继"搭桥"的方式,即利用量子纠缠传态在脊髓损伤上断点和下断点建立"连接",来实现人体神经信号中继的方法;并联合西安交通大学医学院进行大鼠和白兔的实验,取得了突破性进展。2015年1月16日,中国科学院再生医学研究团队联合中国武警脑科医院,结合间充质干细胞,使用神经细胞再生支架完成世界首例脊髓损伤"搭桥"手术,并取得了良好的治疗效果。如何保证"搭桥"是建立在活性神经细胞上,而不是已经坏死的神经细胞上?如何找到合适的"桥墩"位置,使"搭桥"的距离尽可能小以保证神经信号传输的保真度能够尽可能的高?该文提出的方法可以实现对脊髓损伤后的神经细胞进行精确定位。光谱分析越来越广泛的被应用在生物医学领域,对某些疾病的早期发现和无创或微创的高效检测起着至关重要的作用。神经特异性核蛋白可以用来特异性识别神经细胞,由于存活的神经细胞才会产生神经递质,因此,在动物实验的基础上,通过蒙特卡洛模型模拟光子在生物组织中的传输,对平面Oxy建立极坐标转换,得出光在生物组织中的衰减系数矩阵的计算方法,对脊髓损伤前后的相同位置进行近红外光检测,用聚类算法对神经元特异性核蛋白和神经递质的检测数据进行处理,通过matlab仿真,得出脊髓损伤前后衰减系数的二维分布图,确定Oxy平面中脊髓损伤部位体素的X和Y坐标,在Oxy平面的异常部位选取异常点W与Z轴建立Ozw平面,最终确定脊髓损伤部位神经细胞的位置坐标。该方法可以为医生和科研人员在脊髓损伤患者肢体功能重建的研究中提供理论依据。

无线传感器网络中蒙特卡洛定位算法的研究

在无线传感器网络的节点定位领域,常用的以蒙特卡洛为基础的定位算法均存在定位误差大、采样效率低的问题。为了提高无线传感器网络中针对移动节点的采样效率和定位精确度,文中采用马尔科夫链进行抽样,提出了一种基于蒙特卡洛的改进算法。该算法在蒙特卡洛算法的基础上,结合马尔科夫链采集节点样本,随后对其进行过滤,再通过对得到的节点位置值进行加权计算,得到节点的准确位置。仿真实验结果表明,通过该算法得到的节点定位误差低于其他算法,提高了采样效率以及对移动节点的定位准确率。

基于频谱感知的蒙特卡洛定位算法

为在未知信号源参数的情况下,仅根据接收到的观测信号对信号进行定位,结合频谱感知得到的接收信号强度(RSSI),提出一种分布式蒙特卡洛定位算法,从无线电信号传播损耗特性的物理层面出发,结合RSSI定位和蒙特卡洛方法,将传统的测距定位转换为概率学问题,利用不同检测节点的RSSI值的比较和四分法对信号源位置进行预测,缩小采样空间,增加更多的粒子滤波要求,达到提高定位精度的目的。仿真结果表明,相比于传统定位算法,该算法定位精度高,容错性好,能够减少由RSSI测量精度不高、检测节点频繁离开或加入引起的定位误差。

基于蒙特卡洛算法的煤矿井下人员定位研究

对于煤矿井下作业而言,实时掌握作业人员准确位置对于确保人身安全具有重要意义。当前,煤矿井下人员定位方法有很多种。文章分别从位置预测及位置更新角度对蒙特卡洛定位方法进行了较为全面的阐述,并对仿真实验结果进行了分析。

一种基于蒙特卡洛的移动传感网节点定位的优化算法

在无线传感网中,针对蒙特卡洛移动节点定位算法中通信半径无法确定这一缺陷,本文提出了一种结合跳\距转换模型的蒙特卡洛定位改进算法。该算法首先利用实际中测得节点间的跳数信息得到节点的预估计坐标,进而精化出一个环形采样区域,提高了采样效率。仿真结果表明,优化之后的算法能够显著地减少定位采样次数,能够有效提高定位的准确性,并且能改善网络中低锚节点密度时的性能。

基于LIO-SAM建图和激光视觉融合定位的温室自主行走系统

为解决传统导航方案在温室内无法应对光照变化大、作物行间距窄、接收GPS信号差等问题,该研究提出了基于即时定位与地图构建技术的激光视觉融合式自主导航算法。该系统利用三维激光雷达VLP-16(Velodyne LiDAR,VLP-16)和惯性测量单元获取温室环境信息,采用基于紧耦合的雷达惯导定位建图(tightly-coupled lidar inertial odometry via smoothing and mapping,LIO-SAM)算法构建导航地图,基于轮式里程计和视觉里程计采用扩展卡尔曼滤波器算法实现局部定位,融合激光点云配准算法和自适应蒙特卡洛定位算法实现全局定位。同时,在自主行走系统应用A*算法规划全局路径和动态窗口算法规划局部路径,从而实现自主导航。试验结果表明,LIO-SAM算法构建的温室导航地图最大相对误差、最大绝对误差和均方根误差分别为9.9%、0.081和0.063 m,在温室内改进后的定位算法横向偏差小于0.020 m,纵向偏差小于0.090 m;当自主行走系统以0.15、0.30和0.50 m/s的速度运行时,横向偏差、纵向偏差和航向偏角的平均值分别小于0.120 m、0.10 m和8.5°,标准差分别小于0.070 m、0.140 m和6.6°。该导航方案满足自主行走系统在温室内高精度建图、定位和导航的需求,可为自主移动平台提供理论与技术支撑。