基于跳数量化的无线传感器网络节点定位算法

为提高无线传感器网络节点定位精度,提出一种基于跳数量化的定位(MDS-HE)算法。将网络中节点的一跳邻居节点集合分割成3个不相交的子集,根据跳环分割的相交区域面积来估算节点间的距离,从而将整数跳数转换成实数跳数,转换后节点间实数跳数更能准确地表示节点间的距离;将实数跳数矩阵应用于多维定标(MDS)算法中,并且引入扩展卡尔曼滤波算法对节点坐标进行准确定位。在节点随机布撒的网络中,对提出的算法进行了仿真和实验分析。仿真和实验结果表明：在不同节点数量情况下,MDS-HE算法的性能优于距离向量定位算法和经典MDS算法,而且在锚节点足够多的条件下,MDS-HE算法定位更加准确。     

基于无线传感器网络PEGASIS算法的一种改进方案

基于对LEACH算法分簇思想的研究,对PEGASIS算法进行了改进,提出了高能效的PEGASIS(HEE-PEGAS-IS)算法;新算法将网络划分成多个等宽区域,区域内节点成链,考虑节点剩余能量和节点与基站之间的距离,使各簇链的簇首节点依次成主链,由主链首节点与基站通信;仿真结果表明:与PEGASIS算法相比,改进后的算法能有效节省网络能量,延长无线传感器网络寿命,提高了数据传输总量。     

基于接收信号强度的无线传感器网络质心定位算法

针对原有质心定位算法精度低、锚节点比例过高的缺点,提出了基于接收信号强度(RSSI)的无线传感器网络质心定位算法。该算法将基于RSSI的测距值作为权重引入质心算法,通过仿真实验探寻算法模型最优权值,并运用迭代思想降低网络锚节点比例,同时采用测距校正、算法修正和设置RSSI阈值约束三种措施来控制算法误差。仿真表明,改进算法在定位精度、成本控制和环境适应性上优于原有质心定位算法。     

作战指挥网中负载平衡的研究与仿真

并行处理能缩减军事信息系统的响应时间,而负载失衡是降低并行处理系统性能的重要因素。提出一种动态负载平衡算法,在负载平衡消息中包含了重载节点需要外迁的进程数和轻载节点能够接受的进程数,扩展了目标节点的选择范围,使重载节点能在算法的一次执行中外迁负载到多个轻载节点;提出3条算法规则避免消息传播的路由耦合现象。通过仿真实验,与其它3种现有的动态负载平衡算法进行性能比较,实验结果表明,提出的算法更有效地缩短了系统对计算密集型任务的平均响应时间。     

基于改进测地距离的等度规映射及其在声目标特征提取中的应用

经典等度规映射(ISOMAP)算法由于其固有的拓扑不稳定性,容易受噪声影响出现“短路边”,导致其在声目标特征提取的应用中性能不佳。提出了一种基于改进测地距离的ISOMAP算法,将近邻图的构造看作是建立一个电路模型,以电路中各节点电容从初始阶段到一定的状态所需要的时间为测地距离的量度,将保持局部结构的鲁棒性与保持全局几何结构的准确性结合在一起,克服了噪声短路点对算法的影响,提高了算法性能。在SensIT实验数据和外场实际采集数据上的实验结果表明,基于改进测地距离的ISOMAP算法的准确性和鲁棒性都有了较大提高。     

面向集群协同的两点相对定位技术

无人集群节点间精确位置获取是集群协同的基础，但在复杂多变的应用环境中，全球导航卫星系统(GNSS)难以提供稳定准确的位置信息；难以部署辅助锚点；传统相对定位方法大多存在节点数量限制。针对上述3个问题，提出了一种GNSS拒止条件下的集群节点相对定位的新方法。以搭载惯性测量单元(IMU)和超宽带传感器的两个节点为例建立了相对定位模型，采用扩展卡尔曼滤波算法，融合机载IMU和机间距离信息，实现了相对位置的最优估计。仿真实验结果表明：在无人机相距200 m的范围内，所提方法可达到约1.3 m的相对定位精度，与现有多节点相对定位算法相比，提高了约4倍；在无需GNSS和辅助锚点的支持下，即可实现两个节点之间的高精度相对定位，能够为无人集群在复杂应用环境下的协同定位提供有效可行的解决方案。     

基于接收信号强度的雷场节点定位方法

为了减少封锁雷的硬件设备及降低功耗,提出了一种基于接收信号强度测距的雷场节点定位方法.该方法只需通过封锁雷本身的无线通信模块,不增加任何外界设备.首先根据接收信号强度RSSI测得雷场节点间的距离,通过数学运算建立虚拟锚点,然后借助已建立的锚点和三边测量法来确定锚点附近未知节点的坐标,直到雷场所有未知节点都计算完毕,最终完成雷场节点间的相对定位.实验结果表明当信道损耗指数为2.5时测距误差最小,雷场节点定位误差在4m以内,满足雷场封锁要求.     

基于信号强度的井下无线传感器网络蒙特卡罗移动节点定位算法

针对改进的井下蒙特卡罗算法定位误差大的问题,提出一种基于信号强度的井下无线传感器网络蒙特卡罗移动节点定位算法.利用信号强度的变化来判断节点的运动方向,根据前一时刻的节点位置以及运动速度矢量来构建采样区域,采用一跳信标节点对样本进行过滤.仿真结果表明:该改进算法的定位精度得到了明显提高,适合于井下定位.     

基于改进进化规划的RBF网络二相码旁瓣优化

在研究雷达脉冲压缩信号中的二相编码距离旁瓣压缩问题基础上,采用改进的进化规划算法优化径向基函数网络,提出了一种基于改进进化规划算法的计算方法.该算法将进化规划算法和神经网络结合起来,用径向基RBF(Radial Basis Function)神经网络结构取代多层前馈网络MFNN(Multilayer Feedforward Neural Nerworks)结构,用改进进化规划取代反向传播算法BP(Back Propagation),可以以较大概率快速的收敛到要求的旁瓣抑制指标.通过对13位巴克码和31位M编码的仿真实验,表明新的方法在旁瓣抑制能力和运算速度等性能方面,都有较大的提高.     

基于自适应A~*算法和改进遗传算法的反舰导弹航路规划

以计算时间和航程距离为优化指标,以反舰导弹机动性、最大动力航程、各种通行障碍为约束条件,提出了反舰导弹射前航路优化的改进A*算法和改进遗传算法。改进A*算法通过构建一个网络来搜索次优路径,在搜索过程中,网络节点间距和节点密度随战场环境自适应改变。该算法以更小的计算量获得更优的航路,而且能够应对复杂程度很高的战场环境。改进遗传算法通过实数编码技术和初始种群智能化创建方法,生成具有可变长的染色体和全部由可行解组成的初始种群,避免了初始种群中由于存在大量非可行解而导致搜索效率降低的问题。最后,对两种改进算法在不同复杂程度的作战环境中进行了仿真实验,结果表明,改进A*算法适合用于复杂战场环境下的实时航路规划,改进遗传算法则适合用于导弹发射前并且精度要求高的航路规划。