三边定位算法

Ⅰ 利用matlab分别对三边测量定位算法和改进算法进行仿真和验证 急求源程序

%%清空环境变量

clc

clear

loaddata

%%数据累加作为网络输入

[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

%%网络参数初始化

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;

%%学习速率初始化

u1=0.0015;

u2=0.0015;

u3=0.0015;

u4=0.0015;

u5=0.0015;

%%权值阀值初始化

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;

%%循环迭代

forj=1:10

%循环迭代

E(j)=0;

fori=1:30

%%网络输出计算

t=i;

LB_b=1/(1+exp(-w11*t));%LB层输出

LC_c1=LB_b*w21;%LC层输出

LC_c2=y(i,2)*LB_b*w22;%LC层输出

LC_c3=y(i,3)*LB_b*w23;%LC层输出

LC_c4=y(i,4)*LB_b*w24;%LC层输出

LC_c5=y(i,5)*LB_b*w25;%LC层输出

LC_c6=y(i,6)*LB_b*w26;%LC层输出

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

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));%阀值

ym=LD_d-theta;%网络输出值

yc(i)=ym;

%%权值修正

error=ym-y(i,1);%计算误差

E(j)=E(j)+abs(error);%误差求和

error1=error*(1+exp(-w11*t));%计算误差

error2=error*(1+exp(-w11*t));%计算误差

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);

%修改权值

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

%画误差随进化次数变化趋势

figure(1)

plot(E)

title('训练误差','fontsize',12);

xlabel('进化次数','fontsize',12);

ylabel('误差','fontsize',12);

%print-dtiff-r60028-3

%根据训出的灰色神经网络进行预测

fori=31:36

t=i;

LB_b=1/(1+exp(-w11*t));%LB层输出

LC_c1=LB_b*w21;%LC层输出

LC_c2=y(i,2)*LB_b*w22;%LC层输出

LC_c3=y(i,3)*LB_b*w23;%LC层输出

LC_c4=y(i,4)*LB_b*w24;%LC层输出

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层输出

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));%阀值

ym=LD_d-theta;%网络输出值

yc(i)=ym;

end

yc=yc*100000;

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

%计算预测的每月需求量

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 三角形三边计算公式是什么

不同的条件，算斜边的方法也不同。

一、已知直角三角形的两条直角边，求斜边。

方法是：利用勾股定理：斜边=根号（两条直角边的平方和）。

二、已知直角三角形的一个锐角a及其对边，求斜边。

方法是：利用正弦函数：斜边=（角a的对边）/sina。

三、已知直角三角形的一个锐角a及其邻边，求斜边。

方法是：利用余弦函数：斜边=（角a的邻边）/cosa。

四、已知直角三角形的面积及斜边上的高，求斜边。

方法是：利用三角形的面积公式：斜边=（2倍三角形的面积）/斜边上的高。

(2)三边定位算法扩展阅读：

关于斜边的几条定律：

（1）斜边一定是直角三角形的三条边中最长的；

（2）斜边所对应的那条高是直角三角形的三条边中最短的；

（3）在直角三角形中，两条直角边的平方和等于斜边的平方（也称勾股定理）；

（4）若一个三角形的两条直角边的平方和等于斜边的平方，那么这个三角形一定是直角三角形（称勾股定理的逆定理）。

（5） 如果一个三角形是直角三角形，那么这个三角形 斜边上的中线等于斜边的一半（称直角三角形斜边中线定理）

Ⅲ 目前行业内有哪些比较高精度的室内定位算法和实现

目前室内定位常用的较高精度的定位方法，从原理上主要分为七种：邻近探测法、质心定位法、多边定位法、三角定位法、极点法、指纹定位法和航位推算法。
一、邻近探测法
通过一些有范围限制的物理信号的接收，从而判断移动设备是否出现在某一个发射点附近。该方法虽然只能提供大概的定位信息，但其布设成本低、易于搭建，适合于一些对定位精度要求不高的应用，例如自动识别系统用于公司的员工签到。
二、质心定位法
根据移动设备可接收信号范围内所有已知的信标（beacon）位置，计算其质心坐标作为移动设备的坐标。该方法易于理解，计算量小，定位精度取决于信标的布设密度。
三、多边定位法
通过测量待测目标到已知参考点之间的距离，从而确定待测目标的位置。精度高、应用广。
四、三角定位法
基于无线信号的三角测量定位算法是室内定位算法中非常常见的一种，三角测量定位算法类似GPS卫星定位。实际定位过程中使用的是RSSI信号值衰减模型。原理是在无线信号强度在空间中传播随着距离衰减，而无线信号强度（RSSI值）对于定位标签上的接收器来说是可测的，那么依据测试到的信号强度，再根据信号衰减模型就可以反推出距离了。获取待测目标相对2个已知参考点的角度后结合两参考点间的距离信息可以确定唯一的三角形，即可确定待测目标的位置。基于三角测量定位算法的定位方案是被动式蓝牙定位方案和主被动一体式蓝牙定位方案。
五、极点法
通过测量相对某一已知参考点的距离和角度从而确定待测点的位置。该方法仅需已知一个参考点的位置坐标，因此使用非常方便，已经在大地测量中得到广泛应用。
六、指纹定位法
在定位空间中建立指纹数据库，通过将实际信息与数据库中的参数进行对比来实现定位。指纹定位的优势是几乎不需要参考测量点，定位精度相对较高；但缺点是前期离线建立指纹库的工作量巨大，同时很难自适应于环境变化较大的场景。
七、航位推算法
是在已知上一位置的基础上，通过计算或已知的运动速度和时间计算得到当前的位置。数据稳定，无依赖，但该方法存在累积误差，定位精度随着时间增加而恶化。

Ⅳ zigbee定位用什么算法用什么软件可以仿真

定位算法有很多种，看你怎么处理定位，定位精度要求等级，比较常见的有“质心定位算法”，“三边定位算法”等，如果只做仿真的话，可以用matlab进行仿真

Ⅳ 常用的室内定位技术有哪些

探讨几种常用室内定位技术

室内定位在一些特定场合的实用性和必要 性已经日趋显着，其应用前景广阔，研究意义非常大，目前也是一个非常热门的议题。本文阐述几种常用的室内定位技术手段，并具体阐述这些技术的典型实例，对比其精度及优缺点。在比较中作者认为基于RFID的室内定位系统性价比比较高，对其进行详细介绍。ZigBee则是一种基于RFID的能很好地解决室内定位的方案技术手段。

1 引言

随着时代飞速变迁，科学技术迅猛发展，信息服务质量效率提高，受干扰度小，在人们的生活工作及科学研究中起到了非常重要的作用。室内定位技术非常实用，具有较大的拓展空间，其应用范围广泛，在复杂环境下，如图书馆，体育馆，地下车库，货品仓库等都可以实现对人员以及物品的快速定位。

室内定位系统有最基本的5种算法：

（1） 起源蜂窝小区技术；

（2）时间到达法（TOA）；

（3）时间到达差法（TDOA）；

（4）信号强度法（RSSI）；

（5）到达角度差法（AOA）。

常用的室内定位技术主要包括以下几种：

（1） 基于超声波定位技术；

（2） 基于红外线的定位技术；

（3） 基于超宽带的定位技术；

（4）射频识别定位技术（WLAN、ZigBee）等。

2 几种室内定位技术的比较

2.1 超声波技术

超声波定位目前大多数采用反射式测距法。系统由一个主测距器和若干个电子标签组成，主测距器可放置于移动机器人本体上，各个电子标签放置于室内空间的固定位置。定位过程如下：先由上位机发送同频率的信号给各个电子标签，电子标签接收到后又反射传输给主测距器，从而可以确定各个电子标签到主测距器之间的距离，并得到定位坐标。

目前，比较流行的基于超声波室内定位的技术还有下面两种：一种为将超声波与射频技术结合进行定位。由于射频信号传输速率接近光速，远高于射频速率，那么可以利用射频信号先激活电子标签而后使其接收超声波信号，利用时间差的方法测距。这种技术成本低，功耗小，精度高。另一种为多超声波定位技术。该技术采用全局定位，可在移动机器人身上4个朝向安装4个超声波传感器，将待定位空间分区，由超声波传感器测距形成坐标，总体把握数据，抗干扰性强，精度高，而且可以解决机器人迷路问题。

定位精度：超声波定位精度可达厘米级，精度比较高。缺陷：超声波在传输过程中衰减明显从而影响其定位有效范围。

2.2 红外线技术

红外线是一种波长间于无线电波和可见光波之间的电磁波。典型的红外线室内定位系统Active badges使待测物体附上一个电子标识，该标识通过红外发射机向室内固定放置的红外接收机周期发送该待测物唯一ID，接收机再通过有线网络将数据传输给数据库。这个定位技术功耗较大且常常会受到室内墙体或物体的阻隔，实用性较低。

如果将红外线与超声波技术相结合也可方便地实现定位功能。用红外线触发定位信号使参考点的超声波发射器向待测点发射超声波，应用TOA基本算法，通过计时器测距定位。一方面降低了功耗，另一方面避免了超声波反射式定位技术传输距离短的缺陷。使得红外技术与超声波技术优势互补。

定位精度：5~10m。缺陷：红外线在传输过程中易于受物体或墙体阻隔且传输距离较短，定位系统复杂度较高，有效性和实用性较其它技术仍有差距。

2.3 超宽带技术

超宽带技术是近年来新兴的一项无线技术，目前，包括美国，日本，加拿大等在内的国家都在研究这项技术，在无线室内定位领域具有良好的前景。UWB技术是一种传输速率高（最高可达1000Mbps以上），发射功率较低，穿透能力较强并且是基于极窄脉冲的无线技术，无载波。正是这些优点，使它在室内定位领域得到了较为精确的结果。超宽带室内定位技术常采用TDOA演示测距定位算法，就是通过信号到达的时间差，通过双曲线交叉来定位的超宽带系统包括产生、发射、接收、处理极窄脉冲信号的无线电系统。而超宽带室内定位系统（如图1所示）则包括UWB接收器、UWB参考标签和主动UWB标签。定位过程中由UWB接收器接收标签发射的UWB信号，通过过滤电磁波传输过程中夹杂的各种噪声干扰，得到含有效信息的信号，再通过中央处理单元进行测距定位计算分析。

图1 UWB室内定位结构图

基于超宽带技术的室内定位系统典型实例为：Ubisense，其定位方法为三边定位，定位精度为：6~10cm，缺陷：造价较高。

2.4 射频识别技术

射频定位技术实现起来非常方便， 而且系统受环境的干扰较小，电子标签信息可以编辑改写比较灵活。下面具体介绍该技术的相关应用。

3 基于射频识别（RFID）的室内定位技术

3.1 RFID技术原理

射频识别（RFID）技术是一种操控简易，适用于自动控制领域的技术，它利用了电感和电磁耦合或雷达反射的传输特性，实现对被识别物体的自动识别。射频（RF）是具有一定波长的电磁波，它的频率描述为：kHz、MHz、GHz，范围从低频到微波不一。

Ⅵ zigbee定位算法是什么

zigbee的rssi（场强）值是与距离是非线性关系的，是无法直接输出距离值的
而且又非常容易受环境因素影响
，所以做不了精确定位。

Ⅶ java如何实现三点定位

你可以看看三边定位法和极大似然定位法。这两个都是算法，具体代码还要自己写

Ⅷ 什么是三角定位具体原理是什么

三角定位指的是一种数学原理，是利用2台或者2台以上的探测器在不同位置探测目标方位，然后运用三角几何原理确定目标的位置和距离。

原理

24颗卫星平均分布在6个轨道面,每一个轨道面上各有4颗卫星绕行地球运转，让地面使用者不论在任何地点、任何时间，至少有4颗以上的GPS卫星出现在上空中供使用者使用。

每颗卫星都对地表发射涵盖本身载轨道面的坐标、运行时间的无线电讯号,地面的接收单位可依据这些资料做为定位、导航、地标等精密测量。

(8)三边定位算法扩展阅读：

其他定位方法

1、A-GNSS。辅助导航定位系统既利用卫星导航系统，又利用移动基站，提高手机终端的定位性能。该技术对UE侧和蜂窝系统的网络侧进行一定改造：在UE中安装卫星导航系统接收机，使其具备接收卫星导航信号的功能。

2、TA+AoA。CELL_ID定位方法是基于小区覆盖的定位方法，采用已知的服务小区地理信息估计目标UE的位置。该服务小区信息可以通过寻呼和跟踪区更新等方式获得。TA+AoA在CELL_ID定位方法的基础上考虑了定时提前量以及来波方向的因素，从而达到更精确的定位目的。

Ⅸ 需要用CC2530完成WSN无线定位，但不知如何下手，能否具体指导下，不胜感激

最简单的算法就是质心定位算法，你可以上网看看，这种不需要RSSI值。
也有三边定位算法，这个就需要RSSI值的。
这两种定位算法是最常见的也是相当简单的定位算法，也有很多改进的定位算法，你可以查询一些相关的定位方面论文。
希望对你有帮助，欢迎继续追问！！

Ⅹ 移动定位是原理是什么

目前基于GSM网获取用户位置信息（亦称LBS）的技术主要有以下3种:

1． COO（Cell of Origin）

COO定位技术即基于Cell-ID的定位技术，是美国E911无线定位呼叫的第一阶段采用的技术，也是定业务平台首先采用的定位方式。这种技术不需要更改手机或者网络，因此能够在现存的手机的基础上构造位置查找系统。它通过采集移动台所处的小区识别号（Cell-ID号）来确定用户的位置。只要系统能够采集到移动台所在小区基站在地图上的地理位置，以及小区的覆盖半径，则当移动台在所处小区注册后，系统就会知道移动台处于哪一小区，当然小区的定位精度取决于其半径。在城市商业区，COO定位完全能够满足要求。

COO技术具体实现又分为两种：

（1）基于网络的实现方法：服务器从网元（如MSC/VLR和SGSN）获得Cell-ID，再由服务器把Cell-ID翻译成可以直接应用的经纬度数据。这种方法的好处是手机不需任何改变，只需对现网稍做改动（仅升级交换机软件）就可支持定位服务。

（2）基于手机的实现方法：手机把它的Cell-ID通过WAP或SMS发给服务器；服务器把Cell-ID翻译成可以直接应用的经纬度数据。这种方法的好处是不需对现网做任何改动，只需手机增加相应功能（如使用STK卡）就可支持定位功能。

2. E-OTD 增强观测时差技术

E-OTD定位技术是从测量时间差（OTD）发展而来的，OTD指测量时间差，E-OTD指测量的方式。具体实现方式如下：

·手机需要测量至少三个基站的到达测量时间量（OTD值）；

·然后手机把上述OTD测量值上传到SMLC（SERVING MOBILE LOCATION CENTER），SMLC一般放置在BSC内完成位置计算；

·同时放置在BTS侧的LMU（LOCATION MEASUREMENT UNIT）测量基站的参考时间量(RTD)并上传到SMLC；

·SMLC根据得到的测量时间差（OTD）和参考时间差（RTD）算出几何时间量（GTD）,GTD=OTD-RTD，由GTD可以计算出手机的位置（通过测量三个 BTS到手机的信号传输时间，则可分别确定 三个BTS与手机之间的几何距离，然后再根据此距离进行计算，最终确定手机的位置）完成定位服务。

上述第三步之所以要考虑测量参考时间量，是因为GSM网基站并不严格同步，因此需增加测量基站参考时间量这一环节。

3. AGPS

直接采用GPS接收机定位实现简单但面临一个问题，由于在市区内或建筑物内一般很难收到卫星发回的GPS信号，无法实现定位，因此引入了A-GPS定位方法。

它的基本思想是通过在卫星信号接收效果较好的位置上设置若干参考GPS接收机，并利用GSM网把接收到的辅助GPS信号发给手机；同时配有GPS计算晶片的手机根据GSM网传来的GPS数据计算手机位置，这种方法将GPS与GSM网结合，实现一种精度高、定位快的方式--辅助GPS定位。

综合考虑投入成本、对现网的改变、对手机的要求等因素，目前世界上基于GSM网实现无线定位的技术方案主要采用基于Cell-ID的定位技术，因为这种技术实现简单灵活，虽然存在精度不太高的缺点，但考虑到大多数服务定位精度要求并不需要太高的背景下，已经可以利用这种技术来实现许多位置服务。

目前基于CDMA网络的定位技术主要有以下几种：

1. Cell-ID

根据CDMA蜂窝小区概念，由网络侧获取用户当前所在的Cell信息，然后根据用户上报的自身所处小区号等参数，获取用户当前位置。一般采用的方法是将用户所处小区的中心点位置估算为用户当前位置。此法与GSM网的同类方法类似。

2. AGPS

获取GPS卫星信号作为定位算法计算参数，确定用户位置的定位技术。用户将GPS卫星作为地理位置已知点，把获得的GPS伪距作为已知点到达未知点的距离来计算自身地理位置。此法同样在GSM网中也有应用，特点相同，在此不再复述。

3. AFLT

本法是采用用户接收到的CDMA基站信号来作为参数计算用户位置的定位技术。CDMA网络中，用户的导频集中有多个基站导频信号，只要用户可以接收到3个或者3个以上的基站信号，就可以把这些基站作为地理位置已知点，把由基站信号到达时间计算出来的信号传播距离作为已知点到未知点的距离，根据三边定位算法确定用户位置。此法原理上与GSM网的E-OTD技术类似，但2.5代CDMA网络特别是3G网络是同步的，所以本法比GSM网的类似方法更快捷、准确。

就移动网络定位技术的发展前景而言，混合定位技术应该是最佳的，适于专业应用，此法是卫星定位（GPS或其它）和AFLT等技术的结合，经互相补充正好弥补彼此的不足，是快速、精确定位的最佳方法。当然，对移动通讯用户而言，这也是最昂贵的方法，目前已有这样的高端手机产品上市。