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。     

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%.     

DV-Hop定位误差模型研究

DV-Hop是无线传感器网络中典型的定位技术,建立DV-Hop的定位误差模型有助于定量分析定位误差,进一步提高WSN的定位精度。首先从理论的角度分析了定位误差与覆盖度的关系,然后通过仿真实验讨论了一定通信半径下局部范围内相对定位误差与覆盖度的关系,并给出相应的数学模型。实验表明:该模型可有效估计基于局部区域定位算法的定位误差。     

多半径误差修正自适应布谷鸟优化DV-HOP定位算法

针对WSN节点定位中非测距DV-HOP算法存在较大定位误差,提出了一种多通信半径误差修正自适应布谷鸟优化DV-HOP定位算法（MEACS-D）. 采用锚节点多通信半径广播消息,在跳数计数时将跳数小数化,以减小跳数长短不一造成的误差;再用虚拟相交圆几何方法计算1跳内节点与锚节的距离;通过在未知节点选择平均跳距时,加入各个锚节点权重进行计算来减少平均跳距误差;另引入可自适应搜索步长的布谷鸟算法代替极大似然估计法来定位节点坐标,以提高定位精度. 通过仿真,在不同锚节点、通信半径、总节点条件下MEACS-D算法较DV-HOP算法和原布谷鸟DV-HOP算法（CS-D）算法定位误差平均下降39.7%、10.6%,证明MEACS-D算法能有效减少定位误差.      

多半径误差修正自适应布谷鸟优化DV-HOP定位算法

针对WSN节点定位中非测距DV-HOP算法存在较大定位误差,提出了一种多通信半径误差修正自适应布谷鸟优化DV-HOP定位算法(MEACS-D)。采用锚节点多通信半径广播消息,在跳数计数时将跳数小数化,以减小跳数长短不一造成的误差;再用虚拟相交圆几何方法计算一跳内节点与锚节的距离;通过在未知节点选择平均跳距时,加入各个锚节点权重进行计算来减少平均跳距误差;另引入可自适应搜索步长的布谷鸟算法代替极大似然估计法来定位节点坐标,以提高定位精度。通过仿真,在不同锚节点、通信半径、总节点条件下MEACS-D算法较DV-HOP算法和原布谷鸟DV-HOP算法(CS-D)算法定位误差平均下降39.7%、10.6%,证明MEACS-D算法能有效减少定位误差。     

低可见度环境下基于同步定位与构图的无人驾驶汽车定位算法

为在大范围低可见度环境下实现无人驾驶汽车的高精度定位,基于VINS-Mono算法的系统框架,在系统的前端与后端分别增添了RFAST弱光图像增强模块与VG融合定位模块,提出了一种融合定位算法LVG＿SLAM;RFAST弱光图像增强模块采用小波变换将原始输入图像的细节信息与亮度信息分离,对于包含原始图像噪声的细节信息通过统一阈值和均值滤波2种方式实现噪声抑制,并利用双边纹理滤波算法进行细节增强,在此基础上,根据多尺度Retinex算法增强图像的对比度,提高低可见度环境下角点提取的成功率,从而保证图像跟踪的稳定性,改善定位算法的鲁棒性;基于无迹卡尔曼滤波算法,VG融合定位模块将GNSS定位信息与惯性导航测量信息进行松耦合,融合定位结果作为约束引入VI-SLAM后端,通过联合非线性优化的方式减少累积误差对算法定位精度的影响。计算结果表明：相较于VINS-Mono算法,改进的LVG＿SLAM融合定位算法在EuRoC与Kitti公开数据集上表现更加出色,均方根误差分别降低了38.76%与58.39%,运动轨迹更贴近真实轨迹;在实际夜晚道路场景下,LVG＿SLAM算法将定位误差控制在一定范围内,顺利...     

改进时间弹性带的动态避障轨迹规划系统研究

在动态障碍物存在的机器人导航场景下,时间弹性带算法(timed elastic bands, TEB)无法区分障碍物类型,易将动态障碍物视为静态类型去处理,致使导航过程出现碰撞而无法完成导航任务。针对机器人运行真实动态环境,采用两个均值滤波器对激光点云进行滤波处理,实现动态障碍物的检测,而后增加动态障碍物代价地图层对检测到的障碍物进行聚类,利用卡尔曼滤波对动态障碍物的运动状态进行轨迹跟踪及状态预测,结合机器人当前运动状态作出动态避障的轨迹规划,采用阿克曼转向结构机器人进行仿真及真实动态环境下的重复实验。研究结果表明：改进TEB算法的动态避障轨迹规划系统能够在复杂动态环境中进行实时轨迹规划,生成安全平滑的局部轨迹,实现动态避障完成导航任务,能够满足移动机器人的动态避障要求。     

基于RSSI的无线传感器网络加权质心定位算法

节点定位是无线传感器网络中的关键技术之一．文中通过对无线电传播路径损耗模型的分析，提出了加权质心定位算法，用信标节点对未知节点的不同影响力来确定加权因子，以提高定位精度．并且在理论分析的基础上，提出了优选信标节点进行节点定位计算的规则，以此进一步提高节点定位精度．加权质心定位算法计算简单，定位过程中节点问无通信开销．节点定位精度较常用的极大似然估计算法高，具有较普遍的应用意义．     

基于平板标定工具的机器人工具中心点标定方法

为在工业现场便捷、准确地获取工具中心点(tool center point,TCP)参数,降低机器人末端工具的定位误差,提出了一种基于平板标定工具的机器人TCP标定方法.利用机器人TCP与平板多次触碰所形成的空间触点应共面的约束条件,建立了机器人TCP参数标定模型;针对TCP名义参数未知和已知的情况,分别提出了基于粒子群算法的TCP直接求解和线性化的偏差求解算法.通过数值仿真和标定试验验证所提出方法的可行性和准确性,结果表明:TCP直接求解和偏差求解算法求解的结果与传统四点标定法相比,误差分别在0.5 mm和1.0 mm以内.     

一种基于三枚主动全向浮标的水下目标定位方法

反潜飞机通常采用基于手工作图的多枚主动全向浮标的水下目标定位方法,该方法存在求解时间长且容易出错的问题.为解决多枚主动全向浮标对水下目标的自动定位问题,文中推导了基于三枚主动全向浮标的水下目标定位方法,并通过仿真试验验证其有效性.该方法简单、高效,具有较高的定位精度,可直接应用于机载反潜火控系统,完成对目标位置的自动解算.     

桥梁下部结构裂缝提取的改进C-V模型算法(英文)

应用改进C-V模型,进行桥梁下部结构裂缝图像分割,通过裂缝截取、图像填充和旋转变换精确提取裂缝宽度。对不同光照条件下拍摄的在役混凝土桥梁结构裂缝图像,分别利用改进C-V模型算法、自适应阈值法、形态学算法、C-V模型以及Canny算法进行试验对比。分析结果表明:改进C-V模型算法误分率和运算时间最小,分别为3.02%与89ms;1 000幅桥梁结构裂缝图像试验对比显示裂缝检测准确率大于90.8%,裂缝宽度平均误差小于0.03mm。可见,改进算法可有效提高检测准确率,减少运算时间。     

基于多尺度排列熵和长短时记忆神经网络的航空发动机剩余寿命预测

针对航空发动机性能退化失效的变点和多状态参数的时间序列预测, 构建了基于多尺度排列熵算法和长短时记忆神经网络的剩余寿命预测模型; 使用多尺度排列熵算法对时间序列进行变点分析, 求解出性能退化过程中的突变点, 得到了有故障征兆的性能退化起始点; 构建了包含多变量的长短时记忆神经网络模型, 将多个状态参数代入到模型中得到对应的剩余寿命; 将变点后的航空发动机多状态参数和剩余寿命作为样本, 代入到长短时记忆神经网络模型中进行多步和多变量的时间序列预测; 通过综合航空发动机状态参数变点分析方法和时间序列预测模型, 得到最终的剩余寿命预测结果。研究结果表明: 多尺度排列熵算法能够及时监控各个状态参数的变化, 当发现状态参数异常时, 排列熵的值会发生跳变, 从而有助于及时发现故障征兆; 长短时记忆神经网络模型通过门控单元对长时间序列数据进行信息筛选, 充分保留了有效信息用于时间序列预测; 多变量长短时记忆神经网络能够对多状态参数进行同步分析, 并且将状态参数直接与剩余寿命相对应, 提高了模型效率; 通过多尺度排列熵算法和长短时记忆神经网络模型的结合, 能够考虑到航空发动机的多退化模式, 得到更符合实际退化过程的剩余寿命预测结果; 经过算例分析, 提出方法的剩余寿命预测的均方根误差为5.3, 与长短时记忆神经网络、反向传播神经网络和支持向量机相比, 误差分别降低了63%、72%和78%。      

基于单目视觉的水面船舶多目标定位方法

针对水面船舶的多目标实时定位,提出了一种定位和运动参数求解算法,采用固定位置和视角的单目摄像机采集船舶图像,对采集的图像进行高斯滤波和图像畸变校正,提出了基于船舶颜色、尺寸与运动学特征同时识别多个船舶目标(每个船舶目标独立识别)的方法,构建了图像坐标与真实环境坐标的转换模型与实时航速、航向和轨迹的计算模型,在水池环境下搭建了实时定位系统,开发了实时定位程序,并验证了定位方法的定位精度和轨迹跟踪性能。验证结果表明:在存在外界干扰的情况下,定位算法能实现对2艘船舶的精确识别;修正前坐标点横、纵坐标平均误差分别为0.058、0.209m,修正后分别为0.038、0.124m;摄像机定位数据更新频率为8 Hz,满足船舶控制需要;算法能实现对船舶位置、航速和航向的准确、实时计算,轨迹平滑且未出现异常点。     

基于深度强化学习的机器人导航算法研究

移动机器人穿越动态密集人群时，由于对环境信息理解不充分，导致机器人导航效率低且泛化能力弱。针对这一问题，提出了一种双重注意深度强化学习算法。首先，对稀疏的奖励函数进行优化，引入距离惩罚项和舒适性距离，保证机器人趋近目标的同时兼顾导航的安全性；其次，设计了一种基于双重注意力的状态价值网络处理环境信息，保证机器人导航系统兼具环境理解能力与实时决策能力；最后，在仿真环境中对算法进行验证。实验结果表明，提出的算法不仅提高了机器人导航效率还提升了导航系统的鲁棒性，主要表现为：在500个随机的测试场景中，碰撞次数和超时次数均为0，导航成功率优于对比算法，且平均导航时间比最好的算法缩短了2%；当环境中行人数量、导航距离发生变化时算法依然有效，且导航时间短于对比算法。     

场地搜救机器人路径规划

介绍了场地搜救轮式移动机器人的硬件组成及工作原理。提出了一种能迅速、准确的搜索到目标信号的路径规划算法。实验表明,该算法可使搜救机器人避开障碍物、识别边界、自动定位,降低了搜索时间,提高了搜索到目标的可靠性。     

GPS相对定位原理与DGPS技术简介

GPS相对定位原理是在SA和AS政策的条件下，为提高定位精度而产生和发展起来的．并在此基础上逐步完善了差分GPS技术(DGPS)。这在很大程度上提高了GPS定位精度．概要地介绍了相对定位原理和相位平滑伪距与准载波相位差分GPS技术，分析了产生误差的主要来源和全球定位系统的应用前景。     

交通无线传感网络运动车辆定位方法

为提高运动车辆定位可靠性与精度,研究了基于交通无线传感器网络的运动车辆定位系统.根据车辆位置区域随速度变化的规律,提出了一种变区间搜索量子粒子群算法对测量的车辆定位参量进行坐标粗估计,由于噪声干扰和信号传输延时,坐标粗估计值存在一定的误差.根据车辆的运动特性引入机动目标的当前统计模型,采用扩展Kalman滤波对坐标粗估计值存在的误差进行修正,以定位速度与精度为评价指标对定位方法进行了验证.验证结果表明:无线传感网络节点可大量布设的特点提高了定位可靠性;量子粒子群中引入变区间使定位速度提高了39.13％;Kalman误差修正使得定位精度提高了56.48％.可见,本文方法可以有效提高运动车辆定位速度与准确性.     

基于几何约束及迭代的NLOS环境定位算法

针对在非视距 （non-line-of-sight,NLOS）环境中传统最优化定位算法抗NLOS误差能力较弱、且需要一个较准确的初始估计位置以确保算法收敛这一问题,提出一种应用在双基站场景下的基于几何约束及迭代的定位算法. 通过引入最大散射半径作为几何约束条件,以线性迭代方式进行一维全局搜索,并采用最小二乘算法获得移动台（mobile station,MS）初始估计位置,然后利用设定的阈值门限对各初始位置点进行筛选,最后通过加权平均获得MS的最终估计位置. 仿真结果表明:当散射半径为200 m时,本文算法的定位误差在200 m以下的概率能达到100%;在相同环境下,本文算法计算时间开销仅是网格搜索法的0.4%.      

基于B样条函数的改进Harris角点检测算法

针对Harris算法中存在的角点定位不精确,高斯平滑窗口大小不易选择等问题,提出了一种改进算法,利用B样条函数来代替算法中的高斯平滑函数,可避免高斯窗口的选择,并提高角点的定位精度.通过实验对改进算法的性能进行了分析,证明改进算法能够有效提高角点定位精度.     

DV-HOP定位算法改进研究

节点定位是无线传感器网络中的关键技术之一．基于无线传感器网络中DV-HOP定位算法分析的基础上,提出了一种改进算法．该算法通过RSSI测距技术测量点到点的距离,并在多跳网络中对累加距离进行广播,最后在节点位置估计过程中引入了加权质心算法进行定位．实验结果表明,改进后算法复杂度低,定位精度有明显的提高．