共查询到15条相似文献，搜索用时 343 毫秒
1.
为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别. 相似文献
2.
超宽带技术由于其精确的定时分辨率,在视距（LOS）和非视距（NLOS）混合环境中应用前景广阔。为提高跟踪精确度、消除与UWB跟踪系统测距数据集异常值,构建合适的误差抑制方法,提出一种误差抑制方法。首先对环境进行建模,分析LOS和NLOS环境中的信号参数;然后,采用基于模糊逻辑的两步自适应定位算法,分析和选择最佳测距数据,用于计算被跟踪设备的位置;使用模糊加权最小二乘估计（FWLSE）方法对非视距（NLOS）混合环境中的实际数据进行测试。实验结果表明,与其它已知算法相比,该方法定位精度显著提高18.28%,且在实际应用中易于实现。 相似文献
3.
针对传统极限学习机（ELM）缺乏有效的训练方法、应用时预测精度不理想这一弱点,提出了一种基于遗传算法（GA）训练极限学习机（GA-ELM）的方法。在该方法中,ELM的输入权值和隐藏层节点阈值映射为GA的染色体向量,GA的适应度函数对应ELM的训练误差;通过GA的遗传操作训练ELM,选出使ELM网络误差最小的输入权值和阈值,从而改善ELM的泛化性能。通过与ELM、I-ELM、OS-ELM、B-ELM4种方法的仿真结果对比,表明遗传算法有效地改善了ELM网络的预测精度和泛化能力。 相似文献
4.
《东南大学学报》2016,(4)
为了减少定位精度上由于NLOS误差造成的影响,基于非参数信任传输(NBP)方法建立一种在NLOS环境下的定位算法.根据NLOS误差的分布概率及分布参数的先验信息量,给出了3种不同情况下定位问题的最大后验概率.第1种情形为理想化情形,即已知NLOS环境下的距离测量及相应的NLOS误差分布参数.在第2种情形中,仅已知任意2个节点之间的通信处于NLOS环境下的概率及相应的NLOS误差分布参数.第3种情形为最差情形,仅获得测量误差的信息.将所提算法与基于最大似然退火法(ML-SA)的定位算法进行了比较,仿真结果表明:在每种情形下所提算法获得的定位精度都远超过基于ML-SA的定位算法.在3种不同情形下基于NBP定位算法的位置估计均方根误差比基于ML-SA的定位算法分别降低了1.6,1.8和2.3 m左右.因此,在NLOS传输环境下,采用NBP的定位算法可获得较高的定位精度. 相似文献
5.
地面气象测温传感器受太阳辐射的影响,测量时其辐射误差可达1 K量级。针对此问题,设计了一种新型地面测温传感器结构。使用计算流体动力学（computational fluid dynamics,CFD）方法将多个气象参数下的仪器辐射误差进行量化,采用粒子群优化支持向量机算法对其结果进行拟合,得到辐射误差修正方程。以076B强制通风仪器的测量值作为温度基准开展场外实验。结果表明,设计的地面气象测温传感器经修正方程修正后的测量结果与温度基准的均方根误差（root mean square error,RMSE）和平均绝对误差（mean absolute error,MAE）分别为0.029 K和0.027 K,可将辐射误差保持在0.05 K以内。 相似文献
6.
在导航制导武器中,针对微机电捷联惯导系统（MEMS-SINS）非线性误差的状态估计精度差和模型扰动问题,通过分析无迹卡尔曼滤波（UKF）算法中初值的选取会直接影响观测值精度的问题,结合自适应估计原理,提出一种基于自适应因子的UKF算法,该算法能够自适应地调节系统模型的扰动和初值的偏差并根据新的协方差观测值更新方程。首先建立传递对准的大失准角误差模型,然后将该算法应用于该系统状态估计中,并与标准UKF进行比较,通过计算机仿真,传递对准速度提高3s左右,精度提高将近1倍。对两种算法结果进行对比分析表明,能够抑制传递对准系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高传递对准的对准精度。 相似文献
7.
基于极限学习机（ELM）构建的大坝变形预测模型易受连接权值、隐含层阈值及隐含层节点数影响,为获取更优的形变预测值,并改善模型预测可靠性,构建一种基于 EMD-PSO-ELM 算法,考虑时效、温度、水位等多因素的大坝变形预测模型。该模型首先从时频分析出发,利用经验模态分解（EMD）将变形时间序列分解成具有不同频率特征的分量|然后利用 PSO-ELM 模型解求形变预测值,重构获得大坝形变趋势。实验结果表明,融合时效、温度、水位等多因素的 EMD-PSO-ELM 大坝变形预测模型残差均方根误差为 1.83mm,平均绝对误差为 1.57mm,平均绝对百分比误差为 1.79%,比 ELM 模型与 EMD-ELM 模型相关误差值更小,在大坝变形预测方面性能更优。 相似文献
8.
提出一种既能改变网络结构又能不断添加新数据的学习算法,克服了在线序列ELM一旦开始学习便无法调整网络结构的困难。基于在线序列ELM算法的基本思想和理论及目前面临的难点,结合已存在ELM及改进算法,探寻适合在线序列ELM算法的网络结构调整策略。误差渐减在线序列ELM算法可以解决在线序列ELM目前面临的挑战,且所提算法理论实验方面均切实可行。 相似文献
9.
10.
无人机在军事、民用领域发挥着越来越重要的作用,提高无人机导航系统的精度有十分重要的意义.为达到提高无人机导航精度的目的,将惯性导航系统（INS）与中国北斗二号（BD-2）相融合,提出了INS/BD-2组合的无人机导航策略.经过分析,建立了基于间接法的系统模型,其测量方程为非线性方程.在组合导航算法上采用了处理非线性问题常用的粒子滤波算法对组合导航系统进行解算,并通过MATLAB软件对算法进行了仿真分析,仿真结果证明,与传统的EKF算法相比,该算法可提高组合导航系统的导航精度. 相似文献
11.
非视距环境下基于散射体信息的被动定位(英文) 总被引：1，自引：0，他引：1
为了提高传统的TOA/AOA定位技术在非视距环境下的定位精度,提出了一种基于散射体信息的混合定位方法.首先,利用基站坐标信息和TOA测量值确定线性化的可行区域,产生移动台的候选位置点.对每一个移动台候选点,结合TOA和AOA测量值,计算各自散射体半径,通过与先验的散射体信息的比较,筛选候选移动台位置点.然后,运用自适应模糊聚类算法估计移动台位置,完成定位.最后,对所提出的定位算法进行了仿真验证.仿真结果表明:所提出的基于散射体信息的混合TOA/AOA定位算法能够减轻非视距效应,有效估计移动台位置. 相似文献
12.
13.
为了提高脑力负荷分类准确率,提出一种将Bagging和极限学习机相结合的集成算法。用极限学习机（ELM）作为底层弱分类器,通过多数投票方式决定最终类别的标签,从而构建最终强分类器。实验结果表明,在脑力负荷识别研究问题上,该集成算法的分类准确率在4个被试数据集上分别达到了96.17%、96.02%、92.50%和93.50%。相较于传统的ELM算法,分类准确率在4个被试数据集上分别提升了1.59%、1.34%、2.86%和1.80%。并且新算法在精确率、灵敏度和特异度等评估标准上均高于传统ELM分类器。 相似文献
14.
The dominant error source of mobile terminal location in wireless sensor networks (WSNs) is the non-line-of-sight (NLOS) propagation error. Among the algorithms proposed to mitigate the influence of NLOS propagation error, residual test (RT) is an efficient one, however with high computational complexity (CC). An improved algorithm that memorizes the light of sight (LOS) range measurements (RMs) identified memorize LOS range measurements identified residual test (MLSI-RT) is presented in this paper to addre... 相似文献
15.
为了克服单相有源电力滤波器的非线性特性,在基于数据的基础上,由极限学习机建立有源滤波器非线性系统的内模和逆模,实现基于极限学习机的内模控制.根据内模控制系统稳态误差,评估内模控制系统的性能,并将极限学习机的内模控制系统与神经网络、核岭回归、支持向量机等方法进行比较分析.试验仿真表明,基于极限学习机的内模控制系统具有系统稳态误差小、鲁棒性强等特点. 相似文献