基于Fang算法的TDOA室内定位技术

传统基于全球定位系统(GPS)的定位技术应用,已在室外环境下为人们提供了许多便利。随着近年来人们生活水平的不断提高,大众对定位的诉求已不仅限于室外,在智慧商场、企业人员智能管理、校园智能管理等场景,要求对室内用户进行定位监测,而传统的GPS定位精确度有限,在室内已无法应用。目前室内定位常用的技术有红外线、蓝牙、Wi-Fi以及基于室内移动网路的无线定位等,无线定位则是其中的热点。本文介绍了一种基于室内分布式基站,运用Fang算法实现到达时间差(TDOA)定位的技术研究,并对其定位精确度进行了探索。

一种改进的室内无线定位算法

为提高室内无线定位精度并降低算法复杂度,提出一种改进的室内无线定位算法,包含2种分支算法。以视距路径数为标准,将室内无线环境划分为非视距污染较轻和较重2种环境。对污染较轻的环境,采用改进的Fang-Taylor级联算法;对污染较重的环境,采用新的迭代定位算法。仿真实验结果表明,该算法能达到甚至超过同类算法的定位精度,且适应多种室内无线环境,提高对环境的鲁棒性。

基于超宽带技术的TDOA室内三维定位算法研究

在室内环境下对目标进行无线定位时,由于障碍物的遮挡而造成的非视距(NLOS)误差对定位精度产生了很大的影响。针对此问题,对利用超宽带(UWB)技术测量得到的到达时间差(TDOA)数据进行残差分析,首先鉴别测得的数据中是否存在NLOS误差,然后针对存在NLOS误差的情况,提出将Fang算法得到的定位结果作为泰勒级数展开法的初始定位值,组成Fang-Taylor级数联合算法来计算NLOS情况下的定位结果。而对于视距(LOS)情况下测得的数据,仍采用单一的Fang算法进行计算。仿真对比实验表明,Fang-Taylor级数联合算法有效地提高了室内NLOS环境下目标的定位精度。

基于粒子群算法的支持向量机训练和实现方法

在支持向量机的实现过程中,如果用于训练的样本数很大,则标准的二次型优化技术就很难应用。针对在大规模训练中算法收敛速度慢、复杂程度高等问题,提出用粒子群算法求解其中的二次规划问题的思想。试验结果表明,用粒子群算法来训练样本集具有容易实现、节省计算成本和提高收敛速度等优点。该方法已经应用在模式识别、数据挖掘、系统辨识与控制等领域。

基于聚类和TDOA的无线基站定位算法研究

为提高无线定位的精度,提出了基于聚类和TDOA的基站定位优化算法。首先,建立TDOA定位模型,采用Fang算法对移动终端的位置进行初步估计,并根据多个初步估计值获得的先验信息,去除双解情况下误差较大的估计位置;其次,采用K-means聚类算法进行聚类,进一步筛选出离群点,得到更精确的位置估计数据集,将其取平均后得到精确位置;最后,采用仿真实验验证算法的性能。实验结果表明,相对于经典Fang算法,所提算法具有更优的定位性能,应用前景广阔。

基于区块链的云计算资源去中心化交易共识机制研究

区块链的去中心化、去信任、数据可追溯等技术特性,为云计算发展带来了新的机遇与挑战。传统的中心化数据中心,用户通过网络带宽资源从数据中心获取计算、存储、数据库等资源,这种模型下存在中心化机构运行成本高、效率低以及数据存储不安全等问题。为此,文中提出了去中心化的云计算交易机制与方法,构建了基于区块链的云计算资源交易市场,重点研究了共识机制在云计算去中心化交易市场中的应用。通过分析比较目前主流的区块链共识算法(PoS,PoW,DPoS,PBFT),提出基于实用拜占庭容错算法(PBFT)改进的算法,对以太坊应用于联盟链时会产生的资源浪费与信任缺失等缺点进行优化,从而达到减少开销的目的,并将改进算法应用到云计算资源去中心化交易市场中。文中提出了在云计算资源交易中引入区块链技术,采用去中心化和去信任的方式集体维护一个可靠分布式数据库,设计了基于以太坊的共识机制,能够构建全球联网计算机算力交易平台,真正实现云计算资源的弹性可扩展与按需分配。

UWB传感器的室内定位应用

由STM32和DW1000构成UWB(UltraWideBand)传感器,应用三UWB基站对UWB移动站实现定位,基于UWB测距值建立定位模型。使用基于ToF(Time of Flight)的单边双向测距算法及双边双向测距算法设计测距实验,得到室内测距误差10cm〜30cm,使用基于最小二乘的线性拟合算法校正误差,校正后测距误差在10cm内。经比较,选择单边双向测距算法参与定位。分析了三边定位法、三角形质心定位法、最小二乘定位法、Fang定位法,选择后两种算法进行室内定位实验,并随机取定位样本点分析定位值分布。在普通客厅环境中,两种算法x,y方向的定位误差均在15cm内,最小二乘法定位值分布更均匀。

基于曲线拟合的物流仓储自动导引车远程定位算法

针对物流仓储引导车远程定位精度差的问题,在讨论TDOA测距原理和方法的基础上,提出在传统的Fang算法的基础上引入Taylor算法。具体思路为首先通过Fang算法实现初步的位置估计,然后再通过Taylor级数展开求取更高精度位置,最后,选用Matlab R2014a软件对上述算法进行仿真,并进行现场试验模拟。结果表明,无论是仿真,还是在现场AVG模拟,构建的Fang-Taylor算法在定位精度方面,特别是在NLOS环境下具有明显的精度优势。

无砟轨道板温度智能测量及预警方法设计

针对无砟轨道板内部温度如过高会给无砟轨道结构带来极大危害的问题,提出一种基于PCA-PSOSVM的无砟轨道温度智能预测与预警模型。在分析SVM基本原理的基础上,首先通过PCA对影响无砟轨道温度梯度分布的主元影响因子进行筛选,从而将气温、风速和太阳辐射作为输入参数;通过PSO对SVM的C和γ参数进行优化,从而得到最佳预测模型;最后用MATLAB 2014b作为仿真软件,筛选888组无砟轨道温度梯度数据,以其中的666组作为模型训练样本,222组作为测试样本,对无砟轨道的温度梯度进行分析,最终得到PCA-PSO-SVM预测方法,得到的温度梯度值最为接近实际测量结果,说明本模型的优势。