CN107566979A - 基于共轭梯度与模拟原子跃迁的室内定位方法 - Google Patents
基于共轭梯度与模拟原子跃迁的室内定位方法 Download PDFInfo
- Publication number
- CN107566979A CN107566979A CN201710742124.0A CN201710742124A CN107566979A CN 107566979 A CN107566979 A CN 107566979A CN 201710742124 A CN201710742124 A CN 201710742124A CN 107566979 A CN107566979 A CN 107566979A
- Authority
- CN
- China
- Prior art keywords
- zonule
- coordinate
- race
- iteration
- optimal value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于物联网技术领域,具体为基于共轭梯度与模拟原子跃迁的室内定位方法,区域划分成多个小区域,在各个小区域内设置N个位置坐标组成该移动终端的初始坐标族;用共轭梯度方法算出小区域最优值,判断每个小区域最优值是否满足初始赋值,不满足采用模拟原子跃迁的反演方法,当达到最大迭代次数,定位终止;对跃迁后的小区域最优化坐标族经行“粒子轰击”,得到的新的移动终端的初始坐标族,再次迭代直至迭代达到初始赋值。本发明首先采用共轭梯度进行迭代,没有获得满意结构后再利用模拟原子跃迁反演,直至获得符合要求的定位坐标,提高了定位准确性。
Description
技术领域
本发明属于物联网技术领域,具体为基于共轭梯度与模拟原子跃迁的室内定位方法。
背景技术
在目前的无线室内定位方法中,难点在于移动终端的位置需要在动态模型的基础上寻求目标泛函的最优值,而动态模型往往是由一组复杂的大规模非线性微分方程组成的。因此目前,大部分只是迭代优化单个模型的参数,因此,但是容易出现计算不准确或收敛缓慢的问题,很难既保证所得定位结果的准确性。
发明内容
针对上述技术问题,本发明提供一种基于共轭梯度与模拟原子跃迁的室内定位方法,提高室内定位的精度。
具体的技术方案为:
基于共轭梯度与模拟原子跃迁的室内定位方法,包括以下:
(1)将室内移动终端所在区域划分成多个小区域,每个小区域内设置多个锚节点,在各个小区域内设置N个位置坐标,N个位置坐标组成该移动终端的初始坐标族;
(2)将初始坐标族中的每个位置坐标作为一个小区域初始点,用共轭梯度方法迭代优化出目标函数的小区域最优值,以及该小区域最优值对应的小区域最优化坐标,
一共获得N个迭代优化的小区域最优值,以及对应的小区域最优化坐标族;
判断每个小区域最优值是否满足初始赋值,如果满足,则将该小区域最优值对应的小区域最优坐标作为该移动终端在室内的最优坐标;定位终止;如果所有的小区域最优值都不满足,则进入步骤(3);
(3)采用模拟原子跃迁的反演方法,将步骤(2)的小区域最优化坐标族中选出一个坐标,作为第一模型,然后选择该小区域最优化坐标族其他坐标,作为第二模型,计算两个模型的能级差,依次迭代计算该小区域最优化坐标族的坐标,得到跃迁后的小区域最优化坐标族;当达到最大迭代次数,返回当前最优坐标作为该移动终端在室内的最优坐标;定位终止;没有达到最大迭代次数,则进入步骤(4);
(4)对跃迁后的小区域最优化坐标族经行“粒子轰击”,小区域最优化坐标族中的坐标发生一个随机的扰动,得到的新的反演参数值反演参数值,即新的移动终端的初始坐标族,再转到步骤(2),按照步骤(2)迭代的过程进行模拟原子跃迁反演;如此反复迭代,直至迭代达到初始赋值。
优选的设计,所述的小区域内的锚节点不少于三个。
进一步的,步骤(2)中判断小区域最优值是否满足初始赋值,过程为,设置判断迭代优化是否终止的收敛精度值,当迭代优化的目标函数值迭代的误差绝对值小于等于收敛精度值时,停止迭代。
本发明提供的基于共轭梯度与模拟原子跃迁的室内定位方法,首先采用共轭梯度进行迭代,没有获得满意结构后再利用模拟原子跃迁反演,直至获得符合要求的定位坐标,提高了定位准确性。
附图说明
图1是本发明的流程图。
具体实施方式
结合实施例说明本发明的具体技术方案:
如图1所示,基于共轭梯度与模拟原子跃迁的室内定位方法,包括以下:
(1)将室内移动终端所在区域划分成多个小区域,每个小区域内设置多个锚节点,所述的小区域内的锚节点不少于三个。在各个小区域内设置N个位置坐标,N个位置坐标组成该移动终端的初始坐标族;
(2)将初始坐标族中的每个位置坐标作为一个小区域初始点,用共轭梯度方法迭代优化出目标函数的小区域最优值,以及该小区域最优值对应的小区域最优化坐标,
一共获得N个迭代优化的小区域最优值,以及对应的小区域最优化坐标族;
判断每个小区域最优值是否满足初始赋值,如果满足,则将该小区域最优值对应的小区域最优坐标作为该移动终端在室内的最优坐标;定位终止;如果所有的小区域最优值都不满足,则进入步骤(3);
判断小区域最优值是否满足初始赋值,过程为,设置判断迭代优化是否终止的收敛精度值,当迭代优化的目标函数值迭代的误差绝对值小于等于收敛精度值时,停止迭代。
(3)采用模拟原子跃迁的反演方法,将步骤(2)的小区域最优化坐标族中选出一个坐标,作为第一模型,然后选择该小区域最优化坐标族其他坐标,作为第二模型,计算两个模型的能级差,依次迭代计算该小区域最优化坐标族的坐标,得到跃迁后的小区域最优化坐标族;当达到最大迭代次数,返回当前最优坐标作为该移动终端在室内的最优坐标;定位终止;没有达到最大迭代次数,则进入步骤(4);
(4)对跃迁后的小区域最优化坐标族经行“粒子轰击”,小区域最优化坐标族中的坐标发生一个随机的扰动,得到的新的反演参数值反演参数值,即新的移动终端的初始坐标族,再转到步骤(2),按照步骤(2)迭代的过程进行模拟原子跃迁反演;如此反复迭代,直至迭代达到初始赋值。
Claims (3)
1.基于共轭梯度与模拟原子跃迁的室内定位方法,其特征在于,包括以下:
(1)将室内移动终端所在区域划分成多个小区域,每个小区域内设置多个锚节点,在各个小区域内设置N个位置坐标,N个位置坐标组成该移动终端的初始坐标族;
(2)将初始坐标族中的每个位置坐标作为一个小区域初始点,用共轭梯度方法迭代优化出目标函数的小区域最优值,以及该小区域最优值对应的小区域最优化坐标,
一共获得N个迭代优化的小区域最优值,以及对应的小区域最优化坐标族;
判断每个小区域最优值是否满足初始赋值,如果满足,则将该小区域最优值对应的小区域最优坐标作为该移动终端在室内的最优坐标;定位终止;如果所有的小区域最优值都不满足,则进入步骤(3);
(3)采用模拟原子跃迁的反演方法,将步骤(2)的小区域最优化坐标族中选出一个坐标,作为第一模型,然后选择该小区域最优化坐标族其他坐标,作为第二模型,计算两个模型的能级差,依次迭代计算该小区域最优化坐标族的坐标,得到跃迁后的小区域最优化坐标族;当达到最大迭代次数,返回当前最优坐标作为该移动终端在室内的最优坐标;定位终止;没有达到最大迭代次数,则进入步骤(4);
(4)对跃迁后的小区域最优化坐标族经行“粒子轰击”,小区域最优化坐标族中的坐标发生一个随机的扰动,得到的新的反演参数值反演参数值,即新的移动终端的初始坐标族,再转到步骤(2),按照步骤(2)迭代的过程进行模拟原子跃迁反演;如此反复迭代,直至迭代达到初始赋值。
2.根据权利要求1所述的基于共轭梯度与模拟原子跃迁的室内定位方法,其特征在于,所述的小区域内的锚节点不少于三个。
3.根据权利要求1所述的基于共轭梯度与模拟原子跃迁的室内定位方法,其特征在于,步骤(2)中判断小区域最优值是否满足初始赋值,过程为,设置判断迭代优化是否终止的收敛精度值,当迭代优化的目标函数值迭代的误差绝对值小于等于收敛精度值时,停止迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742124.0A CN107566979A (zh) | 2017-08-25 | 2017-08-25 | 基于共轭梯度与模拟原子跃迁的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742124.0A CN107566979A (zh) | 2017-08-25 | 2017-08-25 | 基于共轭梯度与模拟原子跃迁的室内定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107566979A true CN107566979A (zh) | 2018-01-09 |
Family
ID=60975908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710742124.0A Pending CN107566979A (zh) | 2017-08-25 | 2017-08-25 | 基于共轭梯度与模拟原子跃迁的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107566979A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102256353A (zh) * | 2011-07-13 | 2011-11-23 | 北京交通大学 | 一种移动终端定位精度改进方法 |
CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
CN104619015A (zh) * | 2015-01-09 | 2015-05-13 | 中山大学 | 一种基于共轭梯度与模拟原子跃迁的室内定位方法 |
WO2016187746A1 (zh) * | 2015-05-22 | 2016-12-01 | 华为技术有限公司 | 提高人工神经网络定位性能的方法和装置 |
-
2017
- 2017-08-25 CN CN201710742124.0A patent/CN107566979A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102256353A (zh) * | 2011-07-13 | 2011-11-23 | 北京交通大学 | 一种移动终端定位精度改进方法 |
CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
CN104619015A (zh) * | 2015-01-09 | 2015-05-13 | 中山大学 | 一种基于共轭梯度与模拟原子跃迁的室内定位方法 |
WO2016187746A1 (zh) * | 2015-05-22 | 2016-12-01 | 华为技术有限公司 | 提高人工神经网络定位性能的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5475629B2 (ja) | 軌道計画方法、軌道計画システム及びロボット | |
CN105203106B (zh) | 一种基于模拟退火粒子群算法的wMPS网络布局优化方法 | |
CN104318622B (zh) | 一种室内场景非均匀三维点云数据的三角网格建模方法 | |
CN103646278B (zh) | 基于自适应策略的粒子群算法在机器人路径规划中的应用 | |
CN106162869B (zh) | 移动自组织网络中高效协作定位方法 | |
CN105069240A (zh) | 一种空间测量定位系统测站布局智能优化方法 | |
CN101778472A (zh) | 一种无线传感器网络的分布式节点定位方法 | |
CN106170151B (zh) | 基于协作锚节点自适应移动的未知节点定位方法 | |
CN103886396A (zh) | 一种人工鱼群与粒子群混合优化的确定方法 | |
CN113221478A (zh) | 一种主动控制旋翼的数值分析方法及系统 | |
CN104363654A (zh) | 基于Tunneling method的无线传感器网络三维节点定位方法 | |
CN105356456A (zh) | 一种基于边界节点等值的输配电网联合潮流计算方法 | |
CN108207005B (zh) | 一种lte无线网络的评估方法及服务器 | |
CN107566979A (zh) | 基于共轭梯度与模拟原子跃迁的室内定位方法 | |
CN105278462A (zh) | 机器人控制系统轨迹加减速插补算法 | |
Gao et al. | TDOA collaborative localization algorithm based on PSO and Newton iteration in WGS-84 coordinate system | |
CN107623895A (zh) | 一种三角距离估计的水下传感器网络定位方法 | |
CN113534042A (zh) | 基于改进反向学习布谷鸟搜索的tdoa定位算法 | |
CN106054127A (zh) | 无线传感器网络智能修正测距定位方法 | |
CN105678844A (zh) | 一种基于地物散乱点逐点增加的轮廓构建算法 | |
CN105764088A (zh) | 一种基于遗传算法的tdoa蜂窝定位方法 | |
CN115550837B (zh) | 一种基于混沌映射与灰狼算法优化的DV-Hop定位方法 | |
Zhao et al. | A UWB/Bluetooth fusion algorithm for indoor localization | |
CN110366127A (zh) | 无线传感器网络变分贝叶斯期望最大化定位方法及系统 | |
CN116362010A (zh) | 一种基于改进蜉蝣算法的电磁暂态仿真参数优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180109 |
|
WD01 | Invention patent application deemed withdrawn after publication |