无线定位及导航的关键技术研究
发布时间：2020-11-20 02:39
随着社会的发展,位置信息在信息社会中的地位愈发重要。例如,在无线传感器网络(WSNs)或移动互联网应用中,通过无线定位及导航技术可以有效提高位置信息的准确性并开展基于位置的服务。因此,对无线定位及导航关键技术的研究是非常重要的。本文主要研究WSNs应用中的DV-Hop(基于距离矢量)定位及移动互联网应用中的基于智能手机的E2E(端对端)室内导航。本文的主要工作如下:1)针对DV-Hop的定位模糊问题,提出基于梯度下降的分布式DV-Hop迭代求精算法(GDLR)。首先,GDLR基于DV-Hop的定位过程提出一种伪测距方法;然后,将DV-Hop结果求精问题建模为邻居节点间的伪测距距离和定位距离的差值的平方和最小化问题,并提出通过梯度下降求解该最小化问题;最后,实现了仅利用1跳邻居节点信息的GDLR1和同时利用1跳与2跳邻居节点信息的GDLR2求精算法。仿真结果表明,与DV-Hop相比,GDLR1和GDLR2的定位精度分别提高40%和53%;与两种最近的DV-Hop改进算法相比,GDLR1和GDLR2的定位精度分别提高33%和49%、29%和47%。此外,权衡定位精度和能耗,提出基于能耗有效的EGDLR算法。EGDLR通过避免GDLR2在迭代求精过程中向2跳邻居节点广播求精后的坐标,从而减少能耗。仿真结果表明,EGDLR的定位精度比GDLR1提高约22%,能耗却比GDLR2降低约65%。2)针对移动互联网应用中的基于智能手机的E2E室内导航,首次提出一种基于行人轨迹推算(PDR)和地磁信息融合的E2E室内导航算法(HMagPDR),它由基于PDR的路径匹配算法和基于DTW(动态时间规整)的地磁匹配算法组成。前者用于在相邻关键点(如转弯或上下楼)之间进行导航,后者用于检测路径偏移。此外,为提高PDR中的步数检测精度,HMagPDR算法提出一种基于组合滤波(滑动平均滤波与卡尔曼滤波)和自适应阈值的步数检测算法(ASD)。测试结果表明,与对比的两种PDR算法的步数检测方法相比,ASD的步数检测精度分别提高18.9%和10.3%。实验结果还表明,HMagPDR可检测最小距离为10m的相邻关键点,满足室内路径偏移检测的需要。3)实现基于HMagPDR算法的E2E室内导航系统(E2Enav)。E2Enav由APP和服务器组成。APP采用JavaScript的cordova框架,包括领路者参考路径和跟随者导航路径模块;服务器采用MySQL5.6数据库;APP和服务器通过移动互联网连接。E2Enav通过让用户们以自我激励的方式记录和分享路径跟踪信息以导航路径跟随者,从而实现了领路者-跟随者的E2E室内导航模式,可在室内场景下提供导航服务。实际场景测试表明,E2Enav对关键点的匹配率达100%且能在4 s以内检测出80%的路径偏移事件,可以用于室内导航。
【学位单位】：杭州电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN92
【部分图文】：
历ｚ＿ｚｅ，．表不锚点／的每跳距离；（．ｕ），?分别是锚点／和ｙ的坐标；／表不锚点／??和ｙ之间的最小跳数。??图２．１为ＤＶ－Ｈｏｐ算法的一个例子。其中，Ａｉ，Ａ２，?Ａ３为锚点，未知节点Ｂ为需要定位??的目标节点。根据式（２．１），锚点Ａｉ，Ａ２，Ａ３的每跳距离分别为：（４０?＋?１００）／（２?＋?６）?＝?１７．５ｍ，??（４０?＋?６０）／（２?＋?５）?＝?１４．３ｍ，（６０?＋?１００）／（５?＋?６）?＝?１４．５ｍ。为了避免在广播信息过程中出现泛洪现象，??所有未知节点只保存和转发接收到的第一个每跳距离信息，拒绝之后收到的信息。也就是说，??未知节点只能从最近的锚点接收其每跳距离信息。所以，此时未知节点Ｂ只保存来自Ａ２的每??跳距离。计算未知节点Ｂ到三个锚点的距离，分别为Ａｎ?３ｘ１４．３?＝?４２．９，Ａ２：?２ｘ１４．３?＝?２８．６，??Ａ３：?３ｘ１４．３?＝?４２．９。最后，使用二边定位等几何算法求得未知节点Ｂ的坐标。??＼?１００ｍ??图２．１?ＤＶ－Ｈｏｐ算法的例子??（２）?ＤＶ－ＲＮＤ??类似于ＤＶ－Ｈｏｐ的跳数概念，ＤＶ－ＲＮＤ［２１］算法也定义了一种新的度量距离的方法，称为规??范邻域距离（ｒｅｇｕｌａｔｅｄ?ｎｅｉｇｈｂｏｒｈｏｏｄ?ｄｉｓｔａｎｃｅ
现有的ＤＶ－Ｈｏｐ及其改进算法无法很好地解决上述问题。通过阅读大量文献，我们发现??ＤＶ－Ｈ〇Ｐ及其改进的算法仅使用描点的信息来定位未知节点。不同的是，我们认为可以充分利??用未知节点的邻居节点信息来优化定位结果。例如，通过估计图３．１中未知节点２、３与其邻??居节点间的距离，我们可以区别未知节点２、３的定位结果。基于此思想，我们提出利用未知??节点的１跳或２跳邻居节点信息，对ＤＶ－Ｈｏｐ的定位结果进行求精。??３．２?ＧＤＬＲ算法介绍??在本节中，我们详细描述了?ＧＤＬＲ算法，包括未知节点与邻居节点间的伪测距距离??（ｐｓｅｕｄｏ－ｒａｎｇｅ?ｄｉｓｔａｎｃｅ，?ＰＲＤ）、基于梯度下降的求精方法以及ＧＤＬＲ算法的具体过程。最后??分析了?ＧＤＬＲ算法的复杂性。??３．２．１?ＰＲＤ的定义??我们定义未知节点／与其１跳邻居节点＿／各自所保存的每跳距离的平均值作为：ＰＲＤ，其表??达式如下所示：??＝?Ｈ＾＋＾ＨＬｅ?（３．１）??其中，和付＾分别是未知节点纟和保存的每跳距离；表示未知节点／和之间的ｉ跳??ＰＲＤ。相应地，根据１跳ＰＲＤ，２跳ＰＲＤ定义如下：??（３－２）??其中
如果／／过大，算法可能不会收敛。我们将在３．３节中研宄如何设置Ｖ的值。??３．２．３?ＧＤＬＲ的实现流程??图３．２显示了?ＧＤＬＲ算法的实现流程。我们将ＧＤＬＲ分为两个阶段：ＤＶ－Ｈｏｐ初始化阶??段和迭代求精阶段。ＤＶ－Ｈｏｐ初始化的实现过程已在第二章中论述。下文着重描述迭代求精阶??段的流程。迭代求精也包括两个阶段：内循环和外迭代。在内循环期间，每个节点基于邻居??节点的当前坐标计算其最佳位置。在外部迭代期间，每个节点将其求精后的位置广播到邻居??节点，然后继续进行内部循环。另外，我们设置了一个结束迭代的条件来提早终止节点的求??精过程。具体而言，我们定义一个距离来衡量某个未知节点连续两次外迭代求精之后??的坐标之间的差异，用式（３．９）表示：??Ａ＿＝｜｜ｄ１?（３－９）??其中，Ａ：表示节点ｆ的第々次外迭代。如果Ａ．咖ＧＤＬＲ则终止该节点的外部迭代。及??是预设阈值，在我们的实验中，其值等于Ｏ．Ｏｌｘｒ，ｒ表示节点的通信半径。??ＧＤＬＲ算法的迭代求精阶段的具体流程如下：??Ｓｔｅｐｌ每个未知节点将其保存的每跳距离和初始位置（ＤＶ－Ｈｏｐ的定位
【参考文献】
本文编号：2890817
【学位单位】：杭州电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN92
【部分图文】：
历ｚ＿ｚｅ，．表不锚点／的每跳距离；（．ｕ），?分别是锚点／和ｙ的坐标；／表不锚点／??和ｙ之间的最小跳数。??图２．１为ＤＶ－Ｈｏｐ算法的一个例子。其中，Ａｉ，Ａ２，?Ａ３为锚点，未知节点Ｂ为需要定位??的目标节点。根据式（２．１），锚点Ａｉ，Ａ２，Ａ３的每跳距离分别为：（４０?＋?１００）／（２?＋?６）?＝?１７．５ｍ，??（４０?＋?６０）／（２?＋?５）?＝?１４．３ｍ，（６０?＋?１００）／（５?＋?６）?＝?１４．５ｍ。为了避免在广播信息过程中出现泛洪现象，??所有未知节点只保存和转发接收到的第一个每跳距离信息，拒绝之后收到的信息。也就是说，??未知节点只能从最近的锚点接收其每跳距离信息。所以，此时未知节点Ｂ只保存来自Ａ２的每??跳距离。计算未知节点Ｂ到三个锚点的距离，分别为Ａｎ?３ｘ１４．３?＝?４２．９，Ａ２：?２ｘ１４．３?＝?２８．６，??Ａ３：?３ｘ１４．３?＝?４２．９。最后，使用二边定位等几何算法求得未知节点Ｂ的坐标。??＼?１００ｍ??图２．１?ＤＶ－Ｈｏｐ算法的例子??（２）?ＤＶ－ＲＮＤ??类似于ＤＶ－Ｈｏｐ的跳数概念，ＤＶ－ＲＮＤ［２１］算法也定义了一种新的度量距离的方法，称为规??范邻域距离（ｒｅｇｕｌａｔｅｄ?ｎｅｉｇｈｂｏｒｈｏｏｄ?ｄｉｓｔａｎｃｅ
现有的ＤＶ－Ｈｏｐ及其改进算法无法很好地解决上述问题。通过阅读大量文献，我们发现??ＤＶ－Ｈ〇Ｐ及其改进的算法仅使用描点的信息来定位未知节点。不同的是，我们认为可以充分利??用未知节点的邻居节点信息来优化定位结果。例如，通过估计图３．１中未知节点２、３与其邻??居节点间的距离，我们可以区别未知节点２、３的定位结果。基于此思想，我们提出利用未知??节点的１跳或２跳邻居节点信息，对ＤＶ－Ｈｏｐ的定位结果进行求精。??３．２?ＧＤＬＲ算法介绍??在本节中，我们详细描述了?ＧＤＬＲ算法，包括未知节点与邻居节点间的伪测距距离??（ｐｓｅｕｄｏ－ｒａｎｇｅ?ｄｉｓｔａｎｃｅ，?ＰＲＤ）、基于梯度下降的求精方法以及ＧＤＬＲ算法的具体过程。最后??分析了?ＧＤＬＲ算法的复杂性。??３．２．１?ＰＲＤ的定义??我们定义未知节点／与其１跳邻居节点＿／各自所保存的每跳距离的平均值作为：ＰＲＤ，其表??达式如下所示：??＝?Ｈ＾＋＾ＨＬｅ?（３．１）??其中，和付＾分别是未知节点纟和保存的每跳距离；表示未知节点／和之间的ｉ跳??ＰＲＤ。相应地，根据１跳ＰＲＤ，２跳ＰＲＤ定义如下：??（３－２）??其中
如果／／过大，算法可能不会收敛。我们将在３．３节中研宄如何设置Ｖ的值。??３．２．３?ＧＤＬＲ的实现流程??图３．２显示了?ＧＤＬＲ算法的实现流程。我们将ＧＤＬＲ分为两个阶段：ＤＶ－Ｈｏｐ初始化阶??段和迭代求精阶段。ＤＶ－Ｈｏｐ初始化的实现过程已在第二章中论述。下文着重描述迭代求精阶??段的流程。迭代求精也包括两个阶段：内循环和外迭代。在内循环期间，每个节点基于邻居??节点的当前坐标计算其最佳位置。在外部迭代期间，每个节点将其求精后的位置广播到邻居??节点，然后继续进行内部循环。另外，我们设置了一个结束迭代的条件来提早终止节点的求??精过程。具体而言，我们定义一个距离来衡量某个未知节点连续两次外迭代求精之后??的坐标之间的差异，用式（３．９）表示：??Ａ＿＝｜｜ｄ１?（３－９）??其中，Ａ：表示节点ｆ的第々次外迭代。如果Ａ．咖ＧＤＬＲ则终止该节点的外部迭代。及??是预设阈值，在我们的实验中，其值等于Ｏ．Ｏｌｘｒ，ｒ表示节点的通信半径。??ＧＤＬＲ算法的迭代求精阶段的具体流程如下：??Ｓｔｅｐｌ每个未知节点将其保存的每跳距离和初始位置（ＤＶ－Ｈｏｐ的定位
【参考文献】
相关期刊论文 前5条
1 汤文亮;周琳颖;;基于三角形外接圆覆盖的改进APIT定位算法[J];传感技术学报;2015年01期
2 张荣辉;贾宏光;陈涛;张跃;;基于四元数法的捷联式惯性导航系统的姿态解算[J];光学精密工程;2008年10期
3 唐文胜;李姗;匡旺秋;;RF室内定位指纹库空间相关生成算法[J];计算机工程与应用;2008年23期
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年05期
5 赵毅;数字滤波的滑动平均法和低通滤波法[J];仪表技术;2001年05期
本文编号：2890817
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2890817.html
