Resumen

Con el creciente potencial de aplicación del posicionamiento de personal en interiores, la tecnología de posicionamiento de banda ultraancha (UWB) ha atraído cada vez más la atención de los estudiosos. En la práctica, un proceso de posicionamiento en interiores suele implicar problemas de multitrayecto y de ausencia de línea de visión (NLOS), y el algoritmo de filtrado de partículas (PF) se ha utilizado ampliamente en el campo de la investigación del posicionamiento en interiores debido a su excelente rendimiento en estimaciones no lineales y no gaussianas. Con el objetivo de mitigar la disminución de la precisión causada por la degradación y el empobrecimiento de las partículas en el posicionamiento tradicional Sequential Monte Carlo (SMC), proponemos un método para integrar el algoritmo de luciérnaga y el de partículas para la optimización multietapa. El algoritmo propuesto no sólo mejora la capacidad de búsqueda de las partículas de inicialización, sino que también hace que las partículas se propaguen fuera de la condición óptima local en las estimaciones secuenciales. Además, para evitar que las partículas caigan en la situación oscilatoria y encontrar la optimización global más rápidamente, se diseña una función decreciente para mejorar la fiabilidad de la propagación de las partículas. Se llevan a cabo experimentos reales en interiores, y los resultados demuestran que la precisión del posicionamiento puede mejorarse hasta un 36%, y el número de partículas necesarias se reduce significativamente.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:partículas, campo de investigación del posicionamiento en interiores, monte carlo secuencial tradicional, experimentos reales en interiores, posicionamiento del personal en interiores, proceso de posicionamiento en interiores, condición óptima local, algoritmo, estimaciones gaussianas, potencial de aplicación
• Keywords:particles, indoor positioning research field, traditional sequential monte carlo, real indoor experiments, indoor personnel positioning, indoor positioning process, local optimal condition, algorithm, gaussian estimations, application potential