基于数据融合的定位解算算法

为了获得更加准确的估计位置,对一种基于数据融合的定位解算算法进行了研究,在将模拟退火算法与经典的泰勒级数展开法和Chan氏算法进行性能比较的基础上,将模拟退火算法与上述两种经典的位置解算算法相结合,通过构造多算法协同定位模型,并基于该模型设计了融合定位算法,对传统定位解算算法进行改进,提出了一种基于数据融合的定位解算算法.仿真结果表明,融合算法的定位精度优于非融合算法且运算量较小.     

面向NB-IoT终端的指纹匹配定位改进算法

窄带物联网具有成本低、功耗小、连接量大和覆盖范围广等特性,但其超低的复杂度和较强的穿透衰落导致定位精度不高。基于信道状态信息(CSI)幅度和窄带参考信号接收功率(NRSRP),提出一种指纹匹配定位算法。利用CSI幅值和NRSRP离线构建指纹,并在线收集待定位终端的指纹信息,采用K近邻(KNN)算法得到最近的K个近邻点,充分利用待定位终端和K个近邻点的NRSRP信息并通过无线信道传播模型估计距离差。在此基础上,使用极大似然估计算法得到最终的估计位置。实验结果表明,与KNN、WKNN等算法相比,该算法能有效降低定位误差,提高定位精度。     

一种RSS和CSI融合的二阶段室内定位方法

针对基于接收信号强度RSS(Received Signal Strength)或信道状态信息CSI(Channel State Information)的室内定位方法在现实环境中定位精度低的问题,提出一种RSS和CSI融合的二阶段室内定位方法.离线训练时采集数据构建指纹库;在线测试时首先利用RSS和改进的k最近邻kNN(k-NearestNeighbor)算法进行位置粗略估计,然后根据粗略估计结果筛选参考点构建子指纹库,最后使用高斯核函数改进的k最近邻算法进行位置精确估计.将该定位方法在室内复杂环境和空旷环境两种环境中进行实验验证,定位精度分别达到72.4％和75.9％,并将本文方法与两种现有的经典定位方法DeepFi和Horus在同一环境中进行比较,实验结果表明该方法能够有效地减小定位误差、提高定位精度.     

基于CSI的WLAN认证及攻击定位方案

无线信号的多径效应和时变性使基于接收信号强度指示(RSSI)的测量值波动较大,导致基于RSSI位置指纹的WLAN认证及攻击定位存在较大的误差。为此,提出信道状态信息(CSI)位置指纹的入网认证及攻击检测定位方案。通过正交频分复用技术获取细粒度CSI以描述位置信号特征,采用K-means优化初始聚类点算法处理数据,增强各位置信息间的差异性。在此基础上,构建基于CSI的位置地图,利用CSI位置指纹认证访问WLAN的用户身份,从而对认证失败的用户进行攻击检测和定位。在IEEE 802.11n通信标准测试中的结果表明,该方案的定位正确率高达98.12%。     

基于多指纹联合匹配的混合定位算法

随着信息科技的迅猛发展,室内定位技术已经成为基于位置服务LBS的研究热点之一。基于接收信号强度RSS的位置指纹与步行者航位推算PDR相结合的定位算法能有效提高定位精度,但目前已有的算法难以同时满足较高的定位精度与较小的计算量,常见的卡尔曼滤波算法精度不够,而粒子滤波算法计算量较大。提出了一种基于多指纹联合匹配的混合定位算法,有效融合惯性信息与RSS指纹信息,在较低计算量的前提下实现了高精度定位。实验结果表明,该算法80%的定位精度低于1m,平均精度高达0.77m。     

基于CSI与SVM回归的室内定位方法

为研究室内定位技术在复杂环境中的应用,以楼梯和实验室为实验场景,提出了一种基于信道状态信息（CSI）与SVM回归的室内定位方法。该方法通过基于密度的空间聚类方法（DBSCAN）去除信号噪声,并用主成分分析法（PCA）提取贡献最大的指纹特征,同时降低CSI指纹的维度。通过SVM回归建立CSI指纹与目标位置之间的非线性关系,从而达到根据测得的CSI指纹估计目标位置的目的。实验结果表明,在多径效应较强的楼梯复杂环境中,该定位系统可以在90%以上的概率下达到1 m的定位精度,实验室环境中可以在82%的概率下达到0.8 m的定位精度, 这表明基于CSI与SVM回归的室内定位方法具有高效性和可行性。     

基于RSS场景指纹的ZigBee无线传感器网的定位方法

分析Z igBee无线传感器网络的基于信号强度测距法（RSSI）及场景指纹法,提出RSS场景指纹定位方法,该方法融合了上述两种定位方法的特点,即采用RSS＂场景特征信息＂作为定位场景＂指纹信息＂,以此建立＂指纹信息＂数据库,最后用最近邻居匹配算法实现定位。通过应用表明,RSS场景指纹定位方法具有定位精度高、自适应性及容错性强,且满足低成本、低功耗及易于实现的特点。     

基于主成分分析的室内指纹定位模型

指纹定位是目前最有前途的室内定位方法之一,基于无线信号强度的指纹模型因其无需额外硬件成本、易于推广等特点被广泛采用.指纹模型的选择是影响指纹定位精度的关键因素.传统的通过选择指纹采集点的指纹方法尽管可以减少计算量,但对定位精度贡献不大.提出一种基于主成分分析的指纹模型,通过选择对精度影响最大的一组“成分”作为指导定位的指纹,在减少指纹计算量的同时,提高定位精度.实验结果表明,与基于欧式距离指纹算法和最近邻指纹算法相比,基于主成分分析的指纹算法可以将平均定位精度由5.3m 和3.9m 降低到2.7m.     

基于Kmeans聚类的CSI室内定位

多径效应导致基于接收信号强度指示(RSSI)的室内定位精度不高,采用高细粒度的物理层信道状态信息(CSI)可以更好地描述室内多径环境,提高基于指纹的室内定位的精度。利用聚类算法提取CSI,提高了不同位置之间指纹的区分性。在定位阶段采用一种简单有效的方法进行类的匹配。实验结果表明,在使用单个信标的情况下,定位精度较以往算法提高了24%。     

基于CSI信号的被动式室内指纹定位算法研究

基于信道状态信息(CSI)的定位技术在室内场景应用中被广泛关注,为了提高WiFi信号多径效应对接收信号强度指示的室内定位精度和稳定性,提出一种基于CSI信号的被动式室内指纹定位算法。该算法在离线阶段将定位场所划分为同等大小的区域块,在各连接点位置使用方差补偿的自适应卡尔曼滤波（Kalman）算法对原始数据进行滤波。再对滤波后的数据使用二分K均值聚类（K-means）算法进行分类,将处理得到的CSI幅值和相位信息共同作为指纹;在线阶段根据待测点采集的实时数据与指纹库进行匹配识别,被定位对象无需携带任何设备。仿真实验与实地实验表明,该算法利用信道状态信息中的子载波特征进行定位,能够有效减轻信号接收端的多径衰减影响,定位精度有明显提高。      

基于Internet的多agentIMS研究与实现

本文针对现代制造业的经营策略和需求不断动态变化的情况,时现代虚拟企业提出了基于Internet的多agent智能制造系统的解决方案.主要内容包括基于Internet的IMS控制结构的建立、有关agent的层次划分,智能制造系统的构成框架以及具体智能agent单元任务分解与结点建立.     

IM与SMS集成在PDA上的应用与研究

本文介绍了IM与SMS的现状及其各自的技术特点.通过针对现有各IM系统协议标准不统一的现状,构架了C/S模式的IM应用程序,提出了类IMPP协议标准,使之应用于PDA端和IM服务器端之间的IM数据交互.同时在IM服务器端完成协议转换工作.通过分析短消息组帧格式以及关于收发短消息的AT指令,实现了在PDA上通过与之相连的手机收发SM,以及PDA与手机信息同步.     

基于CDIO的数据库技术与应用课程教学与改革实践研究

大学生实践能力培养是新形势下对高等教育提出的新课题。数据库技能作为信息管理与信息系统专业的核心技能,贯穿人才培养的始终。在全面分析数据库课程教学现状的基础上,结合CDIO工程教育理念对课程教学内容和教学模式进行了深入的调整与改革,并对考试与考核措施进行了具体的调整,与后续课程、小学期实践、毕业设计等环节紧密配合,提高教育效率,提高应用型人才培养质量。     

基于DSP的SPWM变频调速系统的分析与设计

分析和设计了采用TMS320LF2407型数字信号处理器(简称DSP)内部自带的事件管理模块中的比较单元,运用规则采样SPWM算法来输出高精度的三相SPWM波形的交流电动机变频调速系统,从而实现逆变器的SPWM控制。通过此方法实现的SP-WM交流电动机变频调速系统,充分利用了DSP的高度集成化、数字化、高速运算功能和丰富的片内外设资源,给出了SPWM交流电动机变频调速系统结构图和软件设计方案。     

压缩感知及其图像处理应用研究进展与展望

压缩感知理论（Compressed sensing,CS）通过少量的线性测量值感知信号的原始结构,并通过求解最优化问题精确地重构原信号.该理论减少了数字图像及视频 获取时的存储及传输代价,也为后续的图像处理及识别的研究提供了新的契机,促进了理论和工程应用的结合. 阐述了CS的基本原理,综述了其关键技术稀疏变换、观测矩阵 设计、重构算法的一系列最新理论成果和发展,深入分析和比较了CS理论应用到图像处理领域的研究和发展状况,总结了其中存在的问题,并对未来的应用前景进行了展望.     

基于Struts和Hibernate的教务系统研究与设计

针对当前教务管理系统在运行过程中不稳定、后期维护困难等问题,提出了一种基于Struts和Hibernate框架的教务管理系统的解决方案。采用MVC体系结构,将整个系统分为表示层、业务处理层、数据持久层和数据库层,实现了用户界面、业务处理和数据访问的分离。该系统运行效率高,具有良好的稳定性、可扩展性和可维护性。     

基于Struts和Hibernate的教务系统研究与设计

针对当前教务管理系统在运行过程中不稳定、后期维护困难等问题,提出了一种基于Struts和Hibernate框架的教务管理系统的解决方案.采用MVC体系结构,将整个系统分为表示层、业务处理层、数据持久层和数据库层,实现了用户界面、业务处理和数据访问的分离.该系统运行效率高,具有良好的稳定性、可扩展性和可维护性.     

基于Ross Thick—LiSparseR及Ross Thick—LiTransit的核驱动BRDF计算与评价

核驱动BRDF模型是MODIS传感器用于计算全球地表反照率的AMBRALS算法系统所使用的模型。目前AMBRALS算法系统的几何光学散射核为LiSparseR核,它不能完全避免反射率为负的情况,并在遥感像元尺度应用互易原理的理论依据不充足。几何光学核LiTransit核兼有LiSparse核向LiDense核过渡的优点,比LiSparseR核更符合几何光学模型的基本原理。本文研究了基于LiSparseR核及LiTransit核驱动的方向反射率计算方法,并进行了比较验证。     

基于Linux和Xenomai的实时测控系统

如果能够提供一种将基于传统实时操作系统开发的应用程序透明地移植到Linux上的解决方案,那么Linux在实时领域的应用就会更加广泛;Xenomai就是为解决这个问题而发起的一个开源项目,相比于同类方案中RTLinux和RTAI,Xenomai的特点是专注于用户态下的实时性,同时提供与多种流行商业RTOS兼容的接口,这样在其之上构建的实时程序的稳定性和可移植性有了较大的提高;文中介绍了Xenomai的主体功能,分析了其底层实现思想,构建了一套基于Linux和Xenomai的实时测控系统,并对该系统进行了实时性测试,结果表明Xenomai能够胜任硬实时测控系统的需求。     

基于灰色理论的车辆分类统计与流量预测

在灰色理论基础上提出了一种自动车型识别与流量预测技术。该技术实现可分为三个步骤：第一步,测量车辆的三维信息,获得车辆的长、宽、高度特征;第二步,利用灰色关联分析对车辆进行分类识别;第三步,建立一阶单变量车辆预测模型即GM（1,1）,用于有关部门统计指标的预测。实验表明,该方法在车型识别中,具有比较高的识别精度,而灰色预测模型较传统的预测方法更具科学性与实用性。