质心定位中的加权坐标误差修正方法
一种改进的质心定位及误差校正算法
第34卷第5期2017年5月计算机应用与软件Computer Applications and SoftwareVol.34 No.5May2017一种改进的质心定位及误差校正算法杜士怀宋杰(安徽大学计算机科学与技术学院安徽合肥230601)摘要在信标节点分布不均匀的情况下，为了使节点定位的误差尽可能小以及在误差校正过程更加有效和可靠，提出一种改进的质心定位算法。
该算法首先确定未知节点通信范围内的信标节点，然后取部分这些信标节 点作为顶点构成凸多边形，通过RS S I获取未知节点与凸多边形的各个顶点的距离，之后将质心定位的凸多边形 内的所有信标节点都作为校正节点，由这些校正节点得到相对应的校正因子，通过添加权重因子综合所有的校正 因子来替换未知节点的测距误差因子，对测距误差进行补偿，最后利用加权质心定位方法确定未知节点的最终位 置。
仿真实验表明：在信标节点分布不均匀的情况下，在10m x l O O m的监测区域内，该算法相比于其他定位算 法具有更强的抗干扰能力，而且平均定位误差至少减少12% ,是一种定位精度更高的算法。
关键词 节点定位接收的信号强度指示质心定位算法凸多边形校正因子补偿中图分类号 TP393 文献标识码 A D O I:10.3969/j.issn.1000-386x.2017.05.020AN IMPROVED CENTROID LOCALIZATION AND ERROR CORRECTION ALGORITHMDu Shihuai Song Jie(co o l of Computer Science and Technology,Anhui University, Hefei 230601,Anhui, China)Abstract I n order t o make the error of node location as small as possible and more effective and reliable in the error correction process,an improved centroid l ocation algorithm i s proposed in the case of nonuniform beacon distribution. The algorithm f i r s t l y determines the beacon nodes in the communication range of unknow^n nod these beacon nodes as vertices t o form convex polygons.The distance between the unknown node and each vertex of the convex polygon i s obtained through the RSSI.Then a l l the beacon nodes in the convex polygon taken as correction nodes,and the corresponding correction factors are obtained by these correction nodes.By adding the weighting factor,a l l the correction factors are combined t o replace the ranging error factor of the unknown node，and the error of the ranging i s compensated.Finally，the final position of the unknown node i s determined by the weighted centroid localization method.Simulation results showthat the algorithm has stronger anti-jamming capability than other localization algorithms in the 100 m x100 m monitoring area，and the average positioning error i s reduced by a t l e a s t 12% when the beacon nodes are distributed unevenly，the algorithm i s a mor Keywords Node l ocalization RSSI Centroid localization algorithm Convex polygon Correction factor Compensation〇引言在研究无线传感器网络中，节点定位技术是一项 重要的支撑技术。
测绘技术中如何进行坐标纠正
测绘技术中如何进行坐标纠正概述随着测绘技术的进步和应用领域的不断扩大，坐标纠正作为一项重要的技术手段，在保证测绘结果准确性和精度的同时具有重要的实际应用价值。
本文将探讨测绘技术中如何进行坐标纠正的问题，并深入分析不同纠正方法的优缺点。
一、坐标纠正的基本原理坐标纠正是指对测绘得到的坐标数据进行修正和更新，以提高其准确性和精度的过程。
在测绘过程中，由于各种误差的存在，测定的坐标往往会与地理实际位置产生偏差。
因此，进行坐标纠正是十分必要的。
坐标纠正的基本原理可以归结为两个方面：观测值的调整和模型的优化。
在观测值的调整中，通过对测量数据进行加权和先验条件的约束，使得坐标数据在最小二乘平差的条件下达到最优值。
而在模型的优化方面，则需要考虑地形、大地基准等因素，采取适当的变形模型对坐标进行修正。
二、坐标纠正的方法1. 最小二乘平差法最小二乘平差法是一种广泛应用的坐标纠正方法。
该方法以误差平方和最小为目标，通过对观测值的加权和误差方程的建立，对坐标进行优化调整。
最小二乘平差法的优点在于能够充分利用测量数据的信息，同时可以对不同类型的误差进行合理的加权处理。
然而，该方法也存在一定的局限性，例如对于大范围变形的地面，仅使用最小二乘平差法进行坐标纠正可能无法满足需求。
2. 网络平差法网络平差法是一种将坐标纠正问题转化为网络平差问题求解的方法。
它通过建立测量点之间的连接网络，根据测量数据中的误差信息，采用平差法对坐标进行修正。
网络平差法的优势在于可以充分考虑测量点之间的相互联系，有效地减小坐标纠正的误差。
与最小二乘平差法相比，网络平差法在复杂的地质环境下表现出更好的适应性和稳定性。
三、坐标纠正中需要注意的问题1. 参考坐标系的选择在进行坐标纠正时，选择合适的参考坐标系是非常重要的。
一方面，选取的坐标系应能够与现场实际地理坐标相匹配；另一方面，要考虑到后续数据处理的便利性和精度要求。
2. 要素的识别与分类坐标纠正过程中，需要对不同类型的要素进行识别和分类。
基于动态质心迭代与偏差修正的室内定位方法
基于动态质心迭代与偏差修正的室内定位方法苏国栋;徐世武;蔡碧丽【摘要】射频识别技术(RFID)是室内精确定位的重要技术之一.基于经典LANDMARC算法定位精度不高问题,提出了基于动态质心迭代和偏差修正相结合的定位算法.该算法采用最小关联度为准则,通过将近邻区域质心作为下一个参考标签依次迭代近邻成员,直至与目标标签的关联度低于阈值,实现预定位;通过实施k近邻成员重定位并引入修正系数对预定位坐标进行偏差修正.实验结果表明,相比于LANDMARC算法,该算法的定位准确度得到较大提高.【期刊名称】《计算机系统应用》【年(卷),期】2018(027)011【总页数】6页(P265-270)【关键词】LANDMARC;最小关联度;动态质心迭代;偏差修正【作者】苏国栋;徐世武;蔡碧丽【作者单位】福建师范大学福清分校电子与信息工程学院,福清 350300;福建师范大学协和学院信息技术系,福州 350117;福建师范大学福清分校电子与信息工程学院,福清 350300【正文语种】中文1 引言随着计算科学技术的不断发展,无线通信技术深度渗透,越来越多实际应用需要知道物体的精确物理位置信息,并因此产生各式各样的基于位置的服务,由此定位问题受到了相当大的关注.毫无疑问,GPS定位技术已基本满足了我们在室外场景中对于位置服务的多样化需求.然而,80%的人类活动行为是在室内进行的[1]; 同时,服务机器人、新型物联网终端设备等大量室内定位需求也发生在室内; 而室内场景受到各类障碍物的遮挡,GPS信号快速衰减,定位能力严重受限制,无法满足室内场景中导航定位的需要[2].其中,射频识别(RFID)以非接触、非视距、低成本等优点,成为热门技术.尤其,以倪明选、刘云浩等提出的非测距算法LANDMARC[3]定位技术较为典型.它通过引入参考标签,统计分析目标标签、参考标签以及阅读器间的接收信号强度(RSS),利用k 近邻法估计坐标位置,节约成本.针对算法存在的问题,文献[4]通过LANDMARC定位算法测得目标标签的理论坐标,并利用三角测定法对N个已知参考标签重定位且获得理论坐标,进而求出N个坐标位置得平均误差,从而修正目标坐标,但该误差修正无法准确反映实际目标的位置偏差,定位精度较为有限; VIRE[5]算法考虑到LANDMARC定位精度受参考标签密集度影响较大,从而引入虚拟参考标签,细化实际参考标签区域内网格,把它当作实际参考标签使用,参与k近邻法选择,提高定位精度,但是存在虚拟参考标签RSS值计算与实际偏差较大; 文献[6]提出了一种基于贝叶斯概率和LANDMARC相结合的室内定位算法,利用高斯滤波器可以过滤一些异常的RSS值,降低多径和环境干扰引起的位置波动和误差,减少定位误差.文献[7]提出了一种改进的三维LANDMARC室内定位算法,引入数据融合算法和自适应算法,提高LANDMARC算法的定位精度和适应性.上述方法从不同角度去改进LANDMARC定位精度,但存在近邻成员更新替代机制引起定位精度不高等问题.本文提出了以最小关联度为准则,通过计算该近邻区域的质心作为下一个参考标签依次迭代近邻成员,直至与目标标签的关联度低于阈值,从而估计目标标签的坐标,实现预定位; 通过实施k近邻成员重定位并引入修正系数,对预定位坐标进行偏差修正.2 LANDMARC算法简介LANDMARC算法的核心思想是通过利用引入参考标签替代部署阅读器,借助阅读器对参考标签和目标标签的接收信号强度感知并对比.原则上,实际位置越接近目标标签的参考标签,其在阅读器上的感知应该与目标标签更为相似.故此,找出它们之间的关联度,并借助已知坐标的参考标签,从而估计目标标签的坐标.其算法通过计算,对于每个目标标签均选取k个关联度值最小的参考标签作为k近邻成员.其中,关联度值计算采用它们信号强度的均方差来表示:其中,M、N和U分别是是阅读器、参考标签和目标标签的数目;Eij表示第i个目标标签和第j个参考标签的关联度;Sip表示第p个阅读器获得第i个目标标签的RSS 值;θip表示第p个阅读器获得第j个参考标签的RSS值.由此可得,关联度矩阵[8]:显然,Eij越小,说明目标标签与参考标签的位置更接近.由此,对于每个目标标签,从小至大选择k个Eij值.最后,依据权重质心法[9]和参考标签的已知坐标,估计目标标签的位置:其中,Eij表示第i个目标标签的第j个近邻的位置的权重,其计算公式如下:表示离目标标签近的邻居参考标签的权重理论上要大于离待定位目标标签远的权重.3 动态质心迭代与自偏差修正算法研究3.1 动态质心迭代算法尽管LANDMARC算法通过引入参考标签,提高了目标标签的定位精度.但k近邻成员的选择机制是静态的,既当选取参考标签与目标标签之间关联度最接近的k个近邻参考标签后,缺乏k近邻成员的动态迭代机制.在k值确定的情况下,若k近邻成员中存在与目标标签关联度较低的标签,尽管通过弱化权重,但是对目标标签位置估计的影响仍然存在,这是不利的.如果能够动态迭代k近邻成员,将该关联度低的参考标签剔除,引入关联度高的标签,使得近邻成员逐渐逼近目标标签,就可以克服这个不利影响.因此,本文提出了以最小关联度为准则,即将当前估计质心纳入近邻成员,并按从小到大对其关联度值进行排序,剔除关联度最大的近邻成员,从而实现动态质心迭代k近邻成员,直至与目标标签的关联度低于设定阈值,从而计算目标标签的坐标.基本算法流程描述如下.步骤1.通过LANDMARC算法,求出首批k近邻参考标签,k近邻参考标签与目标标签i的最小关联度矩阵Ei={Eij|i:当前目标标签序号，j=1，2，...，k};步骤2.已求关联度矩阵,并根据式(4)计算目标标签i当前k个近邻成员的权重,即wi={w(i，j)|i代表当前目标标签序号，j=1，2，...，k};步骤3.根据式(3)估计该近邻区域的质心位置并可得到各阅读器在该位置的RSS值步骤4.根据式(1)计算目标标签i与该估计质心位置的关联度;步骤 5.设定阈值.若则该质心位置即作为该目标标签的最终估计坐标执行步骤6; 若以最小关联度为准则,将该估计质心更新替代k近邻成员,从而将原k近邻成员中关联度值最大的近邻成员剔除并更新Ei,跳转至步骤2继续往下执行;步骤6.结束.3.2 自偏差修正算法通过计算目标标签近邻区域的加权质心,以最小关联度为准则,动态迭代更新其k近邻,实现对目标标签的逼近,但其比较依赖于准确的RSS值.在实际环境中,不可避免的存在电磁波的反射、折射、多径效应等现象.这些因素会导致不同区域或不同标签位置的信号衰落程度不同,因此阅读器感知到参考标签和目标标签的信号受到影响,接收信号强度值RSS发生偏差.而整个LANDMARC算法对于RSS值的依赖性高,若RSS偏差较大将导致较大的目标标签定位误差.为此,应该适当的对估计位置进行偏差修正,从而尽可能的降低其对定位结果的影响.为了改进上述问题,通过对已知真实位置的参考标签实施重定位,并将其定位差值反馈并修正待定位的目标标签.具体的工作描述如下.步骤1.通过上文提出的动态质心迭代算法估计目标标签i的坐标,设为步骤2.对目标标签i的k个近邻成员作为待定位目标标,已知真实坐标为并利用基于动态质心迭代的改进型LANDMARC算法实施重定位,得到k个近邻成员的估计坐标步骤3.引入修正系数对目标标签i的定位坐标值进行补偿,计算公式为::x坐标的修正系数,其值为式(9);:y坐标的修正系数,其值为式(10).对于目标标签i的近邻区域内,对k近邻成员的重定位,据已知真实坐标和估计坐标评估统计该区域内标签的误差量,进行优化拟合,得到该区域内的修正系数同一区域内,该修正系数能够较好的反映该区域内的偏差以便补偿.对此,我们以横坐标x为例:对于k近邻成员的坐标估计总均偏差可描述为:要使得总均偏差最小,由上式可知,要令取得极小值.不妨假设:对求导,并令其值为0,即整理可得:同理可得:3.3 算法流程图在LANDMARC算法基础上,通过引入动态质心迭代与自偏差修正算法相结合的算法提高定位准确性和可靠性.其算法流程如图1所示.首先,通过设定门限阈值,据此循环评估估计质心坐标与目标标签的关联度,实现了动态更新目标标签的k近邻成员,使预定位坐标逐渐逼近目标标签,克服了静态k近邻选择机制问题,提高了定位精度和稳定性.在此基础上,计算环境修正系数并对预定位坐标进行偏差修正,解决了预定位坐标受区域内环境因素影响而产生误差问题,减少环境对定位结果的影响,提高了定位准确性,使算法更具良好的环境适应性和稳定性.图1 动态质心迭代及偏差修正算法流程图4 仿真实验与结果分析4.1 仿真环境为了更好地验证改进算法的性能,使用Matlab R2014a对经典LANDMARC算法及本文提出的改进算法进行定位性能仿真实验.本次仿真实验采用的信道传输模型是对数距离路径损耗模型,路径损耗因子取值为2,参考距离取值为0.1 m.设定定位区域范围为8 m×8 m 的空间[10],并将坐标 (0,0)、(0,8)、(8,0)、(8,0)设置为阅读器所在位置.同时,在该区域内部均匀部署16个参考标签,水平和垂直方向上相邻参考标签的间距均为2 m,外层参考标签与区域边界的距离为1 m;另外,在该区域内设定了20个目标标签,布局如图2所示.并假设所有标签均在各阅读器的覆盖范围之内.4.2 结果分析设定近邻参考标签数k=4,并于仿真环境中对LANDMARC算法及改进算法进行仿真.定位结果如图3和图4所示.图3为LANDMARC和质心迭代改进法定位结果比较; 图4为LANDMARC质心迭代及偏差修正法定位结果比较.图2 仿真布局图图3 LANDMARC和质心迭代改进算法仿真结果图图4 LANDMARC质心迭代及偏差修正算法仿真结果图结果表明,本文提出的动态质心迭代改进算法在定位精度上,相比于LANDMARC,整体上有明显提高.换言之,以最小关联度为准则,通过计算该近邻区域的质心作为下一个参考标签依次迭代近邻成员,直至与目标标签的关联度低于阈值的方法,使得对目标标签的估计值越接近实际位置,从而实现定位精度提高.与此同时,对于RSS固有偏差,采取的基于参考标签重定位与引入区域修正因子的误差反馈相结合,对目标标签定位进行校正,进一步有效提高了定位精度,效果更为明显.但是,在边界区域的定位精度尽管提高了,但差距仍较为明显.此外,采用标准均方差误差(RMSE)[11]对定位误差进行分析.RMSE是比较常见的定位精度评估标准,其公式为:图5为LANDMARC及改进算法各目标标签定位误差直方图.由图5可知,基于动态质心迭代的改进算法相比于LANDMARC,在各个目标位置上均由较大提升.而对质心迭代后的定位结果进行适当的误差修正,定位精度定进一步得到提高,误差较小,更接近目标标签.但在编号14、20上,改进前后的误差仍较大,发现这三个点处于较为边缘区域位置,主要原因在于边缘区域为部署相应参考标签或提出针对的解决方法,这也是下一步需改进的工作.图5 LANDMARC和改进算法各目标标签定位误差直方图为了进一步比较LANDMARC和改进算法的性能,表1列出了若干个目标标签的定位结果数据.表2列出了几种算法的最大误差、平均误差.表1和表2进一步验证了本文提出的基于质心迭代与偏差修正的方法有效的提高了定位精度,平均误差为0.282 m.当去除边缘目标标签后,本文提出的算法的最大误差为0.488 m,平均误差达0.153 m.5 结论与展望针对RFID环境下,传统LANDMARC算法当k近邻成员选定后,没有更新迭代逼近机制等问题,从而影响了定位精度.本文提出了以最小关联度为准则,通过计算该近邻区域的质心作为下一个参考标签依次迭代近邻成员,直至与目标标签的关联度低于阈值,从而估计目标标签的坐标,实现预定位; 通过实施k近邻成员重定位并引入修正系数,对预定位坐标进行偏差修正.通过Matlab 仿真结果表明,基于动态质心迭代和偏差修正相结合的算法比LANDMARC具有更高的定位精度.当然,也存在着诸如边缘区域定位精度误差仍较大等问题,这也是下一步需要改进的工作.表1 定位结果数据比较(4.955,5.215)0.734质心迭代法 (4.783,5.632)0.285质心迭代及偏差修正 (4.694,5.994)0.127 LANDMARC标签编号7(3.188,1.742)误差e(m)LANDMARC标签编号3(4.641,5.879)定位算法真实坐标(m) 估计坐标(m)(2.842,2.260)0.623质心迭代法 (2.875,2.219)0.570质心迭代及偏差修正(3.357,1644) 0.195 LANDMARC标签编号9(5.928,2.233)(6.046,2.220)0.119质心迭代法 (5.962,2.269)0.050质心迭代及偏差修正 (5.984,2.235)0.026 LANDMARC 标签编号20(0.123,5.976)(2.332,5.356)2.295质心迭代法(2.060,5.908)1.938质心迭代及偏差修正 (1.742,6.443)1.685表2 定位算法性能比较去边缘标签后平均误差(m)LANDMARC 2.295 0.7941.231 0.657质心迭代法 1.938 0.514 0.935 0.370质心迭代及偏差修正 1.685 0.282 0.488 0.153定位算法最大误差(m)平均误差(m)去边缘标签后最大误差(m) 参考文献【相关文献】1 文祥计.基于智能手机的声信号室内定位系统研究[硕士学位论文].杭州: 浙江大学,2016.2 俞敏杰,易平,关汉男.基于快速部署的室内多楼层定位算法研究.计算机工程,2014,40(9): 23–26,31.[doi: 10.3969/j.issn.1000-3428.2014.09.005]3 Ni LM,Liu YH,Lau YC,et NDMARC: Indoor location sensing using activeRFID.Proceedings of the 1st IEEE International Conference on Pervasive Computing and Communications.Fort Worth,TX,USA.2003.407–415.4 Jin G,Lu XY,Park MS.An indoor localization mechanism using active RFIDtag.Proceedings of 2006 IEEE International Conference on SensorNetworks,Ubiquitous,and Trustworthy Computing.Taichung,Taiwan,China.2006.40–43.5 Zhao YY,Liu YH,Ni LM.VIRE: Active RFID-based localization using virtual reference elimination.Proceedings of 2007 International Conference on ParallelProcessing.Xi'an,China.2007.56.6 Xu H,Ding Y,Li P,et al.An RFID indoor positioning algorithm based on bayesian probability and K-nearest neighbor.Sensors,2017,17(8): 1806.[doi: 10.3390/s1708 1806]7 Wu X,Deng FM,Chen ZB.RFID 3D-LANDMARC localization algorithm based on quantum particle swarm optimization.Electronics,2018,7(2): 19.[doi: 10.3390/ele ctronics7020019]8 张玲玉.LANDMARC定位系统及其算法的研究[硕士学位论文].长沙: 中南大学,2014.9 刘宏立,周登,徐琨,等.基于RSSI的自适应权重定位算法.传感器与微系统,2017,36(3): 140–143.10 徐杨杰,王艳,严大虎,等.基于Newton插值与混合灰狼优化SVR的RFID定位算法.系统仿真学报,2017,29(9):1921–1929.11 Gong FX,Ma YQ.Analysis of positioning performance of the algorithm of time sum of arrival with RMSE.Proceedings of the 2nd CCF Chinese Conference on Computer Vision.Tianjin,China.2017.579–591.。
高精度定位导航系统的性能改进与误差修正方法
高精度定位导航系统的性能改进与误差修正方法随着科技的不断发展和应用，高精度定位导航系统在现代社会中扮演着至关重要的角色。
然而，由于各种不可控因素的存在，这些系统往往会受到误差的影响，导致定位结果不准确。
因此，研究高精度定位导航系统的性能改进和误差修正方法至关重要。
本文将介绍几种常见的方法，帮助提高高精度定位导航系统的性能和准确度。
首先，我们可以考虑使用多种不同的卫星导航系统以增加定位系统的可靠性和准确性。
目前，全球卫星定位系统（GNSS）已经成为定位导航系统中最常用的技术。
然而，单一的GNSS系统受到多路径效应、建筑物遮挡和电离层延迟等问题的影响，可能导致定位误差。
因此，将多种卫星导航系统，比如GPS、GLONASS、Galileo和北斗系统等进行组合使用，可以提高定位的准确性。
其次，使用增强型定位系统（Enhanced Loran，eLoran）来补充GNSS系统的局限性也是一种有效的方法。
eLoran是一种基于地面发射台的无线电定位系统，可以提供距离基准、时间信号和导航修正数据。
将eLoran与GNSS系统相结合，可以在GNSS失效或受到干扰时提供备用的定位信息，从而提高整个系统的容错性和可靠性。
在实际定位导航系统中，接收机硬件也是影响精度的一个重要因素。
因此，使用高灵敏度和低噪声的接收机可以提高系统的性能并减少定位误差。
此外，采用天线阵列技术还可以提供更好的空间多路复用效果和抗干扰能力，在高多径环境中减少误差。
误差修正是改进高精度定位导航系统性能的另一个关键步骤。
一种常见的方法是使用差分定位技术。
差分定位是一种通过比较已知位置和接收机测量位置之间的差异来计算误差，并将该误差应用于未知位置进行修正的技术。
差分定位可以使用实时差分（RTK）技术，在移动应用中提供高精度的定位结果。
此外，还可以利用地面测控站来修正定位误差。
地面测控站可以提供准确和稳定的位置和时间信息，并通过与卫星导航系统的时间和位置数据进行比对来进行误差修正。
星敏感器灰度重心法质心定位系统误差分析及补偿算法
星敏感器灰度重心法质心定位系统误差分析及补偿算法王海涌;宋振飞【摘要】灰度重心法对星敏感器星像点进行质心定位,存在周期性系统误差,且高斯半径越小,误差峰值越大.为了对该型误差进行补偿,以积分型高斯点扩散函数为理想模型,所生成的星像点作为参考灰度数据,在时域上对灰度重心法开展仿真分析,对系统误差进行曲面拟合,拟合结果经过一阶泰勒展开处理,获得了误差补偿模型.仿真结果表明补偿算法显著提高了质心定位精度,高斯半径小至0.35像素,补偿后的质心定位精度优于10-3像素.【期刊名称】《弹箭与制导学报》【年(卷),期】2016(036)004【总页数】3页(P146-148)【关键词】灰度重心法;质心定位;系统误差【作者】王海涌;宋振飞【作者单位】北京航空航天大学宇航学院,北京 100191;北京航空航天大学宇航学院,北京 100191【正文语种】中文【中图分类】V448.22星敏感器是目前测量精度最高的三轴绝对姿态测量传感器,在飞行器的姿态测量中有广泛应用[1]。
一般单个星像点成像在星敏感器成像阵列上的多个像元范围内,其能量近似符合二维高斯分布。
灰度重心法是星像质心定位的最常用算法,可以达到亚像元精度级别[1-2]。
灰度重心法处理高斯分布星像点,质心定位系统误差呈现以像元尺寸为周期的近似正弦函数的特性[3],与两个因素有关:一是星像点质心与像素中心位置的偏差;二是星像点覆盖范围的大小。
文献[4]指出灰度重心法的系统误差呈现出近似正弦函数形式,且误差峰值随高斯半径增大而减小,和文献[5]用频域分析方法揭示的误差随像点模糊而减小的现象相吻合;文献[6]采用频域分析方法,对星点质心提取系统误差进行了完整的理论分析,得到高斯像点质心提取系统误差的解析表达式,建立了补偿模型,Hancock等人通过仿真计算指出不同高斯半径大小及采样像元窗口数量都会影响星点提取精度[7]。
航天任务中,为了提高星敏感器2个横轴的定姿精度,通常选用大像元尺寸类型成像阵列、长焦小视场的星敏感器,但从提高信噪比和探测能力的角度,需要减小星像点成像的高斯半径。
基于RSSI测距误差修正的加权质心定位算法
基于RSSI测距误差修正的加权质心定位算法
刘晓文;关维国;邹德君;武慧君
【期刊名称】《电脑知识与技术》
【年(卷),期】2012(008)001
【摘要】节点定位是无线传感器网络的核心支撑技术之一.针对RSSI方法测距定位误差较大的问题,提出了RSSI测距误差修正的加权质心定位算法.本算法测距阶段采用基于最小二乘测距误差补偿方法对RSSI测距进行修正,以减小测距误差.定位阶段采用改进Euclidean加权质心定位算法,用信标节点对未知节点的不同影响力来确定加权因子,以提高定位精度.仿真表明,该算法精度较常用的加权质心定位算法有了明显提高.
【总页数】4页(P126-129)
【作者】刘晓文;关维国;邹德君;武慧君
【作者单位】辽宁工业大学电子与信息工程学院,辽宁锦州121001;辽宁工业大学电子与信息工程学院,辽宁锦州121001;辽宁工业大学电子与信息工程学院,辽宁锦州121001;辽宁工业大学电子与信息工程学院,辽宁锦州121001
【正文语种】中文
【中图分类】TP311
【相关文献】
1.基于修正RSSI值的加权质心定位算法 [J], 陈璇;董仕鹏
2.基于RSSI修正加权质心的定位算法 [J], 白梦如;徐钊;郑红党
3.基于RSSI修正的近似三角形加权质心定位算法 [J], 童莉;周鸣争;
4.基于RSSI的改进差分修正加权质心定位算法 [J], 余学帆;王宏志;韩博;曹学瑶;胡黄水
5.基于RSSI的改进加权质心定位修正算法 [J], 龙佳;卑璐璐;李轶;张申
因版权原因，仅展示原文概要，查看原文内容请购买。
加权移动平均法偏差修正
加权移动平均法偏差修正说到加权移动平均法，很多人可能听到“加权”这两个字就开始头疼。
其实呢，它并不复杂。
加权就是让不同的数据点在计算时，给予不同的“重视”。
就像你跟几个朋友一起去聚会，大家一起讨论一个问题，但其中有一个朋友特别懂行，这时候你肯定会多听他的意见，对吧？同理，加权移动平均法就是把那些对结果影响较大的数据点，给予更多的“权重”，让它们在最终的计算结果中占据更重要的位置。
这样一来，得到的结果自然会更精准。
至于偏差修正嘛，就是当某个数据点比较“离谱”，好像跟大部分数据有点不合时，咱们就得做点修正，让它尽量贴合真实的情况。
简单来说，就是当你发现自己脚下有点歪，赶紧站直，调整一下，别让偏差带偏了你整个人生方向。
咱们举个例子来理解吧。
比如，你最近跟朋友一起吃火锅，大家点了很多菜。
你看，所有菜的价格差不多，可突然有一道菜特别贵，可能因为它是进口的，或者是做工更精致。
这时候呢，你不会让那道菜的价格完全左右了你的消费决策，你会更重视那些价格较为合理的菜品。
这里面，价格高的那道菜就像是一个“偏差”，咱们需要做点调整，不然最后可能会买到一堆超贵的菜，吃得腰包都瘪了。
偏差修正的意思，就是当这种“离谱”的数据出现时，要学会修正它，不能让它占据主导地位。
说到这里，可能有的小伙伴就会问了：那如果修正了偏差，结果是不是就完美了呢？哎，别着急！实际上，加权移动平均法修正偏差后，虽然能让数据更加精确，但也并不意味着一切都会变得无懈可击。
数据本来就有很多不确定性，尤其是当你遇到一些变化很大的数据时，这个方法还是会受到一定限制的。
所以，别总想让结果达到完美状态，最重要的是让数据看起来更符合真实情况，避免因为个别突变而导致的误差。
咱们做这种修正，就像是做菜加调料。
你看，炖汤的时候，如果加点盐太多了，可能会咸得不行；但是加点糖，哎呀，突然就感觉味道平衡了。
那么修正偏差也是这样，给不同的数据点分配合适的权重，让它们的“味道”更加均衡，整锅汤的口感才会好。
基于路径损耗修正的加权质心定位算法
基于路径损耗修正的加权质心定位算法曹阿龙;章平;刘涛【摘要】随着无线传感网络的快速发展,节点定位技术越来越多的被应用于各种复杂的环境中.针对于复杂环境中各个区域的路径损耗因子不同导致RSSI测量模型的距离估计不准确问题,提出了一种基于路径损耗修正的加权质心定位算法.首先由节点的接收信号强度估计出未知节点通信范围内的锚节点之间的路径损耗因子,用于修正未知节点与锚节点之间的路径损耗因子,提升距离估计精度.然后再利用加权质心定位算法对节点进行位置估计.仿真结果表明,定位精度提升显著.【期刊名称】《宜春学院学报》【年(卷),期】2018(040)006【总页数】6页(P11-15,18)【关键词】无线传感网络;测量模型;接受信号强度;路径损耗因子;距离估计【作者】曹阿龙;章平;刘涛【作者单位】安徽工程大学计算机与信息学院,安徽芜湖 241000;安徽工程大学计算机与信息学院,安徽芜湖 241000;安徽工程大学计算机与信息学院,安徽芜湖241000【正文语种】中文【中图分类】TP393随着微机电系统(Micro-Electro-Mechanism System，MEMS)、片上系统(System on Chip，SOC)、无线通信和低功耗嵌入式技术的飞速发展，无线传感器网络(Wireless Sensor Networks，WSN)[1-2]以其低功耗、低成本、分布式和自组织的特点带来了信息感知的一场变革。
由大量静止或移动的传感器节点以自组织与多跳的方式构成的无线传感网络是通过节点之间的通信与协作来对覆盖区域内被感知对象的信息进行处理与传输，在军事、航空、反恐、防爆、救灾、环境、医疗、家居、工业、商业等众多领域都有广泛的应用[3]。
在许多场合下，传感器节点被随机部署在各个区域，因此节点的位置常常是随机且未知的[4]。
然而，获得传感器节点的位置信息是很多应用得以实现的前提，没有位置信息的检测信息往往是没有意义的。
基于RSSI差分修正的加权质心定位算法
Ｓ ｍｕ ａｉｎ ｒ ｓ ｌ ｈ ｗ ｔ ａ ｈ ｓ ａｇ ｒｔｍ ａ ｅｔ ｒｌｃ ｌ ａｉｎ ｐ ｒ ｒ ｎ ｃ ｈ ｎ ｃａ ｓｃ ｇ ｒ ｈ ｉ ｌｔ ｅ ｕ ｔ ｓ ｏ ｈ ｔｔｉ ｌ ｏ ｈ ｈ ｓ ｂ ｔ ｏ ａｉ ｔ ｅ ｆ ｍａ ｅｔ ａ ｌ ｓｉ ａ ａ ｏ ｉ ｍ． ｏ ｓ ｉ ｅ ｚ ｏ ｏ ｌｌ ｔ
量和加权质心算法计算节点位置的算法。该算 法无需额 外
节点定位技 术在无 线传 感器 网络 （ Ｎ ） 除了用 ＷＳ ｓ 中，
增加硬件 。仿真表明 ： 文提 出的算法能适 应建筑 群类 的 本 工作 ， 具有 较高的定位精度且没有显著增加运算量 。
１ 算法模 型
来报告事件发生 的地点之外 ， 还可用于 目标跟踪 、 辅助路 由
摘
要 ：为 了抑制接收信号强度指示（ Ｓ Ｉ误差对无线传感器网络节点定位 精度 的影 响 ， Ｒ Ｓ） 从消除 Ｒ Ｓ 误 ＳＩ
差的角度 ， 出了一种基于对 Ｒ Ｓ 距离值差分修正的加权质心定 位算法 。该算 法计算 简单 ， 提 ＳＩ 无需 硬件扩
展， 仿真结果表 明： 该算法 比传统算法有更好 的定位性能 。 关键词 ：无线传感器 网络 ； 接收信号强度 指示 ； 差分修正 ； 加权质心算法
达 时 间差 （ｉ ｉｅ ｎｅｏ ａ ｉａ， Ｄ Ａ） Ｊ到 达 角度 （ ｎ ｔ ｄ ｒ ｃ ｆ ｒｖｌ ｏ 、 ｍｅ ｆ ｅ ｒ Ｔ ａ。
中环境影响造成 的信号衰减与理论或经验模型不符造成 实
际建模 的复杂性 。
ｅｏ ａ ｉａ，ｏ 、 ｆ ｒｖｌＡ Ａ） 接收信号强度 指示 （ ＳＩ Ｉ 等 。一 ｒ Ｒ Ｓ ）ｓ ］ 般来说这类算法具有较 高的定位精 度 ， 对节点硬 件要求 但
加权质心定位误差的反向修正法
的距离 因子 会使 定 位 结 果 产生 较 大 差 异 。为 此 ， 利 用仿 真实验 详 细研究 了不 同 的距 离 因子对定 位精 度
上一 个权 值 ｗ． 得 到 了加 权 质 心 定 位 算 法 ＷＣ Ｏ 就 Ｌ
（ ｉｈｅ ｅ ｔ ｉ Ｌ ｃｌ ａ ｏ ） 根 据 ＷＣ Ｗｅ ｔ Ｃ ｎｒ ｄ ｏａ ｚｔ ｎ ， ｇ ｄ ｏ ｉ ｉ Ｌ算 法 得
１ 三
Ｐ（ Ｙ） ÷ Ｂ（，） ＝ ， Ｙ
（） １
第１ 期
孙玮琢 ． 迟
卫 等 ： 权质 心 定位误 差 的反 向修 正 法 加
１５ １
其中， ｎ为能 够 与未知节 点进 行通 信 的锚 节 点数量 。 在质 心 定 位算 法 的基 础 之 上 ． 每个 锚 节 点加 为
∑
Ｊ ＝１
其 中 ， 为 未知 节点 ｉ 与锚 节 点 之 间 的权 值 ， 表 为 征未 知节 点与锚 节 点 问 的距 离 关 系 ， 将权 值 函数 定
义为 ＝
＼ ／
节 点 ， 过 程 中误 差 先 由 大 变 小 ， 此 当到 达 最 优 位 置 时， 误差 最 小 ， 后误 差又 逐渐增 大 。连接所 有估计 然
摘 要 ： 研究了距离因子 对加权质心定位算法（ Ｌ 定位精度的影响， ＷＣ ） 提出了全局最优 的选取方法。然后研究了未知
节点 自身位置对 ＷＣ Ｌ算法定位精度 的影响 ， 提 出了一种 基于估计 位置 和误 差之 间关系 的反 向 （ Ｂ） 正法 。仿 真结果表 并 Ｅ 修 明， 全局最优 ｇ可以使质 心附近区域 的定位精度得到显著提高 ， 但不能解决远离质心区域定位精度较差 的问题 ， Ｅ 而 Ｂ修正法 则 可在保持质心 附近 区域定位精度的同时有效提高远离 质心 区域 的定位精度
基于RSSI测距误差修正的加权质心定位算法_刘晓文
另外两个估计位置 (x2,y2) 和 (x3,y3) ，通过计算这三个近似位置的质心，便可得未知节点 A 的估计位置[3]。
2.1 改进 Euclidean 定位算法
如下图所示，当未知节点 D 接收到两已知位置信息的信标节点 A，B 发出的定位信号时，由 RSSI 值可得到距离 dDA ，dDB ；同时可 得两三角形：ΔD1AB 和 ΔD2 AB ，D1 ，D2 为未知节点 D 的两个可能位置；当节点 D 收到第三个信标节点发的信号时，可得到 dDC ；通
1 RSSI 测距模型及修正
本文主要研究的是无线传感器网络在室内的节点定位。由于传感器节点通常具备无线收发设备，在信标节点广播自身位置信 息的同时可完成 RSSI 的测量。但因测量过程中实际传播的信号受外界环境因素影响，造成信号实际模型与理论模型不吻合，从而 定位误差较大，致使实际建模较复杂。
1.1 室内信号模型分析
式(5)中的误差系数 ε 和 δ ，通过多元函数的极值求法对其求偏导，即：
∑ ìïï∂∂εS ∑ íîïï∂∂Sδ
= =
2 2
i i
n
[di εdi
=1
n
[εdi +
=1
+ δ - ψ(di)] = δ - ψ(di)] = 0
0
(6)
根据二元一次方程可得：
ì
∑ ∑ ∑ ï
ïïïïε = ï
∑ ∑ í
测距方法。
假设定位区域内任意两节点间的测量距离 d 与其产生的误差 ψ(d) 存在如下关系式：
ug质心坐标修改
ug质心坐标修改
1、首先导入模型文件，切换到UG加工模块。
2、鼠标右击“工序导航器”的空白处，选择“几何视图”调出坐标系界面。
3、鼠标点击"MCS-MLL"弹出mcs对话框，点击指定“Mcs”中“csys”对话框，选择“自动判断”，鼠标点击模型文件表面，设置模型文件中心位置坐标系，点击确定，回到MCS对话框。
4、点开安全平面选项，选择“刨”，设置距平面安全距离为10.mm，点击完成，完成安全平面的设置。
5、点开“WORKPIECE”选项，设置几何体的部件和毛坯，点击确定，完成坐标系的完全创建。
6、双击坐标系。
7、把鼠标放在坐标系上的控制点上。
8、最后任意旋转，就可以调整UG软件坐标系了。
质心定位中的加权坐标误差修正方法
质心定位中的加权坐标误差修正方法
路标
【期刊名称】《电视技术》
【年(卷),期】2013(37)23
【摘要】针对IoT中需求高精度节点定位的问题,提出了一种加权坐标误差修正的质心定位算法.首先对距离无关质心定位算法进行分析,然后使用RSSI测量标记节点与待定位节点的距离,并结合信号衰减度对坐标加权,最后对节点坐标误差修正,进一步精确节点坐标.实验仿真结果表明,提出的加权坐标误差修正方法相对于传统定位算法,有更强的抗干扰能力和鲁棒性.
【总页数】4页(P147-149,200)
【作者】路标
【作者单位】江苏联合职业技术学院徐州技师分院信息工程系,江苏徐州 221000【正文语种】中文
【中图分类】TP273
【相关文献】
1.加权质心定位误差的反向修正法 [J], 孙玮琢;迟卫;王擎宇
2.基于RSSI测距误差修正的加权质心定位算法 [J], 刘晓文;关维国;邹德君;武慧君
3.加权质心算法在Wi-Fi室内定位中的应用 [J], 童笑宏; 王冠凌
4.加权质心算法在Wi-Fi室内定位中的应用 [J], 童笑宏; 王冠凌
5.加权质心法亚像元定位误差研究 [J], 李朋;高立民;吴易明;刘爱敏
因版权原因，仅展示原文概要，查看原文内容请购买。
坐标误差修正技术
坐标误差修正技术汤文骏 段敏谟 张玉坤 方仲彦(清华大学精密仪器系精密测试技术及仪器国家重点实验室,北京100084)摘 要 随着对产品加工和测量准确度的要求越来越高,利用误差修正技术实现低成本精度升级的方法已成为一个非常重要的研究领域。
本文介绍了误差修正技术的特点、内容以及最新的发展情况。
关键词 误差修正 坐标误差 实时修正一、综 述许多加工和测量设备都是三坐标机构,比如坐标测量机、加工中心等。
坐标误差(或空间误差)指刀具或测头在空间的实际位置与名义位置之间的误差。
坐标误差是机构误差、热误差、形变误差等许多误差因素的合成,它直接体现了设备的精度。
常用的提高精度的方法是避免误差,这种方法成本高,对环境要求也很苛刻。
另一种提高设备精度的途径是误差修正技术,它是在已有设备基础上,根据实际的误差在机器的控制小,这是由于两种测量方法都是接触测量,存在变形而产生测量误差。
而智能化电容测厚仪更能反应实际厚度值,并且是数字显示,消除了读数误差,又是非接触测量,便于在线使用。
本系统适用于片状材料厚度的测量和控制,若改用不同直径的传感器,可以得到仪器的不同分辨力。
由于实现了智能化,测量结果既可以显示尺寸值,又可以显示平方米克重值等便于操作者读取需要的数值。
改变材质,只需改变键盘输入的系数。
并且由于设置了初距键,避免了零点漂移带来的麻烦,使用非常方便。
图3计量器具测 量 数 据 (单位:L m)千分尺25222326212522242126电感测微仪21191922182119191822电容测微仪25.422.223.026.221.425.423.025.421.426.2参考文献[1]郑义忠.运算法电容测微仪原理及其应用,天津大学 1988年6月[2]李勋,李新民.M CS —51单片微型计算机,天津科技翻译出版公司模块中加入误差修正模块,其特点是成本低、应用范围广。
误差修正技术的内容有:误差分析、模型建立、误差测定和实现修正。
改进的三维加权质心定位算法
改进的三维加权质心定位算法金曼曼;童敏明;王飞【摘要】针对现有煤矿引爆源(电气火花源)定位方法采用二维加权质心定位算法存在误差较大的问题,提出了一种改进的三维加权质心定位算法.根据电气火花能在周围空间产生电磁波的特点,建立了自由空间下的接收信号强度指示(RSSI)传播模型,利用高斯模型对RSSI信号强度进行修正,得到更准确的测距模型;在三维空间内,合理选择检测点,并引入新的加权因子指数k,求出目标节点的坐标,实现对电气火花源的定位.模拟测试结果表明,该算法具有较高的定位精度,最大定位误差为0.319m,平均误差为0.265m.【期刊名称】《工矿自动化》【年(卷),期】2017(043)002【总页数】5页(P44-48)【关键词】电气火花源;RSSI测距;加权质心算法;三维定位【作者】金曼曼;童敏明;王飞【作者单位】中国矿业大学信息与电气工程学院,江苏徐州 221008;中国矿业大学信息与电气工程学院,江苏徐州 221008;中国矿业大学信息与电气工程学院,江苏徐州 221008【正文语种】中文【中图分类】TD655瓦斯爆炸是煤矿的重特大事故，会造成大量人员伤亡和财产损失。
目前预防瓦斯爆炸的监测手段主要是对瓦斯浓度进行监测，这种监测手段对保障煤矿安全发挥了重要的作用，但是单一的监测方法在可靠性方面还难以满足煤矿安全的需要[1]。
大量瓦斯爆炸事故表明，矿井电气设备的电气火花是引起瓦斯爆炸的主要因素之一，因此，监测并确定电气火花的位置，不仅是完善煤矿瓦斯爆炸预防措施的主要工作，也是及时发现设备故障，保障安全生产的关键[2]。
利用电气火花在周围空气中能够产生电磁波这一特点，可以通过多传感器信息融合对电气火花源进行定位。
目前对电气火花源定位的研究虽然不多，但对各种相关的定位方法有不少研究，其中基于距离的加权质心算法就是应用效果最好的一种。
为了提高定位精度，人们对加权因子进行了大量的研究[3]。
如韩东升等[4]提出了基于RSSI的加权质心混合定位算法，主要是在计算参考点的质心坐标时，选取恰当的权值来提高定位精度；苟胜难[5]虽然也对质心算法进行了改进，但是对质心的加权值计算具有局限性。
基于RSSI的加权质心定位算法的改进
基于RSSI的加权质心定位算法的改进刘军;王超【摘要】To improve the localization accuracy of the centroid algorithm,utilizing the distance weighted factors in the centroid localization algorithm,we researched on improving and increasing the proportion of distance weighted factor,and simulated this algorithm in Matlab.The experimental results manifested that the new algorithm had improved the localization error to within 0.1 meters.%为提高质心算法的定位精度,在质心定位算法中采用距离加权的同时,改进了距离加权因子,提高了距离加权的比重,并且在Matlab平台上仿真.结果显示将定位误差提升到了0.1m以内.【期刊名称】《沈阳理工大学学报》【年(卷),期】2017(036)004【总页数】3页(P11-13)【关键词】无线传感器网络;质心定位;加权因子;定位精度【作者】刘军;王超【作者单位】沈阳理工大学自动化与电气工程学院,沈阳 110159;沈阳理工大学自动化与电气工程学院,沈阳 110159【正文语种】中文【中图分类】TP391.4无线传感器网络定位技术是一种通过传感器组网,用定位算法计算目标位置,并将其数据传送到管理终端的一种技术,近年来广泛应用于智能交通、工业过程控制、环境监测、军事侦察等领域。
目前,无线传感器网络定位常用的定位算法主要有基于测距和非测距两类,测距类算法主要有三边测量法、三角测量法、最大似然估计等,非测距类算法主要有质心算法、几何约束、DV-HOP、MDS-MAP等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
，
弱化系数 ， 用 函数 Ａ表示 ， 现 在假 设标 记 节 点 的坐 标 为 （ ， Ｙ ）， 整个 网络的节点数 为 ｎ， 那么加权公式为
的中 点 ， 其 坐标 为 （ ¨Ｙ ， ），（ 。 ， Ｙ 。 ），（ ， Ｙ ）， 那 么 就有
从１ ９ ９ ９年物联 网概念 的提 出开始 ， 伴 随着计算 机信 的坐标数据后 ， 这些坐标组 成一个 多边形 ， 多边形 质心 的 息技术 的高速发展和物联 网技术 的不断成熟 ， 物联 网应用 位置信息便为需要定位节点 的信息。 逐渐表现 出其方便快捷 、 应用范围广等优点 ¨ 。而作为
一
【 关键词】物联 网； 节点定位； 改进质心算法； 加权 【 中图分类号】Ｔ Ｐ ２ ７ ３
【 文献标志码】Ａ
Ｃｏ ｏ ｒ ｄ ｉ ｎａ ｔ ｅ Ｅｒ ｒ ｏ ｒ Ｃｏ ｒ ｒ ｅ ｃ ｔ ｉ ｏ ｎ Ｍｅ ｔ ｈｏ ｄ ｏ ｆ Ｗｅ ｉ ｇ ｈ ｔ ｅ ｄ Ｃｅ ｎｔ ｒ ｏ ｉ ｄ Ｌｏ ｃ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ
现有 的无线 传感 网络 未知节 点定 位算法 很 多 ， ２ ０世 纪末美 国学者 Ｂ ｕ ｌ ｕ ｓ ｕ等提 出 了质 心定 位算 法 卜 ， ２ ０ ０ ３ 年Ｈ ｅ 等提 出了 Ａ Ｐ Ｉ Ｔ节点定 位算 法 － １ ０ ］ ， ２ ０ ０ １ 年Ｄ ｒ ａ ｇ ｏ ｓ Ｎ ｉ ｃ ｕ ｌ ｅ ｓ ｃ ｕ 等提 出了 Ａ Ｐ Ｓ定 位算 法 … ， 同年 Ａ ｎ ｄ ｒ ｅ ａ ｓ Ｓ ａ ｙ ． ｖ ｉ ｄ ｅ ｓ 等提 出了 Ａ Ｈ ｌ ｏ Ｓ定位算法 。但 是 ， 这些无 线传感
ｔ ｉ ｏ ｎ ｉ ｓ ｐｒ ｏ ｐ ｏ ｓ ｅ ｄ．Ｆ ｉ ｒ ｓ ｔ ｌ ｙ，ｒ ａ ｎ ｇ ｅ — ｆ ｒ ｅ ｅ ｃ ｅ ｎ ｔ ｏｉ ｒ ｄ ｌ ｏ ｃ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ ｉ ｓ ａ ｎａ ｌｙ ｚ ｅ ｄ ．Ｔ ｈ ｅ ｄ ｉ ｓ ｔ ａ ｎｃ ｅ ｂ ｅ ｔ ｗｅ ｅ ｎ ｍａ ｒ ｋ ｉ ｎ ｇ ｎ ｏ ｄ ｅ ａ ｎ ｄ ｕｎ ｋ ｎ ｏ ｗｎ ｎ ｏ ｄ ｅ ｉ ｓ ｍｅ ａ ｓ ｕ ｒ ｅ ｄ．Ａｎ ｄ
Ｌ Ｕ Ｂ ｉ ａ ｏ
（ Ｄ ｅ ｐ ａ ｒ ｔ ｍ ｅ ｎ ｔ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｘ ｕ ｚ ｈ ｏ ｕ Ｔ ｅ ｃ ｈ ｎ ｉ ｃ ｉ ａ ｎ Ｂ ｒ ａ ｎ ｃ ｈ ｆＪ ｏ ｉ ａ ｎ ｇ ｓ ｕ Ｕ ｎ ｉ ｏ ｎ Ｔ ｅ ｃ ｈ ｎ ｉ ｃ ａ ｌ ｆ ｅ ， Ｊ ｉ ａ ｎ ｇ ｓ ｕ Ｘ ｕ ｚ ｈ ｏ ｕ ２ ２ １ ０ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ） 【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ 】Ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｔ ｈ ｅ ｄ ｅ ｍ ａ ｎ ｄ ｏ ｆ ｈ ｉ ｇ ｈ ｐ ｒ ｅ ｃ ｉ ｓ ｉ ｏ ｎ Ｉ ｏ Ｔ ｎ ｏ ｄ ｅ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｂ ｌ ｅ ｍ， ａ ｃ ｅ ｎ ｔ ｒ ｏ ｉ ｄ ｌ ｏ ｃ ｌ ａ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ ｏ ｆ ｗ ｅ ｉ ｇ ｈ ｔ ｅ ｄ ｃ ｏ ｏ ｒ ｄ ｉ ｎ ａ ｔ ｅ ｅ ｒ ｒ ｏ ｒ Ｃ Ｏ Ｉ Ｔ ｅ Ｃ —
，
旦 ）
（ ５ ）
同理可得 ， 点 Ｏ ： 和Ｏ 的坐标为
Ｄ 。 ： （ 鲁 ， 鲁 ）
（ ６ ） （ ７ ）
●
０ ： （ 鲁 ， 等 ）
所以 ． 需 宗 侍 节 点 Ｐ 的 标 为
ｆ ：Ｘ — 丁 １ — ＋ — ． Ｘ — ２ — ＋ — Ｘ ， ３ — ＋ — Ｘ — ４ 一 ＋ Ｘ ５
他标 记 节点 Ａ （ ， Ｙ ）， Ａ ： （ ， Ｙ ）， Ａ ， （ ３ ， Ｙ ， ）， Ａ （ ，
所 以， 点Ｏ 的坐标为
离为 ｄ ， ， ｄ ， ｄ ’ ， ｄ ， Ａ ０ （ ， 多 ） 为加权后坐标。
●
（ 。 ， ＝ （ 兰 学
Ｗ
Ｄ Ｎ 宽 Ｅ Ｔ 带 、 ／ ｖ 网 ｏ Ｒ 络 Ｋ
然后对 ＡＡ Ｂ Ｃ， △Ａ Ｃ Ｅ， ＆Ｃ Ｄ Ｅ的中心 ０ ， ０ ， ０ ，
求解 ， 最后求得 ＡＯ ０ ０ 的几何 中心 的坐标 ， 求得 的坐标
便是 需 要 定 位 的 节 点 Ｐ的 定 位 坐 标 。图 ３为 多 边 形 Ａ Ｂ Ｃ Ｄ Ｅ中的一个 三角形 ＧＡ Ｂ Ｃ。
ｄ 寺
式中： Ｐ 为坐标加权 因子 ； ｄ 为使用 Ｒ Ｓ Ｓ Ｉ 测得 的标 记节 点与需定位节点的估计 距离 。
． ２ 节点坐标误差修正 （ ３ ） ２ 从式 （ １ Ｏ ） 和式（ １ １ ） 可 以看 出， ｄ 对节点定 位 的精确
丁
ｆ 【
Ｙｕ —
丁
（ １ ）
ｆ ＝∑Ｐ ｉ ‘ Ａ
Ｊ （ １ ０ ）
Ｉ Ｙ ｌ＋ ２ 【 ｙ Ｆ —■ —
ｌ ｙ ：∑Ｐ ｌ Ｙ ・ Ａ
Ｊ ％ 丁
ｌ Ｙ ２＋Ｙ 【 ｙ Ｇ — 一
（ ２ ）
Ｐ ｐ ，＝一 —— — ＿
（ １ １ ）
～
Ｙ ｌ＋Ｙ ３
性影响较 大。所 以 ， 本文采用 节点坐标误差优化策略对其 进行改进。 如图 ４所示 ， 标记节 点 Ａ 。 （ ， Ｙ ）为需 优化节 点 ， 与其
那么直线 Ａ Ｇ和直线 Ｂ Ｈ的方程可 以表示为
＂
Ｉ ｙ
Hale Waihona Puke 。 ＝ ｙ ＋ 。 ）的实际距离为 ｄ ， ｄ ， ｄ ，， ｄ 。使 用 Ｒ Ｓ Ｓ Ｉ 测量 的距 ㈩ Ｙ
Ｗ 队 Ｎ Ｄ
【 本文献信息】路标 ．质心定位 中的加权坐标误差修正方法［ Ｊ ］ ． 电视技术， ２ ０ １ ３ ， ３ ７ （ ２ ３ ）
质 心定位中的加权坐标误差修正方法
路 标
（ 江 苏联 合 职 业技 术 学 院徐 州技 师 分 院 信 息工 程 系， 江苏 徐 州 ２ ２ １ ０ ０ ０ ）
（ ８ ）
Ｙ￣＋ Ｙ ２＋ Ｙ ３＋Ｙ ａ ＋ Ｙ ｓ
Ｙ
图４ 坐标 优化图
定义一个标记
舢 … 由此可知 ， 假如标 记节 点有 ｎ 个， 那么需 一 定位节 节 点 占
． 一
Ｐ ０１ ｄ 一 ｄ 。
“一
茬
式 为
， １ ” ，
Ｗ
使用标记节点的优化系数 便可 以对使用 Ｒ Ｓ Ｓ Ｉ 测量 进行优化 ， 其优化公式为
图１ 多边 形 质 心模 型
Ｃ
那么 ， 首先将多边形 Ａ Ｂ Ｃ Ｄ Ｅ分解 为 ３个三角形 ， 分 心算法 的基础上 ， 对其进行坐标加权 和节点 坐标误差优化 质心 ， Ｂ Ｃ， ＡＡ Ｃ Ｅ， ＡＣ Ｄ Ｅ， 如图 ２所示 。 等改进 ， 以优化原算法在物联网未知节点测量时的准确性。 别为 ＡＡ
网络定位算法对于现今 高速发 展的社会来说 ， 其定位 的精 度 却远远不够 。所 以 ， 研 发 可 以对 物联 网节 点进行 精 确定位的算法是 目前 迫切需要 的。 本文从 目前物联 网节点定位精度需求出发 ， 在一般质
１ ． ２ 算法流程 如图 １ 所示 ， 需要定位 的节点 Ｐ为多边形 Ａ Ｂ Ｃ Ｄ Ｅ的
曰
２ 加 权 坐标 误 差修 正
２ ． １ 坐 标 加 权
为了提高在节点定位 时的准确性 ， 本文使用 Ｒ Ｓ Ｓ Ｉ 测 量标记节点与需定位节点 的距离 ， 并使用这个距离和信号
弱化 系数 （ ａ ｔ ｔ ｅ ｎ ｕ ａ ｔ ｉ ｏ ｎ ｃ ｏ ｅ ｆ ｉ ｆ ｃ ｉ ｅ ｎ ｔ ） 对坐标 进行加 权 。信号
ｔ ｈ ｅ ｎ，ｃ ｏ ｏ ｒ ｄ ｉ ｎ ａ ｔ ｉ ｎ ｇ ｎ ｏ ｄ ｅ ｉ ｓ ｗｅ ｉ ｇ ｈ ｔ ｅ ｄ ｗｉ ｔ ｈ ｓ ｉ ｇ ｎａ ｌ ａ ｔ ｔ ｅ ｎ ｕ ａ ｔ ｉ ｏ ｎ ｄ ｅ ｇ ｒ ｅ ｅ ｂ ｙ ｕ ｓ ｉ ｎ ｇ ＲＳ Ｓ Ｉ ．Ａｔ ｌ ａ ｓ ｔ ，ｎ ｏ ｄ ｅ ｃ ｏ ｏ ｒ ｄｉ ｎ ａ ｔ ｅ ｓ ｅ ｒ ｒ ｏ ｒ ｉ ｓ ｃ ｏ ｒ ｒ ｅ ｃ ｔ ｔ ｅ ｄ，ｎ ｏ ｄ ｅ ｃ ｏ ｏ ｒ ｄ ｉ ｎａ ｔ ｅ ｓ ａ ｒ ｅ ｍｏ ｒ ｅ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｌ ｙ． Ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｅ ｔ ｈａ ｔ ，ｔ ｈ ｅ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｃ ｅ ｎ ｔ ｒ ｏ ｉ ｄ ａ ｌ ｇ ｃ ｒ ｉ ｔ ｈ ｍ ｈ ａ ｓ ｓ ｍａ ｌ ｌ ｅ ｒ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｇ ｅ ｒ ｒ ｏ ｒ ｔ ｈ ａ ｎ ｔ ｈ ｅ ｏ ｒ ｉ ｇ ｉ ｎ ａ ｌ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ ，ｓ ｔ ｒ ｏ ｎ ｇ ｅ ｒ ｎｔ ａ ｉ — ｉ ｎ ｔ ｅ ｒ — ｆ ｅ ｒ ｅ ｎ ｃ ｅ ａ ｂ ｉ ｌ ｉ ｔ ｙ ａ ｎ ｄ ｒ ｏ ｂ ｕ ｓ ｔ ｎ ｅ ｓ ｓ ｏ ｆ ｔ ｈ ｅ ｌｇ ａ ｏ ｒ ｉ ｔ ｈ ｍ．
【 摘 要 】针对 １ ０ Ｔ中需求 高精度 节点定位 的问题 ， 提 出了一种加权 坐标 误差修 正 的质心定 位算 法。首先 对距 离无 关质心 定位 算法进行分析， 然后使用 Ｒ Ｓ Ｓ Ｉ 测量标记节点与待定位节点的距离， 并结合信号衰减度对坐标加权 ， 最后对节点坐标误差修正， 进 步精 确节点 坐标 。实验 仿真结果 表 明， 提 出的加权坐标误 差修 正方法相对 于传统定位 算法 ， 有更强 的抗 干扰 能力和鲁棒 性。
【 Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ 】Ｉ ｎ ｔ ｅ ｒ ｎ ｅ ｔ ｏ ｆ Ｔ ｈ ｉ ｎ ｇ ｓ ； ｎ ｏ ｄ ｅ ｌ ｏ ｃ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ； ｉ ｍ ｐ ｒ ｏ ｖ ｅ ｄ ｃ ｅ ｎ ｔ ｒ ｏ ｉ ｄ ｌ ａ ｇ ｏ ｒ ｉ ｔ ｈ ｍ； ｗ ｅ ｉ ｇ ｈ ｔ ｉ ｎ ｇ