基于HNN的亚像元定位算法

算法选择实际上可视为一种学习任务. 鉴于此, 首先分析基于元学习思想的算法选择框架; 然后从数据集特 征和元算法两个角度对基于元学习思想的算法选择方法进行归纳总结; 最后分析基于元学习思想的算法选择存

针对当前车牌识别系统在存在复杂环境以及车牌倾斜的情况下无法精确定位的问题,提出一种基于卷积神经网络的端到端车牌精确定位算法,从而精确计算车牌的坐标。通过Faster R-CNN对输入车辆图片中的信息进

针对无线传感器网络中经典DV-Hop定位算法第3阶段利用多边测量法计算未知节点位置存在较大误差的问题,提出了一种改进的粒子群算法来优化求解未知节点坐标。应用粒子群算法,引入自适应惯性权重,并对粒子速度

针对无线传感器网络中DV-HOP定位算法在精度和误差度方面的不足,在其基础上提出了基于加权重值的最小二乘法的改进算法。通过利用锚节点的影响力大小不同,从而确定最小二乘法的权重值,再运用加权似然估计方法

 节点定位技术是无线传感器网络的关键技术之一。质心定位算法是指节点依靠无线传感器网络的连通性进行定位,定位误差较大。为了提高定位精度,鉴于质心定位算法受环境影响较小,基于RSSI的定

用MATLAB编写,4个基站的基于TDOA的Chan-Taylor混合加权算法定位。最普通的Chan-Taylor算法,将Chan算法计算出来的估计值作为Taylor级数展开法的迭代初始值带入,之后合

降低节点定位误差是无线传感网一直不断改进的方向。在RSSI定位算法的基础上,引入加权概念降低定位误差。首先针对定位算法中RSSI均值不准确的问题,采用常态分布处理,通过似然函数来获得RSSI的阈值,从

针对室内人员定位信号存在干扰大、定位精度低的问题,提出一种基于指纹量化的改进加权质心定位算法。该算法在ZigBee通信环境下采集实际测量值建立指纹数据库,在量化域内根据未知节点接收到的RSSI值进行量

为解决传统质心算法定位精度过低的问题,引入VIRE算法,利用信号传播模型在定位区域内构造虚拟参考标签的RSSI信息,提出一种将VIRE系统与传统质心算法相结合的改进算法。仿真结果表明,在计算复杂度提高

提出了一种基于WI-FI的矿井人员精确定位新算法,介绍了定位系统结构及信号模型,给出了一种基站节点优先选择的方法,在此基础上通过对全交点质心定位算法的分析,给出了加权全交点质心定位算法。为进一步提高定