融合迭代平均滤波的RSSI室内定位算法

针对室内定位中,受无线通信距离和环境的影响,紫蜂(ZigBee)观测信号的随机噪声较为显著,导致定位结果的精度和稳定性较弱的问题,提出一种融合迭代平均滤波的RSSI室内定位算法:在数据采集过程中,采用高斯滤波对观测信号进行预处理,并根据接收信号强度指数测距理论建立起路径损耗模型,由此估算出信号接收节点到广播信标节点间的距离;然后,在定位解算过程中,在线性最小二乘算法的基础上融合迭代平均滤波算法,以抑制随机误差对定位结果的影响;最后,采用自研的CC2530 ZigBee模组对算法的可行性和稳定性进行实验验证。结果表明,等权最小二乘算法的点位精度约为0.64m,距离定权后,最小二乘算法的精度提升到0.52m;用等权最小二乘算法融合迭代平均滤波,精度也能达到0.5 m左右,与距离定权最小二乘的精度相当;同时,融合距离定权和迭代平均滤波2种方法的点位精度可以提高到0.35 m左右。

面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析

为了验证目前高精度定位中多传感器组合定位模型性能的优越性,以更好地解决自动驾驶场景下自主定位中出现的预测精度标准不一致、预测不及时及误预测率高等问题,本文利用LiDAR与Radar数据,建立了一种基于迭代加权的IEKF-BP组合算法的松组合模型,并对两种传感器组合定位结果精度进行了分析。试验表明,迭代加权的IEKF-BP组合算法的组合结果精度优于单一的IEKF算法和BP神经网络算法组合定位精度,其中,在X、Y方向上的均方根误差分别为0.028、0.028 m,平均误差分别为0.023、0.014 m,能准确反映载体的运动状态,满足未来无人驾驶中定位需求。

多节点协作迭代求精的WSNs加权质心定位算法

为解决无线传感器网络中质心算法对锚节点密度要求较高和定位精度过度依赖锚节点分布的问题,提出了一种多节点协作迭代求精的WSNs加权质心定位算法。该算法采用加权质心估算初始坐标,以请求二跳锚节点的方式增加可用锚节点,由锚节点以多边测距方式估算待定位节点的实际坐标与估算坐标的差值,迭代调整估算坐标,提高定位精度。实验结果表明,与普通加权质心算法相比较,该算法具有更高的定位精度和定位覆盖度。

基于多通信半径和跳距加权的WSNs三维迭代定位算法

针对三维DV-Hop全局跳数划分不够精确,平均跳距与实际跳距偏差大导致定位误差大的问题,提出一种基于多通信半径和跳距加权的WSNs三维迭代定位算法。首先,参考锚节点比例设置跳数阈值进行迭代定位;其次,利用多通信半径和多跳跳数偏差对单跳和多跳节点跳数进行精确划分;最后,将估计跳距与最大通信半径的偏差设为平均跳距的权值,采用最小最大法计算节点位置。仿真结果表明,在锚节点比例较大和通信距离较短时,该算法与3D-DVHop、3D-WD-DVHop和基于三维球形分割定位算法相比,定位精度明显提高。

基于CDKF滤波算法的智能车组合定位技术的探讨

提出了一种新的CDKF滤波算法,用此算法来替代扩展卡尔曼滤波器算法,由此迭代更新其观测到的数据,目的是提高智能车系统的定位精度,使提议分布更趋近于后验概率分布,并且能够准确估算智能车的位姿进而对其位置进行特征地图更新。此算法的优越性在于既能保证智能汽车定位精度,又能减少计算复杂度。由于车辆系统估算性能得到提高,使得粒子滤波算法稳定性获得增强。

非视距环境下基于到达时间差的一种定位算法

由于对无线定位日益增长的业务需求,无线定位近些年成为人们关注的焦点。针对实际环境中TDOA测量值时常受到非视距的影响而造成定位精度显著下降的问题,在Chan算法基础上,提出一种减小非视距影响的算法,该算法采用加入校正因子的方法,通过逐步迭代,以增加较小的运算量为代价减小非视距的影响,从而达到提高定位精度的目的。仿真表明,在各种环境下,特别是非视距环境下,该算法能够显著提高定位的精度,且运算量较小,因而具有一定的实用意义。

改进的无线传感器网络节点定位算法

为了减小无线传感器网络(WSN)节点定位中非视距传播误差产生的影响,提高节点定位精度,提出一种基于残差加权的牛顿迭代定位算法。先利用残差加权算法定位,得到未知节点的初步位置,再将该节点位置作为牛顿迭代定位算法的初始值进行迭代计算,最终得到更为精确的节点位置。仿真实验结果表明,该算法能有效地抑制非视距传播误差的影响,提高传感器网络节点定位的精度,且性能稳定。

基于节点协作的煤矿井下无线精确定位算法

针对现有多边定位算法在定位基站布置稀疏的情况下定位精度低、鲁棒性差的问题,提出了基于节点协作的无线精确定位算法,给出了未知节点误差和最小的加权非凸定位模型,并提出相应的非迭代式定位算法。仿真和实验结果表明,在典型巷道定位布置、未知节点均匀随机的情景中,采用所提算法得到的未知节点平均定位误差随节点数增加而降低,且下降趋势随节点数增加变缓;该定位算法可实现总体上的定位鲁棒性和定位精度的提高,其代价为个别节点定位精度的降低及定位时间复杂度的上升。

基于接收信号强度的无线传感器网络质心定位算法

针对原有质心定位算法精度低、锚节点比例过高的缺点,提出了基于接收信号强度(RSSI)的无线传感器网络质心定位算法。该算法将基于RSSI的测距值作为权重引入质心算法,通过仿真实验探寻算法模型最优权值,并运用迭代思想降低网络锚节点比例,同时采用测距校正、算法修正和设置RSSI阈值约束三种措施来控制算法误差。仿真表明,改进算法在定位精度、成本控制和环境适应性上优于原有质心定位算法。

基于TSWLS-NM的四站无源定位算法

针对四站情况下三维目标TDOA定位问题,提出了一种基于改进两步加权最小二乘(TSWLS)与牛顿迭代法(NM)相结合的无源定位算法(TSWLS-NM)。该方法首先将辅助变量和目标位置参数分离,构造新的定位模型实现降维。其次,利用牛顿法求解辅助变量,避免传统直接求根带来的无效解。最后,对目标位置估计进一步修正误差,以提高目标定位精度。理论分析和仿真结果显示:该算法在四站情况下定位精度可以达到克拉美罗下界(CRLB),且实时性和定位精度优于泰勒迭代算法和直接求根四站定位算法,同时该算法在五站情况下定位性能和抗噪性均优于TSWLS算法。

基于模糊数据库构建的听觉定位方法

针对场景分析方法中因高密度参考点和数据采集带来的离线指纹数据库构建工作量大和在线定位复杂度高的问题,提出了一种基于特征模糊C均值聚类的声音位置指纹数据库构建方法。该方法使用少量位置标定参考点建立的模糊数据库来降低特征匹配的计算量,在使用加权K近邻算法定位的同时,根据定位误差大小采用迭代插值算法矫正定位精度偏低的测试点位置。实验结果表明,该方法相较于传统指纹定位方法在减少了数据库构建开销的同时,显著提高了机器人听觉定位系统的精度和效率。