融合改进小波去噪与T-Taylor的井下定位算法

针对超宽带井下定位方法中,信号易受到非视距(NLOS)误差的影响,导致定位算法的精确度与环境适应性较差的问题,本文提出了一种融合改进小波去噪和T-Taylor算法的井下定位算法。对原始测距值进行降噪处理,抑制NLOS误差对定位的影响;同时引入三球交会算法,将其作为Taylor算法的初始算法,确保Taylor算法收敛的同时,增强定位算法在井下复杂环境的定位精度与环境适应性;通过蒙特卡罗仿真试验进行验证。结果表明,融合算法能够在一定程度上降低测距误差,增强算法对于复杂环境的适应性,提高定位精度,在NLOS环境下较C-Taylor算法有更高的定位精度与抗噪声性能。经实地定位试验验证,融合算法平均定位精度相比于C-Taylor算法有一定程度的提升,提高了37.3%。

基于改进Chan-Taylor算法的震后定位搜索技术研究

针对震后复杂的非视距传播环境,在充分了解废墟状态下信道特征和信号传播特点的基础上,构建震后无线定位系统框架,提出改进的Chan-Taylor位置解算方法,将改进的残差加权算法与多元泰勒级数展开算法相融合,并进行二次残差加权。对废墟环境进行实地调研,并通过Matlab进行仿真模拟实验,仿真结果表明,改进后的算法能更好地抑制非视距环境下TDOA的测量误差,对震后被压埋幸存者的位置解算与及时营救具有重要意义。

基于Chan-Taylor和优化BP神经网络的5G室内定位算法

为提高复杂环境下5G室内定位精度,针对不同应用场景设计了基于Chan-Taylor和优化BP神经网络的5G室内定位算法。当无样本可用时,提出了融合Chan-Taylor算法,使用Chan算法计算出定位值作为Taylor算法初始值进行迭代计算;当有小样本可用时,采用BP神经网络效果更佳;当有大样本可用时,使用遗传算法改进BP神经网络以提高定位精度。在不同场景下对三种算法进行了对比实验,实验结果表明:无样本可用时,Chan-Taylor算法具有更好的鲁棒性和适用性;在45个样本训练情况下,BP定位精度最高,为0.3649 m;在400个样本训练情况下,GA-BP定位精度最高。

IMMKF与Chan-Taylor算法的协同定位

TDOA(Time Difference of Arrival)测距方式是UWB(Ultra Wide Band)室内定位的常用方法,针对其不可避免的随机误差以及目标改变运动状态定位不准确的问题,文中提出了一种Chan-Taylor-IMMKF(Interacting Multiple Model Kalman Filter)定位算法。该算法由Chan-Taylor加权算法与加入自适应算法IMM卡尔曼滤波算法组成,通过Chan-Taylor加权算法初次取得目标估计坐标,将该坐标值作为自适应算法IMM的卡尔曼滤波器的测量值,对目标坐标进行多次滤波处理,最终加权得到目标的最终估计坐标。实验将该算法与未滤波的Chan-Taylor加权算法、使用传统的卡尔曼滤波算法进行对比,结果显示该算法有效减小了系统的随机误差,并克服了传统卡尔曼滤波器在目标忽然改变运动状态时不能及时跟踪从而产生较大误差的问题,将误差标准差均值控制在15 cm之内。

面向入侵检测的Taylor神经网络构建与分析

深度学习方法已成为网络入侵检测的重要手段,但现有深度学习模型无法挖掘出网络入侵数据特征值间隐藏的函数映射关系。对此,设计了Taylor神经网络模型(TNN)。利用Taylor公式对多项式函数的逼近能力与神经网络的优化能力对入侵数据特征间的关系进行挖掘与利用。首先,介绍Taylor神经网络的基本结构。为了将Taylor神经网络引入入侵检测领域,设计了Taylor神经网络层(TNL),并将其与传统深度神经网络结合构建Taylor神经网络模型。为优化Taylor公式的展开项数,引入人工蜂群算法,但传统的人工蜂群算法存在开采能力较差,易陷入“早熟”等问题,因此设计了一种基于高斯过程的人工蜂群算法。实验结果表明,基于Taylor神经网络的入侵检测算法在NSL-KDD和UNSW-NB15数据集上的准确率具有明显优势。

一种基于Taylor和Kalman的室内协同定位方法

结合Chan算法、Taylor算法及Kalman算法三种TDOA算法的优点,提出一种能应用于室内实时定位的协同方法。首先基于Chan与Taylor的协同定位方法估算位置信息,并通过对估计结果的残差设置阈值来鉴别NLOS,从而抛弃受到NLOS污染严重的测量数据。其次,再对符合条件的测量数据,利用Kalman方法计算定位结果,与Taylor方法的定位结果通过设置判别条件进行比较,以此进一步抑制NLOS干扰。对符合判别条件的定位结果,进行残差加权及移动平均加权处理,从而完成最终定位结果的更新。最后,利用室内实时定位实验,证明该方法能有效过滤受到NLOS污染严重的测距数据,提高定位精度,并且具有良好的稳定性。

基于质心-Taylor的UWB室内定位算法研究

针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time differ-ence of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位,然后将其作为Taylor级数展开法的迭代初值进行二次精细定位,并动态地将前期定位完毕的节点转化为后续定位过程的参考节点,最大限度地利用不断增加的已知信息,在提高Taylor初值质量的前提下减少预设参考节点数目,降低系统硬件成本。采用MATLAB软件进行了模拟仿真。仿真结果表明,该算法定位性能优越,尤其在NLOS测距误差较大的环境下能有效地提高系统的定位精度。

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法。采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位。实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高。

Chan-Taylor协同定位算法在电站锅炉泄漏定位中的应用

为了能够较为准确地定位出电站锅炉"四管"泄漏的位置,对电站锅炉安全运行起到至关重要的作用,因此,将应用于蜂窝网络中的Chan算法和Taylor级数展开法的协同定位算法拓展到三维空间定位,并且通过计算机仿真电站锅炉的声学测点来分析比较该算法的性能:在不同的声波到达时间差(TDOA)估计误差、不同泄漏点位置以及不同声学测点布置个数的条件下分析对算法性能的影响,并且与Chan算法进行比较分析。仿真结果表明,Chan-Taylor协同算法在三维空间的定位性能要优于Chan算法,并且发现不同的声学测点布置情况对定位算法的误差存在一定的影响,因此,验证了Chan-Taylor协同算法推广到三维空间的可行性。

Taylor幂法则模型的遗传算法最优拟合研究

Taylor幂法则模型是研究种群空间格局的重要工具之一，其拟合方法通常采用对数线性化－最小二乘法求得a、b值．这种方法显然不是最优的，本文首次用遗传算法最优拟合该模型，并比较了各种方法的拟合结果，证明遗传算法筒单、精确，优于其他拟合方法．

基于Taylor级数展开的改进定位算法研究

针对由RFID设备组成的室内定位系统的定位方法,分析了常规方法存在的弊端,并在采用基于Taylor级数展开的定位算法的基础上,提出了相应的改进算法,测试了算法在低噪声均匀分布和高噪声非均匀分布2种环境下的定位效果,并比较了加权和非加权算法的定位精度。结果表明,在小范围定位空间中,当噪声较大且误差分布不均匀时,改进算法的定位误差可80%控制在0.6 m以内。

基于Taylor-Edgeworth级数的结构可靠性分析

为了解决工程实际中高维非线性或功能函数为隐式的情况给结构数值分析带来的困难,文中提出了一种新型结构可靠性直接分析方法.首先利用降维算法将维函数展开为个一维函数的形式,再将各一维函数中的变量运用变量转换方法进行变换,并结合Gauss-Hermite数值积分方法,计算得到个一维函数的原点矩及中心矩,将所得矩信息与Taylor展开计算出的结构功能函数的中心矩结合,再借助Edgeworth级数法推导出结构功能函数的累积分布函数表达式,并运用结构可靠性理论计算得到结构功能函数的失效概率.该方法在计算过程中无需进行多重积分计算功能函数的统计矩.数值算例结果表明该方法正确可行.

基于改进Chan算法和多元Taylor算法的室内定位方法

随着5G时代的到来,人们对更精确,拓展性更好的定位系统的需求开始变得越来越迫切。本文提出了一种改进的融合定位算法。本文提出了使用模拟退火最优化算法对近距离情况下的Chan算法第一次初始值估计做了优化,并融合多元Taylor算法,充分利用了定位目标之间的距离关系,使得定位精度得到提高。

基于Chan和Taylor的改进定位算法在智慧农业中的应用研究

针对智慧农业生产管理中准确定位存在的缺陷,结合Chan算法和Taylor级数展开法的优点,提出了LTE定位系统中的一种改进定位算法。该算法剔除了Chan算法中误差较大的定位结果,将优化后的结果作为Taylor级数展开法的初值,然后对这两种算法得出的定位结果进行加权求和,将最终结果作为移动设备的位置坐标。实验表明,在噪声环境中,提出的算法能有效改善定位精度,更好的为智慧农业生产服务。

用麦夸方法最优拟合Taylor幂法则模型

在用Taylor方法研究种群空间格局时,拟合Taylor幂法则V=am^b通常采用将原函数线性化为lnV=Ina+blnm,然后用线性最小二乘法拟合,求得参数a,b。这种方法不是最优的,本文提出用麦夸方法(Marquardt's methos)最优拟合Taylor幂法则。实例验证也表明麦夸方法优于通常采用的“对数线性化——最小二乘法”,采用前者的拟合残差远小于采用后者时的拟合残差。

适用于工程应用的Taylor展开系数的求解法

利用神经网络高度的非线性映射和自学习能力,提出了一种适用于工程应用的确定Taylor展开系数的求解法:人工神经网络法。Taylor级数经变换后,能够用一个标准的三层前馈网络来描述,其网络权值与Taylor系数相对应。利用改进的误差反向传播的学习算法训练该网络,通过训练后的网络权值和阀值计算得到泰勒展开的系数。这种算法只要求知道原函数的样本值,因而具有工程应用价值。

改进的Taylor-Chan算法的多点定位精度研究

多点定位系统因其具有高精度、建站灵活和安装简便等优点,已经被广泛应用于民航监视系统中,目的是减少雷达覆盖盲区,改善天气状况对空管监视数据的影响,增加对目标定位的精度,加强对机场的安全监控,提出了一种改进的Taylor-Chan算法计算航空器的位置,算法的初始值是基于Taylor运行结果的初始值,并通过迭代Chan算法。在假定的理想条件下,对算法进行仿真,其结果表明,与Chan、Taylor、Chan-Taylor三种算法相比较,改进的Taylor-Chan算法的结果模型简单并且精度较高。

基于实数编码遗传算法最优拟合Taylor幂法则模型的研究

Ｔａｙｌｏｒ（１９６１，１９７１）用大量生物种群抽样调查数据研究得出，在大自然种群中，种群空间格局多为非随机分布，均数（种群密度）ｍ与方差ｖ之间的关系是不独立的，即方差常随均数增加而增加，这种关系，Ｔａｙｌｏｒ认为遵从一指数法则，生态学文献常称之为Ｔ...

基于粒子滤波泰勒算法的变电站人员定位跟踪系统

为了解决变电站工作人员实时精准定位问题,提升变电站智能安全运维水平,提出了一种基于粒子滤波泰勒算法的变电站人员定位跟踪系统。系统硬件部分由超宽带基站、超宽带标签、位置计算服务器及相关配套设施组成。所提系统软件算法运用加权最小二乘法对泰勒算法初值进行优化,得出初步定位结果后,采用粒子滤波算法进一步平滑滤波,实现在非视距(NLOS)严重条件下的人员精准定位跟踪,进一步提升定位精度。镇江银山11万伏变电站二次开关室应用实验结果表明,所提的人员定位跟踪系统可在NLOS严重条件下,实现10 cm精度的人员定位,满足实际应用需求,具有工程实用性及可行性。

基于自然选择的线性递减权重PSO与Taylor算法的TDOA协同定位算法研究

针对Taylor算法进行TDOA定位时,其初始估计位置的误差易导致Taylor算法不收敛和定位精度差的问题,提出一种基于自然选择的线性递减权重粒子群优化(W-SPSO)与Taylor算法协同定位的方法。该方法先通过W-SPSO算法得到一个初始估计位置(x,y),再通过Taylor算法在(x,y)处进行迭代运算得到最终定位结果。不同噪声情况下的仿真结果显示:W-SPSO与Taylor算法协同定位方法对MS坐标估计值的均方差(RMSE)小于标准PSO(粒子群优化)、SelPSO(基于自然选择的粒子群优化算法)、W-SPSO、Taylor以及Chan五种算法的RMSE。因此,所提出的定位方法在保留了SelPSO算法求解精度和收敛性的基础上,同时提高了全局搜索能力,使其具有更高的定位精度和收敛性。