针对无线传感器网络(WSN)中的移动节点定位问题,提出了一种将反馈时间序列与蒙特卡洛相结合的定位算法TSMCL(Feedback Time Series-Based Monte Carlo)。该算法基于目标节点1跳范围内的邻居锚节点(至少3个)反馈信号的先后顺序,构建了节...针对无线传感器网络(WSN)中的移动节点定位问题,提出了一种将反馈时间序列与蒙特卡洛相结合的定位算法TSMCL(Feedback Time Series-Based Monte Carlo)。该算法基于目标节点1跳范围内的邻居锚节点(至少3个)反馈信号的先后顺序,构建了节点可能的初始采样区域R1,并以区域R1与蒙特卡洛采样区域R2的重叠区作为新的采样区域R,以进一步缩小采样范围、提高采样效率。仿真结果表明:与蒙特卡洛定位算法相比,提出的TSMCL算法能够减少约38%的定位误差,尤其当节点移动速度较高时,算法的收敛速度也得到了显著提升。展开更多
提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重...提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重采样方法,以提高粒子的细化能力;最后结合普通重采样方法,提出一种改进的MCMC重采样的机器人定位算法,减少粒子匮乏效应的同时,提高了定位精度.实验结果表明,该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.展开更多
移动节点定位技术是无线传感器网络中的关键技术之一。针对蒙特卡洛算法MCL(Monte Carlo Localisation)在移动节点定位中存在样本需求量大、定位精度不高、定位所需时间长等缺点,提出基于模糊理论的改进蒙特卡洛移动节点定位算法F-MCL...移动节点定位技术是无线传感器网络中的关键技术之一。针对蒙特卡洛算法MCL(Monte Carlo Localisation)在移动节点定位中存在样本需求量大、定位精度不高、定位所需时间长等缺点,提出基于模糊理论的改进蒙特卡洛移动节点定位算法F-MCL。通过对节点信号能量数值进行模糊化,滤波条件的精确化来弥补MCL的不足。仿真实验表明,提出的F-MCL算法比传统MCL算法在定位时间上比原来缩短了约58.6%,在定位精度上比MCL算法最高提高了约37%。展开更多
文摘针对无线传感器网络(WSN)中的移动节点定位问题,提出了一种将反馈时间序列与蒙特卡洛相结合的定位算法TSMCL(Feedback Time Series-Based Monte Carlo)。该算法基于目标节点1跳范围内的邻居锚节点(至少3个)反馈信号的先后顺序,构建了节点可能的初始采样区域R1,并以区域R1与蒙特卡洛采样区域R2的重叠区作为新的采样区域R,以进一步缩小采样范围、提高采样效率。仿真结果表明:与蒙特卡洛定位算法相比,提出的TSMCL算法能够减少约38%的定位误差,尤其当节点移动速度较高时,算法的收敛速度也得到了显著提升。
文摘提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重采样方法,以提高粒子的细化能力;最后结合普通重采样方法,提出一种改进的MCMC重采样的机器人定位算法,减少粒子匮乏效应的同时,提高了定位精度.实验结果表明,该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.
文摘移动节点定位技术是无线传感器网络中的关键技术之一。针对蒙特卡洛算法MCL(Monte Carlo Localisation)在移动节点定位中存在样本需求量大、定位精度不高、定位所需时间长等缺点,提出基于模糊理论的改进蒙特卡洛移动节点定位算法F-MCL。通过对节点信号能量数值进行模糊化,滤波条件的精确化来弥补MCL的不足。仿真实验表明,提出的F-MCL算法比传统MCL算法在定位时间上比原来缩短了约58.6%,在定位精度上比MCL算法最高提高了约37%。
