一种基于跳距修正的物联网中节点定位算法

针对传统的DV-Hop算法存在较大定位误差的问题,提出基于狮群优化算法的节点定位(NLLSO)算法. NLLSO算法从估计最小跳数、修正平均跳距误差和定位算法三方面进行改进,进而降低定位误差. NLLSO算法用不同通信半径传递Beacon包,进而提高估计最小跳数值的精度.同时,通过引入权值参数修正平均跳距的估计值.最后,通过狮群优化算法(LSO)估计未知节点位置.仿真结果表明:NLLSO算法的定位精度高于传统的DV-Hop算法.     

一种基于蓝牙室内指纹定位的贝叶斯改进算法

贝叶斯估计是重要的位置指纹定位算法,但传统的等值贝叶斯先验概率在动态定位中不适用。针对该问题,本文提出了一种基于贝叶斯指纹定位的改进算法。首先,借助陀螺仪获取的航向信息和高斯核函数模型建立概率投票算法,计算先验概率;然后,结合先验概率和信号强度计算待测点位于参考点上的后验概率;最后,选取概率最高的参考点,以概率为权重计算待测点的最或然值。以智能手机为试验对象,在规则路径试验中,改进算法的平均定位误差为1.15 m,定位误差小于2 m的概率为96.1%,不规则路径试验中,平均定位误差为0.50 m,定位误差在1 m的可信度为94.8%;并且改进算法对定位中位置跳变的现象有明显改善,具有较好的稳健性。     

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.     

一种顾及用户朝向的加权贝叶斯指纹定位方法

为了减少用户遮挡对基于Wi-Fi指纹的室内定位的影响,该文提出了一种顾及用户朝向的加权贝叶斯指纹定位方法。离线阶段,利用4个方向的位置指纹及用户朝向构建Wi-Fi方向指纹库;在线阶段,测试点信号指纹在指纹筛选机制的辅助下从Wi-Fi方向指纹库中选取方向指纹,按照贝叶斯估计原理计算信号指纹位于参考点的概率,选出n个最大概率对应的参考点,以概率为权值计算坐标加权平均值,作为位置估计结果。实验结果表明,基于普通指纹库的贝叶斯指纹定位方法的平均定位精度为4.979m,而顾及用户朝向的加权贝叶斯指纹定位方法的平均定位精度为2.333m,定位精度提高了53.1%。顾及用户朝向的加权贝叶斯指纹定位方法减少了用户遮挡对Wi-Fi指纹室内定位的影响,可以提高Wi-Fi指纹室内定位的精度。     

GNSS多系统融合相对定位选星方案设计及精度分析

针对全球导航卫星系统(Global Navigation Satellite System,GNSS)多系统融合定位精度及解算效率的平衡问题,提出一种基于相对定位模型下的分区域快速选星算法.该方法首先基于相对定位原理,构建伪距双差观测模型,其次利用卫星的方位角进行区域划分,在不同系统和高度角的条件下选取空间分布均匀的卫星,最后利用所选卫星进行待定点的定位解算.算例分析表明:当高度角为5°,三系统组合定位为最优选星方案,该方案对应的平均相对定位精度衰减因子(RDOP)值为1.54,待定点位置误差控制在2.5 m之内.     

基于PCA-SMO的CSI指纹定位方法

Wi-Fi信道状态信息(CSI)中包含丰富的特征信息,使得基于CSI的指纹定位方法可以构建更高维度的特征以改善定位精度,但指纹特征中的冗余信息也导致构建的指纹库存储量大、建立定位模型的时间开销变大以及实时定位计算量大等问题.对此,提出使用主成分分析(PCA)的方法对原始指纹特征进行降维,而后利用序列最小最优化算法(SM...     

RaPC:一种基于栅格化思想的多边形裁剪算法及其误差分析

传统的基于矢量计算的多边形裁剪算法的时间复杂度介于O(Nlog N)~O(N2)之间,且计算过程与特定的复杂数据结构耦合紧密,难以进行底层优化和细粒度并行化。在满足一定误差要求的前提下,采用栅格化处理思想可以实现多边形快速裁剪。本文在已有多边形裁剪算法特征的基础上,提出了一种基于栅格化处理思想的多边形裁剪算法——RaPC算法,并对其误差进行了分析和讨论。试验结果显示,RaPC算法的计算效率随网格单元增大呈幂函数规律降低;当网格大小恒定时,RaPC算法效率随多边形顶点数量呈线性增长,计算时间复杂度为O(N);在处理小数据集时Vatti算法表现出了较高效率,但是在处理包含大量顶点的多边形叠加时,RaPC算法更为高效;RaPC算法的面积误差与网格大小直接相关,提高网格空间分辨率可以有效地降低面积误差。RaPC算法在处理包含大量顶点的多边形叠加分析时比Vatti算法更为高效。     

5G高低频信号定位精度分析CSCD

随着第五代移动通信技术(5G)的不断研发和加速商用,目前我国已建成全球最大规模的商用5G网络.5G供应商也已逐步开始推出了基于5G新空口(NR)的定位特性,其中高精度的5G定位技术将逐步商用.相比4G长期演进(LTE),5G基站密度更高,信号传输带宽更大,定位精度提升显著,有希望解决全球卫星导航系统(GNSS)在室内和城市峡谷等困难环境下的覆盖和精度问题.介绍了5G和4G定位在测量域上的区别,分析了5G低频Sub-6G(FR1)和高频毫米波(FR2)的测距精度,描述了5G定位算法,并基于3GPP协议和典型商用网络配置的仿真参数来评估定位精度.仿真结果表明:目前5G基站间时间同步误差是影响定位质量的主要因素,当时间同步精度为50 ns时,5G定位精度不到10 m;如果通过完美站间时间同步,或者在用户端附近增加定位节点以双差的方式消除时间同步误差,5G FR1可以达到约1 m的水平定位精度,而5G FR2的水平定位精度最高可以达到0.16 m.     

E(o)tv(o)s效应改正中航速、航向角计算方法研究

E(o)tv(o)s效应是影响海洋重力测量精度的主要误差之一,为了减小由定位误差所引起的E(o)tv(o)s效应改正误差,本文基于对常用的直接差分算法进行分析,提出了测线滑动拟合算法.理论研究和实例计算结果表明以测线滑动拟合算法求定航速、航向角比通常采用的直接差分算法使E(o)tv(o)s效应改正精度明显提高.     

利用RPC模型进行IKONOS影像的精确定位

研究了IKONOS卫星影像基于RPC模型的立体定位算法与区域网平差方法.针对立体定位计算过程中RPC(Rational Polynomial Coefficients)模型存在的系统性误差,给出了物方和像方补偿方案.实验结果表明,各种补偿方案均可有效消除RPC模型的系统误差,取得优于1.3 m的定位精度;区域网平差的定位精度可达1.1 m,是最理想的定位方法.     

一种WiFi指纹定位改进算法

目前,基于RSSI(received signal strength indication)的指纹定位算法由于低成本、易实施的特性,逐渐成为室内定位技术的研究热点。然而,基于RSSI的WiFi指纹定位受到指纹点观测质量的影响,RSSI抖动较大时引起定位精度较低。考虑到GPR(Gaussian process regression)模型能够有效地平滑时间序列信号,提出了基于GPR模型的WiFi指纹定位改进算法。实验结果表明,该算法能够有效提高定位精度,定位精度可达到1m,点位误差在小于1.5m限差时,其可靠度可达到83.3%。     

基于改进高斯-牛顿法的NLOS误差消除三维定位模型

针对无线传感网络进行室内定位过程中由于信号非视距(NLOS)传播导致精度低的问题，提出一种基于改进高斯-牛顿法的NLOS误差消除室内三维定位模型.该模型基于欧式距离，利用最小二乘算法得到目标位置的初始解，并根据改进的高斯-牛顿法对非线性最小二乘估计值进行迭代，进一步降低NLOS误差的影响，收敛得到最终的精确位置.实验结果表明：该模型在三维空间的定位误差约在0.64 m，最大定位误差不超过1.29 m，误差小于1.2 m的概率为96.5%，较其他定位方法有更好地定位效果.     

卡尔曼滤波的中长基线非差RTK算法

针对实时动态定位(RTK)中作业范围受到大气延迟误差制约的现象,该文提出了一种基于卡尔曼滤波的非差观测模型RTK算法和非差改正数的计算方法。利用扩展卡尔曼滤波函数模型,将残余的相对对流层延迟、相对电离层延迟同流动站位置参数以及单差整周模糊度作为状态向量进行卡尔曼滤波估计。非差观测模型利用参考站的非差误差改正数以单颗卫星为对象进行误差改正,流动站接收数据小,算法简单。通过GNSS实测数据对该算法进行了算法验证和结果分析,实验结果表明,对于中长基线,利用非差观测模型可实现GNSS单参考站RTK定位,并获得厘米级的定位精度。     

基于反射靶标的激光SLAM定位方法在港口无人车辆上的应用

针对港口岸边作业区和堆场内部等特定场景影响无人车辆高精度定位的问题,本工作以Cartographer 同步定位与建图(SLAM)作为算法基础,研究了基于反射靶标的无人车辆高精度定位方法,设计优化了反射靶标参数与布置方法. 针对影响基于反射靶标的激光SLAM定位精度的关键参数、行车速度和抖动干扰,设计实现了测试系统并进行了多参数对比. 针对港口场景下易发生的大抖动干扰导致激光SLAM定位失效的问题,分析了定位失效的产生机理,进而研究了基于惯性导航系统(IMU)和激光SLAM的复合定位技术,提出了大抖动干扰情况下基于反射靶标的激光SLAM定位误差的抑制方法. 实验结果表明:上述方案提高了无人车辆在港口特定场景下的定位精度和定位方法鲁棒性.      

基于衰减因子的虚拟应答器信息融合方法研究

针对虚拟应答器(VB)信息融合时使用Kalman滤波易出现滤波发散的问题,提出了基于改进Sage-Husa自适应滤波算法的信息融合方法. 首先采用自适应滤波动态调节噪声统计特性参数,抑制滤波发散,在预测误差方差矩阵中引入衰减因子,减小陈旧数据的影响进而提高滤波精度,最后进行仿真实验,将所提出的滤波算法与Kalman滤波和Sage-Husa自适应滤波在VB的位置误差和速度误差上进行对比. 仿真结果证明:在相同的时间内,本文所述算法在VB的定位误差上具有显著优势,具有较好地稳定性.      

LSTM辅助车载GNSS/INS组合导航算法及性能分析

针对车载GNSS/惯性导航系统(inertial navigation system,INS)组合导航系统在GNSS信号失锁时定位精度下降甚至发散的问题，提出了一种长短期记忆(long short-term memory,LSTM)神经网络辅助组合导航的算法来提高定位精度，实现可靠连续稳定的定位.通过移动集成平台进行实验，结果表明：当GNSS信号失锁30 s时，LSTM辅助组合导航系统在东(east,E)、北(north,N)方向的位置误差最大值分别降低了77.45%、17.39%，均方根误差(root mean square error,RMSE)分别降低了79.53%、42.36%；当GNSS信号失锁100 s时，LSTM辅助GNSS/INS在E、N、天顶(up,U)三个方向上的位置误差最大值分别降低了60.07%、98.30%、84.65%,RMSE分别降低了61.96%、97.98%、84.65%. LSTM辅助较大地提升了车载GNSS/INS组合导航系统的导航性能.     

模糊数学的WiFi室内定位算法

针对目前大多数基于位置指纹的WiFi定位算法都是以统计数学理论为依托,而且很少涉足定位精度在空间分布上的研究这一问题,该文在总结K近邻、加权K近邻以及最大似然模型的WiFi室内定位基础上,提出了一种结合模糊数学理论的WiFi定位算法。从平均误差、最小误差、最大误差、变异程度、定位时间这几个角度,将该算法与其他传统算法进行比较分析。基于真实场地的实验测试结果表明,该算法定位精度高,定位速度快。最后对定位误差进行空间插值分析,结果表明4种模型的定位精度均与WiFi信号源的分布位置有很强的相关性。     

一种WiFi距离交会加权融合定位算法

基于距离交会的WIFI室内定位算法受环境的影响,距离反演精度较低导致定位误差较大,不同距离反演模型对定位误差影响特性存在差异。考虑到GPR距离反演模型过度平滑引起定位结果扎堆的缺陷和传统损耗模型反演精度过低引起定位结果误差较大的缺陷,提出一种基于GPR预测模型和损耗模型的加权融合定位算法。实验结果表明:该融合算法能够有效提高定位精度并明显改善基于GPR模型定位算法的定位结果扎堆现象。     

面向北斗单历元分米级定位的ARAIM保护水平计算方法CSCD

精密定位的质量控制和完好性评估是实时全球卫星导航系统(GNSS)导航应用不可或缺的环节,尤其是在GNSS易受损害的城市峡谷等场景下,这种需求更加迫切.广域精密单点定位(PPP)瞬时分米级定位,利用GNSS三频信号形成的两个宽巷观测值可以实现单点单历元分米级定位.然而,在城市复杂环境中,反射信号、严重多路径以及其他信号干扰对定位造成的影响无法准确评估与识别,限制了PPP瞬时分米级单点定位的应用.完好性概念中的高级接收机自主完好性监测(ARAIM)可以计算用户定位误差最小置信区间的上限保护水平(PL)以评估定位有效性,可经过一定改进用于PPP瞬时定位的质量控制.针对当前ARAIM中计算PL的误差模型难以适应高精度定位需求的问题,提出了一种改进的ARAIM PL算法,称其为BARAIM(Back Advanced Receiver Autonomous Integrity Monitoring).使用PPP三频组合观测值残差对ARAIM权与误差模型进行修正以计算PL.基于不同复杂程度的环境下采集的车载数据对算法进行了验证,对PL的改进情况以及导航的可用性提升情况进行评估.结果表明:在不同环境下,基于改进的B-ARAIM算法得到的PL,相比传统方法得到的PL更符合城市定位的需要,将PL降低了30%~70%.此方法有助于将ARAIM算法应用在高精度GNSS定位领域.     

一种双目混合追踪的视觉里程计算法

针对特征点法视觉里程计(visual odometry,VO)中,描述子匹配算力要求较高,而光流追踪算法存在误差累积的问题,提出了一种双目混合追踪的视觉里程计算法,并通过实验对该方法的定位结果与计算效率进行分析.在该算法中,前端在影像关键帧提取ORB(oriented brief)特征点并生成路标点,优先采用Inverse Compositional光流进行追踪,使用卡方检验等检测外点;为检测定位粗差,提出通过由相邻帧位姿恢复的极线进行检验;光流追踪失败或未通过极线检验时,提取ORB特征点维持跟踪或进行重定位;同时,后端进行相机位姿、路标点联合优化以减小误差累积.实验结果表明,该算法定位精度低于ORB-SLAM2(simultaneous location and mapping)算法,但运算效率有明显提升.