检索结果

Select

1. 基于Pearson相关系数的快速虚拟网格匹配定位算法

郝德华, 关维国, 邹林杰, 焦萌

计算机应用 2018, 38 (3): 763-768. DOI: 10.11772/j.issn.1001-9081.2017071760

摘要（488）

PDF （962KB）（430）

针对室内环境下位置指纹匹配定位算法中离线数据库采集工作量较大的问题，提出了一种基于Pearson相关系数的快速虚拟网格匹配的定位算法。首先，将接收信号强度指示（RSSI）进行高斯滤波预处理得到接收信号强度向量；然后，利用Bounding-Box方法确定初始虚拟网格区域，将该网格区域快速迭代细分并计算网格中心点到各信标节点的距离对数向量，计算接收信号强度向量和距离对数向量之间的Pearson相关系数；最后，选取Pearson相关系数接近于-1的 k个近邻坐标以相关系数加权估计确定待定位节点的最优估计位置。仿真实验结果表明，在1m虚拟网格且RSSI噪声标准差为3dBm的条件下，算法定位误差小于2m的概率大于94.2%，其定位精度优于位置指纹匹配算法，且无需建立RSSI指纹数据库，大大减少了定位工作量。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于二维网格融合特征参数的室内匹配定位算法

关维国鲁宝春

计算机应用 2014, 34 (9): 2464-2467. DOI: 10.11772/j.issn.1001-9081.2014.09.2464

摘要（276）

PDF （780KB）（519）

针对接收信号强度值(RSSI)的时变特性降低定位精度的问题，提出了一种基于二维网格特征参数融合的室内匹配定位算法。该算法融合RSSI和信号到达时间差(TDOA)构建网格特征参数模型，基于二维网格快速搜索策略降低匹配定位的计算量，采用网格特征向量的归一化欧氏距离进行最优网格匹配定位，最终由匹配网格的参考节点计算终端的精确位置。定位仿真实验中，该算法在3m网格粒度下的定位均方根误差为1.079m，平均定位误差小于1.865m；3m定位精度下的概率达到94.7%，相对于传统单一RSSI模型法提高了19.6%。所提算法能够有效提高室内定位精度，同时减少搜索数据量，降低匹配定位的计算复杂度。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于Elman神经网络的TDOA定位算法

吴燕红关维国王艳峰

计算机应用 2011, 31 (03): 629-631. DOI: 10.3724/SP.J.1087.2011.00629

摘要（1378）

PDF （558KB）（1279）

针对Chan定位算法在非视距(NLOS)环境下定位性能差的缺点，提出一种基于Elman神经网络的Chan定位算法，利用Elman神经网络的动态递归特性以及强大的非线性映射逼近能力，对NLOS误差进行修正，再利用Chan算法定位。仿真结果表明，在NLOS误差较大的环境下该算法仍具有良好的定位精度，性能优于Chan算法和泰勒级数展开法。