定位算法范文
定位算法范文（精选12篇）
定位算法 第1篇
至今为止, 众多学者对车牌定位方法进行了广泛的研究, 并且提出了多种有效的定位方法。这些方法有:基于彩色信息的定位方法[1], 基于小波分析的车牌定位方法[2], 基于神经网络的定位方法[3], 基于灰度检测的方法[4]。本文针对以上方法中出现的不足, 提出了一种基于二次定位的车牌图像定位方法, 并在二次定位中插入车牌图像的倾斜校正, 进一步提高了定位的准确性, 能有效去除车牌边框, 为后续的车牌字符识别打下良好的基础。
1 车牌图像初定位
1.1 灰度化
由于从摄像头获取的车辆图像为彩色图像, 如果直接对彩色图像进行处理, 运算量很大, 导致速度降低。所以首先根据式 (1) 将彩色图像变为灰度图像, 其中R, G, B分别代表红色分量、绿色分量、蓝色分量, 灰度图像如图1所示。
1.2 边缘检测
采用Sobel算子对车辆灰度图像进行边缘检测。与Prewitt算子相比, Sobel算子对于像素位置的影响做了加权, 可以降低边缘模糊程度, 因此效果更好, 如图2所示。Sobel算子是滤波算子的形式, 用于提取边缘, 可以利用快速卷积函数, 对噪声有很好的抑制作用。其运算过程依据式 (2) 进行
1.3 直线检测
直线的解析式为
式中:ρ为直线到原点的距离;θ限定了直线的斜率。
对直线的Hough变换的过程为:依次遍历图像中的像素, 对每个像素都要判断是否满足特定的条件。如果满足, 对经过该像素的所有直线区域的计数器加1;否则继续判断下一像素。最后判断计数器是否大于所设定的阈值, 如果大于就认为该直线存在, 反之不存在。实验证明, θ取值范围在 (-5, 5) 时效果最好, 如图3所示。这样可将图像中有用信息保存下来, 尽量过滤掉无用信息, 同时也大大减少了运算量, 提高了运算速度。
1.4 确定车牌所在区域的行与列
由于车牌通常由7个字符组成, 在水平方向上车牌区域的任意一行上的像素值从0到255或从255到0的跳变次数应该大于某个值。车牌所在区域跳变次数最少为72=14次。考虑到图像会受到某些干扰及其他影响因素, 经实验得出跳变阈值为25比较合适。由于车牌区域满足以上阈值条件的行在垂直方向上具有连续性, 加上车牌区域具有一定宽度的特征, 据此对图4进行过滤, 就能得到车牌所在的行, 如图5所示。对图5进行中值滤波, 以去除孤立噪声点。然后将图像垂直信息保存到一个数组中。如果数组中累计像素长度小于8 (其中保证累计像素长度始终小于图像的宽度) , 则将所对应列的像素值置零, 这样可以消除进气格栅等单线条的影响。经过该处理后, 如果除了车牌区域还存在其他无用信息, 再利用车牌的宽高比特征, 就能得到车牌所在的列, 如图6所示。
1.5 确定车牌所在区域的坐标
经过前面的过程, 如果图像中存在像素值为255的点, 则其所对应的区域即为车牌区域。搜索图像中的非零像素点, 找出其上下左右4个坐标点, 并提取该区域。考虑到在初定位后要利用车牌边框进行倾斜校正, 所以在搜索车牌区域时分别向上下扩展20个像素, 以便保留车牌边框的信息, 并进行Hough变换, 为下面进行倾斜校正做准备。
若无法找出非零像素点, 则需要重新开始对车牌图像的预处理。首先对灰度图像进行灰度拉伸或灰度均衡处理, 再进行后续步骤。如果经过灰度拉升和灰度均衡仍然无法找到车牌区域, 则说明车辆图像受到的干扰过于严重, 将无法准确定位车牌。图7为一次定位的算法流程图。图8为一次定位后的车牌。
2 倾斜校正
从图8中可以看出车牌存在一定的倾斜角度, 如果不进行校正, 必然会对字符分割与识别产生影响。本文采用下列方法找到车牌图像的倾斜角度。
1) 假设图像的宽度为Imgsize.cx, 确定一个固定值L (L=Imgsize.cx/3) , 从图像中第A列开始从下往上进行列扫描, 找到第一个不为0的点, 将其行数i赋给m;再从第A+L列开始从下往上扫描, 找到第一个不为0的点, 将行数i赋给n, 由式 (4) 便可得到倾斜角g
2) 由于倾斜角一般在-5°~+5°之间, 在建立的AG[n]数组中的每个元素分别代表步骤3) 中-5°~+5°角度的个数;
3) 在图像中从第0列开始到第Imgsize.cx2/3列为止, 依次重复步骤1) 。每重复一次便可得到一个g, 若得到的g在-5°~+5°范围之内, 则将对应的AG[g+5]加1, 若超出-5°~+5°这个范围, 则认为属于干扰点, 应舍去;
4) 最后, 从AG[n]中找出最大的值, 便得到车牌图像的倾斜角。
该方法无须检测图像中的直线, 即可有效地去除某些孤立点对倾斜角度检测的干扰, 而且算法简单, 运算量小, 极大地提高了运算速度。本文选择双线性插值法进行图像旋转, 且保存经倾斜校正后的图像, 便于二次定位。倾斜校正后的图像如图9所示。
3 投影法进行二次定位
由图9可以看出车牌所在区域水平、垂直边缘变化比较频繁, 利用该特征对图9的二值化图像进行水平投影会使车牌区域突出, 从而顺利找到车牌字符的水平位置。由图10可以看出, 车牌字符位置对应于投影图中的波峰, 而车牌边框和字符之间的区域投影值几乎为0, 对应于图10中的波谷。所以, 考虑到车牌区域一般处于整幅图像的下部, 所以只需要从下到上搜索图10中2个较大突变投影值的行号, 去掉行号上下部分就去掉了车牌上下边框。同理在垂直投影图11中第一个较大的波峰即是车牌区域, 出现7次这样的波峰就找到了车牌的垂直位置, 得到车牌的宽度。经过此步骤处理后, 可有效地去除车牌图像的左右边框, 从而得到最终定位图像, 如图12所示。
4 实验结果及分析
为了验证本文算法的可靠性, 采用Visual C++6.0作为编程环境, 在CPU 1.61 GHz, RAM 1.0 Gbyte的环境下, 对大小为480360的车牌图像进行测试。
4.1 不同拍摄条件下定位结果对比
对200幅不同倾斜角度、200幅不同路面背景和200幅不同光照条件下拍摄的车辆图像 (共600幅) 进行测试, 结果如表1所示。在测试中, 无法识别的车牌是由于受到倾斜角度过大、车牌受到污染、光照过亮或过暗等因素的影响。
4.2 不同定位方法的定位效果对比
利用本文提出的定位算法与单一的投影定位法、模板匹配定位法分别对同样的车牌图像样本进行测试, 结果如表2所示。从测试结果可以看出, 本文提出的算法在定位准确率和定位速度上都能较好地符合实际应用所提出的要求, 为后续的车牌字符识别打下了良好基础。
5 总结
本文采用对车牌图像进行二次定位方法, 很好地满足了车牌图像定位的实时性和有效性的要求。该方法首先对车牌图像进行预处理, 其中包括灰度化、Hough变换、边缘检测;再根据车牌区域存在的特征进行一次定位;而后由车牌边框信息来确定倾斜角度对车牌图像进行倾斜校正;最后对校正后的车牌图像采用投影法进行二次定位, 从而获得准确的车牌字符区域。采用该方法得到的车牌图像不包含车牌边框等无关信息, 为后续的车牌字符识别带来很大方便, 具有较高的实用价值和广泛的应用前景。为使该算法具有更强的自适应性, 日后将对倾斜角度过大、光照条件不均匀等问题做深入研究。
参考文献
[1]李强, 汪洋, 李伟博, 等.基于蓝色车牌背景的车牌精确定位实现方法[J].电视技术, 2011, 35 (15) :4-6.
[2]凌六一, 段红, 黄友锐.基于小波去噪的车牌定位系统[J].铁路计算机应用, 2006, 15 (9) :41-43.
[3]钱华, 芮延年.基于人工智能的汽车牌照自动识别技术的研究[J].机电产品开发与创新, 2005, 18 (5) :43-45.
星载测向定位滤波算法研究 第2篇
星载测向定位滤波算法研究
为了有效改善运动状态中辐射源测向定位精度,并进行实时定位,根据星载正交干涉仪测向和定位技术原理,对星载测向过程中存在的系统指向误差进行了数学建模.引入了扩展卡尔曼滤波技术,通过最优估计值为标称值对测向系统非线性模型的.线性化处理,采用状态空间递推方法来进行实时估计,从而对测向随机过程进行实时最小方差估计;建立了地理位置推算的扩展卡尔曼滤波具体实现算法.仿真给出了一组典型的系统误差和位置误差滤波推算结果曲线,表明提出的扩展卡尔曼滤波模型和算法的正确性,达到了可纠正系统误差,改善辐射源地理位置估计值的效果.
作 者：李文华 陆安南 LI Wen-hua LU An-nan 作者单位：江南电子通信研究所,浙江,嘉兴,314033刊 名：计算机仿真 ISTIC PKU英文刊名：COMPUTER SIMULATION年，卷(期)：201027(5)分类号：V474.2关键词：正交干涉仪 测向 定位 扩展卡尔曼滤波 仿真
“算法初步”学习的定位与思考 第3篇
一、重难点解析与学习定位
本章的重点是程序框图。程序框图往往含有顺序结构、条件结构和循环结构三种基本逻辑结构，其中的难点是对循环结构的理解和应用。正确理解循环结构，首先要确定是当型循环结构还是直到型循环结构，第二要认清表示累计变量的意义，第三要确定在哪一步开始循环。
算法的程序语言，是将算法框图转化为计算机能识别和执行操作的语句，任何一种正确的算法程序，输入到计算机中，通过计算机运行就能输出结果。输入语句、输出语句和赋值语句是任何一个算法中必不可少的语句。在赋值语句中，一定要注意其格式要求，如：“=”的右侧必须是数值表达式，左侧必须是变量，一个语句只能给一个变量赋值，变量的值始终等于最近一次赋给它的值，先前的值将被替换。在一个算法对输入的值进行判断时，就需要条件语句。若一个算法中某些步骤需要反复执行多次，就少不了循环语句。
二、算法的多元表征与案例分析
太阳影子定时定位算法研究 第4篇
太阳影子定位技术是由太阳光对人类生活的影响发展起来的。近年来, 随着大数据信息时代的到来, 该项技术可结合计算机软件, 精准计算出时间与地理位置。
太阳影子长度的变化规律分析
研究思路
a.2015年10月22日即为当年第295天。
b.经纬度单位换算公式:
c.由于太阳与地球之间的距离和相对位置随时间在变化, 当地真太阳时计算公式:
d.太阳高度角∂纬度φ和赤玮角δ
计算结果与结果分析
根据太阳赤纬角公式:
计算出该日的太阳赤纬角:
真太阳时与钟表指示的时间 (平太阳时) 之间总会有所差异, 它们的差值为时差, 即:=
得出影长:
影子定位及确定直杆所处地点
太阳高度角∂、太阳赤玮角δ、太阳时角t、物体所在地纬度φ有如下函数关系:
时角t与经度φ0的关系:其中
其中为平太阳时, 得出:
在上式中, 太阳赤纬角δ由时期N决定, 在求解影子定位中为常数, 而在确定直杆所处地点与时间中为变量。将sinδ简记为a, cosδ简记为b, 得到:
第i行与第i-1行作差来消除未知量。作差可得到:
上式转化为:
Mi为设立的一个量, 变量是与经度φ0有关的φ1和与∂i有关的Zi, 即Mi的方程如下:
太阳高度角:
代入式子, 有:
取ik=和ik+=1, 分别算出。取Hi的均值为我们认定通过计算得到的立杆的高度。
由式 (18) 立杆高度H已知, 即高度角α可知:
易得每两组数据可以确定一组经纬度φ和φ1。计算出该物体所在地经纬度数据为:φ1=E108.88, φ=N19.454, 位于海南岛西海岸附近, 地理位置为海南省东方市。
确定视频拍摄地点
成像原理
相机的成像假定为理想状态下的针孔成像模型。
世界坐标系 (Ow;Xw, Yw, Zw) :以杆底为坐标原点wO, 直杆所在直线为wY轴, 地平面所在平面为XwOwZw面。
相机坐标系 (Oc;Xc, Yc, Zc) :以相机光心cO点为坐标原点, XcOcYc面与成像平面平行, Zc轴为相机的光轴, 与图像平面垂直。设P点在该坐标系下坐标为 (x, y, z) 。
像平面坐标系 (o';x', y') :以像所在平面取坐标原点o, , 与直杆平行所在直线为x轴, 建立平面直角坐标系
设点P在世界坐标系下坐标为 (X, Y, Z) , 对应在相机坐标系下的坐标为 (x, y, z) , 像平面上的坐标为 (x', y') , 世界坐标系和相机坐标系的齐次坐标分别为 (X, Y, Z, 1) T与 (x, y, z, 1) T, 则:
其中R和T为相机的标定参数。R为正交矩阵, 称为坐标系之间的旋转矩阵, 则取单位矩阵;T为相机坐标系和世界坐标系的平移向量
模型建立
设f为该相机像素, 即为图物理距离。则像素、世界坐标系和像平面坐标系的关系:
写成矩阵形式:
坐标原点可能存在平移, 则可建立相机坐标系与世界坐标系的关系:
结合式子, 像平面与现实世界的对应关系:
模型的求解与分析
模型一:
取XwOwZw平面, 即Y=0, 则有:
由于物体在相平面中的长度l'和现实中的长度l的比值等于焦距f和相机坐标系与世界坐标系Z轴方向的平移距离z0, 即:
得到坐标系平移参数x0y0:
即:
测出图像中直杆的顶点坐标为 (x1', y1') , 由:
计算出0z。即可求出直杆所在地的地理位置和时间。
模型二:
测出直杆底座正方形四个顶点的像坐标, 令Y=0, 则有斜率可求出对应的平移参数x0, y0, z0。
即可求出直杆的影长, 从而确定所在的时间和地理位置。
结语
提高GPS单点定位精度的算法研究 第5篇
提高GPS单点定位精度的算法研究
简要分析了GPS伪距单点定位的误差以及多普勒观测值的误差,研究确定了利用多普勒观测值提高定位精度的`可能性,建立了利用多普勒观测值来提高伪距单点定位精度的数学模型,并使用单纯形法对用户接收机的位置最优值进行搜索,从而给出有较高精度的定位数据.建立GPS仿真系统并进行了数值仿真,结果表明,该算法可以有效提高GPS单点定位精度.
作 者：宫景丰 许家栋 彭京晶 GONG Jing-feng XU Jia-dong PENG Jing-jing 作者单位：西北工业大学电子信息学院・陕西西安・710072刊 名：飞行器测控学报 ISTIC英文刊名：JOURNAL OF SPACECRAFT TT & C TECHNOLOGY年，卷(期)：200827(2)分类号：P228.4关键词：GPS 单点定位 多普勒 单纯形法
定位算法 第6篇
关键词 时延估计算法 声源定位技术 麦克风阵列 声源信号 目标声源
中图分类号：TN912 文献标识码：A
1声源定位技术的应用
被动声探测定位技术是一种利用电子装置接收信息来确定目标声源的定位技术，该定位技术属于无辐射源定位方式，主要用于被动声探测，没有主动检测功能。其特点是系统本身只能靠声音信号发送到目标声源，使用接收到的声音信号来实现位置检测和定位目标声源。目前，声源定位技术主要是利用麦克风阵列的声场信息，对声源信号到达各个阵列元素之间的时间差来估值，被动声源信号的实时延迟估计可以完成测向和测距的任务。所以，在几何位置信息已知的麦克风阵列的声源信号的情况下，根据准确到达麦克风阵列的每个数组元素的时间差估值，我们就可以计算出声源位置的精确参数信息。
声源定位技术具有悠久的发展历史。第一个用声纳系统的目的是利用水下目标定位，在定位时，发现了水下电磁波，电磁波衰减是非常大的，导致其作用距离非常有限。在这种情况下，基于水下目标跟踪方法的声信号将应运而生。意大利的科学家达芬奇首先发现声管，水声被动定位技术由此开始，到现在已经整整几百年的发展历史。但真正意义上的发展，要从第二次世界大战结束后算起，主要是使用主动声纳来进行水下目标的寻找，但使用这种方法也很容易暴露目标，使自己陷入潜在的危险之中。因此，人们开始对水下被动声定位进行研究。被动声探测技术应用于地面是在第一次世界大战中产生的，主要是用来探测敌人的炮兵阵地，并取得了良好的应用效果。第二次世界大战期间，声探测技术是特别重要的，超过半数的炮兵侦察任务是依赖于声源定位技术来实现的。在朝鲜战争中，声波检测技术也显示了其优越性。
但在一段时间内，随着红外，激光的发展，雷达侦察技术的提高，在一定程度上影响了被动声源检测技术的发展。但近年来发现，雷达在目标搜索使用中面临到电子干扰，低海拔的突变，隐身技术，反辐射导弹这四大挑战，导致目标越来越容易受到攻击。在这种情况下，人们开始重新审视了被动声探测定位技术的应用价值，对被动声探测技术的研究已经引起了新的关注。目前，随着计算机技术，微电子技术的出现，现代数字信号处理技术，人工神经网络，阵列处理技术，自适应信号处理和其他各种相关技术的成熟，使得被动声定位技术得到了又一次迅速的发展，并取得了进一步的实际应用。
在现代国防领域，声源定位技术可以用来衡量炮兵阵地和地面战争；可以用来找到隐藏狙击手和弹药仓库的具体位置。在航空航天领域，可以用来测量降落点。此外，在现代军事战争中，坦克应具备了防护力强，机动性好，火力强等特点，使其在土地上是曾经的骄傲；武装直升机以其灵活的操作和独特的超低空飞行能力模式也深受战争的喜爱。但随着现在的隐身技术迅速发展，在坦克和直升机的常规检测技术中，被动声探测技术将发挥巨大的优势。
声源定位技术在语音信号处理的过程中也起着重要的作用。例如，一个麦克风阵列拾取声源信号进行处理，数字信号通过阵列信号对环境噪声做分析，可以在有效的空间中获得更高质量的声音效果；甚至可以拾取语音信号强度高的背景噪声，提高语音拾取的质量。麦克风阵列系统可以通过电子瞄准的方式使声源定位产生高质量的信号，语音和噪声能同时抑制对方，因此其得到的噪声抑制效果好。麦克风阵列系统不需要将传感器放置在声源处，不需要无限制的扬声器，也不需要通过移动接收机来改变方向。这些特征帮助它获得多个移动声源，并且可以用在一些特殊的场合。它具有单个麦克风所不具备的特性，即自动检测和定位，并在接收区域跟踪扬声器。如果该算法设计合理，简洁明了，则系统可实现实时跟踪的强大功能。
在当今的学术研究领域中，机器人技术是一个热门的研究课题，基于传声器阵列的声源定位系统可以在机器人的声音系统中进行研究。目前，机器人的语音识别系统研究已经非常成熟，机器人视觉的研究取得了不小的成绩，如何让机器人在语音信号识别的同时也能准确地定位声源的位置，而不是依赖于机器人视觉搜索系统，将成为一个重要的研究方向。声源定位系统的研究可以应用在机器人听觉系统的研究。
2时延估计算法简介
时延估计技术和理论使空间目标的定位问题得以快速发展。根据不同的检测系统，对不同类型的目标信号源来进行时间延迟估计，电流的时间延迟估计方法主要分为主动和被动延迟型两种不同的研究主流。主动时延估计理论典型的应用研究是雷达和主动声纳，雷达或主动声纳依靠发出的电磁波或声波信号，然后通过对电磁波或声波返回的检测和计算返回时间发送和接收的差异，来确定空间距离目标的参数，如方向和速度。活动时间延迟估计的最大特点是积极地通过自己来完成计算信号和信号检测。被动时延估计则恰恰相反，被动时延估计系统本身不发电磁或声信号，而是主要依靠空间位置信息。两个不同的时间延迟估计方法测量原理的不同导致他们有不同的特点，积极的延迟，具有良好的抗干扰性能，参數可以随时调整积极信号，而被动时延估计主要是被动的接受，它会受到信号强度和外界的干扰，但由于主要检测处理所接收的信号，而不发出一个信号，在军事领域具有十分重要的研究意义。
参考文献
[1] 崔玮玮，曹志刚，魏建强.？？声源定位中的时延估计技术[J]. 数据采集与处理. 2007（01）.
[2] 朱广信，陈彪，金蓉.？？基于传声器阵列的声源定位[J]. 电声技术. 2003（01）.
配电网故障定位容错算法 第7篇
随着国民经济的快速发展和人民生活水平的不断提高,人们对供电可靠性的要求越来越高。配电网馈线自动化是提高供电可靠性的关键技术。基于馈线自动化终端FTU的自动故障定位技术是配电网馈线自动化的重要组成部分。
目前研究的配电网故障定位算法主要有矩阵算法[1,2,3,4,5]、神经网络算法[6]、遗传算法[7]、蚁群算法[8]等。矩阵算法根据配电网络拓扑结构和FTU反馈的故障信息生成矩阵,判断得出故障点,定位速度快,但是当FTU信息畸变时不能准确定位。其他算法具有一定的容错性,但迭代复杂,计算量大,定位速度慢。文献[1-3]采用矩阵算法,分析了配电网单电源供电、多电源开环供电和多电源并列供电情况下的故障定位,但都不具有容错性能,一旦FTU上传信息错误,将无法准确定位。文献[4]对矩阵算法提出改进,但只能解决信息缺失的情况。文献[5]能解决多电源并列供电情况下的多故障定位,但在考虑信息畸变时,只能定位单故障情况,若实际发生多故障,就会漏判。文献[9]基于矩阵算法思想,根据配电网的树形结构,采用链表法,提高了定位速度,能判断畸变下的多故障情况,但其以树枝首末节点状态进行一次定位,若首末节点故障信息相同,则对本树枝不进行二次定位,可能造成误判漏判。
为了保证配网自动化的实时性,本文先根据FTU反馈的故障信息进行快速定位,再对快速定位结果进行逆运算得到期望故障信息,根据评价函数,判断是否畸变并选取最优故障区段,具有很好的容错性。
1 基本定位
在配电网发生故障后,安装于各分段开关和联络开关处的FTU可检测到故障电流,在和预整定的故障电流定值比较后,将带时标的故障报警信息上传给控制主站[1]。图1为多电源供电的开环网络。
首先确定网络的正方向:假设全网只由其中某一个电源供电(该电源可以任意选取),其正方向为假定电源向全网供电的功率流出方向。
1.1 节点编号
将馈线上的断路器、分段开关和联络开关当做节点进行统一编号。
沿着正方向,若节点i与节点j相邻且电流由节点i流向节点j,则称节点i为j的父节点,j为i的子节点。
本文采用基于子节点数搜索的定位算法(详解见1.5节),为了提高搜索速度,在对节点进行编号时,沿着假定正方向,各节点采用数字递增方式进行编号,且尽量将父节点和子节点采用相邻数字进行编号,同时对网络各馈线区段进行编号,如图1所示,1~13为节点编号,l1~l11为区段编号。
1.2 网络描述矩阵D
对所有节点进行编号后,根据网络拓扑结构和假定正方向生成网络描述矩阵DNPNP(NP为网络节点数),其各元素定义如下:若节点i为节点j的父节点,则对应的网络描述矩阵D中的元素dij=1(文中=表示赋值,==表示相等);其余元素为0。由图1生成的络描述矩阵D为:
1.3 故障信息向量F
当某馈线发生故障时,馈线自动化终端设备将各FTU的故障信息发送给馈线主站。故障信息向量FNP各元素定义如下:
当故障点如图1所示时,故障信息向量F为:F=[1100000-100-111]。
1.4 子节点向量E,父节点向量B
子节点向量ENP中元素,表示节点i的子节点个数。图1的子节点向量为:E=[1 2 0 0 01 1 0 0 2 0 1 0],其中ei==0表示i点为馈线末端节点或常开联络开关。
父节点向量BNP中元素。图1的父节点向量为:B=[0 1 1 1 1 0 1 1 1 0 1 1 1],其中bi==0表示i点为沿假定正方向的起始断路器节点或常开联络开关或与联络开关相邻的馈线末端节点。
1.5 故障矩阵P
由电流的连续性可知,当电流被切断时,两相邻节点的状态会不同,可能状态为(1,0)、(1,-1)或(-1,0),根据状态的变化,由如下规则得出故障矩阵P:
(1)fi==1时:若ei==0,则pii=1,节点i之后馈线末端发生故障;若ei≥1,对于dij==1(j>i)的所有节点j,均满足fj≠1,则pij=1,节点i,j之间区段发生故障。
(2)fi==-1时:若bi==0(i>1),则pii=1;若bi>0,且存在节点j(j
由图1故障生成故障判断矩阵P为:
由P可知,p2,3==1,p2,4==1,p8,7==1,p13,13==1,所以故障发生在节点2,3,4之间的T型区段、节点8,7之间区段和节点13之后的馈线末端。
根据子节点个数进行搜索判断,当ei==0时,根据判据,可直接确定故障区域;当ei==n(n≥1)时,当搜索到n个子节点之后,对于节点i的搜索即可停止。同时父子节点采用有序递增的编号方式后,对于每个区段的故障判断,一般只需一两次判断即可,减少了搜索次数,提高了定位速度。
2 故障信息缺失和畸变时的定位
当FTU或通信设备受到干扰时,故障信息可能缺失或畸变,根据上述判断规则,会发生误判,这时需要一定的容错机制。
2.1 故障信息缺失
若节点i的故障信息缺失,则将其父节点与子节点直接相连。在生成网络描述矩阵D时,将D中的第i行和第i列元素全置为0,隐藏节点i在网络中的拓扑关系。同时,将故障信息向量中的fi置为0。生成相应的向量E,按照1.5节规则生成故障判断矩阵P即可。
2.2 故障信息畸变
本文采用先定位,后畸变判断的方法,在基本故障定位之后,对所得故障区间进行逆运算,得出期望故障信息,构造评价函数,将期望故障信息与FTU反馈故障信息对比来进行畸变判断,防止误判的发生。
2.2.1 FTU期望状态
根据故障矩阵P生成故障区段向量L,L中元素定义如下:
根据电流的方向性,各节点的期望状态可由其正向通道状态和反向通道状态确定。在这里引入联络开关节点状态量oi(i=5,9),oi=1表示常闭,oi=0表示常开。
则节点4正向通道状态为:
反向通道状态为:
其中图1部分节点期望状态为:
图1中,o5=o9=0,各节点期望状态fi*(1i13)简化如式(1)所示。
式中:&为按位与;|为按位或;x为按位非运算。
2.2.2 评价函数
当故障信息畸变时,故障信息序列已经改变,且发生畸变的节点未知,为得到最佳故障区段,构造评价函数如下:
其中:fj为FTU测控节点j的实际状态;fj*为节点j的理想状态;NL为网络区段数;w(j)为区段j的故障权系数,取值为0~1,与区段j发生故障的可能性成反比。文中假定各权值w(j)==1。lj为故障区段j的期望状态。
本文优先选取信息畸变位数少(即式(2)值小)的L为最佳故障区段向量;在畸变位数相同的情况下,选取故障区段少(即式(3)值小)的L为最佳故障区段向量;若畸变数与故障数都相同,则故障情况发生的可能性相同。
2.2.3 信息畸变定位判断流程
当有故障发生时,故障定位软件启动。根据网络描述矩阵D和FTU反馈的故障信息向量F,按1.5节判据得故障区间,再生成故障区段向量L。将L代入式(1)得F*,F*应和F相同;若不同,则发生畸变,进行畸变判断,得出最佳结果。具体流程如下:
(1)设定F1i=NP,F2i=NL。
(2)确定外循环次数m,m初始化值为N(N为按1.5节规则判断所得L中的有故障区段数)。m有效取值为N~1,当m==0时,整个故障定位程序结束。开辟合适的缓冲区locate存储故障信息,locate的大小一般为m*l(l为向量L所占空间大小),将L存入locate。
(3)判断m是否等于0,若m==0,程序结束,故障区段为locate中信息;若m≠0,运行步骤(4)。
(4)确定内循环次数n1=CNm,即在N个故障区段中选取m个故障区段。
(5)按组合方法在L的N个故障区段中选取m个故障,生成故障区段向量L*,将L*代入式(1)得FTU期望状态F*,运行步骤(6)。
(6)若FTU反馈信息F中含有信息缺失位,将F*中对应的缺失位置为0。将F和F*代入式(2)得F1'i,若F1'i==0,则清空locate,将L*存入locate,信息未畸变,判断结束;若F1'i≠0,信息发生畸变,运行步骤(7)。
(7)若F1'i
(8)n1减1,判断n1是否为0:若n1==0,m自减1,运行步骤(3);若n1>0,运行步骤(5)。
程序结束后,locate内的信息为最佳故障。
3 软件仿真
故障定位判断流程如图2所示。
在Matlab环境下对算法程序进行编写仿真,对图1系统仿真的部分结果见表1。
结果表明,在信息缺失和畸变情况下,该算法仍能进行多故障定位。
注:表中*表示信息缺失。
4 结语
本文提出了一种基于多电源多故障的矩阵定位算法,根据子节点个数进行故障搜索,有效地减少了运算次数,提高了定位速度。该算法不仅适用于单电源和开环运行网络,而且联络开关闭合状态变化时仍能使用,对任意区段故障都能准确定位,且能解决信息缺失、畸变和缺失畸变同时发生下的多故障定位,具有很好的容错性。
参考文献
[1]王飞,孙莹.配电网故障定位的改进矩阵算法[J].电力系统自动化,2003,27(24):45-49.WANG Fei,SUN Ying.An improved matrix algorithm for fault location in distribution network of power systems[J].Automation of Electric Power Systems,2003,27(24):45-49.
[2]许奎,张雪松,杨波.配电网故障定位的改进通用矩阵算法[J].继电器,2007,35(3):6-8.XU Kui,ZHANG Xue-song,YANG Bo.An improved general matrix algorithm for distribution system fault locating[J].Relay,2007,35(3):6-8.
[3]马强,张利民,刘皓明.配电网故障区间判断的通用矩阵算法[J].电力系统保护与控制,2009,37(5):15-17.MA Qiang,ZHANG Li-min,LIU Hao-ming.General matrix algorithm for fault section detection in distribution system[J].Power System Protection and Control,2009,37(5):15-17.
[4]陈鹏,滕欢,滕福生.故障信息不足时配电网故障定位的方法[J].电力系统自动化,2003,27(10):71-72.CHEN Peng,TENG Huan,TENG Fu-sheng.An algorithm for fault section judgment in power distribution network based on FUT[J].Automation of Electric Power Systems,2003,27(10):71-72.
[5]梅念,石东源,杨增力,等.一种实用的复杂配电网故障定位的矩阵算法[J].电力系统自动化,2007,31(10):66-70.MEI Nian,SHI Dong-yuan,YANG Zeng-li,et al.An applied matrix algorithm for fault location in power distribution network[J].Automation of Electric Power Systems,2007,31(10):66-70.
[6]成蓬勃,袁福科,刘灿萍,等.改进BP网络算法在配电网故障诊断中的应用研究[J].继电器,2007,35(12):27-31.CHENG Peng-bo,YUAN Fu-ke,LIU Can-ping,et al.Application of an improved BP network calculation to the fault diagnosis of distribution network[J].Relay,2007,35(12):27-31.
[7]卫志农,何桦,郑玉平.配电网故障区间定位的高级遗传算法[J].中国电机工程学报,2002,22(4):127-130.WEI Zhi-nong,HE Ye,ZHENG Yu-ping.A refined genetic algorithm for the fault sections location[J].Proceedings of the CSEE,2002,22(4):127-130.
[8]王林川,李庆鑫,刘新全,等.基于改进蚁群算法的配电网故障定位[J].电力系统保护与控制,2008,36(22):29-33.WANG Lin-chuan,LI Qing-xin,LIU Xin-quan,et al.Distribution network fault location based on the improved ant colony algorithm[J].Power System Protection and Control,2008,36(22):29-33.
矿井人员精确定位算法探讨 第8篇
1 矿井人员精确定位的作用
在矿井井下工作中, 对矿井人员进行精确定位, 具有十分重要的作用。根据井下人员进出井时间的规定标准, 如果有人员在井下的时间超出了规定时间, 能够立即发出警报, 通知管理人员与之联系。在一些井下较为危险或特殊的区域, 可以实时提醒井下人员注意安全, 避免误入这些区域发生危险。如果矿井发生了安全事故, 通过矿井人员精确定位, 能够准确地得出井下被困人员的数量和位置, 从而安排合理的救援路线计划, 有利于加快救援进度, 确保矿井人员的安全。
通过对矿井人员进行精确定位, 能够对井下人员的数量进行实时显示与监控, 从而加强对矿井人员的管理[1]。此外, 利用矿井人员精确定位, 还能够对工作人员进行考勤记录, 在一定时间内, 实时反映矿井人员的工作情况, 从而方便查找相关信息。这样, 在矿井人员的工作过程中, 能够实现对其实时监督, 确保其严格按照工作流程进行操作, 避免由于人为因素导致安全事故。另外, 矿井人事管理人员也可以通过矿井人员精确定位获取相应的考勤信息, 对矿井人员的出勤率进行准确地记录, 从而实现自动化全面管理员工的考勤。
2 井下定位算法
在当前的井下定位中, 三边定位法是应用较为广泛的方法之一。即将三个位置已知的基站分别作为圆心, 将这三个基站到矿井人员之间的距离作为半径做圆。经过实践得出, 三边定位法的应用过程中, 如果基站节点的RSSI越大, 其对定位精确度的影响也就越大;如果RSSI减小, 其对定位精确度的影响也会降低[2]。所以, 在矿井人员定位中, 为了选择更加合适的基站节点信息, 应该以RSSI接收信号强度和范围为基础, 筛选基站节点, 从而选出三个距离未知位置节点最近的基站节点。在实际选取过程中, 以RSSI范围为基础, 将基站节点缩减到人员附近, 再结合接收信号的强度, 对基站节点进行降序排列, 从而选择三个最合适的基站节点参与到定位计算中, 提高矿井人员的定位精度。建立一个全局坐标系, 将未知位置节点、三个基站的坐标分别标出, 同时测出三个基站到未知位置节点的距离, 然后列出相应的方程组进行求解。
2.1 全交点质心求解
在实际运算过程中, 由于不可避免的存在一定的测量误差, 因此方程组可能会出现无解的情况。对此, 可以利用全交点质心求解的方法, 转换方程组。求解转换之后的方程组, 得出未知位置节点的估计值。在实际运算中, 无论以基站为中心的三个圆是否相交, 通过这种方法所求出的节点坐标都能够得出实数解。不过, 如果受到环境等外界因素的影响, 该算法的定位精确度也会受到影响, 从而产生定位误差。
2.2 加权全交点质心求解
对于上述定位算法中存在的问题, 基于全交点质心算法, 将加权思想应用其中, 并将加权因子引入到每组定位坐标中。在三个基站节点中, 两两取值, 分别计算出三个未知位置节点坐标的估计值。在实际运算中, 如果基站节点和未知节点之间的距离越大, 其相应的就会占有越小的比重, 二者之间, 是呈反比关系的。这样, 利用加权值列出相应的方程组, 能够计算出未知节点的坐标, 从而实现更为精确的矿井人员定位[3]。
3 RSSI滤波优化算法
在矿井中传播信号时, 可能会受到很多不同因素的影响。这样, 定位节点将会接收到存在不同程度误差的RSSI值, 从而对矿井人员的定位精确度产生不良的影响[4]。因此, 在实际工作中, 为了能够对矿井人员进行更加精准地定位, 应当降低定位节点接收到的RSSI值中的误差问题。对此, 可以利用滤波优化算法对接收到的RSSI值进行处理, 以此来控制和降低其中的误差。在此基础上, 改进了加权全交点质心定位算法, 提出了一种新的定位算法。在该算法中, 对于RSSI值, 可通过最大似然估计滤波法来进行滤波和优化处理, 从而达到更高的定位精度。可简化井下系统定位模型, 从而列出方程式。在式中, 主要包括范围在2-4的信号衰减因子;参考节点、定位节点之间的距离;当参考节点与定位节点之间相隔一米距离时的RSSI测定值;与传播距离无关的随机白噪声等。在此基础上, 将相应的数据带入到方程式当中, 从而求得最终结构, 实现对加权全交点质心求解法的滤波优化。
4 仿真分析
在MATLAB当中, 可以仿真验证矿井人员精确定位的算法。在一个假定的环境中, 进行仿真验证, 对50×50 m的室内环境进行模拟。在这一区域中, 一共设置了九个基站节点, 分别位于区域中四条边的中心、四个定点的中心以及整个区域的中心位置[5]。在新位置上, 对于RSSI的数据值, 可以利用测强仪测量得出。在室内的走廊环境中, 将训练数据减去路径衰减, 能够计算得出室内走廊中的随机噪声, 并且求得信号衰减因子和参考节点到定位节点之间的距离。在实际计算过程中, 对于同一个未知节点, 利用三种不同的算法进行五十次定位估算, 然后绘制出每次定位估算的误差曲线图。然后, 利用加权全交点质心法以及改进之后的定位算法, 对留个位置节点进行运算和定位, 绘制出相应的误差曲线图。
通过三种不同算法的定位误差曲线图, 能够看出, 相比于传统的全交点质心求解运算法来说, 加权全交点质心求解运算法的精确度得到了明显提高。而经过滤波优化改进之后的全新定位算法, 其在矿井精确定位算法中, 精确度比加权全交点质心求解算法更高。而在六个未知节点定位运算误差曲线图当中, 能够看出, 对于位置不相同的未知节点来说, 在定位运算过程中, 加权全交点质心算法的应用, 将会产生更大的误差。而应用滤波优化改进之后的新定位算法, 误差会大大降低, 从而满足了较高的矿井人员精确定位算法的应用要求。因此, 在实际工作中, 对于滤波优化改进的新算法, 应进行更为广泛地应用和推广。
5 结语
在矿井工作中, 矿井人员是最为主要的工作主体。由于矿井工作中存在很多不确定因素, 如果无法对矿井人员实行最为有效的管理, 将会增大发生安全事故的几率。对此, 首要的目标就是实现对矿井人员的精确定位。在实际工作中, 可以应用矿井人员精确定位算法, 从而实时掌握矿井人员的所处位置和工作状态。经过实践证明, 经过滤波优化改进处理的加权全交点质心算法, 能够达到最为理想的定位精度, 应得到广泛地应用。
摘要：矿井人员的定位是一项十分重要的工作, 为了完成这项工作, 需要精确的定位算法做支持。本文提出了一种新的矿井人员精确定位算法, 同时对其信号模型、定位系统结构等进行介绍, 并且提出基站节点优先选择的方法。以此为基础, 通过分析全交点质心定位算法, 提出了加权全交点质心定位算法。同时, 为了使定位精确度得到提升, 改进了这一算法。
关键词：矿井人员,精确定位算法,跟踪定位
参考文献
[1]胡志坤, 蒋英明, 王文祥, 等.基于Zig Bee的井下人员精确定位方案及实现[J].计算机应用与软件, 2013 (5) .
[2]刘勇, 罗宇锋, 李芳.基于WI-FI的矿井人员精确定位算法[J].煤矿安全, 2013 (10) .
[3]李论, 丁恩杰, 郝丽娜, 等.一种改进的煤矿井下指纹定位匹配算法[J].传感技术学报, 2014 (3) .
[4]任子晖, 顾靓雨, 周萌萌.基于无线传感器网络的改进RSSI井下定位算法的矿井人员定位系统设计[J].煤矿开采, 2015 (3) .
改进的积分投影眼睛定位算法 第9篇
随着我国经济建设的发展,越来越多的家庭中拥有了汽车,虽然国家在交通安全上投入了很多精力和财力,但是每年涉及汽车的交通事故还是成上升趋势。在这些导致汽车交通事故的原因中,驾驶员疲劳驾驶已经成为重要的原因之一[1]。因此对驾驶员疲劳检测的研究势在必行。通过研究表明,眼睛状态能较好的反映人的疲劳状态[2],因此定位眼睛并且在其基础上实时获取眼睛图像信息来判断疲劳状况成为一种可行的办法[3]。目前已经出现了很多有效的眼睛定位算法,其中具有代表性的有模板匹配法[4],Hough变换提取椭圆形状信息检测眼球[5],检测瞳孔[6]等。这些方法各有优势,但也存在明显的不足:对人脸、偏转角度、背景、光照等有一定的条件制约;计算量偏大,处理很慢;准备率比较低,使用范围窄;不能同时兼顾睁眼闭眼或戴眼镜等情况。本文提出一种改进的眼睛定位算法。该算法首先利用肤色特征并结合人脸形态学特点来分割出眉眼区域,然后再用积分投影函数定位眼睛[7]。实验表明,本文所提出的方法计算量小,处理速度快。
1 眼睛定位算法
理想情况下,眼睛的中心横坐标和纵坐标分别为垂直灰度投影曲线和水平灰度投影曲线峰值点对应坐标。但过大的候选窗口会引入干扰,如眉毛,刘海,鬓角,眼镜边框等,它们的灰度值可能甚至比眼睛瞳孔的灰度值还要低。另外由于光照的原因,使得眼区内会出现阴影,这同样会对灰度投影产生影响。
所以本文算法是基于肤色检测后人脸图像的,因此需要首先把图像进行肤色检测,然后分割出肤色部分,最后结合人脸形态学特点分割出眉眼区域,并且在其基础上运用积分投影函数定位眼睛。下面将对算法的各个步骤进行描述。
1.1 基于肤色检测的人脸框选
做好人脸框选是对眼睛确定位最好的支持。框选人脸前先对图像进行肤色分割,然后根据人脸的形态学特点并结合眼睛区域在人脸中的大概位置,粗略的框选出包含眼睛区域的人脸部分。
首先进行肤色分割,根据Anil K.Jain的等人的研究结果,在y值较大和较小的部分,肤色聚类区域也随之缩减[8]。所以必须考虑Y值的不同所造成的影响,对YCbCr色彩空间进行非线性分段变换[9]。肤色的聚类区域可近似用一个椭圆表示。
其中:
式中:Cb和Cr为经过非线性分段变换后的蓝色分量和红色分量;cx=109.38,cy=152.02,θ=2.53 rad,ecx=1.6,ecy=2.41,b=14.03。
若大于1则为非肤色,否则为肤色。
实验结果如图1所示。
在经过肤色分割后,本文设计了一种快速有效的框选眉眼区域的方法。首先,对图像进行垂直扫描,通过白像素点的出现和消失可以快速的定位出人脸在x轴上的起止坐标。然后,对图像从左往右进行扫描,统计出每行像素点中包含白点的个数,从一开始的全是黑点开始一步一步进行扫描,直到有白像素点出现,这时说明已经扫描到了人脸的边缘部分,继续向下进行扫描,会发现白点数越来越多,直到眉毛的出现,这时白点数大幅度减少,以扫描到眉毛为止,可定位出眉眼区域的y轴起始坐标,最后停止扫描,根据人脸形态学的特点,从起始坐标向下根据之前定位的水平距离宽度的一半进行框选。图2为最终框选出的眉眼区域。实验证明该方法快速有效,避免了大量扫描肤色部分和非肤色部分,大大减少了运算速度,并且有效去除脖子的干扰,从而基本确定眉眼区域的大概位置和大小,并可简化眼睛定位的工作和提高眼睛定位的准确率。
1.2 改进的积分投影法进行眼睛定位
投影是一种有效提取图像特征的方法。通常,一幅二维图像可以由两个正交的一维投影函数来分析。维数的降低便于分析图像的特征,并且减小了计算量,所以投影成为一种重要的图像分析方法。最为常用的函数是积分投影函数。
1.2.1 积分投影函数
设I(x,y)表示点(x,y)处的像素灰度值[9],在区间[x1,x2]和[y1,y2]上的水平积分投影函数和垂直积分投影函数分别表示为:
平均积分投影函数分别表示为:
1.2.2 眼睛的垂直定位
对于框选出的眉眼区域,直接进行水平积分投影。从水平积分投影曲线中可以清楚地看到两个波谷,也就是水平积分投影曲线的两个最小值。根据眉毛和眼睛的位置关系,可以判断出第二个波谷的位置就是眼睛的垂直位置。实验结果如图3所示。
1.2.3 眼球定位
通过眉眼区域的水平积分投影结果可以有效地去除眉毛的干扰。设由图3得到的眼睛垂直坐标为y,在人脸图像上取一个以y为中心,宽度为所选取部分不包含眉毛为宜,很明显,眼睛位于人脸中心对称轴两侧对称的两块低灰度圆形区域。对条形区域作垂直积分投影,归一化后的曲线如图4所示。从图中可以看出,人脸中心对称轴两侧出现两个最小值点,分别对应于左右眼的中心。因此从垂直积分投影曲线中心向左右搜索最小值即可得到眼睛中心的水平坐标。这样就准确的定位出了眼球中心的位置。
2 实验验证与分析
利用该算法对100幅人脸图像进行了实验,包括正面、微侧、带眼镜等不同的状态,图像尺寸包括100100和320240等不同的规格。图5显示了部分实验的结果。与传统算法相比,该算法在眉眼区域的确定上大大减少了运算量,降低了复杂度,并且简单有效的排除了鼻子,嘴和脖子等干扰,为以后的计算节省了时间。并且在眼球的定位上采取了分部进行水平积分投影和垂直积分投影的策略,这样能更准确地确定眼球的中心。
3 结 语
本文介绍了一种新的基于积分投影法的眼睛定位方法,利用积分投影方法快速定位眼睛位置,大大减少了算法时间,便于实时应用,提高了眼睛定位的精确度和鲁棒性。但也存在一定的局限性,如当头发过长导致部分遮挡住眼睛,头部旋转角度过大,眉眼间距过短及戴眼镜等情况,会对算法造成影响,导致定位出错,这有待于今后进一步的研究。
参考文献
[1]HONG Tian-yi,QIN Hua-biao.Drivers drowsiness detection inembedded system[J].IEEE International Con-ference on Ve-hicular Electronics and Safety,2007,(12):1-5.
[2]周玉彬,俞梦孙.疲劳驾驶检测方法的研究[J].医疗卫生装备,2003(6):25-28.
[3]朱振华,吴晓娟,王磊.基于眨眼持续时间的司机疲劳检测方法[J].计算机工程,2008,34(5):201-203.
[4]陈艳琴.关于司机疲劳监测的人眼检测与跟踪研究[D].长沙:中南大学,2004.
[5]CHOW G,LI Xiao-bo.A system for automatic facial fea-ture detection[J].Pattern Recognition,1993,26(12):1739-1755.
[6]田娥,莫易敏,廖张华.基于红外光源的驾驶员眼睛实时监测[J].计算机工程,2007,33(7):225-226.
[7]FENG G C,YUEN P C.Variance projection function andits application to eye detection for human face recognition[J].Pattern Recognition Letters,1998,19(9):899-906.
[8]JAIN Anil K.Face detection in color images[J].IEEETrans.on PAMI,2002,5:696-706.
[9]耿新,周志华,陈世福.基于混合投影函数的眼睛定位[J].软件学报,2003,14(8):1394-1400.
[10]付炜,孔祥栋.基于肤色和Adaboost算法的人脸检测[J].现代电子技术,2010,33(6):131-134.
4G下切3G定位算法策略研究 第10篇
与有线通信不同，移动通信系统中的无线资源非常匮乏，而这些无线资源成为限制系统性能的主要方面。因此，需要在移动通信系统中，对这些无线资源进行合理的分配，为系统用户上的不同业务进行服务，从而使系统中的资源能够得到有效的利用。优化的资源分配方案可以有效提高移动通信系统的性能，无线资源分配的目标是在满足用户对应业务的服务质量的前提下，尽可能有效地利用这些有限的无线资源达到更高的系统频谱效率以及系统容量等其他性能，同时还需要保证用户的最大满意度和用户之间的公平性。
在第一代（First Generation,1G）和第二代（Second Generation,2G）移动通信系统中，主要是以传统的话音业务为主，系统中无线的频谱资源用于服务此类业务的用户，所以需要在系统中进行无线频谱规划。在第三代（Third Generation,3G）宽带移动通信系统中，由于分组数据业务的发展，使得系统中同时存在话音业务和数据业务，所以在第三代移动通信系统中，需要对无线资源进行合理调配来同时满足用户的话音和数据业务的性能需求。而“超三代”和第四代（Beyond3G/Forth Generation,B3G/4G）移动通信系统是以正交频分复用（Orthogonal Frequency Division Multiple,OFDM）为基础的宽带系统。在此类系统中，系统容量和整体性能都是干扰受限的，由于OFDM技术能保证小区内的资源正交，小区间的同频干扰将是限制并影响这类系统性能的主要因素，所以在未来移动通信系统进行资源分配时，需要考虑如何协调系统的干扰，使得系统性能得到最好的发挥。目前移动通信的业务趋向于多样化，在一个系统中同时存在多种业务的混合。而每一种业务都有相应的性能需求:普通的无时延需求的数据业务的性能指标是系统吞吐量和用户公平性；而流媒体等业务也有不同的最低性能需求，即服务质量（Quality of Service,QoS）需求；基于IP的话音业务对时延要求也很严格。此外，B3G/4G系统的目的是为移动终端提供高速的数据业务，所以在混合业务的系统中如何合理分配资源来满足不同业务的需求尤为重要。
1 相关综述
1.1 3G概述
3G（第三代移动通信技术）是指支持高速数据传输的蜂窝移动通信技术，能同时传送声音及数据信息，速率一般在几百kbps以上。目前3G存在四种标准：CDMA2000,WCDMA,TD-SCDMA,WiMAX。国际电联确定的三个无线接口标准分别是美国CDMA2000，欧洲WCDMA（宽带码分多址），中国TD-SCDMA（时分同步码分多址）。TD-SCDMA为中国自主研发的3G标准，已被国际电信联盟接受，业界将WCDMA技术作为3G的主流技术。国内支持的三个无线接口标准分别是中国移动的TD-SCDMA，中国电信的CDMA2000，中国联通的WCDMA。中国是全球惟一运营所有以上三种制式的国家。3G系统致力于为用户提供更好的语音、文本和数据服务。3G技术的优点是能极大地增加系统容量、提高通信质量和数据传输速率。此外利用在不同网络间的无缝漫游技术，可将无线通信系统和Internet连接起来，从而可对移动终端用户提供更多更高级的服务。
1.2 4G概述
随着对带宽需求的增加，通信技术的发展一度出现2.5G和2.75G的中间过渡代。当3G移动业务刚刚迈出脚步，就出现了支持语音、数据和视频三种格式的传输技术高速下行链路分组接入技术。与此同时，真正意义上的宽带数据速率标准4G概念也开始出现，它包括宽带无线固定接入、宽带无线局域网、移动宽带系统、互操作的广播网络和卫星系统等，将是多功能集成的宽带移动通信系统，可以提供的数据传输速率高达100 Mb/s甚至更高，也是宽带接入IP系统。
4G也称为广带接入和分布网络。具有超过2 Mb/s的非对称数据传输能力，对高速移动用户能提供150 Mb/s的高质量影像服务，并首次实现三维图像的高质量传输。它包括广带无线固定接入、广带无线局域网。移动广带系统和互操作的广播网络（基于地面和卫星系统），是集多种无线技术和无线LAN系统为一体的综合系统，也是宽带IP接入系统。在这个系统上，移动用户可以实现全球无缝漫游，为了进一步提高其利用率，满足高速率、大容量的业务需求，该系统同时克服高速数据在无线信道下的多径衰落和多径干扰等众多优势。简单而言，4G是一种超高速无线网络，一种不需要电缆的信息超级高速公路。这种新网络可使电话用户以无线形式实现全方位虚拟连接。4G最突出的特点之一，就是网路传输速率达到了前所未有的100 Mb/s，完全能够满足用户的上网需求。
2 4G下切3G定位算法
2.1 切换相关的RRC信令交互过程
RRC连接态的UE在E-UTRAN中进行移动的一般原则如下：在E-UTRAN中，网络控制RRC连接态UE的移动，即网络来决定UE应该进入哪个小区、哪个频点或哪个RAT。根据无线条件或负载情况等，网络会触发切换过程。为了实施切换，网络可以配置UE的测量参数，要求UE进行测量并提供测量报告；网络还可以发起盲切换，即在没有UE测量报告的情况下实施切换。在给UE发送切换消息之前，源eNodeB为切换准备一个或多个目标eNodeB。目标eNodeB生成用于进行切换的消息，消息中包括目标小区中的接入层详细配置信息，源eNodeB把该消息透传给UE。等到合适的时间，源eNodeB发起DRB的转发。接收到切换消息后，UE在第一个可用的RACH时刻就开始尝试接入到目标小区，也就是说，切换是异步的。因此如果目标小区为这个随机接入分配了一个专用前缀（Preamble），应该确保其在UE第一个可能的RACH时刻就可用。一旦完成切换，UE给目标eNodeB发一个切换完成确认消息。在成功完成切换后，对于使用RLC-AM模式的DRB，目标eNodeB可能会重传PDCP的SDU，这时原SN和HFN也会保留下来继续使用；对于使用非RLC-AM模式（UM和TM模式）的DRB,SN和HFN会被重新设置。UE在切换过程中不用理会网络方面采用哪种切换模式（基于X2的切换和基于S1的切换）。源eNodeB中会保留UE的上下文一段时间，以防UE切换失败而返回。检测到切换失败后，UE会尝试在源小区或另一个也做好了切换准备的小区使用RRC连接重建立过程，重新发起RRC连接。
2.1.1 切换到E-UTRAN的切换过程
当UE在其他RAZ的接入网（如GERAN或UTRAN）中已经建立了SRB和DRB（或只建立了SRB）时，如果UE移动进入E-UTRAN，就可以发起跨RAT的切换，把UE同其他RAT接入网的连接转移到E-UTRAN上来，如图1所示。
网络侧，其他RA7接入网发起切换到E-UTRA的过程，通过EPC通知E-UTRAN。在E-UTRAN这边，eNodeB首先激活加密算法（如果原RAT中没有使用加密功能，则使用“空算法”），然后建立SRB1,SRB2以及一个或多个DRB（至少要激活和默认EPS承载关联的DRB）。准备工作完成后，eNodeB通过其他RAT的接入网向UE发RRC连接重配置消息。
在UE侧，如果UE能够满足RRC重配置要求，则开始配置E-UTRAN的各种物理层参数。
(1）应用默认物理信道配置。
(2）应用默认半静态调度配置。
(3）应用默认MAC主配置。
(4）开启计时器T304。
(5）进行目标小区下行同步。
(6）应用目标小区上行下行带宽、载波频率、物理小区标识ID以及UE在目标小区中的C-RNTI。
(7）进行无线资源配置过程。
(8）把nas-Security Param To EUTRA信元转发给高层。
(9）导出密钥KeNB，存储next Hop Chaining Count值，根据指定算法导出KRRCint,KRRCenc和KUPenc。
(10）对低层进行配置，启用完整性保护算法和相应密钥以及加密算法和相应密钥，即在接下来的所有上行和下行消息（包括指示本过程成功完成的消息）中开始进行完整性保护和加密。
(11）如果RRC连接重配置消息中包括了measConfig信元，则要进行测量配置过程。
(12）发送RRC连接重配置完成消息。
(13）启动计时器T310和T311。
(14）如果MAC成功完成随机接入过程，则停止计时器T304，有一些测量和无线资源配置需要在UE捕获了目标小区的SFN后才能进行，如测量间隔、周期性CQI报告、调度请求配置、测量RS配置等。因此UE可以先进行部分无需目标小区SFN就能进行的配置，在捕获目标小区的SFN后，再进行剩余的配置。配置过程结束后，UE进入E-UTRA RRC连接态。
2.1.2 从E-UTRAN到其他RA7的移动
如图2所示，当UE在E-UTRAN中已经建立了SRB和DRB时，或仅建立了SRB时，eNodeB可以发起本过程，把这个处于RRC连接态的UE从E-UTRAN移动到其他RAT，如GERAN,UTRAN或CDMA2000系统。从E-UTRA移动到其他RAT包括:从E-UTRAN到UTRAN或CDMA2000的“切换”，即目标小区要为UE的切换分配好无线资源；从E-UTRAN到GERAN的“小区更改命令”，即只为UE的切换提供接入GERAN目标小区、建立连接的一些辅助信息，如系统信息等。
在E-UTRAN网络侧，E-UTRAN通过向UE发送离开E-UTRA的命令消息，发起离开E-UTRA的过程。E-UTRA仅在接入层安全功能被激活时才发起本过程。在UE侧，进行如下操作。
(1）如果E-UTRAN的消息中给出的移动目的是“切换”，UE根据目标RAT的规范，使用己经为UE分配好的目标小区资源，接入到目标小区，如果目标小区RAZ为GERAN,UE根据消息中提供的系统信息接入目标GERAN小区。
(2）如果E-UTRAN的消息中给出的移动目的是“小区更改命令”，这意味着肯定是移动到GERAN系统，UE根据消息中提供的系统信息接入目标GERAN小区，建立和目标小区的连接。
2.2 切换相关的SIAP信令交互过程
在描述本过程时假设:MME没有重定位且目标小区也在E-UTRAN中，通过S1接口进行切换，如图3所示。
(1）源eNodeB向服务MME发切换请求消息，并开启一个计时器TS 1 RELOCprep，切换请求消息中主要包括Source eNB to Target eNB Transparent Container信元，该信元要通过MME透传给目标eNodeB，如果该信元中的DLforwarding信元被设为“建议DL转发”，表示源eNodeB建议对下行数据进行数据转发。如果存在从源eNodeB到目标eNodeB的直传路径，则切换请求消息中可以放入一个Direct Forwarding Path Availability信元。如果需要进行SRVCC操作，则切换请求消息中应该放入SRVCC HO Indication信元。
(2)MME向目标eNodeB发切换请求消息。如果切换请求消息中包括切换限制列表，目标eNodeB把这个列表添加到UE上下文中，表示UE在某些区域接入受限。如果切换请求消息没有切换限制列表，目标eNodeB认为UE没有任何接入限制。一旦接收到切换请求消息，目标eNodeB把接收到的UE安全能力信息写入UE上下文，目标eNodeB将根据它来配置和UE相关的各种接入层安全配置；目标eNodeB把接收到的安全上下文添加到UE上下文中，并用它导出各种安全配置。
(3）一旦目标eNodeB为所有可以接纳的E-RAB保留好了必须的资源，目标eNodeB生成一个切换请求确认消息，消息中包含两个列表:所有目标eNodeB接纳的E-RAB列表和所有目标eNodeB不能接纳的E-RAB列表。对于目标eNodeB接纳的E-RAB，如果需要进行数据转发，则目标eNodeB要为这些E-RAB分配TEID和下行传输层地址（即eNodeB的传输地址），并附在切换请求确认消息中回复给MME。
(4）源eNodeB收到服务MME发切换命令消息，则停止计时器TS 1 RELOCprep，开启另一个计时器TS 1RELOCOverall。切换命令消息中主要包括Target to Source Transparent Container信元，该信元是由目标eNodeB通过MME透传给源eNodeB的。如果eNodeB不能接纳某个E-RAB，目标eNodeB会把该E-RAB列入E-RA.Bs to List信元中。如果切换命令消息中包含了为某个需要进行数据转发的E-RAB分配的GTP TEID和传输层地址，则表示目标eNodeB接收源eNodeB提出的对该E-RAB的数据转发要求。
(5）在LTE内部的S1切换中，eNodeB状态转移是把每个具有PDCP-SN和I-IFN状态保留功能的E-RAB的上行PDCP-SN和HFIvT接收状态以及下行PDCP-SN和HFN发射状态从源eNodeB通过MME转移到目标eNodeB。eNodeB在它认为合适的发射和接收停止时刻，停止为下行PDCP SDU分配PDCP序列号，并向服务MME发eNodeB状态转移消息。消息中包括所有具有PDCP-SN和HFN状态保留功能的E-RAB列表以及每个E-RAB的上下行PDCP-SN和HSFN参数。上行PDCP-SN和HFN是第一个丢失的上行PDCP SDU的PDCP-SN和HFN，相当于为目标eNodeB保留上行PDCP的一个断点，目标eNodeB可以根据断点要求UE重传；下行PDCP-SN和HFN是要求目标eNodeB为从服务网关接收到的第一个PDCP SDU分配的PDCP-SN和HFN号。
(6)MME使用MME状态转移消息把源eNodeB的“eNodeB状态”传给目标eNodeB。目标eNodeB不会上传任何PDCP序列号小于消息中给出的上行PDCP序列号的PDCP SDU；同时目标eNodeB会根据消息中给出的下行PDCP序列号为下行PDCP SDU分配PDCP序列号。
(7）当UE已经切换到目标小区后，如果目标eNodeB和服务MME之间的连接已经建立，目标eNodeB向服务MME发切换通报消息，通知MME基于S1的切换成功完成。
3 结语
3G/4G多模终端的可操作性技术，不仅对三网融合有极大的推动作用，而且还能使通信设备制造商在未来的4G市场占有重要的一席之地，现在的研究热潮是越来越高。
从LTE发展角度来讲，在初期网络融合不完善，跨小区和跨制式切换不一定能够时时成功建立连接，具有3G/4G多模可操作性的芯片终端还不够成熟，推出多模数据卡，是一个很不错的发展方向。这种LTE多模数据卡可以做成单独的卡，也可以广泛集成到平板电脑、上网本、笔记本电脑、摄像机、车载GPS中去，将LTE以及TD等移动网络做成这些产品上网的可选网络之一。这些设备可以通过网线、WiFi,LTE,TD,GSM等去访IG网络。
参考文献
[1]张能,闫书磊,李昊.基于PCAP的TD-LTE基站业务数据吞吐率测试技术[J].电信技术,2011(8):44-48.
[2]王建宙,胡国华.3G向4G的演化及4G的研究进展[J].科技信息,2009(35):49-50.
[3]王迎,龚慧莉.试论TD-LTE技术的未来发展[J].移动通信,2009(22):5-8.
[4]王军选.第四代移动通信系统及其关键技术研究[J].电信科学,2009(3):90-93.
[5]林辉.LTE-Advanced的标准化情况[J].电信科学,2009(1):14-16.
[6]汪丁鼎,龚追飞.TD-SCDMA的长期演进:TD-LTE[J].移动通信,2008(17):33-38.
[7]佚名.LTE技术简介[J].山东通信技术,2008(2):46-47.
[8]闻立群,胡海波,庾志成.聚集B3G/4G:4G技术发展特征及趋势分析[J].通信世界,2008(2):I0003-I0004.
[9]胡海宁,林奇兵.下一代无线网络LTE介绍[J].通信世界,2006(20B):19-20.
定位算法 第11篇
【关键词】无线传感器网络；自身定位；定位；仿真
由于传感器节点在部署时的不可控制性(例如通过飞机撒放)，网络中大多数节点位置不能事先确定，而无线传感器网络的大量应用都需要网络中节点的地理位置信息，从而获知信息来源的准确位置。通过研究无线传感器网络巾典型的分布式定位算法，选择Bounding box[1]、Euclidean和Robust Position三种算法进行实现，并在OMNET++平台上对它们进行仿真比较，研究环境参数（测距误差，锚节点密度，连通度）变化对其性能的影响。
一、分布式定位算法
分布式定位算法一般分为三个模块：确定未知节点和锚节点间距离模块；计算每个未知节点佗置模块；循环精确节点位置模块。首先，未知节点通过基于测距或非测距方法确定其到锚节点的距离；然后，通过到锚节点的距离来计算每个未知节点的位置；最后，对末知节点的位置进行迭代求精，最终所有未知节点报告它们的位置。
分布式定位算法的每个模块中都有几种可选算法。其中确定未知节点和锚节点间的距离模块中可选算法有基于RSSI的测距算法和美国路特葛斯大学（Rutgers University）Dragos Niculescu等人提出的Euclidean、DV——Hop、DV——distance三种算法；计算未知节点位置模块中可选算法有三边测量法、多边形算法、Min——Max算法；位置求精模块主要有由Savarese等提出的根据所有町获得的节点信息重复执行三边测法或多边形算法过程重新确定节点位置。
（一）确定未知节点到锚节点距离模块可选算法
在这个模块中，未知节点通过共事信息确定其到锚节点的距离，以便在第二个模块中计算节点的初始位置。
1.RSSI算法。此算法已知节点发射功率，在接收节点测量接收功率，计算传播损耗，然后使用理论或经验的信号传播模型将传播损耗转化为距离。
所用公式如下：
P(d)=PTPL(d0)10`log10()+Xl（1）
其中P（d）为两节点相距为d时的信号强度；PT是信号发射的强度；PL（d0）是在两节点距离为d0时信号强度的损耗；`是一个信号衰减指数；X€%l是一个服从正态分布的方差为€%l2、期望为0的随机变量。
根据公式（1）可推导出信号强度转换距离的公式：
d=10exp[]0（2）
基于射频信号强度的RSSI方法成本很低，适合于无线传感器网络的部署要求，所以前景很好。
2.DV——distance算法。DV——distance算法很简单。在泛洪传输中仅通过在每个节点上累加测得的距离来确定其距锚节点的距离。算法从锚节点开始，它们发送一个包含其身份、位置和0路径长度的信息包。每个接收到信息的节点将测得的距发送点距离加到路径长度上，如果可控泛洪允许的话继续广播这个消息。另一个限制是，当节点再次收到以前接收过的节点信息时，只有当前信息中距锚节点路径长度小于原先信息中距锚节点路径长度时，才允许发送这个消息，并更新自身信息。最终结果是，每个节点将存储它们距锚节点的最短路径长度。
DV——distance算法的缺点是，当距离信息在多跳中传播时，测距误差被累加放大。在锚节点很少或测距硬件差的大型网络中，这种累计误差很大。
3.Euclidean算法。DV——hop算法的缺点是不适用于极为不规则的网络拓扑结构，这种结构中，实际每跳间的距离差别很大。Niculescu和Nath提出了另一种称之为Euclidean的算法，这种测距算法是基于围绕锚节点的未知节点的局部几何算法。
如图1（a）所示，假设节点拥有RSSI测距能力，已知未知节点B、C在锚节点L的无线射程内，BC距离已知或通过RSSI测量获得；节点A与B、C相邻。对于四边形ABCL，所有边长和一条对角线BC已知，根据三角形的性质可以计算出AL的长度（节点A与L的距离）。使用这种方法，当未知节点获得与3个或更多锚节点之间的距离后定位自身。未知节点B、C与锚节点L两两相邻，节点A与B、C相邻。对于四边形ABCL，所有边长和一条对角线BC已知，根据简单的几何原理可计算出AL的长度。但节点A有两个可能的位置A和A′，假如A还有其他邻居节点D与锚节点L相邻，并与B或C之一相邻，那么可以使用D来替换B或C，再次计算AL的距离，则A节点就能在两个可能的位置中选择出正确的一个。使用这种方法，当未知节点获得与三个或更多锚节点距离后定位自身。由基本的几何知识，可以得出：
cos()=，cos()=
AL2=AC2+CL224C·CL·cos() （3）
（二）计算节点位置模块可选算法
在此阶段，通过模块1提供的未知节点到若干锚节点间的估算距离计算未知节点的初始位置。此阶段有三边测量法、多边形算法和Min—Max等算法。
求出（x，y）即是节点位置。
1.多边形算法。多边形算法源于三边测量法，当参考节点数量超过3个时，就是通过定义方程组，利用冗余信息能够更精确地计算节点的化置。
假设未知节点坐标是（x，y），锚节点坐标分别为（x1，y1），（x2，y2），…，（xk，yk），末知节点到锚节点的距离分别是r1，r2，…，rk，我们可以得到一组方程：
（4）
可以线性化为：Ax=b
（三）循环定位求精模块算法
这个阶段的目的是使在第一阶段计算得出的（初始）节点位置更精确。即使在好的条件下（高连通度，低测距误差），这些节点定位也不可能很精确。原因是前两个阶段并没有用到所有可获得的信息。由Savarese等提出的精确过程正是当节点更新他们的位置信息时考虑了与所有节点间的距离。在每步开始时，一个节点广播它的位置并相应地从它的邻居节点那里接收邻居节点位置和距离，然后执行阶段二的多边形算法计算过程以确定它的新佗置。在很多情况下，由到邻居节点距离所限。将迫使新的位置向节点真实的位置靠近。经过几步迭代后，当节点位置更新过程收敛时，精确过程结束并报告最终位置。
二、算法仿真
对定位算法的仿真的意义在于能够在接近现实的环境中得出算法性能的数据，进行定量分析，从而得出算法的应用环境和不足之处，以待改进。仿真工具选择的是布达佩斯技术人学电信学院开发的OMNET++离散事件模拟器。
（一）仿真算法选择
本文选择完全的分布式算法，即节点位置的计算在节点本地完成。这种算法可以应用于大规模的无线传感器网络。这样的网络要满足：
（1）自组织，不依赖于全局基础没施（如卫星）；（2）健壮，能容忍节点失效和测距误差；（3）节能，只需要较少的计算和通信开销。
根据上述条件，排除了凸规划（Convex Position），MDS—MAP等集中式算法。此外，质心算法，APIT算法需要较高的锚节点密度，也被排除在外。本文对满足以上条件的三种定位算法，Bounding box算法、Euclidean算法和Robust Position算法做了仿真分析，这三种算法具有良好的可实现性和代表性。
将上述三个算法分解。得到它们各个模块的算法：
表1 仿真算法按模块分解
（二）仿真网络环境设计
鉴于无线传感器网络是自组织的，所以节点放置时是随机的，因此仿真环境中的节点是随机部署的。锚节点需要通过安装特殊的定位系统和采取人工部署来确定其位置，所以仿真环境中锚节点的位置可以人为确定。
仿真环境中的重要参数有：网络中的节点数量；锚节点密度；节点通信半径（连通度）。仿真由100个节点组成的无线传感器网络，开始时，依据上述参数产生一个随机的网络拓扑结构，节点在一个正方形区域内随机分布。通过指定通信半径可以控制连通度。
三、仿真结果
在检测算法的定位精度性能的仿真实验中，将通信半径设定为15。这里将测距误若定义为一个比值，即算法计算得出的节点位置与真实位置之间的偏差比上节点到锚节点的距离估计。仿真实验获得了一组在不同锚节点密度下三个算法在定位误差方面的数据，如图1所示。
图1三个算法的定位精度仿真结果图2 三个算法的覆盖率仿真效果
在检测算法的定位覆盖率性能的仿真实验中，将通信半径也设定为15。仿真实验获得了一组在不同锚节点密度下三个算法在定位覆盖率方面的数据，如图2所示。
定位覆盖率是考察定位算法性能的重要指标，它表示通过执行某个定位算法，网络中被正确定位（定位误差在可接受的范围内）的比例。从定位覆盖率的仿真实验中，可以看到，三个算法的定位覆盖率均随锚节点密度的增大而提高。其中，Bounding box算法和Euclidean算法对网络中锚节点密度很敏感，尤其当锚节点密度从3％变化到10％时，这两个算法的定位覆盖率显著提升。Robust position算法对锚节点密度并不敏感，在锚节点密度很小（只有3％）时，其定位覆盖率已达90％；在10％的锚节点密度下，覆盖率已达100％。
可见，在锚节点密度较高而节点计算能力极为有限的情况下Bounding box算法是最佳选择；在需要较高的定位精度时应选择Robust position算法；在对定位精度和能耗要求适中的情况下，应选择Euclidean算法。
参考文献
[1]Bhaskar，Krishnamachari，NetworkingWireless Sensors[M]．Cambridge University Press，2007：（1～3）
[2]Muruganathan S D，Ma D C F，Bhasin R I，et a1．A centralized-efficient routing protocol for wireless sensor networks[C]．Communications Magazine．IEEE．2005：43（3）：8～13
[3]Savvides A，Park H，Srivastava M．The bits and flops of the n-hop multilateration primitive for node localization problems[C]．Workshop on Wireless Sensor Networks Application．2002：112～121
[4]王福豹，史龙，任丰原．无线传感器网络中的自身定位系统和算法[J]．软件学报．2005：16（5）：857～868
定位算法 第12篇
LANDMARC是一种结合 接收信号 强度指示 (Received Signal Strength Indication,RSSI)和射频识别(Radio Frequency Identification,RFID)的定位算法,适用于空 旷环境下 的定位,具有许多 优点: 1阅读器数量较少,定位系统成本不高;2可以大量布设成本较低的参考标签实现较高的定位精度; 3由于参考标签与待定位标签硬件结构完全相同, 参考标签和待定位标签会受到相同的环境干扰,相对抵消了环境对定位带来的影响[1]。但针对煤矿井下空间狭小、巷道复杂 的特殊环 境,LANDMARC定位算法存在以下缺陷:1 LANDMARC定位算法中阅读器使用1—8个能量等级来表示接收到的信号强度,进而判断参考标签与待定位标签的位置关系,最终计算出待定位标签的位置,这会减小定位精度,增大误差;2煤矿井下由多条狭长的巷道构成, 电磁波在传递过程中容易受非视距误差和多径效应的影响;3若多个待定位标签同时出现在同一个区域内,则可能发生标签的碰撞冲突,产生错误。因此,本文针对煤矿井下特殊环境对LANDMARC定位算法进行改进。
1LANDMARC定位原理
LANDMARC定位系统由阅读器、参考标签和待定位标签组成,如图1所示。首先,在待测区域内均匀布置有限个阅读器,再均匀分布数量较多的参考标签。参考标签的位置信息已知且与待定位标签在硬件结构上完全相同,定位时参考标签和待定位标签发送完全相同的电磁波。
假设待定位标签发射的信号强度为S= (S1,S2,…,SM),其中Si(i=1,2,…,M)为阅读器i接收到的待定位标签发射的信号强度。参考标签发射的信号强度为θ=(θ1,θ2,…,θM),其中θi为阅读器i接收到的参考标签发射的信号强度。
定义E表示参考 标签和待 定位标签 的位置关系:
E越小,表明参考标签与待定位标签距离越近。 LANDMARC定位算法通过比较不同E值找出距离待定位标签最近的参考标签,再根据k个最近参考标签的位置计算出待定位标签的位置坐标[2,3,4]:
式中:wj为第j个邻近待定位标签的参考标签坐标的加权因子;(xj,yj)为第j个最近参考标签的坐标。
2LANDMARC定位算法改进
2.1RSSI值的测量
在LANDMARC定位算法中,阅读器只能将接收到的标签信号强度评定为1—8个等级,而不能直接得到RSSI值。这在选择最近参考标签时难免产生误差,从而使计算出的待定位标签的位置与真实位置误差 较大。 为了使阅 读器能够 具体测量 出RSSI值,采用CC2530芯片制作LANDMARC定位算法中的阅读器。CC2530具有功耗低、速度快、 无线电灵敏度高 和抗干扰 性能强等 特点,可测量RSSI的具体值,从而使阅读器更加准确地找出距离待定位标签最近的参考标签,提高定位精度。
2.2针对非视距误差和多径效应的改进
虽然在LANDMARC定位算法中,参考标签与待定位标签是完全相同的RFID标签,可在一定程度上相对抵消环境的影响,但是煤矿井下环境恶劣, 电磁波在传播过程中必然会受到非视距误差和多径效应的干扰,使定位误差增大。
在大多数情况下,参考标签与待定位标签受到环境的影响是相同的,即参考标签和待定位标签受到相同的非视距误差和多径效应影响,可以相对抵消干扰的情况属于正常情况,是大概率事件;只有在很少的情况下,环境会对参考标签和待定位标签产生不同的影响,即参考标签和待定位标签受到不同的非视距误差和多径效应影响,定位误差较大,是小概率事件。接收正常信号和接收误差信号的概率分布符合高斯分布。
本文采用高斯滤波方法[5]来减少非视距误差和多径效应带来的影响。对接收到的同一个参考标签或待定位标签发射的m个信号,通过高斯滤波方法将小概率事件的电磁波信号滤除,保留大概率事件的电磁波信号,再取几何平均值作为参考标签或待定位标签发射信号的强度值。
高斯函数:
式中:z为随机变量;μ为随机变量的均值;σ2为随机变量的方差。
用F(z)表示随机事件的概率,根据经验,一般大概率事 件取概率 大于0.6的范围,即0.6≤ F(z)≤1,于是0.15σ+μ≤z≤3.09σ+μ。所以通过高斯函数滤除小概率事件后,阅读器接收到的待定位标签信号强度的范围为[0.15σ+μ,3.09σ+μ]。其中将符合该区间的信号强度值取几何平均值作为阅读器接收到的参考标签或待定位标签的信号强度值。此时计算出的E值误差更小,得到的待定位标签的位置坐标更加准确。
2.3标签防碰撞算法
井下工作地点相对集中,工作人员密集,多个待定位标签同时向阅读器发送电磁波信号很可能会产生标签碰撞问题。标签碰撞是指当多个标签发送的信号同时到达阅读器时,阅读器接收到的信号发生冲突,阅读器无 法辨识具 体标签的 情况。 LANDMARC定位算法中,所有的RFID标签每隔一个规定的时间发射1次信号,以减少发生标签碰撞的概率,但该方法在标签较少时效果较好,若区域中分布的标签较多,且待定位标签数量不确定时,发生标签碰撞的概率将增加,效率降低。另外由于较远的标签发射信号到达阅读器的传输距离远,标签定时发送信号的时间存在误差,当误差累积到一定程度就有可能发生标签碰撞。
为最大程度地避免标签碰撞,提高标签辨识的效率,本文将阅读器读周期分成多个时隙,每个标签都在单独的1个时隙中发射信号到阅读器[6]。假设阅读器读周期内存在N个时隙,则每个时隙被标签独立选中的概率为1/N ,没被选中的概率为1-1/N,若有n个标签,则同一个时隙被r(r=0,1,…,n)个标签选中的概率为
若r=0,则时隙不被标签选中的概率为
若r=1,则时隙被1个标签选中的概率为
此时标签被正常辨识出来。
若r≥2,则同一时隙被2个以上标签选中的概率为
此时发生标签碰撞。
若要使标签识别效率最高,标签冲突最少,令
由式(6)、式(8)可得
将式(9)泰勒级数展开得
由此可看出,当时隙数等于或略大于标签数量时,标签的识别效率最高,因此需先估算出标签数量。先设定Pcol的最大值和最小值,只有得到的Pcol值在该区间内,才视其为有效,再通过式(7)计算出标签时隙数的估计值。根据标签数量就可以设定一个适合的Q值,使得时隙数等于或略大于标签数量,从而使辨识标签的效率达到最高。
上述方法只是使系统尽量避免标签碰撞,但遇到标签碰撞时还需要对碰撞的标签进行处理,使阅读器可以辨识发生碰撞的标签。标签发生碰撞时, 时隙计数器不为0的标签将时隙计数器加1,时隙计数器为0的标签即 发生碰撞 的标签,自动产生1个0~(2Q-1)范围内的随机 数放到时 隙计数器 中,此时时隙计数器为0的标签再次发送信号,时隙计数器不为0的标签将时隙计数器加1,然后不断重复这个过程,直到不再产生标签碰撞,此时阅读器便可以完全辨识出发生碰撞的标签。
3仿真分析
在Matlab 2012环境中进行仿真。针对煤矿井下巷道狭长、弯道较多的特点,设置了2种实验区域,一种是600 m×6 m的狭长直 道,另一种是 有5个弯道的600m×6m的狭长区域,分别进行仿真实验。
3.1RSSI值与定位误差
仿真时采用2种方式计算RSSI值:一种是采用LANDMARC定位算法中使用的1—8个等级对RSSI进行标注;另一种是 本文提出 的改进的LANDMARC定位算法。分别通过这2种方法计 算出距离待定位标签最近的参考标签,并计算待定位标签位置。在600 m×6 m直道区域中,分别设置不同间隔的参考标签情况下,对待定位标签进行100次定位实验,计算平均 定位误差,仿真结果 如图2所示。
从图2可看出,随着参考标签间隔越来越大, LANDMARC定位算法中采用1—8的RSSI等级不能很好地区分待定位标签的最近参考标签,使得定位误差急剧增大,而改进的LANDMARC定位算法通过计算具体RSSI值,很容易区分最近参考标签,定位精度较高。
3.2弯道数与定位误差
井下巷道除了直道还有很多弯道,使得无线电磁波在井下巷道传输过程中受到非视距误差和多径效应的影响更加明显。为研究非视距误差和多径效应对定 位算法的 影响,针对不同 的弯道数 对LANDMARC定位算法和改进的LANDMARC定位算法进行实验。选择有5个弯道的600m×6m的狭长区域,每隔20m设置1个参考标签,对每个待定位标签进行100次定位实验,计算平均定位误差,仿真结果如图3所示。
从图3可看出,LANDMARC定位算法随着弯道数的 增加,定位误差 急剧增大,而改进的LANDMARC定位算法由于采用了高斯滤波方法对非视距误差和多径效应进行处理,减小了定位误差,提高了定位的准确性。
3.3待定位标签密度与识别率
在600m×6 m直道区域中,参考标签布置密度相同的情况下,对LANDMARC定位算法、改进的LANDMARC定位算法 和RFID定位方法[4]中同时有多个待定位标签的情况进行实验,研究不同定位算法中可能发生标签碰撞的情况。分别在待测区域内设置5,20,40,60,80,100个待定位标签,对每种待定位标签情况进行100次定位实验,计算每种情况下的待定位标签识别率,仿真结果如图4所示。
从图4可看出,随着区域中待定位标签的数量逐渐增多,RFID定位方法无法有效避免标签碰撞, 更不能处理标签碰撞,待定位标签识别率明显减小。LANDMARC定位算法具有避免标签碰撞机制,产生的定位错误较RFID定位方法少,但由于没有处理标签碰撞机制,一旦发生标签碰撞,就会发生定位错误,所以随着待定位标签数量增多,LADMARC定位算法发生定位错误的情况也逐渐增多。而改进的LANDMARC定位算法既有避免标签碰撞机制, 又能在发生标签碰撞时很好地处理标签碰撞情况, 所以产生定位错误的情况最少,性能最佳。
4结语
定位算法范文
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
