导读:本文包含了蒙特卡洛定位算法论文开题报告文献综述及选题提纲参考文献，主要关键词:无线传感器网络,移动节点定位,蒙特卡洛,距离估计
蒙特卡洛定位算法论文文献综述
梁雅媚[1]（2019）在《基于蒙特卡洛的无线传感器网络移动节点定位改进算法研究》一文中研究指出随着无线传感器技术的发展,无线传感器网络(Wireless Sensor Networks,WSN)渗透到人们工作与生活的各个领域。无线传感器网络通过节点间的协同合作对网络覆盖区域内的相关信息进行感知、采集和处理,与观察者实现信息交互。定位是无线传感器网络应用的基础和关键技术之一。由于能耗、成本和扩展性等限制,目前常见的GPS等定位技术明显不适用于大规模的无线传感器网络。因此,研究和设计一种高效低功耗的WSN节点自定位算法具有重要研究价值。蒙特卡洛定位(Monte Carlo Localization,MCL)算法是第一个针对移动节点定位的非测距定位方法,该算法利用节点的移动特性优化定位性能,为定位研究提供了全新的思路。本文通过分析无线传感器网络中MCL算法的优势和不足,在其基础上提出了两种改进算法,通过增强滤波条件、完善过滤机制以及优化权值多方面实现定位性能的提高。本文所做的主要研究工作如下:(1)介绍了无线传感器网络的背景和发展历程,详细介绍了无线传感器网络的工作原理、结构特性、具体应用和几个主要研究方向的研究现状,阐述了节点定位的相关知识,介绍了几种典型的定位算法,其中对蒙特卡洛定位算法进行了重点描述和分析。(2)针对动态无线传感器网络中经典蒙特卡洛算法定位精度的不足,提出了一种基于距离估计的定位算法—DEMCL(Monte Carlo Localization based on Distance Estimation)算法,在蒙特卡洛定位算法的过滤阶段引入一个无需直接测距的距离估计方法,通过更严格的过滤环节优化样本集以减小定位误差。仿真结果表明,该算法的定位精度和网络覆盖率均有提高,同时减少了采样数。(3)针对蒙特卡洛定位算法过滤机制薄弱以及样本多样性不足的问题,提出了MSMCL(Monte Carlo Localization using MeanShift vector)算法,通过充分挖掘可利用的第叁类锚节点信息增强算法的过滤环节,同时引入样本的MeanShift向量优化样本权值,保护了样本的多样性。实验结果表明,该算法的定位精度和网络覆盖率有效提高,且不增加额外的通信开销。(本文来源于《湘潭大学》期刊2019-06-10）
胡章芳,曾林全,罗元,罗鑫,赵立明[2]（2019）在《融入二维码信息的自适应蒙特卡洛定位算法》一文中研究指出蒙特卡洛定位(MCL)算法存在计算量大、定位精度差的问题,由于二维码具有携带信息的多样性、二维码识别的方便性与易用性的特点,提出一种融入二维码信息的自适应蒙特卡洛定位算法。首先,利用二维码提供的绝对位置信息修正里程计模型的累计误差后进行采样;然后,采用激光传感器提供的观测模型确定粒子的重要性权重;最后,因为重采样部分采用固定样本集会导致大计算量,所以利用Kullback-Leibler距离(KLD)进行重采样,根据粒子在状态空间的分布情况自适应调整下一次迭代所需粒子数,从而减小计算量。基于移动机器人进行的实验结果表明,改进算法与传统蒙特卡洛算法相比定位精度提高了15.09%,时间缩短了15.28%。(本文来源于《计算机应用》期刊2019年04期）
张绮曼,张颖[3]（2018）在《无线传感器网络中蒙特卡洛定位算法的研究》一文中研究指出在无线传感器网络的节点定位领域,常用的以蒙特卡洛为基础的定位算法均存在定位误差大、采样效率低的问题。为了提高无线传感器网络中针对移动节点的采样效率和定位精确度,文中采用马尔科夫链进行抽样,提出了一种基于蒙特卡洛的改进算法。该算法在蒙特卡洛算法的基础上,结合马尔科夫链采集节点样本,随后对其进行过滤,再通过对得到的节点位置值进行加权计算,得到节点的准确位置。仿真实验结果表明,通过该算法得到的节点定位误差低于其他算法,提高了采样效率以及对移动节点的定位准确率。(本文来源于《计算机科学》期刊2018年12期）
操凤萍,樊启要[4]（2018）在《基于自适应蒙特卡洛算法的实时定位研究》一文中研究指出传统变电站的人工巡检方式受到客观制约因素较多,存在一定的误检、漏检等问题。为此,在对变电站实时定位时采用机器人巡检方式,提出一种基于自适应蒙特卡洛算法。利用开源机器人操作系统,通过将激光传感器和里程计相结合,实现巡检机器人的实时定位。在Matlab环境下进行仿真对比实验,结果表明,与基于蒙特卡洛算法相比,基于自适应蒙特卡洛算法的定位精度更高、抗干扰性更强,适用于变电站巡检机器人的实时定位研究。(本文来源于《计算机工程》期刊2018年09期）
朱亚强[5]（2018）在《利用蒙特卡洛随机数算法定位时间瓶颈》一文中研究指出本文以研究芝加哥奥黑尔国际机场为例,利用蒙特卡洛随机数算法找出机场安检过程中的瓶颈部分,绘制了停留时间方差的差分图像来比较方差。考虑均值和方差,得出结论:预检验的瓶颈是ID检查,而常规的瓶颈是X射线。该算法可普及推广至研究其他机场、火车站等安检过程的瓶颈所在。(本文来源于《科技资讯》期刊2018年11期）
田浩杉[6]（2017）在《基于量子遗传的蒙特卡洛节点定位算法研究》一文中研究指出随着无线传感器网络(Wireless Sensor Networks,WSN)技术的飞速发展,利用在WSN中部署的传感器节点进行目标定位对精度及鲁棒性要求都显着提高。目前,针对目标节点定位技术的研究大多是针对静止的网络环境中,针对移动目标节点的定位技术研究还很少。随着应用场景变化越来越复杂,WSN应用在移动目标定位的需求不断增多。能够精确,实时定位高速移动的目标是目前研究的意义所在。蒙特卡洛定位算法(Monte-Carlo Localization,MCL)最早于2004年被从机器人的跟踪与定位引入到了移动WSN中,虽然MCL定位算法抛开了节点移动性的干扰,甚至在一定速度范围内节点移动的速度越大其定位精度越高。然而作为粒子滤波的一种特殊情况,MCL算法仍然避免不了粒子退化的问题。先验粒子在传播时所收集到的观测信息有限,采样粒子集可能分布在观测似然函数的尾部。随着迭代的进行,大量的粒子权重逐渐趋于零,从而导致了粒子集的退化,所采集的样本不能趋近于目标节点的真实位置。为了解决粒子集的退化问题,MCL算法引入了重采样技术。但是重采样技术很容易引起采样过程中出现权重大的粒子被复制得较多而权重小的粒子被复制得较少甚至没有子代,从而出现了粒子集多样性减弱,导致粒子贫化的现象。由于这些原因,使得定位的误差依旧难以减小。为解决上述问题,本文从以下几个方面对WSN中移动节点的定位算法进行分析,并提出相应的改进算法。通过与传统算法的比较,证明了本文提出算法的优越性。(1)面对传统算法中由于所预测的采样区域过大而导致采样效率低,采样成功率差的问题。提出了一种利用锚节点发射扫描波的反馈时间序列与蒙特卡洛相结合的方法加以改进。根据锚节点与目标节点的相对位置信息,分析了十种不同情况下的预测模型。该方法基于目标节点1跳范围内的邻居锚节点(至少3个)反馈信号的先后顺序,构建节点可能的初始采样区域R1,并以区域R1与蒙特卡洛采样区域R2的重迭区作为新的采样区域R,以进一步缩小采样范围、提高采样效率。(2)为了解决传统过滤阶段中重采样所引起的粒子集贫化的问题,本文在采样区域R中引入了量子遗传算法。利用适当的编解码方案以及量子旋转门的更新手段达到了良好的定位效果。通过仿真实验证明,改进后的基于量子遗传的时序蒙特卡洛节点定位(Quantum Genetic Algorithm-Feedback Time Series Based Monte Carlo,QGA-TSMCL)算法较传统算法在定位精度,算法收敛速度以及算法的鲁棒性上均有所改善。实际应用方面,在时序蒙特卡洛所确定的采样区域基础上,引入了铁路轨道模型,进一步固定了节点的运动轨迹,从而缩小采样范围,能够进一步提高定位精度,有着良好的应用前景。(3)针对每次实验由于受各种不同外界因素的影响而有可能产生粗大误差的问题,本文引入了莱因达准则将异常点剔除,最终根据剔除异常点后所有实验的适应度平均值来解码出最优粒子坐标。通过仿真实验,证明了算法的有效性。(本文来源于《兰州交通大学》期刊2017-04-01）
罗元,庞冬雪,张毅,苏琴[7]（2016）在《基于自适应多提议分布粒子滤波的蒙特卡洛定位算法》一文中研究指出针对基于Cubature粒子滤波的蒙特卡罗定位(CMCL)算法存在的计算量大、实时处理能力较差的问题,提出一种基于自适应多提议分布粒子滤波的蒙特卡罗定位(AMPD-MCL)算法。该算法利用Cubature卡尔曼滤波和扩展卡尔曼滤波改进提议分布,融入当前观测信息,减弱粒子退化现象;重采样部分采用Kullback-Leibler距离(KLD)采样,根据粒子在状态空间的分布状况,在线调整下一次滤波迭代所需粒子数,从而减小计算量。仿真实验验证了自适应多提议分布粒子滤波(AMPD-PF)的有效性;同时在机器人操作系统(ROS)上进行实验,结果表明改进算法的平均定位精度达到19.891 cm,定位所需粒子数稳定在60,定位时间为45.543 s,较CMCL算法在定位精度上提高了71.03%,时间缩短了63.10%。实验结果表明,AMPD-MCL算法减小了定位误差,能实时在线调整粒子数,有效减少了算法计算量,提高了实时处理能力。(本文来源于《计算机应用》期刊2016年08期）
孙友伟,王辰寰,张晶[8]（2016）在《基于禁忌搜索的车联网蒙特卡洛定位算法》一文中研究指出在蒙特卡洛定位算法中引入禁忌搜索算法以提高车联网中快速定位的性能;自组织车联网高速移动的车辆和快速变化的网络拓扑结构,使用传统的蒙特卡洛定位算法,不能迅速地收敛位置信息;在滤波阶段引入禁忌搜索算法对传统蒙特卡洛定位算法进行改进,优化滤波排除可能性较小的位置点,获得近似最优估计位置采样集;仿真结果表明,改进后的算法在样本采集数、计算时间、定位精度等方面有了显着提升,改进后的算法能更好地解决车联网的定位问题。(本文来源于《计算机测量与控制》期刊2016年06期）
李坤,何月顺[9]（2014）在《一种基于蒙特卡洛的移动传感网节点定位的优化算法》一文中研究指出在无线传感网中,针对蒙特卡洛移动节点定位算法中通信半径无法确定这一缺陷,本文提出了一种结合跳距转换模型的蒙特卡洛定位改进算法。该算法首先利用实际中测得节点间的跳数信息得到节点的预估计坐标,进而精化出一个环形采样区域,提高了采样效率。仿真结果表明,优化之后的算法能够显着地减少定位采样次数,能够有效提高定位的准确性,并且能改善网络中低锚节点密度时的性能。(本文来源于《数字技术与应用》期刊2014年08期）
薛晨洋[10]（2013）在《基于RSSI值比较改进的蒙特卡洛定位算法》一文中研究指出节点定位是无线传感网应用中的一个基础问题。利用信号强度的比较缩小采样区域,本文提出了一种改进的定位算法。该算法以蒙特卡洛方法为基础,利用定位节点接收到的不同锚节点RSSI值的比较来缩小蒙特卡洛算法的采样空间。实验结果表明,本文提出的算法能够减小蒙特卡洛算法的采样区域和采样次数,从而提高定位效率。(本文来源于《科技风》期刊2013年23期）
蒙特卡洛定位算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
蒙特卡洛定位(MCL)算法存在计算量大、定位精度差的问题,由于二维码具有携带信息的多样性、二维码识别的方便性与易用性的特点,提出一种融入二维码信息的自适应蒙特卡洛定位算法。首先,利用二维码提供的绝对位置信息修正里程计模型的累计误差后进行采样;然后,采用激光传感器提供的观测模型确定粒子的重要性权重;最后,因为重采样部分采用固定样本集会导致大计算量,所以利用Kullback-Leibler距离(KLD)进行重采样,根据粒子在状态空间的分布情况自适应调整下一次迭代所需粒子数,从而减小计算量。基于移动机器人进行的实验结果表明,改进算法与传统蒙特卡洛算法相比定位精度提高了15.09%,时间缩短了15.28%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
蒙特卡洛定位算法论文参考文献
[1].梁雅媚.基于蒙特卡洛的无线传感器网络移动节点定位改进算法研究[D].湘潭大学.2019
[2].胡章芳,曾林全,罗元,罗鑫,赵立明.融入二维码信息的自适应蒙特卡洛定位算法[J].计算机应用.2019
[3].张绮曼,张颖.无线传感器网络中蒙特卡洛定位算法的研究[J].计算机科学.2018
[4].操凤萍,樊启要.基于自适应蒙特卡洛算法的实时定位研究[J].计算机工程.2018
[5].朱亚强.利用蒙特卡洛随机数算法定位时间瓶颈[J].科技资讯.2018
[6].田浩杉.基于量子遗传的蒙特卡洛节点定位算法研究[D].兰州交通大学.2017
[7].罗元,庞冬雪,张毅,苏琴.基于自适应多提议分布粒子滤波的蒙特卡洛定位算法[J].计算机应用.2016
[8].孙友伟,王辰寰,张晶.基于禁忌搜索的车联网蒙特卡洛定位算法[J].计算机测量与控制.2016
[9].李坤,何月顺.一种基于蒙特卡洛的移动传感网节点定位的优化算法[J].数字技术与应用.2014
[10].薛晨洋.基于RSSI值比较改进的蒙特卡洛定位算法[J].科技风.2013