基于样本均值和中位值的粒子群优化定位算法

doi:10.12068/j.issn.1005-3026.2018.07.001

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (7): 913-917.DOI: 10.12068/j.issn.1005-3026.2018.07.001

• 信息与控制 • 下一篇

基于样本均值和中位值的粒子群优化定位算法

黄越洋^1,2，井元伟¹，张嗣瀛¹，石元博¹

(1. 东北大学信息科学与工程学院，辽宁沈阳110819; 2. 辽宁石油化工大学信息与控制工程学院，辽宁抚顺113001)

收稿日期:2017-03-21 修回日期:2017-03-21 出版日期:2018-07-15 发布日期:2018-07-11
通讯作者: 黄越洋
作者简介:黄越洋(1981-)，女，辽宁抚顺人，东北大学博士研究生；井元伟(1956-)，男，辽宁沈阳人，东北大学教授，博士生导师; 张嗣瀛(1925-)，男，山东章丘人，东北大学教授，博士生导师，中国科学院院士.冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61473073，61773108).国家自然科学基金资助项目(51171041).

Particle Swarm Optimization Localization Algorithm Based on Sample Mean and Median

HUANG Yue-yang^1,2， JING Yuan-wei¹， ZHANG Si-ying¹， SHI Yuan-bo¹

1. School of Information Science & Engineering， Northeastern University， Shenyang 110819， China; 2. School of Information and Control Engineering， Liaoning Shihua University， Fushun 113001， China.

Received:2017-03-21 Revised:2017-03-21 Online:2018-07-15 Published:2018-07-11
Contact: HUANG Yue-yang
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对室内LOS/NLOS混合环境，提出基于假设检验的方法确定NLOS状态，并采用具有收缩因子的粒子群优化算法进行定位.在采样值存在异常情况时，样本中位值性能优于样本均值.因此，在LOS和NLOS状态下，分别采用样本均值和样本中位值建立最小平方误差代价函数.为了增强算法的全局和局部搜索能力，在粒子群优化算法的基础上引入收缩因子.仿真实验表明，在NLOS遮挡比较严重的情况下，所提出的基于样本均值和样本中位值改进的粒子群优化定位算法较只采用样本均值改进的粒子群优化算法和一般的粒子群优化算法定位精度高.

关键词: 定位, 非视距, 样本均值, 样本中值, 粒子群优化

Abstract: The non-line-of-sight(NLOS)state was determined by the method of hypothesis testing for indoor line-of-sight/non-line-of-sight (LOS/NLOS) hybrid environment. And particle swarm optimization algorithm with shrinkage factor was used to locate. When the sampling value was abnormal， the performance of sample median was better than sample mean. Minimum square error cost functions of the sample mean and sample median were established in LOS and NLOS state. In order to enhance the global and local search ability of the algorithm， the shrinkage factor was introduced on the basis of particle swarm optimization algorithm. Simulation results show that the improved particle swarm optimization algorithm based on sample mean and median (IPSOSMM)has higher localization accuracy than that of the improved particle swarm optimization algorithm based on sample mean (IPSOSM)and the general particle swarm optimization algorithm when the NLOS block is serious.

Key words: localization, non-line of sight, sample mean, sample median, particle swarm optimization

中图分类号:

TP393

黄越洋，井元伟，张嗣瀛，石元博. 基于样本均值和中位值的粒子群优化定位算法[J]. 东北大学学报:自然科学版, 2018, 39(7): 913-917.

HUANG Yue-yang， JING Yuan-wei， ZHANG Si-ying， SHI Yuan-bo. Particle Swarm Optimization Localization Algorithm Based on Sample Mean and Median[J]. Journal of Northeastern University Natural Science, 2018, 39(7): 913-917.

参考文献

[1]Muller C，Alves D I，Uchoa-Filho B F，et al.Improved solution for node location multilateration algorithms in wireless sensor networks［J］.Electronics Letters， 2016，52(13):1179-1181.
[2]Han S，Gao Z J，Meng W X，et al.Automatic precision control positioning for wireless sensor network［J］.Journal of IEEE Sensors，2016，16(7):2140-2150.
[3]Wu S X，Xu D Y，Wang H G.Adaptive NLOS mitigation location algorithm in wireless cellular network［J］.Wireless Personal Communications，2015，84(4):3143-3156.
[4]Cheng L，Wu C D，Zhang U Z，et al.An indoor localization strategy for mini-UAV in presence of obstacles ［J］.International Journal of Advanced Robotic Systems，2012，9(4):1-8.
[5]Wang J，Gao Q H，Yu Y，et al.Toward robust indoor localization based on Bayesian filter using chirp-spread-spectrum ranging［J］.IEEE Transactions on Industrial Electronics，2012，59(3):1622-1628.
[6]Qiao T Z，Liu H P.Improved least median of squares localization for non-line-of-sight mitigation［J］.IEEE Communications Letters，2014，18(8):1451-1454.
[7]崔玮，吴成东，张云洲，等.基于高斯混合模型的非视距定位算法［J］.通信学报，2014，35(1):99-106.(Cui Wei，Wu Cheng-dong，Zhang Yun-zhou，et al.GMM-based localization algorithm under NLOS conditions ［J］.Journal on Communications，2014，35(1): 99-106.)
[8]刘韵婷，张嗣瀛，井元伟.基于粒子群优化的无线传感器网络非视距节点定位算法［J］.控制与决策，2015，30(6):1106-1110.(Liu Yun-ting， Zhang Si-ying，Jing Yuan-wei.Non-line-of-sight node localization algorithm based on particle swarm optimization for wireless sensor networks ［J］.Control and Decision， 2015，30(6):1106-1110.)
[9]Park C H，Chang J H.Robust time-of-arrival source localization employing error covariance of sample mean and sample median in line-of-sight/non-line-of-sight mixture environments［J］.EURASIP Journal on Advances in Signal Processing，2016，2016(1):89-100.
[10]张亚明，史浩山，陈客松，等.一种改进的无线传感器网络优化定位算法［J］.电子科技大学学报，2015，44(3):357-362.(Zhang Ya-ming， Shi Hao-shan，Chen Ke-song，et al.An improved optimization localization algorithm in WSNs［J］.Journal of University of Electronic Science and Technology of China，2015，44(3):357-362.)
[11]Guo H，Low K S， Nguyen H A.Optimizing the localization of a wireless sensor network in real time based on a low-cost microcontroller［J］.IEEE Transactions on Industrial Electronics，2011，58(3):741-749.

[1]	于哲舟，刘岩，刘元宁. 基于YOLOV3改进的虹膜定位算法[J]. 东北大学学报（自然科学版）, 2022, 43(4): 496-501.
[2]	于长永，金建宇，刘鹏，赵宇海. 基于最小边集的De Bruijn图定位算法[J]. 东北大学学报（自然科学版）, 2022, 43(2): 153-159.
[3]	罗忠，徐迪，李雷，马辉. 基于改进二阶循环平稳解卷积的轴承故障检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(5): 673-678.
[4]	李元辉，陈治洋，徐世达. 波速赋值范围对PSO定位算法精度的影响[J]. 东北大学学报（自然科学版）, 2021, 42(4): 561-566.
[5]	王新刚，王超，韩凯忠. 基于优化VMD和MCKD的滚动轴承早期故障诊断方法[J]. 东北大学学报（自然科学版）, 2021, 42(3): 373-381.
[6]	唐传茵，赵懿峰，赵亚峰，周淑文. 智能车辆轨迹跟踪控制方法研究[J]. 东北大学学报:自然科学版, 2020, 41(9): 1297-1303.
[7]	徐岩，安卫凤. 基于BA优化和KL散度的RGB-D SLAM系统[J]. 东北大学学报:自然科学版, 2020, 41(7): 933-937.
[8]	李晖，徐忠浩，王东升，祖旭东. 基于集中质量法的纤维增强复合材料的损伤定位[J]. 东北大学学报:自然科学版, 2020, 41(2): 234-240.
[9]	黎柏春，王振宇，张斌，王宛山. 球头铣刀切削刃存在差异的切削力系数辨识[J]. 东北大学学报:自然科学版, 2019, 40(9): 1316-1322.
[10]	李夔宁，张宏济，谢翌，傅春耘. 基于电-热-老化耦合模型的自适应多段恒流充电研究[J]. 东北大学学报:自然科学版, 2019, 40(9): 1323-1329.
[11]	张丽杰，刘建昌，谭树彬. 基于背景场的粒子群优化多出口疏散策略[J]. 东北大学学报:自然科学版, 2019, 40(9): 1222-1227.
[12]	马小英，孙志礼，张毅博，臧旭. 基于Kriging-PSO智能算法优化焊接工艺参数[J]. 东北大学学报:自然科学版, 2019, 40(3): 370-375.
[13]	关守平，邹立夫，张菁菁. 区间多目标粒子群优化算法及其应用[J]. 东北大学学报:自然科学版, 2019, 40(11): 1521-1526.
[14]	李强，巩亚东，梁彩霞，刘洺君. 基于水基MQL的DD5单晶合金铣削表面粗糙度研究[J]. 东北大学学报:自然科学版, 2018, 39(9): 1293-1298.
[15]	张传义，卢晓. 基于广义互功率谱相位法的声源定位技术[J]. 东北大学学报:自然科学版, 2018, 39(8): 1075-1079.

基于样本均值和中位值的粒子群优化定位算法

Particle Swarm Optimization Localization Algorithm Based on Sample Mean and Median

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价