基于测距的地面网络化弹药节点自定位算法

分析了极大似然估计算法中测距误差对定位误差的影响,提出了基于LMS（最小均方差）的自适应滤波原理的测距误差修正的自定位算法. 利用极大似然估计法初步估计节点位置,并得到定位误差信息,建立测距误差矩阵并更新网络中的滤波参数,完成对网络中测距误差的抑制,从而优化节点定信息. 实验仿真表明,优化处理使定位精度得到提高. 结果表明算法适用于锚节点密度较小的、低信噪比的网络化弹药系统.     

一种自适应搜索的足球机器人定位方法

基于目前结构环境下的机器人定位问题,将机器人定位的概率问题转换为有限空间范围内的极小值搜索问题,实现了一种新的基于机器自学习的搜索方法.为了保证定位的实时性与定位精度,提出了一个能自动调整搜索步长的自适应搜索算法,解决了RoboCup中型组足球机器人的自定位问题,并在实际环境中完成了算法有效性测试.     

基于声纳的智能机器人自主定位算法研究

为了解决声纳传感器探测信号的不确定性问题并消除在定位过程中存在的噪音 ,以P2 DXe机器人为实验主体 ,根据声纳传感器在机器人定位中的特性 ,对声纳传感器在机器人自主定位应用中的相关算法作了系统的分析和研究 ,比较各种算法之间的联系和区别 .利用机器人Saphira8.0仿真平台对算法进行了仿真 ,证明了该算法的可行性 .     

基于全向视觉信息的足球机器人自定位方法研究

RoboCup中型组比赛对抗激烈。针对赛场的高度动态性,提出了一种快速的机器人自定位方法。首先根据全向视觉机器人的结构特点。在进行视觉处理时,利用图像掩模去除无效信息;同时针对全像素搜索的不必要性,采用基于Bresenham算法的像素搜索方法,缩小像素搜索范围。在机器人自定位时,利用白线定位方法,结合基于Bresenham算法的像素搜索方法,有效的提高图像处理的实时性。最后,以ASROⅡ机器人为实验平台,设计了实验验证了该方法不但提高了实时性;而且完全可以满足比赛对定位精度的要求。     

基于路标的机器人自定位方法

介绍了一种基于路标的移动机器人自定位方法。为了解决仅仅利用视觉系统得到的路标信息使用蒙特卡洛自定位(MCL)算法进行机器人自定位时存在较大误差的问题,提出了一种将MCL算法与unscented卡尔曼滤波器相结合进行自定位的方法,将从机器人视觉系统获取的路标信息,从驱动轮码盘获取的位置信息,以及从电子罗盘获取的机器人方位信息进行有效融合,从而提高了机器人的自定位精度。实验结果表明,该方法不但可以提高机器人的自定位精度,而且具有较好的鲁棒性。     

一种无线传感器网络节点自定位新算法

节点自定位是无线传感器网络应用的关键。质心算法是基于距离无关的定位技术,但其定位精度不高。本文提出一种虚拟锚节点定位算法,具体方法是在不增加锚节点密度的情况下,首先根据未知节点与其周围定位的锚节点之间的几何约束关系,确定该未知节点的可能出现的区域位置;其次,根据节点之间的几何约束,确定出虚拟锚节点的坐标范围,最后,在已经划定的可能区域内,采用最小二乘法寻求虚拟锚节点与未知节点之间距离差的最小值,以该数值对应的坐标值作为所定位的未知节点的坐标值。仿真结果表明,采用虚拟锚节点算法能够实现未知节点的定位,并能有效提高定位精度。     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

无线传感器网络自定位技术

综述了无线传感器网络近年来的自定位技术,介绍了节点定位基本原理,论述了无线传感网络中的测距技术,并探讨了几种定位算法。