TRM-FMM室内无线定位技术

在室内多径环境下信号视距传播易受障碍物影响,导致现有的一些室内定位技术对室内环境分布的估计较为困难。时间反转镜(TRM)室内无线定位技术可以有效地减少室内多径效应对信号的影响以及复杂环境造成的延时。但是,若没有信号传输信道的信息,常规TRM技术的定位精度就会大打折扣。针对该问题,给出了一种基于快速行进算法(FMM)的TRM室内无线定位方法。该方法首先利用FMM和同时代数重建算法(SART)迭代更新计算室内环境分布,然后使用估计结果进行TRM定位。仿真结果显示,对于小型规模的目标物体定位误差约为1.84 cm,在未知室内信道信息的仿真环境下,该方法比常规TRM技术的定位精度提高约32.90倍。     

基于载波相位的室内AoA/ToF联合定位

当前室内定位的主流方法是基于信道状态信息（Channel State Information,CSI）的AoA/ToF（Angle of Arrival/Time of Flight）联合定位,由于天线数量和带宽的限制,导致其特征参数存在误差。为此,结合CSI中细粒度和多样化的载波相位信息,提出了一种基于载波相位的室内AoA/ToF联合定位算法。首先,基于载波相位和ToF信息构造载波相位定位模型,实现目标初始定位;然后,利用LAMBDA（Least-squares Ambiguity Decorrelated Adjustment）算法消除整周模糊,实现基于载波相位的AoA/ToF联合定位算法,得到目标精确位置;最后,推导了算法定位精度的标准差。通过实验分析了不同参数对定位性能的影响,结果显示,该算法定位精度优于AoA/ToF联合定位,当接收机在用户周围均匀分布时定位性能较好,且基本不受载波相位测量误差的影响,因此具有更好的鲁棒性。     

一种融合地图与传感器信息的室内地图匹配新算法

基于粒子滤波技术,提出了融合地图信息与传感器信息的室内地图匹配算法,对于在室内定位中由状态空间模型描述的非线性系统,通过非参数化的蒙特卡洛(Monte Carlo)模拟方法来实现递推贝叶斯滤波,将室内地理信息数据、传感器信息、无线定位信息融入到粒子的权重值中,对观测值进行不断修正。实验证明,所提出的基于粒子滤波的地图匹配技术有效解决了由于无线定位结果穿墙、错定至隔壁房间而造成的用户体验差等问题,同时对室内定位结果进行了修正,提高了室内定位精度。     

与强度无关的位置指纹在线定位改进算法

将现有的研究较热的固定发射端、定位接收端的室内位置指纹定位系统应用到固定接收端、定位发射端的室内无线电干扰源定位中,研究了一种考虑干扰源发射强度的在线定位算法,以克服直接使用以一固定发射强度信号源建立的指纹数据库和现有的在线定位方法无法实现对不同发射强度干扰源定位问题。在分析信号传播模型和现有在线定位方法的基础上,利用强度差的均方差进行定位计算。给出了算法实现依据和流程,对改进的算法进行了仿真和实验验证,结果证明了改进算法的实用性。同时,改进算法的思想对现有的考虑接收端异质的位置指纹定位系统也有一定的指导意义。     

相关性匹配蓝牙信标位置指纹库的室内定位

针对K近邻算法(KNN)在对偏向于某个样本点的未知点进行三角质心定位时定位精度变差的情况,提出了应用相关系数去匹配蓝牙信标iBeacon位置指纹库的室内定位算法。通过比较待定位点和位置指纹库中参考样点的相似程度，并进行数据差异显著性检验，来检验采集的待定位点数据与指纹库数据是否显著相关，然后取相关性较高的样本点进行加权平均匹配定位。实验结果显示，相关系数匹配位置指纹库算法可将2 m以内的定位精度从65%提高到92%，相较于传统的KNN匹配定位算法有着定位精度高、计算量小、定位时间短等优势。     

基于优化RBF神经网络的无线室内定位

针对径向基函数（Radial Basis Function,RBF）神经网络算法在无线网络室内定位中拓扑结构和网络参数难以确定,其定位效果不理想的问题,提出了一种用核主成分分析的模糊C均值聚类算法（Fuzzy C-Means clustering algorithm based on Kernel Principal Component Analysis,KPCA-FCM）和模拟退火自适应遗传算法（Simulated Annealing adaptive Genetic Algorithm,SAGA）优化RBF神经网络的无线室内定位算法。首先利用KPCA对原始训练数据样本进行数据预处理,再通过KPCA-FCM算法计算出最优聚类数目和聚类中心点;其次将聚类数目和聚类中心点作为隐含层神经元个数和中心值,创建RBF神经网络,并将其网络参数映射到SAGA算法中;再次由SAGA算法进行网络参数寻优,把最优的解映射回RBF神经网络;最后利用样本数据对RBF神经网络进行训练和测试,完成建立RBF神经网络算法模型。实验表明,在相同的环境中,所提算法比传统RBF神经网络定位精度提高了48.41%。     

基于VIO和Wi-Fi指纹技术的室内定位系统设计

针对视觉惯性里程计(Visual-Inertial Odometry,VIO)在特征高度重复的场合易产生较大误差以及Wi-Fi指纹精确度不高等问题,提出了一种基于VIO和Wi-Fi指纹技术的室内定位方法。该系统运用VIO和Wi-Fi指纹在系统层面的结合,利用Wi-Fi指纹的无漂移、成本低的特点和VIO在一定范围内的高精确度,先进行Wi-Fi指纹粗定位,后进行VIO精定位,将大面积切割成小面积从而有效提高系统室内定位精确度,降低误差。该系统能在精定位的同时进行对指纹数据库的更新。实验结果表明,该系统的定位误差小于单独使用VIO或Wi-Fi指纹的系统,平均误差达0.15 m,能够有效提高定位精度。     

利用时变噪声贝叶斯卡尔曼滤波的室内移动目标定位

基于射频识别的指纹滤波定位技术是当前室内定位中常使用的技术之一。针对该技术存在的卡尔曼滤波算法不能准确适应环境噪声变化,致使定位精度不高的问题,提出了一种适应时变噪声的贝叶斯卡尔曼滤波算法。所提算法结合Sage-Husa滤波模型和贝叶斯模型,实现了过程和测量协方差矩阵的最优化,有效地降低了噪声,提高了指纹滤波定位的精度。实验结果表明,与变分贝叶斯卡尔曼滤波和Sage-Husa滤波相比,无障碍情况下,基于改进算法的定位精度提高了6%以上;有障碍干扰下,则提高了14.6%以上。     

用于步进频连续波雷达旁瓣抑制的自适应CLEAN技术

为了解决步进频连续波雷达中的强目标距离旁瓣掩盖弱小目标问题,对步进频自适应脉压算法(SFCW-RMSMIL)进行修正,并联合修正SFCW-RMSMIL算法和CLEAN技术,提出了一种新的自适应CLEAN算法（A-CLEAN）。该算法解决了弱小目标能量严重压制问题,同时还能精确估计各目标的幅度和位置,提高了雷达对弱小目标的检测能力。最后利用仿真数据、实测数据以及蒙特卡洛实验验证了新提出的A-CLEAN算法的有效性和实用性。     

一种新颖的基于偏度的非视距区分算法

在超宽带(UWB)定位系统中,非视距(NLOS)传播是降低通信与定位精度可靠性的主要原因。因此,区分NLOS环境对提高定位精度尤为重要。针对该问题,提出了一种新的基于信道统计特性——偏度(Skewness)的NLOS区分算法。该算法首先将偏度在IEEE 802.15.4a信道模型（特别是室内家居和办公环境）中建模为对数正态分布,然后对其概率密度函数(PDF)做似然比检验来区分视距(LOS)与NLOS环境。仿真结果表明：室内UWB定位系统中,偏度可以更好地区分信道状态,在室内办公环境中,正确区分NLOS环境的概率可达99.99%。在定位模块中融入所获得的区分NLOS的结果将有助于定位精度的进一步提升。     

基于手机的声学超宽带室内定位

针对室内定位技术部署复杂、成本高的问题,提出了一种利用手机接收声学信号通过脉冲压缩进行室内定位的方法。通过借鉴雷达系统中的脉冲压缩技术,将信号和噪声分离,并提取出信号到达时延估计。为了减小定位误差,研究了手机的声学特性,设计了声学超宽带信号的信道模型,将应答节点时延回传,进一步减小信号传播的时延估计。在停车场的试验结果表明：定位结果和实际位置相符,平均定位误差在30 cm以内。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m     

基于LSTM深度学习的大豆期货价格预测

面对越来越复杂的金融市场环境,以传统统计学和计量学为主的时间序列预测模型在发现序列中的长期依赖关系方面存在一定局限性,而深度学习中的长短期记忆(LSTM)网络有望克服这一问题。通过构造一个多层LSTM网络价格预测模型,使用中国2007—2019年大豆期货价格数据进行了实证研究。结果显示,参数调优对LSTM网络模型预测效果有着较大影响,其中影响较大的主要参数包括迭代次数、学习率、窗口大小和网络层数等;与ARIMA模型、MLP模型、SVR模型相比,LSTM网络模型的预测结果准确性更高,在拟合优度(R-2)上分别提高了1.064%、2.147%、1.674%。LSTM网络模型在价格预测方面的良好表现,为预测大豆期货价格提供了新思路。     

蜂窝移动定位系统定位精度提高算法的研究进展

提高蜂窝移动定位系统的定位精度是定位技术在CDMA系统中广泛应用的关键。针对提高移动定位精度算法的研究，分别从基本定位算法、非视距传播误差消除算法、抗多径干扰时延估计和抗多址干扰算法、数据融合定位方法等几个方面进行了详细的分析和讨论，综述了该领域的最新研究进展，提出了自己的观点。最后对移动定位精度提高算法研究的未来进行了展望。     

CDMA无线定位系统的基站选择算法

在基于CDMA网络的无线定位系统中，当移动终端处于多个基站的侦收范围时会面临定位基站的选择问题，基站选择的优化可以减少系统资源的占用，并且直接影响系统定位性能。文中提出采用精度因子的基站选择算法，通过实测验证具有较高的稳定性，并可提高系统的定位精度和实时性，对定位系统的基站架设和系统设计有实际的指导意义。     

基于手机内置磁感器的室内定位技术的研究

针对目前手机室内定位技术仍不够成熟的问题,本文在探讨手机定位技术现状和发展趋势的基础上,提出了一种新的室内定位方法,依靠智能手机内置磁感器进行室内地磁异常场测量,完成室内环境的定位,具有成本低、易于实现、定位精度高的优点,在手机室内定位上有较高的参考和研究价值。     

基于AD9361射频捷变收发器的GPS伪卫星设计

为了搭建用于室内定位的伪卫星室内定位系统,设计了一个伪卫星用于发射模拟GPS卫星定位信号。从伪卫星的硬件结构的角度详细说明了该伪卫星的各部分硬件组成以及相应的功能。该伪卫星使用了AD9361射频捷变收发器将时钟小数分频、数模转换、信号调制、上变频融为一体,简化了伪卫星的硬件结构。介绍了该伪卫星生成的信号的具体结构,采用时分多址（Time Division Multiple Access,TDMA）技术使得接收机接收伪卫星信号时不会被阻塞。利用示波器、频谱仪和嵌入式逻辑信号分析仪Signal Tap对伪卫星进行测试,包括时钟频率、伪码、BPSK调制、TDMA技术等,结果表明伪卫星工作正常,其信号能被ublox正常接收,可以利用其进行下一步伪卫星组网用于室内定位。     

基于改进指纹聚类的WLAN定位优化方法

将K-means聚类算法应用到无线局域网（WLAN）位置指纹定位中，虽然可以缩短定位时间，但是容易降低定位精度。为了解决此问题，提出了基于改进指纹聚类的WLAN定位优化方法。首先根据接收信号强度标准差来优化初始聚类中心的选取,然后对指纹数据进行聚类处理,最后进行在线定位。实验结果表明，与传统的WLAN位置指纹定位方法和K-means聚类定位方法相比，基于改进指纹聚类的定位优化方法不仅缩短了定位时间，还能有效提高定位精度。