計算機定位技術
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇計算機定位技術范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
計算機定位技術范文第1篇
關鍵詞：新建地方本科院校；計算機科學與技術；專業定位；應用型專門人才
中圖分類號：G642 文獻標識碼：B
隨著我國高等教育大眾化進程的推進和高等院校結構性調整，新增了一批處在省轄地級城市的新進本科學院，校名大部分為“地名+學院”形式，這類學校一般稱為“新建地方本科院校”，并且一般都設有“計算機科學與技術”專業，但都面臨著生存與發展問題。如何解決“計算機科學與技術”等專業的定位是這類高校生存與發展的關鍵。本文就這方面的問題談談自己的看法。
1 專業發展現狀
過去10年，隨著經濟的快速發展，高等教育發展很快，幾乎所有的學科專業都有很大的發展，而發展最快的是計算機科學與技術專業，可以說是跨越式發展。
(1)高等教育的發展規模擴大
從20世紀90年代末開始，中國的本科教育在外延上有了一個很大的發展。到2006年，統計數據顯示，普通高校與成人高校為1867+444=2311(所)，其中本科720所。高等教育總規模為2500萬，毛入學率為22％，其中普通高等教育年招生546.05萬人、年畢業生377.47萬人，在校生1738.84萬人，研究生110(碩士生89.66+博士生20.8)萬人。
(2)計算機科學與技術專業規模最大
目前，由于國家及社會對計算機人才的廣泛需求使計算機科學與技術專業迅速發展，使得該專業已經成為我國規模最大的專業。據統計，1996年全國共布點410個，到了2005年全國共布點775個，本科在校生人數為44萬，平均每點675人。軟件學院10年前根本沒有，現在全國各地已經建了162家。1996年招本科生26000人，2005年招了10萬人。另外，碩士點、博士點也大幅度增加。
(3)只設一個體現計算學科的本科專業我國1998年頒布的《普通高等學校本科專業目錄》中只有一個體現計算學科的專業，即“計算機科學與技術”，遠遠不能滿足社會對不同類型的計算學科人才的需要。計算機科學與技術原有含義相對于社會需求已經不能容納目前的辦學規模，盡管后來又增設了幾個目錄外專業，但由于受到設置條件的限制，沒有能夠鋪開。
2 就業與市場的矛盾
急速的擴招造成了各種計算機人才尤其是低水平的計算機人才泛濫，很多計算機專業畢業的學生找不到合適的工作；另一方面，許多媒體又打出計算機人才緊缺的報道，造成了供需之間的極大矛盾。但從長遠來看，專業的發展一定要有自己與眾不同的優勢，一定要樹立自己的品牌，這樣才能在殘酷的競爭中立于不敗之地。
(1)教育與需求的脫鉤
IT產業作為知識密集、技術密集的產業，發展的關鍵是有一大批從事IT技術創新的人才。一定數量、結構和質量的IT人才隊伍是IT產業發展的支撐，一個國家的IT人力資源儲備、IT人才培養及使用狀況決定著該國IT產業發展的水平和潛力。也可以說，IT產業的競爭就是人才的競爭，高水平的IT人才培養和隊伍建設是走向IT產業大國和強國的前提條件，美國、印度和愛爾蘭的信息產業發展就是最好的例證。
然而，由于只有一個體現計算學科的專業――計算機科學與技術專業，導致我國的大中專院校的計算機科學與技術專業設置大同小異，培養方向模糊，培養的學生都是“通才”；且學校辦學水平有差別，培養質量良莠不齊、培養方案無特色、結構不合理，滿足社會需要的針對性不夠強、結構上不合理。這就導致了教育和需求的脫鉤，偏離了產業對人才的需求。
(2)學與用的矛盾
即使有的高校在一個專業下設置了好多方向，且專業方向的設置都是非常合理的，并且適應當今社會發展的需要，但是學生畢業時卻很難達到這個預想的目標，所以畢業后學生很少能找到與專業相關的工作，大多數學生從事了業務員、收銀員、文員等工作，導致對人才培養的極大浪費。
(3)理想與現實的沖突
目前全國計算機專業招生仍然不錯，主要原因是很多學生對計算機專業抱有很好的想法，以為一進校就天天和計算機打交道，所以都選擇學習計算機專業。但到了學校才發現，第一學期學習的都是公共課，專業方面只有“計算機導論”，這樣很快便失去了對專業的興趣，等學習專業課時也很難再提起學習的熱情。而從大多數計算機專業學生的就業反饋來看，很多學生覺得自己在學校期間學習的專業課程范圍太廣，學得不精，理論多于實踐，學習時沒有動力，特別是沒有達到一定的技能。
而未來一段時期，我國將會利用國際產業轉移的重大機遇，聚集各種資源，突破核心技術制約，在集成電路、軟件、計算機與信息處理、現代移動通信、信息安全、信息服務和系統集成等技術領域加強創新，促進IT產品更新換代，推動我國向IT強國轉變，并進而推動國民經濟信息化進程，以信息化帶動工業化，走出～條新型工業化道路。這就需要培養和儲備高素質的IT人才。
3 新建地方本科院校的專業定位
新建地方本科院校絕大部分是近十年內新成立的地方本科普通高校，其本科辦學條件、辦學水平、辦學經驗、學科建設、師資力量、文化積淀等方面，同老本科院校差距較大，屬于“二本”中的第三世界，屬于技術應用教學型。
(1)培養IT人才。由于新建地方本科院校屬于“二本”中的第三世界，其專業定位不能類同于其他同層次的老本科高校，要有自己和特色，為地方經濟培養信息技術和信息產業一線需要的大量的IT人才。
(2)培養具有開源意識的技術人才。在我國現階段，絕大多數學校開源意識淡薄、開設開源軟件課程的學校少，這些都嚴重制約著開源軟件在中國的推廣并且助長了軟件壟斷。而以(Linu)為代表的開放源代碼軟件技術，是近幾年發展起來的一種新的軟件發展方向。開源是平等的象征，開源預示著拒絕壟斷，開源意味著通用，開源已經對軟件行業進行了一場深刻的革命。經濟的發展、社會的和諧、技術的進步，都離不開開源思想。作為培養人才基地的高等學校，應當大力發展開源教育，培養具有開源意識的專門IT人才。
(3)培養具有程序設計能力的技術人才。這方面能力通過程序設計與算法系列課程培養，該系列課程可以包含計算機導論或者算法初步、高級語言程序設計、面向對象技術引論、數據結構與算法等4門課程，依次安排在第一到第四學期。在教學中，要特別注意實踐環節，重點培養學生的程序與算法能力。
(4)培養具有搭建系統能力的技術人才。隨著IT產業社會分工的日益細化，對軟件生產人才的需求已經向系統化、多層次轉換，形成軟件系統設計管理人員、系統工程師、編程人員等呈金字塔結構的分層格局。整個IT行業在高端缺乏優秀的具有創新精神的社會需求分析人才一一“軟件白領”，在中端則缺乏具有搭建系統能力的技術人才――“軟件灰領”，在低端則缺乏最基礎的編碼、施工、銷售等技能人才――“軟件藍領”。而搭建系統是以基本計算機系統為基礎建立某方面應用的信息系統，強調實現給定條件和要求下選擇、創建、應用、集成、計算管理等方面的需要。新建地方本科院校是培養具有搭建系統能力的技術人才的主要力量。
(5)培養某一方向具有系統建模能力的“專才”。IT產業已經成為全球經濟的支柱產業，隨著產業的壯大，IT產業內部也出現了諸多學科分支，因而新建地方本科院校的IT專業方向設置和專業教學計劃要及時進行調整，始終堅持“三年一大變，一年一小變”的原則，以培養更多的“專才”。在這個方向上，學生能夠把現實問題用數學模型表達出來，從數學模型再變成算法，再依照算法編制程序，從而解決實際問題。這才是IT應用型專門人才培養的發展方向。
計算機定位技術范文第2篇
【關鍵詞】電子閱覽室；“云”計算；角色定位
1.引言
近年來，隨著全球“云”計算浪潮的風起“云”涌展，所有信息提供場所正經歷一場前所未有的變革，高校圖書館電子閱覽室作為數字圖書館的閱覽模式，亦深受這場變革的影響，它已成為師生獲取電子文獻信息、網絡信息的場所，轉變成全球“云”計算下的一個信息節點，利用先進的技術給讀者提供所需的幾乎所有的應用信息。如何利用“云”計算技術引導讀者準確、迅速、方便、合理地使用本地信息資源，更好地發揮電子閱覽室“云”節點作用，是目前電子閱覽室發展需要認真思考的問題。
2.“云”從哪里來
2.1 “云”計算的定義
當前人們對“云”計算的認識還處于一個逐步了解的階段，對“云”計算的定義還沒有形成一個統一的認識，“云”計算理念，最早起源于2007年Amazon EC2產品和Google-IBM的分布式計算項目，這兩個項目中直接使用了“云”計算這一概念。Google認為，“云”計算就是以公開的標準和服務為基礎，以互聯網為中心，提供安全、快速、便捷的數據存儲和網絡計算服務，讓互聯網這片“云”成為每一個網民的數據中心和計算中心[1]。“云”計算是以服務為特征的一種網絡計算，“云”計算中的“云”就是互聯網中的各個設備集群，每一群包括了上百萬甚至上千萬臺計算機、移動終端、存儲的各種硬件設備，它們像“云”一樣遍及我們的周圍，使用者隨時可以調用這些資源。而“計算”是盡可能地利用各種資源，將一個龐大的項目分解為無數個相互獨立的、不太相關的子任務，然后交由各個計算節點進行計算。即便某個節點出現問題，沒有能夠及時返回結果，也不影響整個項目的進程，甚至即便某一個計算節點突然崩潰，其所承擔的計算任務也能夠被任務調度系統分配給其他的節點繼續完成。可見“云”計算最大好處就是能夠合理配置計算資源，并提高計算資源的利用率，還能有效降低使用成本。
2.2 “云”計算的特點
(1)網絡化。“云”計算必然是基于網絡的。互聯網這片最廣闊的“云”是“云”計算的基礎，“云”計算必然是基于網絡，網絡是“云”計算的必要不充分條件。如集群計算雖然也是基于網絡的計算模式，但還不能稱之為“云”計算。
(2)虛擬化。虛擬化也是“云”計算中最重要的特點，“云”計算支持所有用戶在任何接點、使用各種終端獲取所需服務。
(3)資源異構化。“云”計算可以構建在不同的基礎平臺之上，即可以有效兼容各種不同種類的硬件和軟件基礎資源[2]。“云”計算平臺既可以兼容當下采購的新設備，也可以兼容以前的老設備，既可以兼容當前的新系統，也可以兼容以前遺留的老系統。
(4)高可靠性。“云”計算的可靠性主要體現在可靠數據和可靠計算兩方面。
(5)資源動態伸縮和流轉性。意味著添加、刪除、修改“云”計算環境的任一資源節點，亦或任一資源節點異常宕機，都不會導致“云”環境中的各類業務的中斷，也不會導致用戶數據的丟失。
2.3 “云”計算在圖書館領域發展現狀
圖書館主要業務流程除了傳統的借閱、流通、參考咨詢、現場講座工作外，幾乎全部構建在IT網絡之上，當前整個IT架構向“云”中遷移，傳統的業務流程將被逐一拆解，然后組合、外包、虛擬化。圖書館的上游資源提供商也積極向“云”靠攏，如電子資源數據庫商很多年前就以網絡包庫的形式取代了光盤版和鏡像版資源，讓旗下高校成為自身“云”節點中的一個小節點。自動化管理系統集成商更大張旗鼓推出“云”服務，標榜自身的核心能力為“云”能力。2009年4月23日，世界最大聯機圖書館服務供應商OCLC宣布即將推出基于WorldCat書目數據的“Web級協作型圖書館管理服務”此項目公認為是一項“云”計算服務，其目標是取代各類型圖書館的集成管理系統[3]。國外一些互聯網巨頭也推出了自己的“云”圖書服務，如Google Prints提供電子圖書檢索服務，并針對版權情況提供封面、部分預覽和全文閱讀；WorldCat提供上載館藏并在用戶檢索結果中顯示館藏信息；Amazon AWS提供圖書信息、新書信息。
目前我國圖書館界也在積極推進“云”計算體系，中國高等教育文獻保障系統正在完成CALIS數字圖書館“云”服務平臺,適合于構建大型分布式的公共數字圖書館服務網絡，能將分布在互聯網中各個圖書館的資源和服務整合成為一個整體，形成一個可控的自適應的新型服務體系，通過對各種服務進行動態管理和分配，來滿足不同層次和規模的數字圖書館需求，支持館際透明地協作和服務獲取，支持各館用戶的聚合和參與，支持多館協作的社會化網絡的構建，支持多館資源的共建和共享，具有自適應擴展的能力。深圳圖書館最新開發的ILASIII自動化管理系統，采用了“云”計算中的分布式體系結構，提供C/S與B/S兩種應用模式，支持通用數據庫(Oracle)，提供多種檢索方式，包括特征字段檢索、特征字段模糊檢索、特征字段組配檢索、全文檢索、瀏覽檢索、二次檢索等。此外我國互聯網應用商也推出符合國人閱讀習慣的“云”圖書服務，如“豆丁網”、百度文檔等，逐步完善中文圖書“云”服務。
3.“云”計算給電子閱覽室帶來幾朵“云”
3.1 “云”平臺
“云”計算的特點為電子閱覽室提供了一個廣闊的“云”平臺，所需的資源都存在于“云端”-互聯網中，電子閱覽室的終端再不需要調用本地的存儲資源；原有的老舊終端只要和互聯網接通，又可重新發揮功效；軟件系統亦無需頻繁的更新升級。讀者進入電子閱覽室后，也許會驚喜地發現遠程文獻傳遞、館際互借、異構資源跨庫檢索、手持終端和pc之間文獻傳輸、在線FAQ參考咨詢、視頻資源點播等等功能，瞬間得以實現。讀者使用一個終端，就可使用全球或者某一個圖書館群亦或本地甚至是走進電子閱覽室某個人的信息資源。“云”平臺將電子閱覽室置于廣闊的互聯網空間，電子閱覽室成為高校圖書館重要的“云”節點輸出口，讓圖書館聯盟、信息資源整合、異地文獻交流等理論有了最佳的實踐展示“窗口”，電子閱覽室徹底擺脫了設備老化、IT維護人員缺乏、數據提供商人為制約等不利因素的影響，真正成為讀者隨時提供高質量的信息資源。
3.2 存儲“云”
圖書館館藏電子資源，很多都需要磁盤陣列的支持。而無論NAS、SAN、SAS結構的磁盤陣列都存在存儲容量有限，購置費用高昂，維護成本較高，有一定使用年限的問題。電子閱覽室作為圖書館存儲設備服務主要對象之一，對陣列有很大的依賴。查閱下載本地資源、視屏VOD點播系統、隨書光盤系統、讀者個人資料存取這些電子閱覽室可提供的基本服務都需要磁盤陣列的支撐。在數據“爆炸”的今天，高清圖像資源大行其道，數據容量呈幾何型增長，各館的磁盤陣列遠遠不能滿足電子閱覽室的數據容量需求，而且一旦陣列“擋機”，電子閱覽室的服務也不能開展，嚴重影響電子閱覽室的服務質量。而存儲“云”系統中上百萬存儲設備可以容納海量數據，并可以隨時更新和增加。“云”存儲提供了無限大的存儲空間，能滿足海量信息的增加，為數字圖書館日益增加海量數據提供了解決途徑[4]，使電子閱覽室擁有一個海量的數據存儲環境。
3.3 安全“云”
“云”計算系統中的數據存儲、備份采用了自動同步的形式，并有嚴格的權限管理策略支持數據的共享，數據儲存在互聯網上，無需擔心因病毒感染和硬件的損壞而導致的數據丟失等，為圖書館服務器、數據的安全運行提供了可靠的保障。只有服務器、存儲設備的正常運轉，才能保證電子閱覽室為讀者提供穩定、可靠的數據。同時讀者在電子閱覽室上機時不可避免地會遭到計算機病毒、網絡黑客的侵襲，有時因個人疏忽造成的數據丟失和硬件損壞等數據安全問題時有出現。安全“云”出現為電子閱覽室信息資源的安全和可靠提供了有力的保證。在“云”中，有專業、規范的數據中心將用戶的數據通過加密方式進行存儲，除用戶本身外別人是不可能得到這些數據內容的。避免了因數據丟失造成的電子閱覽室和讀者間的矛盾。讓電子閱覽室有了一個安全的使用空間。
3.4 “云”圖書管理員
2008年10月，Jason Griffey在《圖書館雜志》旗下的netConnect雜志發文提出“云圖書館員”(Cloud Librarians)的新概念。他認為，“圖書館建筑物不會消失，我們仍將有許多資料需要照料。建筑物將越來越具有當前的雙重性質，即倉庫與聚會場所，而我們的服務與內容將存在于“云”中，遠離任何物理場所”[5]。“云”圖書管理員概念的提出說明了隨著“云”計算的到來，電子閱覽室的管理人員需要擺脫傳統的工作模式，依托“云”計算提供服務。由于在“云”計算下用戶有更大的自由來選擇和控制所獲得信息資源，因此對電子閱覽室人員的服務提出了更高的要求。其服務內容更加個性化、多樣化，服務更具針對性，提供一對一的實時參考咨詢服務或指導性的服務將會越來越多。這就要求電子閱覽室管理人員自身對“云”計算有深刻的了解，會使用”云”計算的各種便利工具如“云”存儲、各種互聯網“云”檢索工具、“云”服務器管理、“云”網絡管理及“云”API開發等等；同時除了會使用傳統的pc終端外，亦要會使用時下流行的各種手持式終端；對QQ、TWNTIER、FACEBOOK、BLOG、WIKI、TAG等服務也能輕松使用。可見要成為一個合格的電子閱覽室管理者，首先要成為一個合格的“云”使用者。只有將傳統身份轉化為為“云”圖書管理員，才有能力管理“云”計算下的電子閱覽室，實現電子閱覽室的社會效益和經濟利益。
3.5 多樣化的“云”
電子閱覽室作為圖書館信息服務主要承載場所，“云”計算下電子閱覽室可以提供更多的個性化服務。電子閱覽室讀者往往通過圖書館的門戶網站進入“云”世界，目前很多圖書館的門戶網站服務構建在“云”里，讓圖書館與網絡可以相互共享資源和應用[6]。讓圖書館的門戶網站呈現多樣化、個性化、定制化趨勢；使門戶網站能提供人性化的交互接口、豐富的個性定制、迅捷的服務速度，滿足不同讀者的需求；讀者們要訪問上游數據庫供應商提供的數據庫也建設在“云”端，為讀者提供更多的數據信息資源；讀者自身也可利用“云”中各種檢索工具，檢索到自己所想要任何數據資源；越來越多的讀者使用TWNTIER、FACEBOOK、BLOG等服務表達自己的思想；廣交“地球村”每個朋友。總之隨著“云”計算技術的全面推廣，電子閱覽室可以提供越來越多個性化的“云”，吸引更多的讀者走進電子閱覽室，讓讀者享受個性化服務，得到個性化幫助，獲得個人定制的資源信息。
4.結語
“云”計算的出現深刻的改變了高校圖書館電子閱覽室存在模式，不但可以提高電子閱覽室的利用率，節約圖書館的資源，還給電子閱覽室開辟了嶄新的服務理念，更對電子閱覽室管理人員提出了更好的要求。“云”計算下電子閱覽室的運作還處于探索階段，如何更好的為讀者提供個性化的服務，仍是電子閱覽室今后發展所要思考的重要問題。
參考文獻
[1]黎春蘭,鄧仲華.論云計算的價值[J].圖書與情報,2009(4):42-46.
[2]秦志華.云計算與個人數字圖書館建設[J].科技情報開發與經濟,2009(26).
[3]胡小著,范并思.云計算給圖書館管理帶來挑戰[J].大學圖書館學報,2009(4):7-12.
[4]周舒,張嵐嵐.云計算改善數字圖書館用戶體驗初探[J].圖書館學研究,2009(4):28-30.
計算機定位技術范文第3篇
關鍵詞： 虹膜定位；數學形態學；Hough變換
中圖分類號：TP301文獻標識碼：A文章編號：1009-3044(2008)16-21282-02
An Algorithm of Iris Localization Based on Mathematical Morphology
WANG Ya-ru,LUO Sheng-xian
(College of Information Engineering, Chengdu University of Technology,Chengdu 610059, China)
Abstract:Aiming at the limit of location algorithm , a method of the iris localization based on the Mathematical Morphology is proposed .A morphological method for the binary images is used to extract the center of pupil and estimate its radius. The method of edge detection based on Mathematical Morphology and Hough transform is used to locate the outer edge of the iris. The experimental results show that our algorithm is rational and feasible.
Key words：Iris location,mathematical morphology,Hough Transform
1 引言
虹膜識別技術是目前嶄新的一種基于生物特征的身份識別技術。虹膜是人眼中位于瞳孔和鞏膜之間的近似圓環狀的區域，具有穩定性，唯一性和非侵犯性等特點。虹膜識別包括：虹膜的定位，特征提取和模式匹配。虹膜的定位是指找出虹膜的內外邊緣，它是虹膜識別過程中的關鍵環節，準確的虹膜定位是獲取虹膜特征從而進行識別的前提。
在目前國內外的虹膜識別系統中，比較通用的算法有Daugman識別算法[1]和Wiides識別算法[2]。Daugman提出了一種基于活動圓模型板匹配的定位算法，Wiides提出的是二維高斯算子與邊緣檢測算子相結合的Hough變換算法。這兩種算法雖然都取得了良好的定位效果，但都需要進行三維空間搜索，定位速度慢。為了提高定位速度，本文提出了基于形態學方法的虹膜定位算法。
2 虹膜定位
2.1 內邊緣的定位
一般而言，在采集到的眼圖中，虹膜灰度值比鞏膜灰度值小，而瞳孔灰度值比虹膜灰度值小。根據這一規律，本文提出了一種快速的內邊緣定位算法。
2.1.1 分離瞳孔區域
依據瞳孔灰度值最小的特點，采用二值化的方法粗略的把瞳孔分離出來。首先通過計算圖像的直方圖，設定一個閾值T將圖像轉化為二值圖像，如圖1(a)所示，然后將原始圖像中的像素點灰度值大于T的，其值置為255，反之置為0。
2.1.2 去除二值圖像中的干擾
如圖1(a)所示，在二值化后的圖像中，仍然存在著濃密的睫毛部分。利用形態學的方法對圖像進行處理。首先通過膨脹的方法把虹膜圖像中的眼睫毛等干擾去掉，然后再通過腐蝕的方法把膨脹過程中膨脹過的區域腐蝕掉。算法公式為：
■
式中，F為待處理的二值化圖像，S為結構元素。經過去除睫毛處理后的二值圖像仍然保留了瞳孔的形狀，如圖1(b)所示。
圖1 瞳孔分離與去噪處理
2.1.3 確定內圓的圓心和半徑
在去掉睫毛和噪聲的二值圖像中，只有分離出來的瞳孔。因此通過對瞳孔部分的像素所有的橫、縱坐標分別求和再取平均，即求出瞳孔部分的質心，就得到瞳孔的圓心坐標(a0,b0)。由于分離出來的瞳孔是黑色，背景是白色，可以利用這一特點只需搜索出灰度變化的點就是瞳孔的邊緣，求出圓心到邊緣的距離得到內圓的半徑r0。
2.2 外邊界的定位
外邊界定位通過形態學算法和Hough變換來實現。
2.2.1 前期濾波
由于拍攝到的虹膜圖像存在著一定的光學噪聲和電子學噪聲，這些孤立的噪聲在邊緣檢測前應先去除，以免影響邊緣檢測的精度。本文采用的是形態濾波器。數學形態中的開-閉形態濾波器是用一個結構元素對原始圖像串聯地使用開、閉操作，可以將圖像中比結構元素小的游離噪聲濾除。開-閉形態濾波器常用的一個結構元素為
一般來說，對于灰度值較高的圖像，針對亮細節較多的特點應采用先開啟后閉合的串聯方式；對于灰度值較低的圖像，其暗細節較多，則應采用先閉合后開啟的串聯方式。
針對本文虹膜圖像灰度值較高的特點，采用先開啟后閉合的方式使用交替順序濾波去除噪聲和平滑圖像。首先對輸入圖像實行開啟運算，消除或減弱與結構元素相比尺寸較小的亮細節，然后對開啟的結構實施閉合運算，可以消除與結構元素相比尺寸較小的暗細節，而保持圖像整體灰度值和大的暗區域基本不受影響。未經過處理的虹膜圖像如圖2(a)所示，經形態濾波器濾波后的圖像如圖2(b)所示。濾波結果表明，圖像中的孤立亮點噪聲顯著減弱。
圖2虹膜圖像的形態濾波處理效果
2.2.2 邊緣提取
將經過形態濾波器濾波后的圖像二值化，然后采用4-連接邊沿進行邊緣提取。也就是如果該像素的值為1，其鄰域中至少有一個像素是非零的，那么該點就可以作為邊沿點。這樣可以減少Hough變換搜索過程的盲目性。邊緣提取后的圖像如圖3所示。
2.2.3 用Hongh變換確定外圓
Hough變換檢測圓的步驟：
設圓在直角坐標系的方程為：(x-a)2+(y-b)2=r2
1）把直角坐標下的方程轉換到極坐標下： a=x-r*cosθ,b=y-r*sinθ。
2）確立三維的參數矩陣A(a,b,r)。
3）遍歷邊緣提取后的圖像，循環搜索半徑r和θ角，并將相應的矩陣對應項A(a,b,r)加l，最后由A(a,b,r)的最大值確定外圓圓心坐標(a1,b1)和半徑r1。
由于虹膜內、外邊緣之間存在著耦合關系：■,r1-r0
3 實驗結果與算法比較
本實驗應用了中國科學研究院自動化研究所提供的CASIA1.0版本虹膜數據庫的圖像，并用MATLAB6.5編程實現了本文提出的算法，準確地定位出虹膜的內外邊界，如圖4所示，并在速度上有了一定的提高。
圖3 形態法邊緣檢測 圖4 虹膜內外邊緣的定位（下轉第1288頁）
（上接第1283頁）
本文算法與傳統的Hough算法的速度比較如表1所示，對虹膜內、外邊界定位速度提高的總效率約61%。
表1 不同算法的效率比較
4結束語
經過大量的實驗證明，與傳統的定位算法比較，本文利用形態學的算法來定位虹膜的內外邊緣，克服了傳統Hough變換計算量大的缺點，避免了搜索的盲目性，計算速度有顯著提高，同時在精度上也有一定的提高。
致謝：感謝中國科學研究院自動化研究所模式識別實驗室提供的虹膜數據庫。
參考文獻：
[1] DAUGMAN J.High confidential visual recognition by test of statis-tical independence[J].IEEE Trans.on Patern Analysis and Machine In-telligence,1993,15(11):1148-1161.
[2] WILDES R P.Automated iris recognition:an emerging biometric technology[J].Proceeding of the IEEE,1997,85(9):1348-1363.
[3] 王蘊紅,朱勇,譚鐵牛.基于虹膜識別的身份鑒別[J].自動化學報,2002,28(1):1-10.
[4] 王林,練秋生.虹膜定位算法研究[J].視頻技術應用與工程,2006,7:77-79.
[5] 鄭小梅,侯媛彬.一種新的虹膜定位方法.傳感技術學報,2007,20(1):217-219.
計算機定位技術范文第4篇
關鍵詞: 無線傳感器網絡；定位；錨節點；可部署性
中圖分類號:TP 393 文獻標志碼:A 文章編號:1672-8513(2011)03-0157-07
Summary Analysis of Localization Algorithms for Wireless Sensor Networks Based on Feasibility of Anchor Nodes Disposing
WU Caiqin, GAO Fei,DONG Guofang
(School of Electronics and Information Engineering, Yunnan University of Nationalities, Kunming 650500, China)
Abstract: In wireless sensor network applications, the position of the sensor networks is acquired by the specific node localization algorithm. The selection of a suitable node localization algorithm relies on the characteristics of the practical monitoring environment and the specific performance requirements. Based on the modes of localizations, the paper classifies the localization algorithms into two groups, the mobile and the fixed. It gives a detailed analysis of the typical algorithms of the two groups and predicts the future development.
Key words: wireless sensor networks; localization; anchor nodes; feasibility of disposing
在無線傳感器網絡的應用中，傳感器節點的工作區域往往是比較危險、惡劣的未知環境，節點的位置信息也是未知的.為了能夠對特定區域內發生的特定事件進行監控和管理，傳感器網絡必須提供定位服務，使節點明確自身的位置信息.通常，無線傳感器絡中需要定位的節點稱為未知節點（Unknonw Node）；通過人工布置或已知坐標的節點稱為錨節點(Anchor)或信標節點（Beacon），用來輔助未知節點的定位［1-3］.網絡中是否需要錨節點，錨節點位置固定或移動，錨節點的數量、部署方式等，都與具體定位算法的性能息息相關.因此錨節點的部署方式成為節點定位算法中一個很重要的研究點.
根據監測環境的不同特點，部署錨節點的方式及密度直接影響到網絡的魯棒性和健壯性，選擇合適的錨節點部署方式下的定位算法，可以提高定位精度.本文從無線傳感器網絡中錨節點主動部署的角度，將無線傳感器網絡定位算法分為錨節點位置固定及移動2類情形進行研究，具體內容如下：[JP]
1） 錨節點位置固定情況下的節點定位算法.錨節點位置固定時又可分為錨節點分散部署于整個監測區域、僅部署于監測區域周圍及沒有署錨節點3種情況：
a.錨節點可分散部署于整個監測區域的節點定位算法.這種情況下，錨節點在整個網絡中的數量較多,網絡整體成本較高,對環境要求也較高，但可以提供較高的定位精度；
b.錨節點僅部署于監測區域周圍的節點定位算法.由于受網絡構架成本或監測環境的限制,錨節點只分布在監測區域的周邊環境.這種網絡能提供節點的絕對位置信息,但魯棒性較差；[JP]
c.整個網絡沒有部署錨節點的節點定位算法.由于沒有部署錨節點,網絡成本相對較低,對環境要求也較低.但這種算法只能提供相對位置信息，且定位精度不高.
2) 基于移動錨節點的無線傳感器網絡節點定位算法.在這種情況下，錨節點具有移動性，通常可根據具體應用需求來規劃錨節點的移動軌跡.由于利用錨節點的移動性來減少網絡中錨節點數量，從而降低網絡的整體構架成本，同時通過移動錨節點的移動性軌跡覆蓋整個網絡，提高了網絡中的節點定位率和定位精度.
1 錨節點位置固定下的典型定位算法
1.1 錨節點隨機均勻撒布于整個網絡中的定位算法[BT)]
這種網絡下的典型定位算法有：質心定位、DV-Hop、APIT、MDS-MAP、AHLOS等.
1.1.1 質心定位算法
2000年，Bulusu和Heideman等［4］提出一種Range-Free的粗精度質心定位算法，利用已知坐標信息的錨節點估計未知節點坐標.算法的核心思想是：錨節點每隔一段時間向鄰節點發送一個廣播信號，信號中包含錨節點ID和坐標信息，當未知節點接收到來自錨節點的廣播信號數量超過某一個預設門限或時間段之后，該節點就確定自身位置為這些錨節點所組成的多邊形的質心.
[KH*2/2]
(x,y)=(xi1+…+xikk,yi1+…+yikk)[JP]，[JY]（1）
[KH*2/2D]
其中，(xi1,yi1)…(xik,yik)為未知節點能夠接收到的錨節點坐標，（x,y）為待定位節點坐標，算法示意圖如圖1所示.該算法實現簡單，對錨節點與待定位節點之間的協作要求低，完全基于網絡的連通度，但是，質心定位算法的定位精度比較低，僅適合于粗精度定位要求的應用場合.
1.1.2 DV-HOP定位算法
2003年，Niculescu等［5］根據距離矢量路由原理提出距離矢量-跳段（Distance Vector-Hop，DV-Hop）算法，算法的主要思想是：待定位節點首先計算與錨節點之間的最小跳數，然后估算每跳的平均距離，用最小跳數乘以平均每跳距離，則可估算出待定位節點與錨節點之間的距離值，最后采用三邊測量法或最大似然估算法計算待定位節點的坐標.平均每跳距離通過（2）式得到：
Hopsize=[SX(]∑[DD(X]i≠j[DD)][KF(](xi-xj)2+(yi-yj)2[KF)][]∑[DD(X]i≠j[DD)]hi[SX)].[JY]（2）
如圖2所示，錨節點A，B，C坐標分別為(x1,y1),(x2,y2),(x3,y3)，待定位節點P的坐標假設為（x,y）, 其中(xi,yi),(xj,yj)是錨節點i,j的坐標,hj 為錨節點i,j（i≠j）之間的跳段數.待定位節點P的坐標則可先通過平均跳數乘以平均每條距離，得到與錨節點之間的距離，然后通過三邊測量法或最大似然估算法待定位節點坐標值.
DV-Hop定位算法是一種基于非測距的定位算法，免去了測距過程帶來的誤差，但此算法中，估算最小跳數時，需要待定位節點與錨節點間進行多次協作通信，帶來較大網絡通信開銷，且要求網絡的連通度必須達到一定的要求，較適合小型的無線傳感器網絡.
1.1.3 APIT定位算法
近似三角形內點測試法APIT (Approximate Point-in-Triangulation Test)［6］首先選擇多個含有待定位節點的三角形區域，待定位節點從鄰近節點組成的集合中任選取3個節點作為參考節點，判斷待定位節點是否位參考節點組成的于三角形內部，然后并選擇不同參考節點，重復測試，直到窮盡所有參考點組合，并達到所需定位精度；最后確定待定位節點的位置為所有三角形的質心位置.算法示意圖如圖3所示.
APIT算法的理論基礎是最佳三角形內點測試法PIT.PIT測試原理：假如存在一個軌跡，節點M沿著這個軌跡移動，會同時遠離或接近頂點A,B,C，那么節點M位于ABC外；否則，節點M位于ABC內.APIT定位算法步驟如下：
步驟1： 接收信息.未知節點收集鄰近錨節點發送的廣播信息;
步驟2：APIT測試.測試未知節點是否在不同的錨節點組成的三角形內部;
步驟3： 計算重疊區域.統計包含未知節點的三角形，計算所有三角形的重疊區域;
步驟4： 計算未知節點位置.計算重疊區域的質心位置，作為未知節點的位置.
在復雜的無線信號傳播模式下，且傳感器節點隨機部署時，APIT算法定位具有精度高、性能穩定等特點，但算法對網絡的連通度有較高要求.
1.1.4 MDS-MAP定位算法
MDS-MAP［7-10］是一種集中式的定位算法，在測距方式和非測距下都可執行，并可根據實際情況得到相對定位和絕對定位結果.它采用多維定標(Multi-Dimensional Scaling,MDS)技術（常用于數據降維分析或信息可視化），該算法由以下3個步驟組成：
步驟1：計算網絡中兩兩節點間的最短距離，并由這些最短距離構造一個二維距離矩陣Dij ［h］;
步驟2：對距離矩陣Dij ［h］采用MDS算法，得到前2個(或3個) 特征向量和最大特征根，由此最終建立相對坐標系統;
步驟3：給定足夠的錨節點(二維平面和三維空間各不同)，就可以將在第2步得到的矩陣根據錨節點的絕對坐標信息線性變換，最終建立整個網絡的絕對坐標系統.
該算法對網絡的連通度有較高的要求，在小型密集的網絡下采用該定位算法，可得到較高的定位精度，且網絡中大部分節點都能得到定位，但在網絡節點密度較低時，不能定位的節點數目將大大增加.
1.1.5 AHLOS定位算法
Savvides等［11］提出了一種基于測距的AHLOS（Ad Hoc Localization System）定位算法.雖然目前最常用的測距方法是三邊測量法（SPA定位算法等）,但是，在實際網絡中,隨機撒布錨節點的方式很難保證所有未知節點滿足三邊測量法的條件,故無法直接用三邊測量法解決所有定位問題.AHLOS定位算法根據待定位節點周邊錨節點不同情況，給出了3種算法：原子多邊法(Atom Multilateration)、迭代多邊法(Iterative Multilateration) 、協作多邊法(Collaborative Multilateration).圖4為周邊節點的分布情況.當未知節點的周圍3個或3個以上的鄰居節點是錨節點時,用三邊測量法或極大似然法進行定位;當未知節點的鄰居節點中錨節點個數小于3時,用迭代多邊法定位,即把鄰居節點中部分已知位置的普通節點升級為錨節點,再進一步利用極大似然法或三邊測量法計算坐標;若最后經過迭代轉換,未知節點的鄰居節點中錨節點數目仍不足3個時,則采用協作多邊法定位,即計算未知節點到通信半徑以外的錨節點之間的多跳距離,進而用極大似然法計算節點坐標信息.
基于測距的定位算法,往往要求節點的收發模塊具有能量檢測功能,對硬件有較高要求,必然增加網絡成本.而且在普通錨節點升級成錨節點的過程中,會造成誤差積累,降低定位精度,削弱了AHLOS定位算法的優點.如果采用人工方式部署錨節點，使所有待定位節點均滿足三邊測量法的條件，則可大大提高AHLOS定位算法的定位精度.
1.2 錨節點僅部署于監測區域周圍的節點定位算法[BT)]
此類定位算法主要有：N-Hop MP定位算法，CPE定位算法，MCVC算法等.
1.2.1 N-Hop MP定位算法
Savvides等［12-13］提出N-Hop MP(N-Hop Multilateration Primitive)定位算法，采用卡爾曼濾波技術循環定位求精，大大減小了計算過程中的積累誤差.算法給出了判定節點是否可參與協作式似然估計的充分條件，然后通過計算未知節點與錨節點之間的多跳距離進行定位，對網絡中錨節點的密度要求不高，而且受非視距影響較小，算法示意圖如圖5所示.
該算法首先根據判定條件，生成多個協作子樹（由待定位節點和錨節點組成的圖）.每個協作樹包括N個變量，代表N個待定位節點的坐標.至少要得到N個線性方程，并且保證每個方程能夠得到唯一的解，才能得到所有待定位節點的坐標.如圖7所示, 節點A和B為坐標已知的錨節點，測得節點間距a,b,c之后，可得到待定位節點C和D坐標.待定位節點C的x坐標取值范圍為（［xA-a］，［x B-(b+c)］）.最后采用卡爾曼技術對節點坐標進行循環求精.
此算法所需要的錨節點數量不多，網絡的總體造價不高，但循環求精過程增加了算法的復雜度，適合錨節點僅部署于監測區域邊界的傳感器網絡.
1.2.2 CPE定位算法
Doherty等［14］提出CPE(Convex Position Estimation)定位算法，將節點間的協作通信看成是一種幾何約束,錨節點要求部署在網絡邊緣.當約束足夠緊密時,使用線性規劃LP和半定規劃SDP (Semidefinite Program)方法得到一個全局優化的解決方案,并確定一個節點可能存在的矩形,并以矩形重心作為節點位置,如圖6所示.
該算法能夠得到定位精度較高的節點坐標，但計算過程較為復雜繁瑣，將引起較大的通信浪費和網絡延遲，故此算法適合錨節點數目較少，且僅部署于網絡周圍的無線傳感器網絡.
1.2.3 MCVC定位算法
Rao等［15］在闡述一種路由算法時提出MCVC(Method for Constructing Virtual Coordinates without Location Information)定位算法.若邊界節點（鄰居節點）全是錨節點，則用下面的方法計算非邊界節點（非鄰居節點）的坐標.在平面情況下定義節點坐標為鄰居節點坐標值的平均值，公式為
xi=∑k=neighbor_set(i)xksize_of(neighbor_set(i))，[JY]（5）
yi=∑k=neighbor_set(i)yksize_of(neighbor_set(i)).[JY]（6）
通過逐次迭代求精計算未知節點坐標，具體過程為：
1) 已知邊界錨節點的坐標，任意設置非邊界節點的初始坐標;
2) 迭代階段，未知節點通過公式（5）、（6）計算出自己的坐標，每次計算后，鄰居節點都會互相交換計算出的新坐標，再進行下一次迭代;
3) 當坐標精度達到一定的要求，或迭代次數達到一定的門限之后，停止迭代，得到每個節點的坐標.
若邊界節點的坐標不是全部已知，則采用信息交換建立全局坐標系，然后進行上述迭代.若邊界節點不知道自己是邊界節點，則利用一個錨節點確定邊界節點，然后進行上述步驟得到每個節點的位置.
此算法的定位精度較高，但循環求精過程大大增加了算法的復雜度，一般適合要求較高定位精度的小型網絡的應用場合.
1.3 無錨節點的無線傳感器網絡節點定位算法
此種情況下的典型定位算法有SPA（Self-Positioning Algorithm）定位算法，由Capkun等提出.網絡中沒有部署錨節點，僅通過普通節點之間的相互關聯估算自身坐標［16］.它選擇網絡中密度最大的一組節點作為參考節點，組建網絡全局坐標系統，并選擇聯通度最大的節點作為全局坐標系統的原點.在所建立的全局坐標系統中，按公式（7）和圖7所示說明操作，便能得到所有節點的位置.
算法如下：
1) 根據節點間的相對測距結果建立局部坐標；
2) 通過節點間的信息協調與交換建立全局坐標系統，以參考節點為基準，通過平移與旋轉的方式；
3) 在全局坐標系統中，通過圖7所示，按照公式（7）進行變換；
4) 反復重復步驟1)~3)，則可得到網絡中每一個節點的坐標.
[JP+2]此算法無需部署錨節點，網絡的整體開銷大大減小，但算法的實現過程主要依賴于網絡的連通性，且算法采用循環定位過程，累積誤差比較大.[JP]
2 基于移動錨節點輔助定位的典型定位算法[BT)]
研究表明［17］，網絡中部署錨節點的數量越多，得到較高的定位精度越高，但在無線傳感器網絡中，使用錨節點越多，整個網絡的開銷也越大.利用錨節點的移動性來減少所需要錨節點數量，從而降低網絡構架成本，同時通過移動錨節點的移動軌跡來覆蓋整個網絡，提高了未知節點的定位率.典型的定位算法主要有：LMAP、基于接收信號強度的雙圓定位算法等.
2．1 LMAP定位算法
Sun等［18］提出一種基于移動錨節點的節點定位算法LMAP（Loealization with Mobile Anchor Point），其原理是：利用理想環境下無線信號衰減與距離的關系，即與錨節點間信號強度相同的節點在以錨節點為圓心同半徑的圓周上.帶有GPS定位系統的錨節點不斷在網絡中移動，并不斷獲取待定位節點的信號強度，按照一定的法則，選取1組信號強度作為標準，當測得的信號強度等于選取的信號強度時記錄移動錨節點的坐標，如此反復，當測得相對某普通節點的3個坐標值時，便可計算得到該節點的坐標.
如圖8所示，假設獲得了錨節點A1，A2，A3 3點坐標，La,Lb為其中2條垂線，它們的交點便對應著普通節點的絕對坐標，利用簡單的直線方程可得到普通節點的坐標.
LMAP定位算法精度與錨節點的移動速度、移動路徑、障礙物、無線發射半徑等有關.在各項指標均較好的情況下，能夠得到較高的定位精度，因此這種算法對網絡的整體要求較高，適合監測環境不復雜的應用場景.
2.2 基于接收信號強度的雙圓定位算法
基于接收信號強度的雙圓定位算法［19］的主要思想是：在1個靜態網絡中部署1個移動錨節點，移動錨節點圍繞2個不同的圓心分別旋轉，直到所有節點被有效覆蓋，如圖9所示.待定位節點接收廣播信號，并且選擇一組（2個）信號強度最大的錨節點，且這2個錨節點必須分別來自2組同心圓軌跡中.根據這2個錨節點的極坐標和已知2圓心間的距離，未知節點的坐標可利用正弦定理計算出.雙圓的覆蓋面積越大，容納的待定位節點越多，最終能夠定位的節點越多，能達到較高的網絡覆蓋率.
基于接收信號強度的雙圓定位算法原理比較簡單，計算過程不復雜，減少了一般定位算法計算過程引起的累積誤差，錨節點的移動軌跡也比較簡單，因此有較好的實用性.
基于移動錨節點的定位算法中，錨節點移動路徑規劃成為實現監測區域內節點定位的一個重要因素，近幾年有一些研究者對移動錨節點路徑規劃展開研究，主要有 SCAN［20］等幾種路徑規劃方法.
3 總結與展望
本文主要研究了無線傳感器網絡基于錨節點可主動部署的典型定位算法，對現有的定位算法進行了分析比較.每種定位算法都有各自的特點和應用環境，沒有哪種是最優的，總體來說，網絡的連通度越高，錨節點的數量越多，則定位精度越高，但隨著錨節點的數量增加，網絡的整體開銷也越大，通過對上面各種已有定位算法的分析，認為對無線傳感器網絡定位算法的研究還存在以下一些技術挑戰： [JP]
1） 有效的測距方式.目前大多數的定位算法都屬基于測距的，錨節點與未知節點間距離測定誤差直接影響定位精度.由于測距誤差主要由硬件設備決定，不同的測距或測角技術具有不同的誤差特征，因此對于測距設備技術特征的精確刻畫，提高測距精度成為節點定位算法未來的研究重點；
2） 降低定位算法的復雜度.由于無線傳感器節點能量一般是有限的，復雜的定位算法雖然能提高定位精度，但加快了節點能量的消耗，故算法復雜度與能量消耗之間的合理折中也是未來的研究重點；[JP]
3） 錨節點數目.錨節點的定位方式包括人為布置和GPS等定位系統輔助，錨節點的數目越少，越便于網絡的管理，網絡部署的成本也越少，目前關于無錨節點的定位算法研究還比較少.
目前，主要的定位算法主要集中于靜態網絡，網絡中待定位節點移動時的節點定位算法將是未來研究的重要方向.
參考文獻:
［1］孫利民,李建中,陳渝,等.無線傳感器網絡［M］.北京：清華大學出版社,2005.
［2］王殊,閻毓杰,胡富平,等.無線傳感器網絡的理論及應用［M］.北京：北京航空航天大學出版社,2007.
［3］張正勇，孫智，王剛,等.基于移動信標節點的無線傳感器網絡節點定位［J］.清華大學學報:自然科學版，2007，47(4):534-537.
［4］BULUSU N，HEIDEMANN J，ESTRIN D.GPS-Less low-cost outdoor localization for very small devices［J］. IEEE Personal Cornmunieations,2000,7(5):28-34.
［5］NICULESCU D, NATH B.DV based positioning in ad hoc networks［J］.Telecommunieation Systems，2003，22(l):267-250.
［6］HE T，HUANG C，BLUM B M，et al. Range-free loealization Scheme for large scale sensor networks［C］//ACM Sigmobile， Proceedings of the 9th annual international conference on Mobile computing and networking. September 14-19, 2003, San Diego，California.New York:ACM,2003.
［7］SHANG Y，RUML W，ZHANG Y，et al. Localization from mere connectivity［C］// Proceedings of the 4th ACM international symposium on Mobile ad hoc networking & computing.ACM Sigmobile.June 1-3,2003,AnnaPolis,Maryland.New York:ACM,2003:201-212.
［8］SHANG Y，MENG J, SHI H C. A new algorithm for relative localization in wireless sensor networks［C］//Proceeding of the 18th International Parallel and Distributed Processing Symposium. April 26-30,2004,Santa Fe,New Mexico.IEEE Computer Society, 2004:24-33.
［9］SHANG Y, RUML W, ZHANG Y, et al. Localization from connectivity in sensor networks ［J］.IEEE Transactions on Parallel and Distributed Systems,2004,15(11):961-974.[ZK)]
［10］[ZK(#]AHMED A, SHANG Y，SHI H C. Variants of multidimensional scaling for node localization［C］//Proceedings of the 2005 11th Internationa Conference on Parallel and distributed Systems(ICPADS 2005).July 20-22,Fuduoka,Japan. IEEE,2005,1:140-146.
［11］SAVVIDES A，HAN C C, SRIVASTAVA M B. Dynamic fine-grained localization in Ad-hoc networks of sensors［C］//Proceedings of the Seventh Annual ACM/IEEE International Conference on Mobile Computing and Networking (MobiCom 2001). July 16-21, 2001 Rome, Italy. Rome. ACM，2001:166-179.
［12］SAVVIDES A, PARK H, SRIVASTAVA M B. The bits and flops of the N-hop multilateration primitive for node localization problems［C］//WSNA 02 Proceedings of the 1st ACM International Workshop on Wireless Sensor Networks and Applications. September 2002,Atlanta, GA. New York:ACM,2002:112-121.
［13］張東紅,李科杰,瓊.一種改進型DV-distance自定位算法［J］.彈箭與制導學報,2008, 28(3);275-277.
［14］[JP2]DOHERTY L. Convex position estimation in wireless sensor networks［D］.Berkeley:University of California,2000.[JP]
［15］RAO A, RATNASAMY S, PAPADIMITRIOU C, et al. Geographic routing without location information［C］//Proceedings of the 9th Annual International Conference on Mobile Computing and Networking. September 14-19,2003, San Diego,CA. New York:ACM,2003:96-108.
［16］CAPKUN S, HAMDI M, HUBAUX J P. GPS-free positioning in mobile ad hoc networks［J］. Cluster Computing, 2002, 5 (2) : 157 - 167.
［17］汪煬.無線傳感器網絡定位技術研究［D］.合肥：中國科技大學，2007.
［18］SSU K F,OU C H, JIAU H C. Localization with mobile anchor points in wireless sensor networks［J］.IEEE Transactions on Vehicular Technology,2005,54(3):1187 -1197.
［19］任麗婕.無線傳感器網絡中節點部署和優化算法研究［D］.青島：中國海洋大學,2009.
［20］梁甲金，鄧平.一種基于移動錨節點的多坐標系定位算法［J］.云南民族大學學報:自然科學版,2010,19（4）：248-252.
收稿日期:2010-10-27.
基金項目:國家自然科學基金（60963026）；云南省教育廳科學研究基金（09Y0256）.
計算機定位技術范文第5篇
關鍵詞： UWB； TDOA； 無線時鐘同步算法； 卡爾曼濾波算法
中圖分類號： TN915?34； TN919.72 文獻標識碼： A 文章編號： 1004?373X（2017）06?0031?04
Abstract： Studied for wireless clock synchronization， a wireless clock synchronization algorithm based on Kalman filter algorithm is proposed， and the wireless clock asynchronism and its reason are analyzed. The experiments for the algorithm was carried out with Hainan?EVK1.0. The results show that wireless clock synchronization algorithm based on Kalman filtering algorithm can meet the needs of TDOA location algorithm.
Keywords： UWB； TDOA； wireless clock synchronization algorithm； kalman filtering algorithm
0 引 言
無線定位系統是在指定的空間內通過測量無線電波的物理特性對目標進行實時監控。在室內，基于傳統無線電技術的各類定位解決方案仍然是一個未解決的問題；因為室內信號傳播環境相比室外更加復雜，很難精確分析信號到達時間或到達角度等參數[1]。2007年3月IEEE了基于UWB物理層的IEEE 802.15.4a?2007協議標準，這一標準旨在為無線個域網中使用超低數據速率、超低功耗和超低復雜度的器件進行短距離數據傳輸提供支持。IEEE 802.15.4a協議是IEEE 802.15.4協議的修訂版，有兩種物理層實現方式， 即超寬帶技術UWB和 Chirp擴頻（Chirp Spread Spectrum，CSS）技術。IEEE 802.15.4a超寬帶（Ultra Wideband， UWB）基帶如果用于定位，其在精確度、實時性能和數據帶寬等方面具有絕對的優勢。其中，UWB物理層可以工作在1 GHz，3～5 GHz和6～10 GHz這三種頻率范圍， 工作效率高， 即使在較低的發送功率下仍具有較好的魯棒性[2]。而本文的實驗則采用了愛爾蘭Decawave公司生產的DW1000 UWB芯片組，其物理層協議為IEEE 802.15.4a。脈沖無線電超寬帶 （Impulse Radio Ultra?Wideband，IR?UWB）的脈沖寬度僅為納秒級或亞納秒級，響應頻率和脈沖寬度決定了UWB的定位精度在理論上可以達到厘米級。UWB技術實時響應頻率可達到10～40 Hz，而其他定位技術普遍在1 Hz以下； UWB技術抗多徑能力強，且時間分辨率很高，具有一定的穿透能力，這些特點有利于在室內復雜多徑環境中進行實時定位和動態數據收集需求。目前國內UWB技術還主要集中在帶寬應用及高速率接入等方向，UWB RTLS（Real Time Location System）定位技術鑒于其硬件起步較晚，無線時鐘同步[3]、標簽容量模型[4]及網絡可擴展[5]通信協議難點，目前還尚未開展。而本文將針對TDOA定位算法中的無線時鐘同步問題進行研究，并以Hainan EVK 1.0為實驗平臺，驗證改進后的時鐘同步算法的可行性。
1 影響無線時鐘同步的因素及研究現狀
