一种虚拟空间划分的室内指纹库定位方法

RSSI测量距离技术被广泛应用于距离定位的领域。针对传统的Zigbee指纹定位算法和复杂环境,文章提出了一种虚拟空间划分的Zigbee指纹库定位算法,其中包括虚拟空间划分最邻近定位算法、虚拟空间划分加权最邻近定位算法和虚拟空间划分贝叶斯定位算法。实验结果表明,在最优情况下,此方法能将定位误差抑制在1.50m。     

一种改进的组合定权的指纹定位算法

室内场景复杂、WiFi信号不稳定等因素,造成基于信号空间K最近邻法的WiFi指纹定位算法匹配的邻近点会出现偏差,使用偏差较大的点计算待定点位置会直接影响定位结果。本文提出了一种改进的组合定权的指纹定位算法,对K个邻近点的几何结构进行分析,剔除其中偏离邻近点几何中心较远的点后,同时分析匹配邻近点中心同待定点几何位置存在理论上的关联,利用选择后的邻近点与其中心点的几何距离、待定点与指纹点欧氏距离组合定权,加权求取坐标。与KNN、WKNN算法定位结果分别进行比较,表明该方法提高了定位准确性和精度。     

5G基站的改进加权质心室内定位算法

针对现有基站室内定位算法参与定位基站选择及权重设置不合理导致定位精度低的问题,提出了5G环境下基于接收信号强度指示(RSSI)进行加权质心室内定位算法. 该算法通过RSSI测距得到5个已知基站到待定位点的距离,以已知基站位置为圆心作圆,针对相交所得的五边形区域,取任意3个顶点组成三角形,并根据不同的基站类型以及与待定位点的距离,设定合适权重计算三角形质心坐标,利用所得的10个三角形质心坐标做最大似然估计(MLE)得到最终定位点. 仿真结果表明:在基站稀疏和密集两种环境下,本算法较经典质心算法和加权质心算法,室内定位精度明显提高.      

一种基于RSSI的三维加权质心定位算法

定位技术是无线传感器网络的重要支撑技术.基于RSSI的定位技术以其不需额外的硬件、成本低廉而成为无线传感器网络的首选之一.本文在分析一些常用的算法基础上,提出了一种适用于RSSI技术的三维加权质心定位算法,在室外用ZigBee硬件平台进行实验,结果表明定位误差在4m以内,相对定位误差在20％以内的概率到达70％.     

一种改进的RSSI加权质心定位算法

针对现有加权质心定位算法易受环境因素影响、权重确定不合理导致的室内定位精度低的问题,该文提出了一种基于RSSI的改进加权质心定位算法,该方法在原算法基础上对权重的确定进行了改进,以RSSI值解算的距离值的倒数和作为权重,有效降低了较远距离在权值中所占的比重,提高了室内定位精度;针对权值修正系数n的取值对定位精度的影响,通过实例得出n=6时定位精度最高的结论,同时证明了本文算法优于现有的质心定位算法及加权质心定位算法。本文算法降低了室内复杂环境因素的影响,提高了利用无线传感网络的定位精度,可为智慧城市、智能交通、矿井及灾害救援等领域精确的位置估计提供帮助。     

一种基于RSSI的三维加权质心定位算法

定位技术是无线传感器网络的重要支撑技术。基于RSSI的定位技术以其不需额外的硬件、成本低廉而成为无线传感器网络的首选之一。本文在分析一些常用的算法基础上,提出了一种适用于RSSI技术的三维加权质心定位算法,在室外用ZigBee硬件平台进行实验,结果表明定位误差在4m以内,相对定位误差在20%以内的概率到达70%。     

一种基于区域优选的自适应蓝牙指纹定位算法

针对蓝牙定位精度差、耗时长等问题,该文提出一种基于区域优选的自适应蓝牙指纹定位算法。离线阶段,采用粗细粒度划分建立关于RSSI采样点位置映射的指纹库;在线阶段,根据信标距离和RSSI的关系,提出加权欧氏距离和区域优选算法,有效地克服了定位稳定性差和耗时长的问题,定位效率提高了40%,在在线定位过程中,采用自适应K值定位算法,有效地剔除了离定位点较远的点,提高了定位的精度与稳定性。在5 m×9 m的区域内进行定位精度测试,结果表明:蓝牙定位平均定位误差为0.92 m,定位误差均在2 m以内,90%的点定位精度优于1.5 m。     

一种改进的RSSI室内加权质心定位算法

针对现有基于信号强度的质心算法定位精度不能满足特定场景下对高精度室内定位需求的问题,该文提出了一种改进的接收信号强度(RSSI)室内加权质心定位算法。该算法通过RSSI测距得出4个已知锚节点到待测点的距离,以相应的锚节点为圆心画圆弧,得到由4段圆弧相交的四边形,其任取3个顶点可以组成一个三角形,然后以距离平方倒数之和作为权值计算4个三角形质心坐标,再以4个三角形质心坐标作为初始值以信号强度之和作为权值求解待测点坐标。实验结果表明:该算法最大误差值为1.02m,最小误差值为0.21m,平均误差值为0.68m;该算法室内定位精度比基于RSSI的质心算法最大提高24cm,最小提高12cm,平均提高了18cm;比加权质心算法最大提高10cm,最小提高3cm,平均提高了8cm。     

一种 RSSI 不同特征值融合的提取算法

室内WIFI指纹位置定位一般取RSSI的平均值作为其定位特征值,但考虑到室内环境的复杂性和动态性,平均值并不能准确地反映RSSI信号特征值。通过对不同外界干扰因素下RSSI的概率分布特征研究的基础上,提出一种RSSI不同信号特征值融合指纹定位算法。给出算法实现的步骤,并且在稳态环境下和动态环境下分别进行指纹定位在线端的数据采集实验。实验结果表明:RSSI不同信号特征值融合指纹定位算法的定位精度优于均值指纹定位算法的定位精度。     

基于RSSI联合算法的二维室内定位系统设计与实现

针对位置指纹匹配算法计算量大导致室内定位精度不高的问题,提出了一种基于接收信号强度指示(RSSI)的联合算法. 该算法以K近邻位置指纹匹配算法为基础算法,加入三角定位辅助算法,首先进行三角定位得出参考区域,再进行位置指纹匹配进行精准定位,有效地提高了定位精度. 使用Android Studio基于Java语言开发了一款集Wi-Fi位置指纹采集与在线定位一体化的软件,并在试验场地进行测试.实验结果表明:该算法定位精度在二维平面内达到 1～3 m,较单一算法定位精度有所提高.      

Delaunay三角形构网的分治扫描线算法

Delaunay三角网作为一种主要的DTM表示法,具有极其广泛的用途。基于分治算法和逐点插入法的合成算法是目前研究较多的用于生成Delaunay三角网的合成算法。简要介绍和评价扫描线算法和分治算法后,提出一种新的基于这两种算法的合成算法。该方法兼顾空间与时间性能,稳定性较高,分别较扫描线算法和分治算法,运行效率和鲁棒性更优。     

计算子午线弧长与底点纬度的常微分方程数值解法

计算子午线弧长与底点纬度本质上是解算标准的一阶常微分方程。为了研究利用常微分方程数值解法进行子午线弧长与底点纬度计算的可行性与可靠性,选取大地纬度自0°起以步长1″依次增大至90°,共计324 001个样本数据,分别基于求解常微分方程的Euler算法、改进的Euler算法以及二阶、三阶、四阶Runge-Kutta算法对其进行了数值计算。并与传统算法结果进行比较,从数值算法结果的精度、运算速度、自洽程度等方面对数值算法质量进行评价。计算结果表明:利用常微分方程数值解法求解子午线弧长与底点纬度的方法,能够得到与传统算法精度一致的结果;且数值算法运算速度大约是传统算法的2倍,其中四阶Runge-Kutta算法的精度与自洽程度最高。这表明,常微分方程数值解法比传统算法更适用于子午线弧长和底点纬度的大数据计算。     

基于改进的模糊c-均值聚类方法遥感影像分类研究(英文)

Classification is always the key point in the field of remote sensing. Fuzzy c-Means is a traditional clustering algorithm that has been widely used in fuzzy clustering. However, this algorithm usually has some weaknesses, such as the problems of falling into a local minimum, and it needs much time to accomplish the classification for a large number of data. In order to overcome these shortcomings and increase the classification accuracy, Gustafson-Kessel （GK） and Gath-Geva （GG） algorithms are proposed to improve the traditional FCM algorithm which adopts Euclidean distance norm in this paper. The experimental result shows that these two methods are able to detect clusters of varying shapes, sizes and densities which FCM cannot do. Moreover, they can improve the classification accuracy of remote sensing images.     

高分辨率遥感影像融合研究

遥感影像融合不仅可以提高原多光谱影像的空间分辨率,更重要的是最大量地保留影像的光谱信息。为了研究适合于QuickBird遥感影像融合的融合方法,本研究应用乘法复合算法(MLT)、改进的Brovey(MB)、高通滤波(HPF)以及基于平滑滤波的亮度调节算法(SFIM)四种融合方法对QuickBird影像进行了融合试验和分析。试验区以覆盖不同土地利用类型的一小景QuickBird影像为基础。采用了均值偏差、标准差、信息熵、平均梯度和相关系数五种数字统计方法来定量地评价由以上算法产生的融合影像。分析结果表明:SFIM算法在光谱保真性、高频信息融入度、影像清晰度方面都优于其他三种方法。因此,在研究的四种方法中,SFIM算法最适合Quick-Bird影像融合。     

计算子午线弧长的三类算法及其分析比较"

多项式展开算法是计算子午线弧长的传统方法,为了研究利用数值积分算法和常微分方程数值解法进行子午线弧长计算的可行性与可靠性,本文选取大地纬度自0°至90°的3组样本数据(间隔距离分别为1°、1'、1″),分别基于多项式展开数值积分算法和常微分方程数值解法,计算得到各组样本数据的子午线弧长,并通过算法计算结果精度和运算速度两个方面对数值算法的质量进行了评价。计算结果表明:数值积分算法和常微分方程数值解法均可以得到与多项式展开算法精度相同的结果;数值积分算法可通过减小步长以提高计算结果精度,但运算速度急剧降低;3阶、4阶的Runge-Kutta算法不仅运算结果精度高,而且运算速度也比传统算法快3倍多,表明了常微分方程数值解法更适用于子午线弧长的大数据计算。     

整体法与序贯法在测量平差中的比较

讨论了整体法与序贯法在测量平差中的应用,并结合实例比较整体法与序贯法在相同观测情况下的平差结果和精度问题。实例表明:在测量平差中,若测量网中数据较多,并且这些数据是在不同时期所得,用序贯法具有较高的处理效率。     

利用Douglas-Peucker并行算法在多核处理器上实时综合地图线要素

Douglas-Peucker算法是线要素简化的经典算法,针对其存在大量计算、难以做到实时的缺点,运用并行技术实现Douglas-Peucker算法,并在多核处理器的计算机上进行实验,验证了并行算法的效率与实时性。     

一种改进的单模式匹配算法

为了进一步提高模式匹配算法的性能,在对两种经典单模式匹配算法KMP和BM分析的基础上,结合二者的优点,提出了一种改进的单模式匹配算法。该算法主要利用KMP算法的"部分匹配"结果和BM算法的"后缀匹配"优势,对匹配过程中的字符移动距离做了优化。通过将改进算法与KMP算法、BM算法进行实验测试与分析,证明改进的算法性能稳定,匹配效率明显得到提高。     

一维边缘检测算子的递归算法

本文对边缘检测理论和算法作了理论和实验方面的深入研究，选用Ｄｅｒｉｃｈｅ依据Ｃａｎｎｙ设计思想导出的边缘检测算子，证明了递归算法代数卷积算法实现边缘检测的基本原理，导出了几种算子逆归算法的实用公式，实验证明递归算法比卷积算法实现边缘提取在速度方面有着明显的提高，为一维影匹配中数字影像特征提取提供了快速而实用的边缘检测方法。