一种具有鲁棒性的无线传感器网络定位算法

基于无线传感器网络定位系统中影响定位精度的非视距误差问题,通过研究最小二乘法本身的敏感性以及与最小一乘法的稳健性特点提出了组合中位最小二乘定位算法,在抑制非视距误差的同时,避免了最小一乘法计算困难的弱点,仿真证明,此算法在有少量非视距误差存在时,可以非常有效的抑制非视距误差。同时此算法与进行测距的物理层信号无关,也不需要任何的统计信息,有一定的实用价值。     

CSS无线定位系统设计及非视距抑制算法

针对测量误差概率密度未知的情况,提出了基于半参数的非视距噪声抑制算法。在基于飞行时间的固定标签模型基础上,通过应用大规模蒙特卡罗方法将提出的算法和传统方法进行对比,仿真结果表明,当非视距误差为有偏高斯分布和瑞利分布时,提出的算法能够在非视距污染率较低时与传统方法表现一致,且在污染率较高时也有较强的鲁棒性。结合室内和室外定位的应用进行基站部署,对相应场合下的定位算法进行测试。测试结果表明,提出的算法能够比最小二乘法提高50%左右的定位精度,整体而言,系统定位能达到在可视环境1 m,非可视环境3 m的精度。     

基于非视距误差直接估计的定位跟踪算法

在蜂窝无线定位中,由于非视距（non-line-of-sight, NLOS）误差是影响定位精度的主要因素之一,所以如何减轻NLOS误差影响成为当前无线定位研究的热点。本文针对NLOS环境下的定位跟踪问题,提出一种基于扩展卡尔曼滤波（extended Kalman filter ,EKF)的定位跟踪算法。该算法首先在最小二乘准测下推导出估计测量值中NLOS误差的直接计算公式,然后使用约束加权最小二乘（constrained weighted least squares, CWLS）方法计算出每一个测量值中所含的NLOS误差,最后利用NLOS误差估计值去修正EKF滤波,以便适应NLOS环境下的定位跟踪,并获取高的定位精度。这种方式不依赖于特定的NLOS误差分布,也无需视距（line-of-sight, LOS）和非视距识别。数值结果表明该算法相比较于经典EKF算法和基于NLOS迭代的EKF算法可以快速有效地抑制定位误差,并且可以在极为恶劣的NLOS环境下满足FCC的定位要求。另外,复杂性实验表明该算法可适用于实时跟踪。      

非视距和未知传输参数环境下的RSS-TOA目标定位算法

在未知传输时间和发射功率的情况下,本文研究了非视距环境下基于RSS-TOA混合测量值的目标定位问题。首先为解决非视距误差会显著降低定位性能这一难题,根据最坏情况下的定位性能优化准则和鲁棒最小二乘法准则构建了未知视距和非视距路径分布状态下的目标定位优化问题。然后为了有效解决非凸和高度非线性的原定位问题,采用二阶锥松弛技术将该问题转化为凸优化问题,并通过内点法有效得到最优解。最后仿真结果验证了所提出的定位算法优于已有的定位算法。     

基于特征矢量的NLOS误差检测的定位算法

最小二乘估计算法常用于基于测距的源定位,然而,当移动基站与基站间呈非视距(Non Line of Sight, NLOS)路径时,最小二乘估计算法无法提供理想的定位精度。为了克服此问题,研究人员提出多类算法识别并消除NLOS误差。然而,现存的算法存在高运行时间的开销问题。为此,提出基于特征矢量的NLOS误差检测的定位 (Eigenvector-Based NLOS Error Identification Localization, E-NIL) 算法。E-NIL算法先利用基于测距数据的统计特性识别NLOS误差,然后,将NLOS误差看成确定加性噪声项,再利用误差函数与它的特征矢量间的互相关,寻找NLOS误差值。最后,再删除这些NLOS项,并依据这些无NLOS误差的数据估计移动基站的位置。实验数据表明,提出的E-NIL算法在定位精度和复杂度方面优于同类算法。     

基于最小一乘的遥感图像融合

基于全色数据与多光谱数据之间的线性关系进行遥感图像融合是一种可行并被广泛应用的思路.本文利用GCOS模型对GS方法进行了分析,发现GS法可通过最小二乘法进行线性回归.由于最小一乘与最小二乘相比更为稳健,因此预期采用最小一乘法的融合方珐具有更好的性能.本文提出了一种基于最小一乘融合方法的构建,并对IKONOS数据进行了对比试验.试验结果表明,基于最小一乘的融合方法是对GS方法的一种有效改进.     

严重遮挡非视距环境下的三维定位方法

在严重遮挡非视距环境中,由于定位源与未知节点之间被障碍物遮挡而无法检测直射路径,极大地制约了无线定位方法的应用。提出一种能够规避直射路径遮挡现象的三维定位框架,利用单次反射路径和方位信息,论证了定位源、未知节点和散射体的三维空间位置关系,提出了基于最小二乘准则的空间位置优化算法,并推导出空间位置的求解方法。同时对定位算法进行均方根误差（RMSE, root mean-square error）的理论分析。通过蒙特卡罗仿真实验分析了三维定位框架中距离和方位偏差对算法性能的影响,仿真结果与算法的RMSE理论结果相符,说明了三维非视距定位算法的有效性。     

组网雷达系统误差的估计原理与性能分析

为了实现组网雷达系统误差修正,在研究雷达误差特性的基础上,分析了2种坐标系统下误差修正的原理,给出了利用最小二乘算法和广义最小二乘算法进行误差修正的公式.通过仿真实验,对实时质量控制算法、最小二乘算法、广义最小二乘算法和扩展卡尔曼滤波算法实现误差配准进行分析,并比较了这些算法在工程应用中的复杂性和估计精度,同时给出各种算法在工程应用方面的适用条件.     

基于IRLS的圆度误差最优化评定

提出了圆度误差评定的迭代重加权最小二乘算法(IRLS)。该算法采用一个迭代过程求解一系列加权最小二乘问题,并在每一步迭代中按照一定的规则对权系数进行调整,使其逐步逼近最优拉格朗日乘子,使最小二乘解逐渐逼近最小区域解。该算法保留了最小二乘法快速、惟一的优点,改正了其误差偏大的缺陷,采用Matlab语言编程,算法计算简单且易于实现,有较高的实用价值。     

测距机位置误差条件下交会定位改进算法研究

起降引导系统进行岸基标校时,由于甲板变形,布设在甲板上用于进行目标定位的激光测距机位置无法精确获得,存在位置误差,会严重影响目标定位性能。针对这个问题,提出了一种混合定位算法,该算法将非线性方程线性化,得到最小二乘解,然后综合考虑测距机位置误差和测距误差,将误差分量分离后利用加权最小二乘法得到目标位置次优解,以此次优解作为泰勒级数展开法的迭代初值,进行迭代运算,最终得到定位结果。将该混合算法与约束总体最小二乘法及CHAN算法进行仿真对比,结果表明,该算法可靠性更高,定位精度在较高噪声的条件下仍能接近CRLB。     

An improved proportionate least mean <Emphasis Type="Italic">p</Emphasis>-power algorithm for adaptive filtering

The least mean p-power error criterion has been successfully used in adaptive filtering due to its strong robustness against large outliers. In this paper, we develop a new adaptive filtering algorithm, named the proportionate least mean p-power (PLMP) algorithm, which uses the mean p-power error as the adaptation cost function. Compared with the standard proportionate normalized least mean square algorithm, the PLMP can achieve much better performance in terms of the mean square deviation, especially in the presence of impulsive non-Gaussian noises. The mean and mean square convergence of the proposed algorithm are analyzed, and some related theoretical results are also obtained. Simulation results are presented to verify the effectiveness of our proposed algorithm.     

最佳一致逼近算法在模拟温补晶振中的应用

目前国内外频率控制领域中最常用的近似方法是最小二乘法,但是实际需要的是使频率偏差的绝对值最小而不是频率偏差的平方和最小．而最佳一致逼近算法正是能够求解出使频率偏差的绝对值最小的极大极小解的一种方法。将最佳一致逼近算法首次应用于模拟温补晶振补偿网络参数的计算中,并针对一个具体的例子,通过比较利用最佳一致逼近算法前后的数据,可以看出理论上在利用了最佳一致逼近算法后和最小二乘法相比补偿精度提高11．74％．并进行了验证实验。由于算法本质特性,从统计规律来看,该算法会提高产品的成品率,对于生产实践具有指导意义。     

认知无线电中一种改进的AVC频谱感知算法

AVC算法是一种适用于拉普拉斯噪声环境的常用频谱感知算法,但该算法并未充分平滑拉普拉斯噪声中的“尖峰”,导致算法的检测性能不佳.针对此,提出一种改进的AVC频谱感知算法,其原理是对接收信号绝对值做开根号处理,并累加处理结果,作为检验统计量,进而判决是否存在主用户,实现频谱感知.此外,利用中心极限定理推导了所提算法检验统计量在主用户不存在时的概率密度曲线,从而给出理论判决门限.仿真表明,所提算法的检测性能分别优于AVC感知算法和拉普拉斯噪声下的能量检测算法大约1 dB和4 dB.     

Temporal and spatial outlier detection in wireless sensor networks

Outlier detection techniques play an important role in enhancing the reliability of data communication in wireless sensor networks (WSNs). Considering the importance of outlier detection in WSNs, many outlier detection techniques have been proposed. Unfortunately, most of these techniques still have some potential limitations, that is, (a) high rate of false positives, (b) high time complexity, and (c) failure to detect outliers online. Moreover, these approaches mainly focus on either temporal outliers or spatial outliers. Therefore, this paper aims to introduce novel algorithms that successfully detect both temporal outliers and spatial outliers. Our contributions are twofold: (i) modifying the Hampel Identifier (HI) algorithm to achieve high accuracy identification rate in temporal outlier detection, (ii) combining the Gaussian process (GP) model and graph‐based outlier detection technique to improve the performance of the algorithm in spatial outlier detection. The results demonstrate that our techniques outperform the state‐of‐the‐art methods in terms of accuracy and work well with various data types.     

Optimal step size of least mean absolute third algorithm

This paper proposes an optimized least mean absolute third (OPLMAT) algorithm to improve the capability of the adaptive filtering algorithm against Gaussian and non-Gaussian noises when the unknown system is a time-varying parameter system under low signal–noise rate. The optimal step size of the OPLMAT is obtained based on minimizing the mean-square deviation at the current time. In addition, the mean convergence and steady-state error of the OPLMAT algorithm are derived theoretically, and the computational complexity of OPLMAT is analyzed. Furthermore, the simulation experimental results of system identification presented illustrate the principle and efficiency of the OPLMAT algorithm. Simulation results demonstrate that the proposed algorithm performs much better than the LMAT and NLMAT algorithms.     

一种改进的高精度光谱寻峰算法研究

针对被采样的超弱光纤光栅(FBG)反射光谱含有干扰噪声的问题,提出一种应用于大容量超弱传感网络的高速寻峰算法。该算法引入权重因子加入到最小二乘拟合算法实现加权最小二乘拟合(WLS)算法,对高斯曲线拟合系数进行优化,定位出中心波长,然后再通过非对称高斯修正(AG)对定位的中心波长进行修正,提出WLS结合AG(WLS-AG)的算法,实现抗噪声干扰高精度寻峰。通过实验,对比分析最小二乘拟合算法、质心算法、WLS算法及文章提出的WLS-AG算法分别在不同噪声下的峰值误差平均值,以及变温环境下误差平均值。实验结果表明,在高信噪比的情况下,WLS-AG算法连续20次重复性实验平均误差<1 pm,在低信噪比的情况下,平均误差约为10 pm;在不同温度下的检测误差在1 pm内,且最为稳定,满足超弱FBG传感系统精度解调的要求。     

Gravitational outlier detection for wireless sensor networks

Accuracy of sensed data and reliable delivery are the key concerns in addition to several other network‐related issues in wireless sensor networks (WSNs). Early detection of outliers reduces subsequent unwanted transmissions, thus preserving network resources. Recent techniques on outlier detection in WSNs are computationally expensive and based on message exchange. Message exchange‐based techniques incur communication overhead and are less preferred in WSNs. On the other hand, machine learning‐based outlier detection techniques are computationally expensive for resource constraint sensor nodes. The novelty of this paper is that it proposes a simple, non message exchange based, in‐network, real‐time outlier detection algorithm based on Newton's law of gravity. The mechanism is evaluated for its accuracy in detecting outliers, computational cost, and its influence on the network traffic and delay. The outlier detection mechanism resulted in almost 100% detection accuracy. Because the mechanism involves no message exchanges, there is a significant reduction in network traffic, energy consumption and end‐to‐end delay. An extension of the proposed algorithm for transient data sets is proposed, and analytic evaluation justifies that the mechanism is reactive to time series data. Copyright © 2016 John Wiley & Sons, Ltd.     

Denial of service detection using dynamic time warping

With the rapid growth of security threats in computer networks, the need for developing efficient security-warning systems is substantially increasing. Distributed denial-of-service (DDoS) and DoS attacks are still among the most effective and dreadful attacks that require robust detection. In this work, we propose a new method to detect TCP DoS/DDoS attacks. Since analyzing network traffic is a promising approach, our proposed method utilizes network traffic by decomposing the TCP traffic into control and data planes and exploiting the dynamic time warping (DTW) algorithm for aligning these two planes with respect to the minimum Euclidean distance. By demonstrating that the distance between the control and data planes is considerably small for benign traffic, we exploit this characteristic for detecting attacks as outliers. An adaptive thresholding scheme is implemented by adjusting the value of the threshold in accordance with the local statistics of the median absolute deviation (MAD) of the distances between the two planes. We demonstrate the efficacy of the proposed method for detecting DoS/DDoS attacks by analyzing traffic data obtained from publicly available datasets.     

一种面向三维感知的无线多媒体传感器网络覆盖增强算法

 覆盖作为无线传感器网络中的基础问题直接反映了网络感知服务质量.本文在分析现有无线多媒体传感器网络覆盖增强算法的基础上,构建节点三维感知模型,提出面向三维感知的多媒体传感器网络覆盖增强算法(Three-Dimensional Perception Based Coverage-Enhancing Algorithm,TDPCA).该算法将节点主感知方向划分为仰俯角和偏向角,并根据节点自身位置及监测区域计算并调整各节点最佳仰俯角,在此基础上基于粒子群优化调整节点偏向角,从而有效减少节点感知重叠区及感知盲区,最终实现监测场景的区域覆盖增强.仿真实验表明:对比已有的覆盖增强算法,TDPCA可有效降低除节点感知重叠区和盲区,最终实现网络的高效覆盖.     

基于星像位置误差估计星敏感器姿态角偏差的方法

利用传统的反正切法估算星敏感器测量姿态角偏差时,存在因计算量大干扰算法实时性等问题。针对上述问题,文中提出了根据星像位置误差直接估算星敏感器姿态角偏差的方法。通过分析星敏感器姿态测量原理,推导出星敏感器姿态角变化量对星像位置影响的数学关系式,进而在小视场条件下,得到星像位置误差与星敏感器姿态角测量偏差的公式。该公式计算过程简单,避免了大量的反正切计算。仿真结果表明,在相同的仿真实验条件下,该方法的计算时间比传统方法缩短了近四分之一,且该方法的计算精度也优于传统的反正切法。理论推导和仿真实验说明该方法具有计算量小、实时性好且精度较高的优点,具有一定的工程应用价值。