导读:本文包含了非视距定位论文开题报告文献综述及选题提纲参考文献，主要关键词:非视距,稳健定位,非合作和合作,凸优化
非视距定位论文文献综述
张圣金[1]（2017）在《基于到达时间的稳健非视距定位研究》一文中研究指出目标定位在军事领域和民用领域发挥着越来越重要的作用,例如军事行动、应急救援和响应、地震勘探、航空航海,对基于位置服务(Location Based Service,LBS)的商业应用显得尤为重要。随着目标定位深入研究,一些棘手的问题也暴露出来,其中一个极大的挑战就是信号的非视距(Non-Line-of-Sight,NLOS)传播,如何在严重的非视距环境下稳健地抑制非视距误差对定位精度的影响是目标定位迫切需要解决的热点和难点。然而,现有的研究通常是假定已知非视距误差的全部或部分统计信息,或者是已知非视距路径状态。但是,在复杂多变的无线环境获取非视距误差的统计信息是不切实际的,在判断路径状态时也避免不了出现判决误差的情况。另外,现有的算法在较低的计算复杂度和稳健的定位性能之间很难同时得到满足。针对这些缺点和不足,本文的主要研究成果如下:(1)针对非视距环境下非合作定位问题,本文提出了一种稳健二阶锥松弛(Second-Order Cone Relaxation,SOCR)方法。该方法无需已知非视距误差的统计信息,只需已知其上界,这在实际中很容易实现。另外,该方法对非视距路径的判决不敏感,即出现判决误差的时候,定位的性能仍然稳健。仿真结果表明,该方法在多个非视距场景下定位性能优于其他算法,同时具有较低的复杂度,平均求解时间更短。(2)针对非视距环境下合作式定位问题,本文提出了将非视距环境下合作定位问题描述稳健最小二乘(Robust Least Squares,RLS)问题,由于该问题是非凸的,利用凸松弛的方法,将其转化为混合半正定和二阶锥规划(Mixed Semidefinite and Second-order Cone Programming,Mixed SD/SCOP)问题求解。该方法同样无需已知非视距误差的统计信息,只需已知其上界。合作定位不仅利用了未知目标和锚节点之间的连接,还利用了未知目标之间的连接,提高了定位精度和定位范围。仿真结果表明,同现有算法相比,该算法在高密度非视距环境下定位精度高。(本文来源于《宁波大学》期刊2017-06-05）
黄丹洁[2]（2017）在《室内基于声信号的智能移动终端非视距定位方法研究》一文中研究指出近年来,基于室内位置的服务需求变得越来越强烈。基于声信号的室内定位技术,由于具有兼容性好、稳定性和定位精度高,使其成为近几年的前沿研究课题。当前大多数的智能移动终端均具有扬声器和麦克风,这使得此类系统极易在实际环境中得到应用与推广。但实际上在真实的室内环境中,存在人员走动、家具遮挡、墙壁反射等等复杂的因素,使得声源与接收器之间的直接路径被遮挡,称为非视距(Non-Line-of-Sight,NLOS)。由于距离的量测依赖于声信号的时延估计,NLOS传播往往会给距离的估计带来较大误差,使得传统基于视距(Line-of-Sight,LOS)环境下提出的定位算法失效,导致定位精度急速下降。本文针对室内NLOS/LOS复杂环境,提出了一种基于NLOS判别的非视距定位方法,以及基于声信号信道统计特征NLOS识别的定位算法。本文的主要工作内容和贡献包含以下几个方面:首先,基于室内声音传播模型,对LOS环境和NLOS环境下声音信号信道特性进行研究。针对室内复杂环境中的强多径传输以及多普勒频移等因素,提出了基于互相关的声信道相对参数估计方法(相对时延及相对增益),降低了多普勒效应的影响,降低了计算复杂度。并提出一种基于信噪比(SNR)的自适应阈值函数,对声信号第一径到达时刻进行判别,降低了多径传输的影响。其次,基于声信道参数估计,对信道特性的特征提取进行研究,包括时延特性、波形形状特性、RicianK系数,以及增益的幅值分布特性,共9个用于NLOS识别的特征值,利用基于支持向量机的分类器,实现对NLOS信号的识别分类,并对其核函数及特征值组合进行了最优选取。最后,在NLOS信号识别的基础上,针对静态目标的NLOS定位,提出了基于NLOS识别剔除的定位策略和基于NLOS后验概率的加权最小二乘定位策略。针对移动目标提出了基于NLOS识别的修正卡尔曼滤波追踪算法和基于NLOS后验概率修正卡尔曼滤波追踪算法,以实现室内NLOS/LOS混合环境下的鲁棒定位追踪。(本文来源于《浙江大学》期刊2017-04-01）
胡楠,吴成东,刘鹏达,于晓升[3]（2016）在《基于严格残差选择的非视距定位算法》一文中研究指出无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.(本文来源于《东北大学学报(自然科学版)》期刊2016年09期）
胡楠[4]（2016）在《无线传感器网络非视距定位与覆盖空洞修复方法研究》一文中研究指出随着传感器技术、无线通信技术和网络技术的不断发展,具有信息采集、数据处理等多种功能的无线传感器网络得到了越来越广泛的应用,并引起国内外研究人员的广泛关注。位置信息和网络覆盖是无线传感器网络的重要支撑技术,本论文在对国内外相关研究现状深入研究的基础上,研究并解决非视距(Non-line of sight,NLOS)环境下节点定位问题和覆盖空洞修复问题,主要研究内容如下:针对监测区域内障碍物或移动物体导致的信号为非视距传播的问题进行研究,提出了一种基于残差选择的NLOS定位算法。首先分析了 NLOS环境下测量值的残差特性,基于扩展卡尔曼滤波算法的线性回归模型获得距离测量值的残差,然后提出了基于严格残差选择机制对节点状态进行鉴别,最后利用变节点的并行卡尔曼滤波算法来估计出目标节点的位置。仿真实验证明了该算法可以有效抑制NLOS误差,提高了定位精度。设计了基于线性调频扩频的定位实验系统,通过实验验证了该算法的有效性。针对监测区域内误差动态变化强的问题进行研究,提出了一种基于改进概率数据关联的交互式多模型定位算法。通过分析视距环境和非视距环境下不同测量值的特性,对两种状态下马尔可夫模型进行交互输入,然后提出了基于改进概率数据关联算法对位置信息进行融合处理,最后根据更新的状态概率估计出节点位置。仿真实验证明了该方法可以在复杂环境下实现对目标节点精确定位,定位精度显着提高。针对监测区域内易受环境噪声干扰的问题进行研究,提出了一种基于高斯混合分布的改进卡尔曼滤波定位算法。首先根据卡尔曼预测计算出预测状态和协方差矩阵,分析残差特性,提出了一种鲁棒的非视距鉴别方法。针对非视距情况,采用基于期望最大化算法的高斯混合分布估计测量值均值和协方差的分布情况,最后提出一种多模态融合算法对非视距误差进行削弱,实现精确定位。仿真实验和实际实验结果表明,该算法在无需NLOS误差先验知识的情况下即可获得节点的准确位置。针对NLOS误差在不同环境下服从不同分布的问题进行研究,提出了一种基于投票选择的定位算法。首先根据NLOS误差的特性,提出一种投票选择机制对锚节点初始距离值进行筛选,然后根据贝叶斯定理获得距离值的权重,通过概率数据关联算法对测量值进行更新,最后采用最小二乘算法获得节点位置。仿真实验和实际实验结果表明,该算法对NLOS误差具有较强的鲁棒性和较高的定位精度。针对无线传感器网络长时间监测易产生覆盖空洞的问题进行研究,提出了一种基于C-V模型的空洞探测和修复算法。首先对节点的感知模型进行分析,基于奈曼-皮尔逊准则的节点感知模型建立联合探测概率图,然后通过C-V模型对其进行分割判断,获得覆盖空洞的位置、数量和大小,最后提出一种基于改进粒子群的覆盖空洞修复算法对网络进行修复。仿真实验结果表明,该算法有效地提高了网络的覆盖率,延长了网络寿命。(本文来源于《东北大学》期刊2016-05-01）
王日明,冯久超[5]（2014）在《改进的对数衰减动态非视距定位》一文中研究指出在一般对数衰减模型中衰减因子是一个常量,但在实际应用中会引起较大的测距定位误差.为了减少定位估计误差,在对Zigbee组网定位实验数据进行统计分析的基础上,提出用负指数函数来描述衰减因子与距离(目标节点与锚节点间距)之间的关系,进而建立一种改进对数衰减模型;给出一个基于改进对数衰减模型的ML估计器,并推导了该估计器的Cramer-Rao下界(Cramer-Row lower bound,CRLB).在实验室和车站站场的Zigbee组网定位实验结果表明,使用改进对数衰减模型的ML估计器能提供更准确的定位估计,对场景变化有较好的适应性.(本文来源于《应用科学学报》期刊2014年04期）
茹敬雨[6]（2014）在《基于隐马尔可夫模型的无线传感器网络非视距定位研究》一文中研究指出近年来,无线传感器网络这一新兴技术受到国际学术界、工业界的广泛关注,在军事、环境、工业等领域显现出良好的发展态势。其中,获取移动节点的位置信息是无线传感器网络的基本功能。无论是在灾难救援还是在智能家居领域,如何精确地测算出移动节点的坐标信息,对整个传感器网络系统都有着举足轻重的作用。本文针对室内陌生环境,研究非视距的误差的消除策略和算法,并结合仿真实验对其性能进行了分析。针对D/TA(Detection/Tracking Algorithm)算法的不足,本文结合节点自身的运动特点,提出了一种结合了运动惯性的(Improved-Detection/Tracking Algorithm, I-D/TA)定位算法。在完善隐马尔可夫模型(H idden Markov Model, HMM)算法的基础上,相继提出了修正隐马尔科夫模型(Modified-Hidden Markov Model, M-HMM)和更新修正隐马尔科夫模型(Renewal Modified-Hidden Markov Model, RM-HMM)两种改进的定位算法。仿真实验表明,上述叁种算法在距离估计和坐标计算环节都有很好的效果,算法定位精度逐步提高,并具有很好的稳定性。考虑到移动节点的速度运动特点,本文提出了一种HMM与IMM混合定位算法,将其速度模型划分为高速模型和低速模型,让节点在移动时不断地评估自己处于两种状态的概率,利用交互式多模型(IMM)对HMM定位的结果进行融合,然后以HMM算法的改进形式与IMM进行融合,以达到更好的精度。仿真实验表明,HMM与IMM混合定位算法在距离估计和坐标计算环节都有很好的效果,所获得的定位精度高于卡尔曼滤波、粒子滤波等其它算法,而且定位结果稳定,具有良好的鲁棒性。在不同的定位环境下,HMM初值定位的条件通常各不相同。针对这一客观事实,本文提出了一种基于粒子群(PSO)和模拟退火混合优化算法,对HMM的初始条件进行优化。并提出了一种降维的优化策略在不影响精确度的情况下加快运行效率,针对传统的边界处理方式容易产生局部最优解的情况提出了两种边界改进处理方法。仿真结果表明,本文提出的初值优化测量与其它的策略相比,具有更快的优化速度,更稳定的优化精度。(本文来源于《东北大学》期刊2014-06-01）
崔玮,吴成东,张云洲,贾子熙,程龙[7]（2014）在《基于高斯混合模型的非视距定位算法》一文中研究指出针对无线传感器网络室内节点定位,在分析定位误差模型的基础上,结合高斯混合模型提出了一种无需先验知识的节点定位算法。利用高斯混合模型,对含有非视距误差的距离测量信息进行训练,以获得接近真实值的距离估计值。为取得高精度的定位效果,采用粒子群算法对期望最大化(EM)算法进行优化。同时结合优选残差加权算法对所得的距离值进行定位估计,得出目标节点坐标估计值。仿真实验结果证实了算法的有效性。(本文来源于《通信学报》期刊2014年01期）
刘永奎,陈俊波[8]（2011）在《无线传感器网络非视距定位技术》一文中研究指出无线传感器网络具有广阔的应用前景,是集微机电技术、传感器技术、无线通信技术与现代网络为一体的综合智能信息处理平台,对人类各个领域带来深远的影响。无线传感器网络众多应用的基础是节点定位,关键性能是定位精度。节点间的距离测量容易受多址干扰、多径、非视距传输等因素的影响。本文围绕无线传感器网络节点定位,克服在无线传感器网络定位过程的传播累积和非视距环境下的定位误差(本文来源于《科技传播》期刊2011年20期）
孟庆民[9]（2011）在《无线传感网络节点非视距定位方法的改进》一文中研究指出在无线传感器网络定位中,节点精确定位面临的一个主要问题是信号的非视距传播,非视距误差是节点定位误差的主要来源。在分析基于位置残差检测的非视距误差抑制技术的基础上,提出了基于近似最大似然估计技术和残差检测技术的非视距定位算法。算法通过逐步减少视距信号个数的组合方式,在每一步选取残差最小的组合,利用改进的距离残差定位方法进行节点定位。通过理论分析与仿真比较,均表明改进算法的性能接近于PRT算法的性能,但能大大降低PRT算法的计算复杂度,验证了改进方法的优越性。(本文来源于《计算机工程与应用》期刊2011年21期）
薛林,刘琚,辛化梅,何京良[10]（2010）在《基于正交多项式拟合的非视距定位优化算法》一文中研究指出提出一种非视距环境中基于到达时间的移动定位优化算法。首先在基站端利用系统测量误差的先验知识判断到达时间测量值中是否存在非视距误差;然后通过加权正交多项式拟合对含有非视距误差的测量值进行修正,并利用有约束的加权优化算法对移动用户进行位置估计;最后对算法的定位误差性能进行仿真分析,并与视距环境中的最小二乘算法和有约束加权最小二乘算法的平均定位误差以及定位误差的克拉默.劳下界进行了比较。计算结果表明,提出的算法在非视距环境中能够得到较好的定位精度。(本文来源于《山东大学学报(工学版)》期刊2010年06期）
非视距定位论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,基于室内位置的服务需求变得越来越强烈。基于声信号的室内定位技术,由于具有兼容性好、稳定性和定位精度高,使其成为近几年的前沿研究课题。当前大多数的智能移动终端均具有扬声器和麦克风,这使得此类系统极易在实际环境中得到应用与推广。但实际上在真实的室内环境中,存在人员走动、家具遮挡、墙壁反射等等复杂的因素,使得声源与接收器之间的直接路径被遮挡,称为非视距(Non-Line-of-Sight,NLOS)。由于距离的量测依赖于声信号的时延估计,NLOS传播往往会给距离的估计带来较大误差,使得传统基于视距(Line-of-Sight,LOS)环境下提出的定位算法失效,导致定位精度急速下降。本文针对室内NLOS/LOS复杂环境,提出了一种基于NLOS判别的非视距定位方法,以及基于声信号信道统计特征NLOS识别的定位算法。本文的主要工作内容和贡献包含以下几个方面:首先,基于室内声音传播模型,对LOS环境和NLOS环境下声音信号信道特性进行研究。针对室内复杂环境中的强多径传输以及多普勒频移等因素,提出了基于互相关的声信道相对参数估计方法(相对时延及相对增益),降低了多普勒效应的影响,降低了计算复杂度。并提出一种基于信噪比(SNR)的自适应阈值函数,对声信号第一径到达时刻进行判别,降低了多径传输的影响。其次,基于声信道参数估计,对信道特性的特征提取进行研究,包括时延特性、波形形状特性、RicianK系数,以及增益的幅值分布特性,共9个用于NLOS识别的特征值,利用基于支持向量机的分类器,实现对NLOS信号的识别分类,并对其核函数及特征值组合进行了最优选取。最后,在NLOS信号识别的基础上,针对静态目标的NLOS定位,提出了基于NLOS识别剔除的定位策略和基于NLOS后验概率的加权最小二乘定位策略。针对移动目标提出了基于NLOS识别的修正卡尔曼滤波追踪算法和基于NLOS后验概率修正卡尔曼滤波追踪算法,以实现室内NLOS/LOS混合环境下的鲁棒定位追踪。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非视距定位论文参考文献
[1].张圣金.基于到达时间的稳健非视距定位研究[D].宁波大学.2017
[2].黄丹洁.室内基于声信号的智能移动终端非视距定位方法研究[D].浙江大学.2017
[3].胡楠,吴成东,刘鹏达,于晓升.基于严格残差选择的非视距定位算法[J].东北大学学报(自然科学版).2016
[4].胡楠.无线传感器网络非视距定位与覆盖空洞修复方法研究[D].东北大学.2016
[5].王日明,冯久超.改进的对数衰减动态非视距定位[J].应用科学学报.2014
[6].茹敬雨.基于隐马尔可夫模型的无线传感器网络非视距定位研究[D].东北大学.2014
[7].崔玮,吴成东,张云洲,贾子熙,程龙.基于高斯混合模型的非视距定位算法[J].通信学报.2014
[8].刘永奎,陈俊波.无线传感器网络非视距定位技术[J].科技传播.2011
[9].孟庆民.无线传感网络节点非视距定位方法的改进[J].计算机工程与应用.2011
[10].薛林,刘琚,辛化梅,何京良.基于正交多项式拟合的非视距定位优化算法[J].山东大学学报(工学版).2010