（之前的草稿，，）上上，，上周五也就是十號的時候，我在玩乒乓球，結束的時候，我打開了手機，發現我qq微信短信超多，原來是獲得了數學建模國家一等獎，大家紛紛送來了祝福，第一次參加，從查看論文到設計演算法，再到形成代碼，再優化，最終完成任務，付出了很大努力，還通宵了一晚上，早上死去活來的難受死了，，，，不過，有付出就有回報！加油！
在這里簡單分享一下代碼和思路，（代碼剛剛刪掉了）
感謝一直陪伴著我的隊友和輔導老師（點贊）！
大家首先先看看問題描述
本文為解決信號干擾下的超寬帶（UWB）精確定位問題，首先通過逐步遞進的方式將已知場景作為樣本，利用UWB的定位技術，采集到錨點與靶點之間的距離，然后通過分別建立有無干擾情況下的定位建模，給出目標物的精確定位，再根據已知正常資料和例外資料的特征對這兩類進行分類，學會判斷在任何場景下是否受到信號干擾，并根據判斷結果代入定位模型，最后由靜態過渡到動態靶點運動軌跡的求解，
任務1是對給定資料進行預處理，運用NumPy、高斯分布的3sigma原則以及就近原則等方法對資料進行整理并洗掉無用資料，將資料最簡化，為后面步驟的計算提供便利，
任務2是定位模型的求解程序，對于無干擾資料，利用最小二乘法和泰勒展開協同模型估計靶點的精確位置，根據已知資料對模型檢驗后得到三維精度為0.02m；對于干擾資料，應用修正粒子群智能優化定位模型預測靶點的精確位置，得到三維精度為0.072m，最后用給資料分別進行定位得到靶點坐標，
任務3是任務2不同場景的應用，修改場景后預測出靶點坐標，說明此模型可以在不同場景下進行應用，
任務4是實際應用中UWB精確定位的重點難點問題，即如何判斷信號是否有干擾，
任務5是將前面問題進行實際演練，隨機給出的一組資料，我們根據分類模型判定是否有干擾，根據有無干擾運行相應的定位模型，得到相對應的精確定位，并利用卡爾曼濾波演算法對所求結果進行處理，最終得到動點運動軌跡，
首先進行任務1的分析：
當初有兩種方案，如果按照時間戳分析，確實有缺失資料，按照線性填補，可以對時間戳進行填補資料，但是資料量太大會對之后的資料處理造成很大的干擾，于是決定，不按時間戳看，把相似相同的資料刪了即可，大大減少資料處理量
經過分析，任務1包括以下四個問題：
（1）用NumPy進行資料處理，將每4行行為作為一組，將每個資料檔案轉換成二維表形式，生成的每行矩陣都代表一個樣本；
（2）對正常資料和例外資料的648個資料進行預處理，利用高斯分布的3sigma原則將落在以外的資料看作例外洗掉，通過篩選、程式遍歷，洗掉缺失資料、相同，利用就近原則洗掉相似資料；
（3）經資料處理以后，觀察每個資料檔案各保留多少組資料，利用折線圖表示；
（4）最后重點列出24、109正常資料和1、100例外資料，（題上要求）
首先進行任務2的分析：
看了題后的論文和自己找的論文，發現泰勒級數展開和最小二乘法可以很好的解決問題，于是，看著論文，一步一步形成代碼
以下是最小二乘演算法
篇幅原因，只放三維結果
泰勒級數展開的代碼，需要的私聊，費了好大勁才寫出來，我太菜了，
接下來對任務3進行分析
這道題也就相當于，對之前的成果進行一個應用，
改變場景，應用場景2的靶點范圍和錨點坐標，對前五組利用最小二乘法和泰勒級數展開模型精準定位，對后五組有信號干擾的資料利用修正粒子群智能優化定位模型進行定位，具體得到如下定位結果，觀察可知，此靶點均在給定靶點范圍內，可以將我們制定的模型應用到不同場景內，
接下來對任務4進行分析
我們根據泰勒級數所得到的誤差值，來進行一個分類，如果誤差大，根據聚類演算法，可能就是干擾點，最后代入計算，
接下來對任務5進行分析
對之前所有的成果進行一個整合，根據所得坐標，我們可以得到軌跡圖，但因為定位模型存在部分誤差，所以在這里利用卡爾曼濾波模型，對所得結果進行去噪處理，盡可能還原真實資料，計算后得到如下運動軌跡圖，
由上圖，我們可以看到，根據我們所構建的模型，平面軌跡效果更好，三維動態軌跡圖可能存在誤差，導致有點的跳躍，但整體運動軌跡仍存在一定規律性，
-----------------------------------------------------------------------------
-----------------------------------------------------------------------------
（PS：其實我之前想最小二乘演算法強行跑出來結果，結果，，，，如下圖，z軸精度真的不高的，最后加了泰勒級數展開、pso和卡爾曼濾波等等一些優化方式，才得到了 上圖）
-----------------------------------------------------------------------------
最后展示一下獲獎資訊
開心！！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/396601.html
標籤：AI
上一篇：LeetCode 436. Find Right Interval - 二分查找（Binary Search）系列題24
下一篇：將資料集中的值系結到下拉串列