摘要：针对现有矿用精确定位系统存在功耗高、数据产生率大的问题,设计了一种矿用精确定位系统认知算法。该认知算法通过感知目标节点移动速度、位置的变化,采用重构决策的方法将目标节点的发射功率和定位数据采样间隔进行合理重配置,实现系统功耗和数据产生率的优化。仿真结果表明,该认知算法能有效地降低矿用精确定位系统的功耗和数据产生率,同时不会影响定位系统对节点运动轨迹的跟踪性能。

摘要：在现有的矿用精确定位系统中,实时传输的数据流量较大,容易造成链路拥塞,降低定位性能。提出了一种基于数据流量控制的认知算法,用于减少定位系统传输的数据流量。该算法只上传目标处于移动时的定位数据,并结合卡尔曼滤波算法,预测出目标节点的整个运动轨迹。仿真结果表明:该算法应用于矿用精确定位系统,能减少数据流量,确保定位性能。