基于无线传感器网络的室内定位研究

分析了以接收信号强度为基础的三边测量法和场景分析法两类无线室内定位算法的基本原理,利用无线传感器网络节点在实际的室内环境中对这两类算法进行了测试并对它们的定位精度进行了分析和对比。     

基于k-目标跟踪的节点部署优化算法

针对无线传感网络(WSNs)目标跟踪的节点部署问题,提出了基于 k- 目标跟踪的节点部署优化算法．该算法考虑不同的 k 值、目标半径、跟踪角度、节点通信半径和兴趣区域的形状对 k 个目标跟踪性能的影响．先将兴趣区域划分为等边三角形、矩形和六边形模型,再估计这些模型中的最优边长和节点的跟踪方向．再依据最优边长去估计部署节点位置．最后,依据这些模型,实现 k 个目标跟踪所需的最少节点数．实验数据表明,提出的算法能够有效地跟踪目标．      

水下无线传感器网络定位技术研究进展

水下无线传感器网络和浮标网络定位技术是当今海洋测绘领域的新技术。浮标网络定位技术结合了全球定位系统和水声测量定位技术,可有效地为水下目标进行定位和导航。水下无线传感器网络由大量廉价微型传感器节点组成,可用于实时监测海洋环境的变化、节点定位、水下目标定位和导航等。详细分析了浮标网络定位技术的不足,介绍了水下无线传感器网络,深入剖析了水下无线传感器网络定位技术的发展现状,指出了需要解决的技术难题,为水下无线传感器网络的后续研究提供参考。     

北斗／WSN网络的融合定位算法

通过对传统的无线传感器网络RSSI定位算法的研究,分析了其定位精度差,响应速度慢等特点,结合北斗定位系统的优点,提出了一种传统无线传感器定位与北斗导航定位相融合的算法,通过卡尔曼滤波,将两种算法的数据进行融合,得到了新的融合定位算法。通过仿真分析可得,新的融合算法在定位精度和收敛速度上,相较于传统单一的无线传感器网络节点定位算法都有了相应的提高,通过对这一算法的仿真,仿真结果说明该算法切实可行。      

环境监测中无线传感器网络地面遥感新技术

最近国际上蓬勃发展起来一个新交叉科学领域——无线传感器网络技术。本文首先介绍了无线传感器网络（Wireless Sensor Network,WSN）技术,它是遥感技术的拓展而且两者互为支撑。然后介绍了无线传感器网络技术的潜在应用领域及其在地学应用中的国际发展趋势,提出了无线传感器网络技术应用到环境领域的基本问题,建议在地球观测领域发展无线传感器网络技术。最后介绍了无线传感器网络技术在环境监测中的几个设想。     

基于奇异值分解的快速室内可见光定位算法

为了提高室内可见光定位的稳健性和效率,对定位系统的算法部分进行优化,将定位问题考虑为三维点位拟合问题,利用奇异值分解技术,推导出一个用于确定接收器位置和朝向的闭合表达式。另外,使用智能手机的图像传感器作为接收器,对平面部署的35个网格点进行了测试。与常用的LM迭代式定位算法相比,本文算法定位速度更快,大约快30倍;且避免了由于错误的初始猜测而造成定位失败的可能性,在实际环境中实现了厘米级的高精度定位。     

无线传感器网络室内定位系统的实现

结合嵌入式操作系统TinyOS的通信机制,从定位数据收集和控制命令分发两个方面出发,利用无线传感器网络技术实现了基于接收信号强度的集中式室内定位系统,并考虑了不同定位算法的数据建模问题.最后以三边测量法为例在实际环境中对该系统进行了测试.     

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

采用无线信号测距加权的室内协同定位

随着基于位置服务应用的普及,室内外无缝定位已成为下一代定位系统的核心,但是精确的室内定位至今仍是难点问题。众多学者提出过无线信号定位算法,然而无线信号具有不稳定性,且需要事先建立信号特征指纹数据库,这给定位带来了误差和繁琐性。通过对室内环境中超宽带信号测距结果分析以及对快速生成无线信号数据库方法的探讨,提出一种基于多用户测距约束的融合多传感器信息的协同室内定位算法。该算法利用粒子滤波集成了航向推算数据、WiFi数据、用户间测距以及室内地图等信息。测距约束能够剔除由于信号不稳定或数据库没有及时更新造成的误差。通过集成室内采集的数据,验证了该算法能够有效提高室内定位精度及稳定性。结果表明该算法比航向推算或WiFi定位结果提高了40%以上。     

顾及视线效应的城市户外传感网络空间布局优化

在选址问题中,部分传感器(如摄像头等)的服务易受建筑物等障碍物的遮挡而无法传播,这种现象通常被定义为视线效应。以最少布设数量和成本实现有效服务覆盖范围最大化,是城市户外传感网络空间布局优化的难点。针对顾及视线效应的空间优化布局问题,本文利用GIS可视分析技术改进经典最大覆盖选址模型,模拟服务覆盖的视线效应,并耦合遗传优化算法实现布局优化,以某城市街区的摄像头空间布局优化问题为例进行验证。结果表明,相较传统未考虑视线效应的选址模型,在试验区内本文模型能够将摄像头传感器的真实有效覆盖范围扩大约52.31%,并有效降低摄像头传感网络的成本。     

同波束VLBI测量下的天问一号火星车定位及精度分析

针对中国天问一号火星探测任务中的火星车定位问题,进行了相关方法的研究和精度分析。根据现有测控条件,考虑到火星车无地面测距数据,提出了利用轨道器和火星车的同波束甚长基线干涉测量（same-beam very long baseline interferometry,SBI）数据对火星车进行定位的方法。由于利用SBI联合轨道器测距数据无法在定轨定位的同时解算差分相时延模糊度,分析了在固定轨道器的轨道情况下,仅利用SBI数据进行火星车定位。结果表明,火星车定位误差随着轨道器的轨道精度提高而减小,如果轨道器的轨道精度从1 km提升到100 m或10 m,6 h SBI数据可以将火星车定位精度提高到数百米,同时,增加数据弧段可进一步提高定位精度,当对着陆器高程方向进行约束时,定位精度会有明显改善。     

北斗/超宽带组合定位的室内外过渡区无缝链接方法

室内外无缝导航定位是万物互联之基石,具有广阔的市场前景和应用价值. 但目前对于室内外过渡区的无缝组合导航技术,仍存在诸多棘手问题亟待解决. 对此,从三个方面对BDS/UWB组合定位的室内外无缝链接方法进行了改进:一是提出了一种基于内引法和外引法的室内信标绝对定位方法,以解决室内外定位结果的坐标基准统一问题;二是提出了一种基于位置精度因子(PDOP)平稳变化的室内信标优化布局方案,以提高过渡区域的导航定位精度与信标可用性;三是提出引入自适应权重因子,来解决BDS/UWB组合定位的观测值合理定权问题. 通过具体实验验证:1) 利用基于内引法和外引法的室内信标绝对定位方法,可实现室内外坐标基准的统一,显著提高了用户使用的便捷性;2) 采用所提信标优化布局方案,可有效提高过渡区定位精度,相比无超宽带(UWB)信标,BDS/UWB组合定位的平均定位精度至少提高 355%;3) 自适应权重因子可实时调节不同时间、不同类型观测值的权比,增强了观测信息利用效率,相比北斗卫星导航系统(BDS)空旷区域,定位精度可至少提高22.5%.      

面向虚实融合的单体建筑物实时识别与定位

针对当前矢量地图导航缺乏真实环境信息,而视觉地理定位依赖海量图像标注数据的问题,提出了一种面向虚实融合的单体建筑物实时识别与定位方法。该方法以智能手机为载体,利用轻量级深度网络SSD(single shot detector)实时检测手机视频流中的建筑物对象类别,通过调用手机内置传感器获取当前定位信息与拍摄视角,并以矢量地图信息为辅助,在仅需识别出建筑物类别的情况中,准确获得单个建筑物的属性与定位信息,并与矢量地图进行叠加可视化,最终达到真实地理环境与矢量地图融合的增强导航。随机采集了550张建筑物图像,经过处理标注后作为训练标签,在计算机上训练SSD的建筑检测功能并且进行验证;将训练好的SSD网络模型迁移到移动端,结合地理围栏方法与手机传感器开发可识别建筑单体信息的增强导航系统,将系统部署在手机上进行测试。实验结果表明,该方法可充分利用矢量地图与实景图片的互补信息,在仅需少量建筑物标注样本的情况下,实现单体建筑物信息增强的手机端地图导航,有效缓解了矢量地图定位不够直观的问题。     

超体素随机森林与LSTM神经网络联合优化的室内点云高精度分类方法

针对现有三维点云数据分割分类方法存在分类目标内部不一致的问题,提出一种超体素随机森林与长短期记忆神经网络（long short-term memory,LSTM）联合优化的室内点云高精度分类方法。该方法根据超体素结构具备内部特征一致性的特点,对原始点云进行超体素划分,并以超体素为基本单元进行多元特征计算,搭建室内点云超体素随机森林分类模型,实现点云数据的粗分类。在此基础上,引入LSTM对粗分类的超体素邻域连接关系进行神经网络模型训练与预测,实现超体素粗分类结果的优化。基于开放数据集对所提分类方法进行有效性和精度验证,结果显示,该方法在公开数据集中对13类要素的分类精度可达到83.2%;与经典的深度学习框架相比,该方法在小样本训练时可以达到更优的分类精度。     

北斗三号卫星差分码偏差稳定性分析及其对单点定位的影响

差分码偏差（differential code bias,DCB）是影响电离层监测和导航定位精度的重要因素之一,建立DCB改正模型对高精度定位有重要意义。针对北斗三号卫星的广播星历和精密星历钟差参数时间基准不统一的问题,首先介绍了多星座实验（multi-GNSS experiment,MGEX）发布的DCB产品的估计方法,给出了部分DCB产品的精度评估和分析结果;然后提出了北斗三号卫星单频和双频伪距单点定位以及双频精密单点定位的DCB改正模型;最后利用5个MGEX测站连续5 d的实测数据分别进行了DCB改正前后的定位实验。结果表明,MGEX发布的DCB产品均具有较高的稳定性,经卫星DCB改正后,单频和双频伪距单点定位的定位精度分别提高了48%~85%和71%~91%,双频静态精密单点定位的收敛时间减少了56%~83%。     

GNSS非组合PPP部分模糊度固定方法与结果分析

在精密单点定位(precise point positioning,PPP)技术中,模糊度固定错误将导致严重的定位偏差,为保证PPP模糊度实现更可靠的固定,需对模糊度子集的选取方式进行优化。提出了一种将质量控制与施密特正交化相结合的PPP部分模糊度固定方法。在全球导航卫星系统（global navigation satellite system,GNSS）多系统融合条件下, 选取多模GNSS实验数据,在非差非组合PPP模型中对比分析施密特正交化方法与高度角选星方法,并进行模糊度固定及定位性能验证。结果表明,施密特正交化方法相比高度角选星方法,各天与各站平均历元固定率在静态模式下分别提高了7.74%与11.46%,在仿动态模式下分别提高了7.90%与7.78%;各天与各站的首次固定时间在静态模式下分别提高了22.30%与25.42%,在仿动态模式下分别提高了20.44%与19.65%。在PPP模糊度固定和定位精度方面,多系统融合相比单BDS(BeiDou navigation satellite system)提升效果明显,在95%分位数条件下,水平和高程方向收敛时间分别平均减少20.00 min和19.00 min,水平和高程方向定位精度分别平均改善了1.50 cm和1.12 cm。在非差非组合PPP模型中,采用施密特正交化PPP部分模糊度固定方法可以显著提升模糊度固定性能,改善定位精度。     

北斗三号卫星观测信息高度角相关随机模型统计特性分析

观测信息随机模型在参数估计、质量控制和精度评定过程中具有重要作用,准确的观测信息随机模型是北斗精密定位的基础。首先,利用简化的Helmert方差分量估计方法估计北斗三号卫星观测信息精度,并拟合模型系数;然后,利用全局检验和$\omega$检验对基于分段函数、正弦函数、余弦函数和指数函数的随机模型进行统计检验,分析随机模型统计特性;最后,利用精密单点定位（precise point positioning,PPP）检验各随机模型对定位性能的影响。实验结果表明,北斗三号卫星的伪距和载波相位观测值精度均与高度角相关,且观测类型不同,相关程度不同;基于指数函数的随机模型在拟合误差、全局检验和$\omega$检验中均表现出最优的性能,全局检验浮点解和固定解的误警率仅为5.1%和4.9%,$\omega$检验伪距和载波相位最大误警率分别为5.8%和6.8%,PPP收敛时间最短,定位精度最高。基于指数函数的随机模型能够准确描述北斗观测信息精度,提高北斗三号卫星精密定位结果的精度和可靠性。     

城市场景智能手机GNSS/MEMS融合车载高精度定位

智能手机凭借其普遍性、便携性和低成本等优势,已成为大众用户导航与位置服务的主流终端载体,其多频多系统GNSS（global navigation satellite system）观测值的开放进一步激发了手机高精度定位的研究。然而,受限于消费级GNSS器件性能,手机卫星观测值呈现出信号衰减严重、伪距噪声大、粗差周跳多等问题;并且受城市复杂环境影响,手机GNSS定位的连续性、可靠性也难以保证。提出一种城市场景手机GNSS/ MEMS（micro-electro mechanical system）融合的车载高精度定位方案。首先,构建了速度约束的GNSS差分定位模型;然后,通过手机内置MEMS与车辆运动约束,在挑战环境下进行GNSS/MEMS融合精密定位。实验结果表明,在开阔和树荫场景下,速度约束方法可达到分米至米级定位精度,相比于常规方法分别提升了35.2%和78.9%;在高架场景下,GNSS/MEMS融合定位的精度和连续性均提升显著;在隧道场景下,MEMS推算位置累积误差约为2.5%。实验结果初步表明,手机GNSS具备开阔环境下的车道级定位能力,手机GNSS/MEMS融合可提升城市复杂环境下车载定位的精度和连续可用性。     

面向智能手机的改进有限状态机步态探测算法

针对室内定位行人航位推算中步态探测算法步数识别准确率不高、同步控制不精确及位置估计偏差较大等问题,提出了一种面向智能手机平端活动的改进有限状态机步态探测算法。通过设定有限状态对应步行过程合加速度变化趋势,利用相邻合加速度差值和上/下坡次数阈值实现步数识别和步态周期估计。在211 m走廊内由2名实验人员分别平端智能手机开展实验,结果表明,改进算法的步数识别准确率为100%,每一步的平均识别时间提前了0.004 s,平均位置误差为0.384 m,相比于自相关分析和加速度差分有限状态机算法,识别准确率、同步控制精度和位置估计精度分别至少提高了0.7%、60%和21.15%。改进算法在步数识别、同步控制及位置估计方面优于现有算法。