基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。     

适用于传感器网络战场监视系统的无锚点定位算法

针对传感器网络在军事领域的应用。本文提出一种适用于战场监视系统的三维无锚点自定位算法。该算法首先对布撒后的全网节点进行不基于地理信息的分簇算法,缩短了全网坐标建立的启动时间。当簇头节点能量将消耗尽时,再进行基于地理信息的分簇算法更新簇头节点。采用OFDM测距方法后,减小了节点间的测距误差。仿真实验表明,传感器网络鲁棒性较高,在区域为400m×400m×50m的三维空间内,随机放置200个节点,其平均定位误差为0.64%,满足战场传感器监视系统的要求。     

基于RSSI测距的凸半定规划节点定位算法

定位是无线传感网络领域的研究热点。为此,提出基于接收信号强度（received signal strength indicator,RSSI）测距的凸半定规划节点定位（RSSI ranging-based convex semidefinite programming node localization,RCSP）算法。建立基于RSSI的信号传播模型,并将定位问题转化为最大似然估计（maximum likelihood,ML）的优化问题,通过泰勒级数近似理论对ML优化问题进行近似处理。将ML优化问题转化为半定规划（semidefinite programming,SDP）凸优化问题,利用内点法求解获取节点的位置。仿真结果表明,相比于同类的定位算法,RCSP算法提高了定位精度。     

次优扩展卡尔曼滤波的无线传感器网络定位算法

针对无线传感器网络节点在定位过程中,由于积累的节点测距误差和定位算法引入的误差会对定位的精度产生较大影响。为此在节点测距过程中,利用卡尔曼滤波算法线性最优的特点,提出了一种适用于无线传感器网络节点定位的次优扩展卡尔曼滤波算法模型。首先在评估坐标的过程中利用卡尔曼滤波的节点自适应调度方法,其次,将上述改进的过程引入到三角定位算法中,最后将引入前后的系统性能进行比较。通过仿真实验表明,该算法提高了测距和网络节点定位的精确度及模型的自适应性,并且减少了计算量和系统的功耗。     

基于入侵杂草算法的水下目标TDOA定位方法

针对水下传感器网络中定位精度不高的问题,提出了一种基于入侵杂草算法的水下目标定位方法.利用入侵杂草优化算法,以定位误差为目标函数,优化设计未知节点的位置初值;利用初值和距离干扰参数估计粗略解,并引入目标定位误差来构造新的定位方程;根据加权最小二乘算法求解获得未知节点的精确解.通过与克拉美罗下界进行比较,验证了算法性能.仿真结果表明,提出的优化定位方法可得到更好的定位精度.     

基于RSSI线性回归分析的无线传感器网络定位方法

在无线传感器网络（WSN）定位应用中,针对接收信号强度指示（RSSI）容易受到环境的影响不能实现准确测距的问题,提出了一种基于RSSI线性回归分析的定位方法。该方法通过信号衰减模型和线性回归理论相结合,修正实际环境下每个锚节点的测距模型,同时利用相关系数和剩余标准差对测距模型进行评估,制定出更加合理的定位策略。实验表明,采用修正的测距模型和新的定位策略,使得节点定位精度明显提高。     

无线传感器网络DV-Hop节点定位改进算法

针对无线传感器网络中距离无关类节点定位算法定位误差较大的问题,提出了一种改进型DV-Hop节点定位算法。通过设置待定位节点到信标节点间的最小跳数门限,降低了定位累积误差;改进了平均每跳距离估计方法,并利用信标节点测量的位置误差作为修正值,对每跳距离的估计值进行修正;待定位节点仅选取与之较近的信标节点计算位置,降低了距离误差。仿真结果显示,在信标节点比例和网络节点总数相同的条件下,改进算法性能明显优于DV-Hop算法。     

RSSI与凸规划相结合的无线传感器网络定位算法

凸规划定位算法是无线传感器网络中一种较为常用的非测距定位算法。针对该算法中信标节点的重叠区域过大导致未知节点定位精度不高的问题,提出了RSSI与凸规划相结合的改进定位算法。算法利用RSSI值与距离的相对关系,将原有凸规划定位中未知节点的存在区域进一步缩小,提升定位精度。由于算法中只增加了一次未知节点与信标的RSSI值通信过程,基本保留了原有凸规划算法实现简单实时性好的优点。仿真数据及基于CC2430平台的实验表明,改进后的算法相对原有凸规划算法定位精度有明显提升,平均可提升20%～25%。     

融合初值校准与二阶逼近的单星测频定位算法

为减小单星测频定位的误差,提出一种融合初值校准与二阶逼近的单星测频定位算法。该算法在卫星接收信号多普勒频移为零的时间点,通过测距获得卫星到定位目标的距离信息,利用距离信息修正轨道平面与定位目标的几何关系,为初值的选取提供校准手段;将校准的初值代入含二阶级数的定位方程泰勒展开式,通过较少次数的迭代得到定位目标的真实位置,从而降低定位的算法复杂度,提高定位精度。仿真结果表明,所提出的算法与多普勒单星定位算法相比,迭代次数和定位误差大幅度减小,其实现简单、计算量少、误差小,在单星定位研究领域具有较高的理论价值和实用价值。     

无线传感器网络移动节点三维测距解析定位

结合次声波的特点和性质，建立了适用于动态环境下的基于次声波和电磁波的非同步TDOA测距模型。同时，将精确的测距信息与历史位置信息结合起来，提出并推导了信标节点稀疏分布下的三维测距解析定位算法，并根据有限的定位时刻位置信息采用内插法恢复出节点随机运动轨迹图。仿真结果表明：该算法具有较好的鲁棒性，可实现分米级以下的定位精度。     

NLOS环境中基于二次修正的RSSI测距算法

RSSI测距实现简单,无需添加外部设备,但测距精度较低、易受环境影响。为了降低RSSI测距在NLOS环境中的误差,提出了一种基于二次修正的RSSI测距算法。首先用卡尔曼滤波对RSSI值进行预处理,然后采用最小二乘法拟合出传播方程,最后利用无迹卡尔曼滤波求出距离值。实验结果表明,该算法能降低NLOS环境中的测距误差,提高测距精度。     

基于二阶锥规划的MIMO雷达稳健自适应波束形成

针对MIMO雷达自适应波束形成中期望目标导向矢量的失配问题,提出了一种基于二阶锥规划(SOCP)的稳健自适应波束形成算法。该算法首先将1个MN维(M,N分别为发射和接收阵元数)的权矢量分解成2个低维(1个M维和1个N维)权矢量的Kronecker积,然后分别限制实际的目标发射导向矢量和目标接收导向矢量与假定的导向矢量之间的误差范数的边界,通过优化最差性能,利用SOCP求得分解后的2个权矢量,最后再合成原权矢量。通过降维处理,算法在保证波束形成器性能的基础上,有效地降低了运算复杂度。仿真结果验证了算法的有效性。     

WSNs中基于TW-ToA测量的目标定位算法

针对时钟偏差问题,提出基于双向到达时间(Two-way time of arrival,TW-To A)测量的目标定位算法(Target Localization-based on TW-To A,TL-TW-To A)。TL-TW-TOA算法考虑了周转时间和时钟偏差问题。由于利用直接处理方法难以获取目标位置的最优解,TL-TW-TOA算法选用次优、强健算法进行近似,并将定位问题建立成广义信赖域次优问题(Generalized Trust Region Sub-Optimal,GTRS),然后再利用二分算法获取精确解,进而缓解时钟偏差和周转时间(Turn-around Times,TATs)对定位精度的影响。实验数据表明,提出的TL-TW-TOA定位算法降低了计算复杂度,并减少了均方根误差(Root Mean Square Error,RMSE)。     

WSN中基于虚拟锚节点的AD定位算法研究

确定事件发生的位置是无线传感器网络最基本的功能之一,对WSN应用的有效性起着关键性作用。提出了一种基于虚拟锚节点的主动分布式定位算法,该算法可以使待定位节点主动发送定位请求给虚拟锚节点,周期性地接收定位信标,并分布在各个节点上执行定位算法,从而得到节点的预估位置。实验表明,本算法可以有效地提高待定位节点的定位精度和减少残余待定位节点数量。     

基于线性数据融合的双椭圆定位模型优化算法

为了充分利用分离式台声源声纳定位系统的冗余测量信息,提高系统的定位精度,提出了基于线性数据融合的双椭圆定位模型优化算法。并通过数值仿真,对不同条件下的定位误差几何分布曲线图(GDOP)进行了研究。仿真结果表明,大部分探测范围内,两个声源之间距离的变化和时间测量误差对定位性能影响较小,而角度测量误差对该算法的定位精度影响较大。与仅利用距离信息进行定位的方法相比较,采用数据融合的优化手段,可以充分利用定位系统的冗余信息,有效地降低了系统的定位误差,探测盲区的定位性能也得到明显改善。仿真结果和性能分析为解决远距离探潜定位优化问题提供了理论依据。     

移动WSNs中基于跳数矢量的节点定位算法

针对节点定位精度以及安全性,提出跳数矢量的节点定位算法(Hop Vector-based Node Localization Al-gorithm,HVLA).通过控制包的交互,获取跳数信息.然后,锚节点依据跳数信息构建跳数矢量,再利用质心定位算法估计未知节点的位置.同时,利用未知节点反馈控制包的响应时间,丢弃一些发布虚假数据的节点,进而实现定位数据的安全性.仿真结果表明,相比于同类算法,HVLA算法的平均定位误差得到有效控制,并且平均定位时延下降了约30.22％,剩余能量率也提升了13.33％.     

跳频信号与跟踪干扰信号DOA估计方法

提出了一种基于修正的旋转信号子空间(rotational signal subspace,RSS)算法的跳频信号和跟踪干扰信号波达方向(direction of arrival,DOA)估计方法。首先,将接收到的跳频信号和跟踪干扰信号进行离散傅里叶变换;然后,利用修正RSS算法,得到聚焦后协方差矩阵的估计值;最后,利用MUSIC算法,实现跳频信号和相关干扰信号的DOA估计。仿真结果验证了该方法的有效性。     

分布式传感器网络自适应一致性融合估计算法

针对分布式传感器网络的目标一致性状态估计问题,提出自适应一致性融合估计算法。考虑到网络中节点为测距和测方位的传感器,基于观测噪声与目标状态相关的假设,构建量测模型;引用无迹卡尔曼滤波与CI算法得到各节点的局部估计,通过误差矩阵加权更新节点状态以改进一致性算法,实现各节点对目标状态的一致性估计。仿真实验结果表明,该算法能够在快速收敛的过程中实现无中心节点的分布式传感器网络中各节点对目标位置的精确估计,同时又保证各节点之间的一致性。     

星载干涉仪无源定位新方法及其误差分析

针对传统单星二维干涉仪测向定位存在的设备量大、易受通道间幅度/相位不一致性影响等缺点,提出了在单颗自旋卫星上只安装两个接收通道构成一维干涉仪,测量相位差变化率的无源定位新方法,采用了基于粒子群优化(PSO)的定位算法,分析了干涉仪转速以及旋转平面对定位性能的影响.结果表明,增大干涉仪转速有利于提高定位精度,为了使星下点周围各个方向上都有较好的定位精度,干涉仪旋转平面应与初始观测时刻卫星位置矢量垂直,PS0算法的定位精度能够接近定位误差的克拉美罗下限(CRLB).     

基于无线传感器网络的近场声源定位技术?

针对近场环境下声音信号的特点,采用TDOA算法对声源进行定位。为了获得较为理想的时延估计,提出了一种锚节点挑选和时延估计策略,剔除误差较大的节点,挑选最优锚节点参与定位。针对求解过程中出现的多解问题,提出一种区域判别法则,对目标位置进行多重判断后再求解,减少了参与计算的方程数量,在不影响定位精度的前提下降低了系统计算量,并与其他方法进行对比。实验表明,该方法相比于其他方法计算量明显减小,并且精度较高,具有较好的定位效果。