三邊定位演算法

Ⅰ 利用matlab分別對三邊測量定位演算法和改進演算法進行模擬和驗證 急求源程序

%%清空環境變數

clc

clear

loaddata

%%數據累加作為網路輸入

[n,m]=size(X);

fori=1:n

y(i,1)=sum(X(1:i,1));

y(i,2)=sum(X(1:i,2));

y(i,3)=sum(X(1:i,3));

y(i,4)=sum(X(1:i,4));

y(i,5)=sum(X(1:i,5));

y(i,6)=sum(X(1:i,6));

end

%%網路參數初始化

a=0.3+rand(1)/4;

b1=0.3+rand(1)/4;

b2=0.3+rand(1)/4;

b3=0.3+rand(1)/4;

b4=0.3+rand(1)/4;

b5=0.3+rand(1)/4;

%%學習速率初始化

u1=0.0015;

u2=0.0015;

u3=0.0015;

u4=0.0015;

u5=0.0015;

%%權值閥值初始化

t=1;

w11=a;

w21=-y(1,1);

w22=2*b1/a;

w23=2*b2/a;

w24=2*b3/a;

w25=2*b4/a;

w26=2*b5/a;

w31=1+exp(-a*t);

w32=1+exp(-a*t);

w33=1+exp(-a*t);

w34=1+exp(-a*t);

w35=1+exp(-a*t);

w36=1+exp(-a*t);

theta=(1+exp(-a*t))*(b1*y(1,2)/a+b2*y(1,3)/a+b3*y(1,4)/a+b4*y(1,5)/a+b5*y(1,6)/a-y(1,1));

kk=1;

%%循環迭代

forj=1:10

%循環迭代

E(j)=0;

fori=1:30

%%網路輸出計算

t=i;

LB_b=1/(1+exp(-w11*t));%LB層輸出

LC_c1=LB_b*w21;%LC層輸出

LC_c2=y(i,2)*LB_b*w22;%LC層輸出

LC_c3=y(i,3)*LB_b*w23;%LC層輸出

LC_c4=y(i,4)*LB_b*w24;%LC層輸出

LC_c5=y(i,5)*LB_b*w25;%LC層輸出

LC_c6=y(i,6)*LB_b*w26;%LC層輸出

LD_d=w31*LC_c1+w32*LC_c2+w33*LC_c3+w34*LC_c4+w35*LC_c5+w36*LC_c6;%LD層輸出

theta=(1+exp(-w11*t))*(w22*y(i,2)/2+w23*y(i,3)/2+w24*y(i,4)/2+w25*y(i,5)/2+w26*y(i,6)/2-y(1,1));%閥值

ym=LD_d-theta;%網路輸出值

yc(i)=ym;

%%權值修正

error=ym-y(i,1);%計算誤差

E(j)=E(j)+abs(error);%誤差求和

error1=error*(1+exp(-w11*t));%計算誤差

error2=error*(1+exp(-w11*t));%計算誤差

error3=error*(1+exp(-w11*t));

error4=error*(1+exp(-w11*t));

error5=error*(1+exp(-w11*t));

error6=error*(1+exp(-w11*t));

error7=(1/(1+exp(-w11*t)))*(1-1/(1+exp(-w11*t)))*(w21*error1+w22*error2+w23*error3+w24*error4+w25*error5+w26*error6);

%修改權值

w22=w22-u1*error2*LB_b;

w23=w23-u2*error3*LB_b;

w24=w24-u3*error4*LB_b;

w25=w25-u4*error5*LB_b;

w26=w26-u5*error6*LB_b;

w11=w11+a*t*error7;

end

end

%畫誤差隨進化次數變化趨勢

figure(1)

plot(E)

title('訓練誤差','fontsize',12);

xlabel('進化次數','fontsize',12);

ylabel('誤差','fontsize',12);

%print-dtiff-r60028-3

%根據訓出的灰色神經網路進行預測

fori=31:36

t=i;

LB_b=1/(1+exp(-w11*t));%LB層輸出

LC_c1=LB_b*w21;%LC層輸出

LC_c2=y(i,2)*LB_b*w22;%LC層輸出

LC_c3=y(i,3)*LB_b*w23;%LC層輸出

LC_c4=y(i,4)*LB_b*w24;%LC層輸出

LC_c5=y(i,5)*LB_b*w25;

LC_c6=y(i,6)*LB_b*w26;

LD_d=w31*LC_c1+w32*LC_c2+w33*LC_c3+w34*LC_c4+w35*LC_c5+w36*LC_c6;%LD層輸出

theta=(1+exp(-w11*t))*(w22*y(i,2)/2+w23*y(i,3)/2+w24*y(i,4)/2+w25*y(i,5)/2+w26*y(i,6)/2-y(1,1));%閥值

ym=LD_d-theta;%網路輸出值

yc(i)=ym;

end

yc=yc*100000;

y(:,1)=y(:,1)*10000;

%計算預測的每月需求量

forj=36:-1:2

ys(j)=(yc(j)-yc(j-1))/10;

end

figure(2)

plot(ys(31:36),'-*');

holdon

plot(X(31:36,1)*10000,'r:o');

Ⅱ 三角形三邊計算公式是什麼

不同的條件，算斜邊的方法也不同。

一、已知直角三角形的兩條直角邊，求斜邊。

方法是：利用勾股定理：斜邊=根號（兩條直角邊的平方和）。

二、已知直角三角形的一個銳角a及其對邊，求斜邊。

方法是：利用正弦函數：斜邊=（角a的對邊）/sina。

三、已知直角三角形的一個銳角a及其鄰邊，求斜邊。

方法是：利用餘弦函數：斜邊=（角a的鄰邊）/cosa。

四、已知直角三角形的面積及斜邊上的高，求斜邊。

方法是：利用三角形的面積公式：斜邊=（2倍三角形的面積）/斜邊上的高。

(2)三邊定位演算法擴展閱讀：

關於斜邊的幾條定律：

（1）斜邊一定是直角三角形的三條邊中最長的；

（2）斜邊所對應的那條高是直角三角形的三條邊中最短的；

（3）在直角三角形中，兩條直角邊的平方和等於斜邊的平方（也稱勾股定理）；

（4）若一個三角形的兩條直角邊的平方和等於斜邊的平方，那麼這個三角形一定是直角三角形（稱勾股定理的逆定理）。

（5） 如果一個三角形是直角三角形，那麼這個三角形 斜邊上的中線等於斜邊的一半（稱直角三角形斜邊中線定理）

Ⅲ 目前行業內有哪些比較高精度的室內定位演算法和實現

目前室內定位常用的較高精度的定位方法，從原理上主要分為七種：鄰近探測法、質心定位法、多邊定位法、三角定位法、極點法、指紋定位法和航位推演算法。
一、鄰近探測法
通過一些有范圍限制的物理信號的接收，從而判斷移動設備是否出現在某一個發射點附近。該方法雖然只能提供大概的定位信息，但其布設成本低、易於搭建，適合於一些對定位精度要求不高的應用，例如自動識別系統用於公司的員工簽到。
二、質心定位法
根據移動設備可接收信號范圍內所有已知的信標（beacon）位置，計算其質心坐標作為移動設備的坐標。該方法易於理解，計算量小，定位精度取決於信標的布設密度。
三、多邊定位法
通過測量待測目標到已知參考點之間的距離，從而確定待測目標的位置。精度高、應用廣。
四、三角定位法
基於無線信號的三角測量定位演算法是室內定位演算法中非常常見的一種，三角測量定位演算法類似GPS衛星定位。實際定位過程中使用的是RSSI信號值衰減模型。原理是在無線信號強度在空間中傳播隨著距離衰減，而無線信號強度（RSSI值）對於定位標簽上的接收器來說是可測的，那麼依據測試到的信號強度，再根據信號衰減模型就可以反推出距離了。獲取待測目標相對2個已知參考點的角度後結合兩參考點間的距離信息可以確定唯一的三角形，即可確定待測目標的位置。基於三角測量定位演算法的定位方案是被動式藍牙定位方案和主被動一體式藍牙定位方案。
五、極點法
通過測量相對某一已知參考點的距離和角度從而確定待測點的位置。該方法僅需已知一個參考點的位置坐標，因此使用非常方便，已經在大地測量中得到廣泛應用。
六、指紋定位法
在定位空間中建立指紋資料庫，通過將實際信息與資料庫中的參數進行對比來實現定位。指紋定位的優勢是幾乎不需要參考測量點，定位精度相對較高；但缺點是前期離線建立指紋庫的工作量巨大，同時很難自適應於環境變化較大的場景。
七、航位推演算法
是在已知上一位置的基礎上，通過計算或已知的運動速度和時間計算得到當前的位置。數據穩定，無依賴，但該方法存在累積誤差，定位精度隨著時間增加而惡化。

Ⅳ zigbee定位用什麼演算法用什麼軟體可以模擬

定位演算法有很多種，看你怎麼處理定位，定位精度要求等級，比較常見的有「質心定位演算法」，「三邊定位演算法」等，如果只做模擬的話，可以用matlab進行模擬

Ⅳ 常用的室內定位技術有哪些

探討幾種常用室內定位技術

室內定位在一些特定場合的實用性和必要 性已經日趨顯著，其應用前景廣闊，研究意義非常大，目前也是一個非常熱門的議題。本文闡述幾種常用的室內定位技術手段，並具體闡述這些技術的典型實例，對比其精度及優缺點。在比較中作者認為基於RFID的室內定位系統性價比比較高，對其進行詳細介紹。ZigBee則是一種基於RFID的能很好地解決室內定位的方案技術手段。

1 引言

隨著時代飛速變遷，科學技術迅猛發展，信息服務質量效率提高，受干擾度小，在人們的生活工作及科學研究中起到了非常重要的作用。室內定位技術非常實用，具有較大的拓展空間，其應用范圍廣泛，在復雜環境下，如圖書館，體育館，地下車庫，貨品倉庫等都可以實現對人員以及物品的快速定位。

室內定位系統有最基本的5種演算法：

（1） 起源蜂窩小區技術；

（2）時間到達法（TOA）；

（3）時間到達差法（TDOA）；

（4）信號強度法（RSSI）；

（5）到達角度差法（AOA）。

常用的室內定位技術主要包括以下幾種：

（1） 基於超聲波定位技術；

（2） 基於紅外線的定位技術；

（3） 基於超寬頻的定位技術；

（4）射頻識別定位技術（WLAN、ZigBee）等。

2 幾種室內定位技術的比較

2.1 超聲波技術

超聲波定位目前大多數採用反射式測距法。系統由一個主測距器和若干個電子標簽組成，主測距器可放置於移動機器人本體上，各個電子標簽放置於室內空間的固定位置。定位過程如下：先由上位機發送同頻率的信號給各個電子標簽，電子標簽接收到後又反射傳輸給主測距器，從而可以確定各個電子標簽到主測距器之間的距離，並得到定位坐標。

目前，比較流行的基於超聲波室內定位的技術還有下面兩種：一種為將超聲波與射頻技術結合進行定位。由於射頻信號傳輸速率接近光速，遠高於射頻速率，那麼可以利用射頻信號先激活電子標簽而後使其接收超聲波信號，利用時間差的方法測距。這種技術成本低，功耗小，精度高。另一種為多超聲波定位技術。該技術採用全局定位，可在移動機器人身上4個朝向安裝4個超聲波感測器，將待定位空間分區，由超聲波感測器測距形成坐標，總體把握數據，抗干擾性強，精度高，而且可以解決機器人迷路問題。

定位精度：超聲波定位精度可達厘米級，精度比較高。缺陷：超聲波在傳輸過程中衰減明顯從而影響其定位有效范圍。

2.2 紅外線技術

紅外線是一種波長間於無線電波和可見光波之間的電磁波。典型的紅外線室內定位系統Active badges使待測物體附上一個電子標識，該標識通過紅外發射機向室內固定放置的紅外接收機周期發送該待測物唯一ID，接收機再通過有線網路將數據傳輸給資料庫。這個定位技術功耗較大且常常會受到室內牆體或物體的阻隔，實用性較低。

如果將紅外線與超聲波技術相結合也可方便地實現定位功能。用紅外線觸發定位信號使參考點的超聲波發射器向待測點發射超聲波，應用TOA基本演算法，通過計時器測距定位。一方面降低了功耗，另一方面避免了超聲波反射式定位技術傳輸距離短的缺陷。使得紅外技術與超聲波技術優勢互補。

定位精度：5~10m。缺陷：紅外線在傳輸過程中易於受物體或牆體阻隔且傳輸距離較短，定位系統復雜度較高，有效性和實用性較其它技術仍有差距。

2.3 超寬頻技術

超寬頻技術是近年來新興的一項無線技術，目前，包括美國，日本，加拿大等在內的國家都在研究這項技術，在無線室內定位領域具有良好的前景。UWB技術是一種傳輸速率高（最高可達1000Mbps以上），發射功率較低，穿透能力較強並且是基於極窄脈沖的無線技術，無載波。正是這些優點，使它在室內定位領域得到了較為精確的結果。超寬頻室內定位技術常採用TDOA演示測距定位演算法，就是通過信號到達的時間差，通過雙曲線交叉來定位的超寬頻系統包括產生、發射、接收、處理極窄脈沖信號的無線電系統。而超寬頻室內定位系統（如圖1所示）則包括UWB接收器、UWB參考標簽和主動UWB標簽。定位過程中由UWB接收器接收標簽發射的UWB信號，通過過濾電磁波傳輸過程中夾雜的各種雜訊干擾，得到含有效信息的信號，再通過中央處理單元進行測距定位計算分析。

圖1 UWB室內定位結構圖

基於超寬頻技術的室內定位系統典型實例為：Ubisense，其定位方法為三邊定位，定位精度為：6~10cm，缺陷：造價較高。

2.4 射頻識別技術

射頻定位技術實現起來非常方便， 而且系統受環境的干擾較小，電子標簽信息可以編輯改寫比較靈活。下面具體介紹該技術的相關應用。

3 基於射頻識別（RFID）的室內定位技術

3.1 RFID技術原理

射頻識別（RFID）技術是一種操控簡易，適用於自動控制領域的技術，它利用了電感和電磁耦合或雷達反射的傳輸特性，實現對被識別物體的自動識別。射頻（RF）是具有一定波長的電磁波，它的頻率描述為：kHz、MHz、GHz，范圍從低頻到微波不一。

Ⅵ zigbee定位演算法是什麼

zigbee的rssi（場強）值是與距離是非線性關系的，是無法直接輸出距離值的
而且又非常容易受環境因素影響
，所以做不了精確定位。

Ⅶ java如何實現三點定位

你可以看看三邊定位法和極大似然定位法。這兩個都是演算法，具體代碼還要自己寫

Ⅷ 什麼是三角定位具體原理是什麼

三角定位指的是一種數學原理，是利用2台或者2台以上的探測器在不同位置探測目標方位，然後運用三角幾何原理確定目標的位置和距離。

原理

24顆衛星平均分布在6個軌道面,每一個軌道面上各有4顆衛星繞行地球運轉，讓地面使用者不論在任何地點、任何時間，至少有4顆以上的GPS衛星出現在上空中供使用者使用。

每顆衛星都對地表發射涵蓋本身載軌道面的坐標、運行時間的無線電訊號,地面的接收單位可依據這些資料做為定位、導航、地標等精密測量。

(8)三邊定位演算法擴展閱讀：

其他定位方法

1、A-GNSS。輔助導航定位系統既利用衛星導航系統，又利用移動基站，提高手機終端的定位性能。該技術對UE側和蜂窩系統的網路側進行一定改造：在UE中安裝衛星導航系統接收機，使其具備接收衛星導航信號的功能。

2、TA+AoA。CELL_ID定位方法是基於小區覆蓋的定位方法，採用已知的服務小區地理信息估計目標UE的位置。該服務小區信息可以通過尋呼和跟蹤區更新等方式獲得。TA+AoA在CELL_ID定位方法的基礎上考慮了定時提前量以及來波方向的因素，從而達到更精確的定位目的。

Ⅸ 需要用CC2530完成WSN無線定位，但不知如何下手，能否具體指導下，不勝感激

最簡單的演算法就是質心定位演算法，你可以上網看看，這種不需要RSSI值。
也有三邊定位演算法，這個就需要RSSI值的。
這兩種定位演算法是最常見的也是相當簡單的定位演算法，也有很多改進的定位演算法，你可以查詢一些相關的定位方面論文。
希望對你有幫助，歡迎繼續追問！！

Ⅹ 移動定位是原理是什麼

目前基於GSM網獲取用戶位置信息（亦稱LBS）的技術主要有以下3種:

1． COO（Cell of Origin）

COO定位技術即基於Cell-ID的定位技術，是美國E911無線定位呼叫的第一階段採用的技術，也是定業務平台首先採用的定位方式。這種技術不需要更改手機或者網路，因此能夠在現存的手機的基礎上構造位置查找系統。它通過採集移動台所處的小區識別號（Cell-ID號）來確定用戶的位置。只要系統能夠採集到移動台所在小區基站在地圖上的地理位置，以及小區的覆蓋半徑，則當移動台在所處小區注冊後，系統就會知道移動台處於哪一小區，當然小區的定位精度取決於其半徑。在城市商業區，COO定位完全能夠滿足要求。

COO技術具體實現又分為兩種：

（1）基於網路的實現方法：伺服器從網元（如MSC/VLR和SGSN）獲得Cell-ID，再由伺服器把Cell-ID翻譯成可以直接應用的經緯度數據。這種方法的好處是手機不需任何改變，只需對現網稍做改動（僅升級交換機軟體）就可支持定位服務。

（2）基於手機的實現方法：手機把它的Cell-ID通過WAP或SMS發給伺服器；伺服器把Cell-ID翻譯成可以直接應用的經緯度數據。這種方法的好處是不需對現網做任何改動，只需手機增加相應功能（如使用STK卡）就可支持定位功能。

2. E-OTD 增強觀測時差技術

E-OTD定位技術是從測量時間差（OTD）發展而來的，OTD指測量時間差，E-OTD指測量的方式。具體實現方式如下：

·手機需要測量至少三個基站的到達測量時間量（OTD值）；

·然後手機把上述OTD測量值上傳到SMLC（SERVING MOBILE LOCATION CENTER），SMLC一般放置在BSC內完成位置計算；

·同時放置在BTS側的LMU（LOCATION MEASUREMENT UNIT）測量基站的參考時間量(RTD)並上傳到SMLC；

·SMLC根據得到的測量時間差（OTD）和參考時間差（RTD）算出幾何時間量（GTD）,GTD=OTD-RTD，由GTD可以計算出手機的位置（通過測量三個 BTS到手機的信號傳輸時間，則可分別確定 三個BTS與手機之間的幾何距離，然後再根據此距離進行計算，最終確定手機的位置）完成定位服務。

上述第三步之所以要考慮測量參考時間量，是因為GSM網基站並不嚴格同步，因此需增加測量基站參考時間量這一環節。

3. AGPS

直接採用GPS接收機定位實現簡單但面臨一個問題，由於在市區內或建築物內一般很難收到衛星發回的GPS信號，無法實現定位，因此引入了A-GPS定位方法。

它的基本思想是通過在衛星信號接收效果較好的位置上設置若干參考GPS接收機，並利用GSM網把接收到的輔助GPS信號發給手機；同時配有GPS計算晶片的手機根據GSM網傳來的GPS數據計算手機位置，這種方法將GPS與GSM網結合，實現一種精度高、定位快的方式--輔助GPS定位。

綜合考慮投入成本、對現網的改變、對手機的要求等因素，目前世界上基於GSM網實現無線定位的技術方案主要採用基於Cell-ID的定位技術，因為這種技術實現簡單靈活，雖然存在精度不太高的缺點，但考慮到大多數服務定位精度要求並不需要太高的背景下，已經可以利用這種技術來實現許多位置服務。

目前基於CDMA網路的定位技術主要有以下幾種：

1. Cell-ID

根據CDMA蜂窩小區概念，由網路側獲取用戶當前所在的Cell信息，然後根據用戶上報的自身所處小區號等參數，獲取用戶當前位置。一般採用的方法是將用戶所處小區的中心點位置估算為用戶當前位置。此法與GSM網的同類方法類似。

2. AGPS

獲取GPS衛星信號作為定位演算法計算參數，確定用戶位置的定位技術。用戶將GPS衛星作為地理位置已知點，把獲得的GPS偽距作為已知點到達未知點的距離來計算自身地理位置。此法同樣在GSM網中也有應用，特點相同，在此不再復述。

3. AFLT

本法是採用用戶接收到的CDMA基站信號來作為參數計算用戶位置的定位技術。CDMA網路中，用戶的導頻集中有多個基站導頻信號，只要用戶可以接收到3個或者3個以上的基站信號，就可以把這些基站作為地理位置已知點，把由基站信號到達時間計算出來的信號傳播距離作為已知點到未知點的距離，根據三邊定位演算法確定用戶位置。此法原理上與GSM網的E-OTD技術類似，但2.5代CDMA網路特別是3G網路是同步的，所以本法比GSM網的類似方法更快捷、准確。

就移動網路定位技術的發展前景而言，混合定位技術應該是最佳的，適於專業應用，此法是衛星定位（GPS或其它）和AFLT等技術的結合，經互相補充正好彌補彼此的不足，是快速、精確定位的最佳方法。當然，對移動通訊用戶而言，這也是最昂貴的方法，目前已有這樣的高端手機產品上市。