移动无线传感器网络节点定位算法研究

文章针对移动无线传感器网络中节点定位的问题,提出利用一个移动锚节点结合DV-Hop算法来对节点进行定位的方法,该算法与静态网络中DV-Hop定位算法相比节约了网络成本,仿真实验表明,该算法的定位误差和定位覆盖率可以满足大多数应用。     

基于改进DV-Hop算法的无线定位技术

为提高传统DV-Hop定位算法定位精度,分析算法执行过程中计算信标节点平均跳距产生偏小误差导致节点定位精度不高的原因,引入信标节点比例系数、信标节点平均跳距的最大值和所有信标节点平均跳距的平均值三个因子对算法平均跳距进行修正。通过Matlab软件比较节点通信半径和信标节点比例对定位精度的影响,选取一组合适参数,并基于平均跳距修正的DV-Hop算法进行仿真验证。结果表明,改进后的DV-Hop定位算法能有效降低节点定位误差,提高定位精度。     

一种基于Quasi-UDG模型的无线传感器网络非测距定位算法

针对Quasi—UDG模型下无线传感器网络随机部署的拓扑特征,提出了一种非测距基于权重的定位算法EWLS（Enhanced Weighted Least Square）．首先,设计出一种节点跳数和距离关系估计的方法,然后依据跳数值与距离关系的概率表达式,给出EWLS定位算法中节点测量距离信息的权重．仿真实验表明,在不同的锚节点密度、Quasi-UDG模型因子和平均邻居节点数的参数下,EWLS算法定位误差较小,同最小均方误差相比,有效地提高了节点定位的精度．     

基于GRNN神经网络的ZigBee室内定位算法研究

基于固定参数的无线信号传播损耗模型的定位算法,不能很好解决由于多径传播效应和环境复杂性所带来的测距误差问题。提出使用GRNN神经网络来拟合室内RSSI值与距离值之间的映射关系,得到RSSI值与距离值的映射模型,再将定位实验中实测的RSSI值作为训练好的GRNN神经网络的输入层,在输出层得到与RSSI值相对应的距离值,最后使用加权质心算法来进行待测节点的定位。该算法不仅简单而且性能良好,并且不需要额外的硬件。经过Matlab和ZigBee实验仿真验证,与路径损耗模型和基于BP神经网络的定位算法相比,所提出的算法可以提供较好的定位结果。     

利用不充分磁场信息导航的新方法

以中国东南沿海海域磁场为研究对象,以分辨率为3′×3′的国际地磁参考场数据作为背景场,采用最小二乘法拟合出海域的局部地磁场模型,反解出地磁场的最佳定位模型,并进行了仿真分析,由最终的仿真计算结果可以看出,在研究区域范围内,模型定位的纬度均方误差小于1.2 n mile,经度定位均方误差小于4.8 n mile.针对舰船使用的磁罗经调试时间长,误差补偿费用高的弊端,将磁场定位模型应用于磁罗经的磁差补偿.仿真结果表明,利用磁场本身的信息也可得到很理想的补偿效果.     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

基于EDV-Hop的免测距定位算法研究

为了更好地提高无线传感器网络节点定位精度,降低定位成本,针对APS算法存在的不足,提出一种新的免测距定位算法EDV-Hop,通过限制跳数实现局部范围内的定位信息提取,同时调整平均每跳距离,以此提高定位精度。在网络随机部署和任意节点密度的条件下估算节点位置,并从精度和有效性两个方面进行度量。仿真结果表明,EDV-Hop算法比DV-Hop具有更好的定位性能,它能够减少节点间通信量,降低通信成本,提高定位精度。     

基于刚度等效模型的减重孔板结构快速分析方法

为了能够更有效率地对减重孔板结构进行计算分析, 提出一种快速分析方法; 研究了减重孔板结构模型与平面板结构模型间的一般刚度等效关系, 建立了减重孔板孔径、孔距与相应平面板等效杨氏模量、等效板厚间的关系表达式, 以等效平面板结构模型代替原孔板结构模型进行变形分析; 将局部节点位移施加到相应目标孔位模型上, 计算了目标孔位区域的应力分布; 结合试验与仿真验证了方法的准确性; 通过对某实际减重孔板结构施加不同载荷, 对刚度等效关系的稳定性进行了验证; 通过某车体底架带孔板结构实例, 对方法应用于实际工程中的有效性进行了验证。分析结果表明: 与试验结果相比, 快速分析方法仿真变形最大误差约为3%, 应变的最大误差约为5%;不同载荷下的等效杨氏模量偏差约为2.5%, 等效板厚的偏差约为1.3%;快速分析方法对变形与局部应力的平均计算误差小于6.7%, 计算时间缩短了约50%。可见, 快速分析方法可以替代传统方法对减重孔板结构进行性能分析。      

一种新的GNSS相对定位解算模型

为克服传统模型在全球导航卫星系统(GNSS)相对定位解算中存在的不足,提出了一种新的解算模型.与传统的一阶泰勒展开式不同,该模型利用参考站坐标事先已知,可使最小二乘解算过程中系数矩阵保持不变,从而能够清晰地描述最小二乘解算的收敛过程,有利于定位结果的误差分析和提高模糊度函数法等坐标域搜索方法的效率.实验结果显示,新模型与传统的一阶泰勒展开式的定位精度一致,验证了模型的有效性和可靠性,可以在相对定位解算中代替一阶泰勒展开式使用.      

基于多种方位角计算方法的超短波AOA定位比较

考虑到方位角计算是AOA （angle of arrival）定位的基础之一，首先，提出了以大地坐标计算方位角的球面近似法和正轴圆柱投影-平面法；进而，建立了球面精确AOA定位方程、球面近似AOA定位方程和正轴圆柱投影-平面AOA定位方程；最后，采用无约束非线性规划方法建立了基于大地坐标的分别与上述方程相对应的3个最优化AOA定位模型，并以网格逐点搜索求解法进行了模型验证. 验证结果的分析表明:在不考虑测向误差时，球面精确AOA定位模型的精度最高，且与纬度无关，但其定位运算时间最长；球面近似AOA定位模型和正轴圆柱投影-平面AOA定位模型的精度均较高，后者的定位误差略大于前者，定位运算时间也长于前者；要提高AOA定位网的定位精度，既可提高各站点的测向精度，也可增加测向站点数，并应综合考虑定位时效性要求和精度要求选择合适的AOA定位模型.      

�ƶ���ͨ����⼼��̽�⳵��������ģ���о�

为解决移动交通流检测技术中无法合理确定出探测车样本比例的问题，提出了既满足交通流参数估计需求又达到一定路网覆盖率的探测车样本比例综合模型，该模型包括定位误差、探测车数据上传间隔、数据分析时长、路段交通流特性、路段长度、道路类型等多个影响因子，论证了在探测车数据无误差情况下路段平均速度估计时探测车占交通流的比例与其他因子之间的相互关系，VISSIM仿真数据表明利用该模型确定的探测车样本数据可有效实现路段平均速度估计。     

Study of Probe Sample Size Model in Probe Vehicle Technology

In this paper, market penetration of a probe vehicle for real-time traffic data collection is discussed. A new comprehensive probe sample size model that satisfies the need of traffic flow parameter estimation and traffic network coverage is established, in which many factors like location error, probe ‘report’ transmission interval, probe data analysis interval, traffic flow density, link length, and road type are included. Based on this model, this paper proves the relationship between market penetration of the probe vehicle and other indexes, when probe data is used for link average speed estimation based on VISSIM simulation. The simulation result shows that the sample size model can provide effective probe information to accomplish the estimation of link speed.     

基于边需求的抢修分队选址问题

为解决机动作战背景下抢修分队的合理选址问题,提高战场装备抢修的时效性,基于不确定决策理论中的拉普拉斯准则以及网络上任意一点均有可能发生任务需求的假设,以整个机动交通网的覆盖率最大为目标,构建了一种新的双重覆盖标准选址模型;设计了边需求下的覆盖率计算方法,采用分区域聚类的方法构造初始解,用改进的遗传禁忌算法精确求解,并加入启发式策略,避免搜索过程中产生大量不可行解.结果表明,所提出的算法计算量小,在不增加网络维度的情况下,解决了边需求选址模型的精度问题.     

考虑合作覆盖的多级自提点选址问题

自提点作为企业或企业联盟主导建设的公共服务设施,具有独立的品牌和完善的内部信息系统,而顾客行为受到一定区域内、同品牌的所有自提点的影响.通过信号强度函数和概率函数,刻画联合覆盖对顾客选择的影响,建立竞争环境下自提点选址模型.采用遗传算法进行求解,案例结果表明,随着预算的增加,每一单位的成本带来的加权需求覆盖量的增加值逐渐减小;合理较高水平的信号量阈值,有利于企业通过多级自提点布局获取竞争优势;通过与非联合覆盖模型对比,联合覆盖模型在加权需求覆盖量、覆盖成本、顾客效用方面都较优.     

企业物流中心稳健性选址模型

借鉴稳健设计的基本思想,运用随机机会约束规划方法,建立了需求和制造中心加工量不确定条件下的企业分销物流中心的稳健性选址模型,该模型通过将不确定条件下选址分派费用的波动均方差融入目标函数以实现选址稳健性目标。分析了该类模型的处理方法,探讨了基于组合遗传算法的模型求解思路,并通过算例进行了验证。分析结果表明:与普通模型相比,该模型在整个规划期内选址分派费用的波动均方差降低31.5%,物流网络稳健性显著提高,该模型合理有效。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

城市轨道交通应急接驳公交蓄车点选址

为合理设置突发事件下轨道交通应急接驳公交蓄车点, 以接驳起始点为圆心, 以轨道交通运营恢复时间为半径, 构造了接驳需求点反向覆盖应急接驳公交供给点的覆盖结构; 根据接驳公交是否在预定发车时刻前到达接驳点, 提出了接驳需求和乘客等待时间延误的计算方法, 建立了以应急接驳乘客等待时间总延误最小为目标函数的反向集合覆盖选址模型, 并进行求解; 以具体轨道交通应急接驳公交蓄车点选址规划为例, 对比分析了不同预设蓄车点数约束条件下的选址方案。研究结果表明: 每种选址方案下的乘客等待时间总延误均随预设蓄车点数的增加而减少, 当预设蓄车点数为5时, 目标函数达到最小; 蓄车点位置分布受接驳起始点位置和接驳需求量的影响, 当预设蓄车点数为2时, 蓄车点选址结果具有向需求较大的城市中心区域聚拢的倾向, 当预设蓄车点数为5时, 蓄车点选址结果逐渐覆盖郊区; 考虑突发事件影响权重后, 蓄车点位置向突发事件发生频率较高的接驳起始点靠拢, 从而形成了均衡配置在城市中心区域内外部的蓄车点选址布局模式; 反向集合覆盖选址模型通过主动搜寻供给的方式, 能够在最小化应急接驳乘客等待时间总延误的条件下, 体现预设蓄车点数、接驳起始点客流量分布以及突发事件影响权重对应急接驳公交蓄车点选址结果的影响。      

多径环境下多终端协作高精度定位算法

为抑制非视距误差对定位精度的影响,提出了一种异构网络环境下利用移动终端间的协作信息提高定位精度的算法.该算法根据测量的TOA(time of arrival)与基于GIS定义的SF(sentinel function)之间的关系,对移动终端与基站间的传播进行非视距识别.仿真分析结果表明,在多径环境下,提出的多终端协作定位算法的定位精度比现有算法大为提高.在协作终端数为8,其中处于视距传播的终端数为5时,提出的算法将定位误差小于90 m的概率从53%提高到98%.