温变环境下RSSI测距温度改正建模

现有RSSI测距中的路径损耗模型多依赖于经验模型,其环境适应能力较差。温度变化是影响RSSI观测的主要因素之一,进而影响RSSI测距精度。因此,构建包括温度改正项的信号传播路径损耗模型是温变环境下提高RSSI测距精度的关键。本文基于对数距离路径损耗模型,分析了将路径损耗指数视为温度函数和RSSI直接温度改正的两种温度改正建模方法,并提出了3种具体的RSSI测距温度改正模型。利用温变试验的RSSI实测数据,分析了RSSI随温度变化的特性,建立了RSSI测距温度改正模型。结果表明,RSSI测距温度改正的多项式改正项和混合改正项所建立的模型均具有较高的测距改正精度;但随着节点间距的增大,建模的误差也随之增大。     

基于人工鱼群优化的BP神经网络WiFi指纹室内定位方法

针对传统的基于反向传播(BP)神经网络室内定位算法存在着低精度和慢收敛问题,且考虑到室内环境复杂,通常存在多径效应,无法使用信号强度衰减测距模型进行精确定位,提出一种改进的人工鱼群优化的BP神经网络WiFi指纹室内定位算法．利用人工鱼群觅食和寻优方式来提高全局寻优搜索的速度和能力,采用改进的人工鱼群算法(IAFSA)优化选取室内定位BP神经网络的权值和阈值,有效避免了传统BP神经网络的预测值易陷入局部最优的缺点,同时利用高斯滤波对信号进行去噪处理,建立采样点获取到的信号强度值(RSSI)与位置坐标的关系．实验结果证明所提方法与传统的BP神经网络方法相比,平均定位误差减少了0.75 m,平均定位精度提高32.2％,提高了定位可靠性,算法具有更好的稳定性.      

基于BLE室内精确测距模型研究与精度分析

由于室内实际环境中低功耗蓝牙(bluetooth low energy,BLE)接收信号强度指示(received signal strength indication,RSSI)信号易受折射、多径、障碍物、散射等不稳定因素的影响,测距误差较大,针对这一问题,研究基于BLE的RSSI室内测距分析,首先,选取3个室内主要环境影响因素,研究其对RSSI测量的影响,并进行实验分析;然后,分析RSSI室内测距模型参数,根据具体室内实际环境采用平均值法优化测距模型参数;最后,提出3种不同滤波方法处理RSSI值。实验结果表明,参数优化和高斯滤波后的测距精度最高,测距误差在0.5m以内。     

一种面向震后压埋人员的RSSI快速定位算法

针对面向震后应急救援的压埋人员位置估计中传统探测设备成本高、受压埋环境影响大等不足,利用RSSI测距技术,以压埋人员Wi-Fi设备发出的Wi-Fi信号在压埋物下经最小信号损耗穿出对应的信号穿出点为压埋人员的平面位置,该文提出了一种无需已知压埋环境的压埋Wi-Fi设备的快速定位算法,较好地克服了信号在压埋物下大幅、不可知损耗与在外部复杂环境中多路径传播的问题。该算法在建立震后压埋Wi-Fi设备的信号传输模型的基础上,使用高斯-频谱分析处理RSSI数据,得到含有压埋信号损耗的最优路径距离值,通过附有系统参数的加权最小二乘平差方法,结合粒子群寻优算法,得到压埋人员的平面位置。实验结果表明,使用改进的RSSI快速定位算法进行压埋Wi-Fi设备的定位,有效地改善了定位精度,其数值在1 m左右且时效在几秒内,以此达到解决压埋人员应急救援的快速定位问题的目的。     

基于小波分析的神经网络基坑变形预测模型

运用小波理论和神经网络理论不同结合方法建立地表变形预测模型。文中先建立了较为普遍的松散型的小波去噪神经网络模型和紧致型的小波神经网络模型,分析了小波去噪和BP神经网络的隐含层节点数选取过程。基于实测数据分析可得:三种模型的预测效果较单一的BP神经网络预测效果更好;基于小波变换的神经网络预测模型的平均绝对百分比误差为0.15,优于另两种模型的预测精度。     

利用GPS-IR估算雪深的反演模型研究

利用全球定位系统反射信号干涉测量(GPS-IR)反演雪深成为近年来研究的热点领域。在此基础上,针对卫星反射信号分离这一问题,该文提出一种基于小波分解重构的卫星反射信号提取模型。利用coif5小波变换分解6层信噪比数据重构低频分量获取卫星反射信号,并对其反演精度和稳定性进行判别分析。结果表明:该方法克服了低阶多项式拟合分离卫星反射信号存在的局限性;算法简单实用,具有较强的抗干扰能力,分解得到的卫星反射信号较好;均方根误差和平均绝对误差分别降低了34%和27%;单颗卫星线性回归模型平均相关系数达到0.737,相比传统方法提高40%。     

多波束与侧扫声呐图像的迭代自适应配准方法EI北大核心CSCD

针对目前多波束与侧扫声呐图像配准方法未顾及图像形变细节信息及二者尺度差异,存在局部纹理失真的问题,本文提出了结合小波变换、仿射变换和Demons配准算法的迭代自适应配准方法。利用小波变换提取侧扫声呐图像低频信息并重构图像,先后采用仿射变换和Demons算法将重构图像与多波束图像进行迭代自适应配准,获取配准变换模型,利用该模型对侧扫声呐原图像进行整体配准变换,获得多波束图像地理坐标约束的侧扫声呐图像。实例验证结果表明:该方法能有效实现多波束与侧扫声呐图像配准,获得位置准确且纹理丰富的融合声呐图像。     

接收信号强度测距法无线室内定位解算方法研究

基于接收信号强度测距的无线室内定位精度受到测距精度和定位算法的影响。本文根据对数路径损耗模型得出距离值的无偏估计,对影响测距精度的因素进行了分析;对3种不同的基本定位解算方法展开了详细分析同时进行了精度评定,并通过仿真数据对不同定位解算方法的精度进行了比较。     

进化策略路径损耗模型的室内定位应用

针对传统路径损耗模型经验参数在室内环境应用中的不足,该文提出了一种基于进化策略的损耗模型参数估计方法。采用启发式的随机搜索方式应用于复杂环境条件下的射频信号建模问题,输出模型较好地拟合了信号衰减曲线,20m范围内误差小于3.7dBm。利用获取模型提供参考节点加权因子,结合加权最邻近算法下的均值法和贝叶斯算法,实现了由二维平面演进到三维空间内的有效定位,平均定位误差可控制在3.4m以内。     

一种WiFi无线接入点位置估计新算法

针对无线接入点的位置估计问题,利用基于接收信号强度的测距技术,提出一种无需已知测距模型参数的无线接入点位置估计算法。该算法首先通过距离间的比例关系消去和无线接入点发射功率相关的测距模型参数;然后根据最小二乘原理来搜索最佳路径损耗指数,再确定无线接入点的位置。仿真结果表明,该算法能够改善现有无线接入点位置估计算法存在的不足,提升位置估计的精度。     

基坑变形小波去噪及BP神经网络组合预测模型研究

以某市轨道交通1号线地铁站基坑观测数据为例,开展了小波及BP神经网络预测模型的研究。首先采用小波阈值去噪方式对纵向观测线实际观测数据进行去噪处理,依据信噪比最高以及均方根最小判别原则进行判别,实验表明,小波1层分解、软阈值方式、sym4小波基函数、rigrsure阈值原则、scal=sln为最佳组合方式。然后,给出基坑变形小波-BP神经网络组合预测模型。最后对小波去噪前后的数据进行BP神经网络预测模型预测处理并与小波变换神经网络预测模型预测数据进行对比分析,结果表明小波变换神经网络预测模型预测精度最高。     

ZigBee网络中RSSI的测距模型分析

本文在分析常规的RSSI对数模型下,提出一个新的路径损耗因子动态变化模型(N-Model):在室外空旷地带用ZigBee节点获取RSSI数据,分别用对数模型、多项式模型以及本模型做曲线拟合,结果表明在短距离(15m)情况本模型优于另两种模型。在中长距离(15m～110m)的情况下,多项式模型能达到较好的效果。     

测深信息处理的最佳小波门限滤波法

针对测深数据在环境噪声处理中存在的问题,基于离散快速小波变换技术,根据信号检测中的Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ准则,本文提出了从环境噪声污染的测深信号中重构海底地形信息的最佳小波门限滤波法,从而达到了降低环境噪声对测深信息的影响。     

小波神经网络模型在高铁路基沉降预测中的应用研究

为了提高变形监测数据预测的精度与可靠性,提高神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高铁路基处的沉降监测数据处理中。综合小波分析与神经网络算法的优点,建立松散型及紧致型小波神经网络预测分析模型。通过实验数据对比分析,验证了采用紧致型小波神经网络预测模型能够较好地用来处理路基的动态变形监测数据,预测稳定性及预测精度较高。     

神经网络优化5G定位结果域的分析与评估

针对室内环境下的5G定位需求,提出了利用神经网络算法对粗略定位结果进行优化的方法,减小了多径、非视距传播造成的定位误差,改善了结果域的定位精度. 优化算法利用测距定位中的到达时间(TOA)定位法和到达时间差(TDOA)定位法获得粗略定位结果,分别结合BP神经网络、Elman神经网络及通过遗传算法(GA)优化后的GA-BP神经网络、GA-Elman神经网络共利用4种神经网络进行训练,得到修正后的精确定位结果,并对4种神经网络算法进行了分析与评估. Elman算法相较于BP算法具有迭代收敛快、迭代次数少、误差改正好的特点,更适合5G定位结果域的优化;融入 GA 后结果精度均有所提高,其中GA-Elman算法能够训练得到最好的定位结果.      

利用小波包变换和误差扩散的打印扫描图像水印算法

提出了一种基于小波包变换和误差扩散的打印扫描图像水印算法。首先对图像进行三层小波包分解,并将其作为水印嵌入到分解后的高频分量的低频子带,然后进行小波包重构得到嵌入水印的图像,再运用改进的噪声平衡误差扩散算法加网得到含水印的半色调图像。实验表明,该算法对于打印扫描过程的无意攻击具有良好的鲁棒性。     

变形监测信号消噪的不确定度

变形表现为一种弱信号,误差呈现为强噪声。小波包分解消噪是对分解中所得到的高频部分再继续细分,因此具有更精细的消噪能力。采用最优小波包基进行信号重构的过程中,信号有一定的损失。若将消噪过程近似成拟合,拟合误差符合正态分布,可以采用假设检验法估计信号重构误差的区间,进而确定信号重构误差的不确定度,评价小波包消噪的质量。