摘要:

在提出和开发一种自主跟随引导节点移动的自主跟随机器人中，引导节点实时精确测距和定位必不可少。该文分别提出了基于RSSI近场低频的自适应信号衰减模型算法和BP神经网络估计方法。相对于传统的信号衰减模型算法，这两种方法对无线信号能量衰减问题表征能力更强。实验结果表明，两种方法都达到了较高的测距精度。总体上，BP神经网络估计方法算法精度优于自适应信号衰减模型算法，其测距绝对误差可以控制在0.1 m以内，但BP神经网络估计方法对样本数量及样本分布情况要求更高。

摘要:

针对提高室内三维空间的定位精度和速度的问题,从减少节点数量、建立特定坐标系的角度提出了一种基于四节点和特定坐标系的三维空间定位算法;该算法引入位置相对固定的4个节点,提高解算速度;充分考虑有效反射区对衰减指数影响,根据伯鲁斯特角将天线辐射场区分为叠加加强区和叠加减弱区,建立三维坐标系进行定位,结合信号强度指示(received signal strength indicator,RSSI)衰减模型,在叠加减弱区定位,把三维空间问题转化到二维空间,降低定位算法的复杂度;文中分别阐述方法的原理与验证,结果表明,四节点定位算法的解算速度比降低复杂度(complexity-reduced trilateration approach,COLA)定位算法有较大提高,该算法平均定位误差小于2米.

摘要:

基于RSS指纹的定位以其具有部署简单、硬件成本低、定位参数单一等优点成为无线定位技术中的研究热点之一。由于该技术在定位时需要目标RSS指纹与定位区域中所有RSS指纹进行比较，所以该定位算法的复杂度较高，导致了定位系统的实时性较差。为了解决上述问题，通过利用无线信号衰减模型对目标所在的大致区域进行判断，然后在判断的区域中再利用基于RSS指纹算法对目标进行精确定位。仿真实验结果表明改进的方法能够减少算法的复杂度，提高了定位系统的实时性。

摘要:

2004年第七届信息融合国际学术会议评出了一篇最佳论文,同时另有两篇文章获得最佳论文提名.最佳论文提出了适用于无线传感器网络的融合决策规则;其中一篇提名论文研究TBM(Transferable Belief Model,TBM)框架下的联合跟踪和分类问题;另一篇则对JDL模型作了新的扩充.将对前两篇文章进行总结和评述.

摘要:

精确的室内定位系统具有重要的研究及应用价值.由于GPS在室内受到很多约束条件而无法提供精确的室内定位服务,如何提高室内定位算法的精度已经成为当前研究的热点.通过提出一种基于改进粒子滤波的室内定位算法以减少室内环境影响来提高定位精度.该算法主要思想是通过手机等移动设备接收AP传播的信号,然后根据室内拓扑建立一个信号衰减模型,在移动设备的移动过程中结合粒子滤波进行定位.在定位过程中,移动设备采用自适应的信号采集方法来接收信号,同时随机游走思想和自优化的重采样方法被用来改进粒子滤波.仿真实验结果表明该算法能够有效提高室内定位的精度和鲁棒性.