自适应Kalman滤波在MEMS陀螺仪信号处理中的应用

通过中值滤波和均值滤波的有机结合,可以去除MEMS陀螺仪漂移中的"野点"信号。基于Haar小波基的小波变换,寻找到了一种易于实时在线实现的漂移特征提取方法。对残差信号进行二阶AR模型分析建模后,利用改进的自适应Kalm an滤波算法,对残差信号进行滤波,提高了被处理漂移信号的精度。实际测量数据的处理结果验证了该MEMS陀螺仪去漂移方法的有效性。     

基于Kalman滤波器原理的PSO算法

粒子群优化(PSO)算法是一种新兴的基于群智能方法的优化技术,该算法简单而且功能强大,但也存在易陷入局部极值的缺点。文章分析了PSO算法的特征,利用卡尔曼(Kalm an)滤波器原理对PSO算法作了改进,得到了一种新的改进粒子群优化KPSO(Kalm an PSO)算法。实验结果表明,KPSO算法取得了较好的应用,其收敛精度和速度都有了一定程度的提高。     

基于多传感器图像融合技术的鲁棒景象匹配算法

将多个传感器获取的具有不同大小、不同分辨力和不同信噪比的实时图基于Kalm an滤波的方法进行融合,以提高实时图的性能;搜索融合后的实时图在基准图中的位置达到目标定位之目的,即进行景象匹配。在景象匹配过程中,选用归一化互相关系数作为相似性度量。多组实验与分析表明:所介绍的基于多传感器图像融合技术的景象匹配算法可以有效地解决实时图存在部分遮挡、灰度与对比度变化以及复杂噪声干扰等影响下的景象匹配问题。     

一种小型无人机高度测量方法的研究与实现

为了满足某小型无人机飞行控制中对高度信号的采集与处理,提出了用无线电高度来确定基准高度,用气压高度来确定相对高度,用起飞点的实测温度进行补偿的设计思想,综合这3种手段来有效消除外界环境对气压高度测量精度的影响。传感器数据融合方面,利用飞行器运动学推算出的高度状态方程以及传感器观测模型,采用Kalm an滤波技术来估计和修正传感器的测量高度。测试结果表明,此方法得到了较准确的高度测量信息,可以满足无人机飞行控制的需求。     

多传感器组合的移动车载数据采集系统研究

多传感器数据融合作为一门新兴前沿技术,已广泛应用于许多研究领域。三维信息快速采集是真实建模与三维虚拟现实的关键。提出了一种基于多传感器融合的车载移动式三维数据快速采集系统,集成了激光扫描仪、线/面阵CCD相机及GPS与IMU等多种传感器,以完成城市路面街道和建(构)筑物的三维数据自动采集。重点探讨了定位定姿方案设计及其实现,将GPS和IMU数据通过卡尔曼(Kalm an)滤波进行融合,可推测出整个系统及各传感器的位置和最佳姿态估计,以快速获取城市目标的地理坐标和三维建模信息,重建城市路面街道的三维真实场景。     

基于压电主动传感的混凝土龄期内强度监测研究

针对混凝土龄期内强度变化的特征,预先将压电智能骨料埋入钢筋混凝土试件内指定位置,对不同龄期内压电传感器接收到的应力波信号进行功率谱密度分析和小波包能量分析。试验结果表明：在混凝土养护期内,传感器接收信号的小波包能量值随时间的变化趋势,与同等条件结构固有频率下功率谱密度特征参数随时间的变化趋势基本一致,试验结果与混凝土试件在实际养护过程中试件强度的变化规律相吻合。     

基于加速度传感器的步态分类研究

提出了一种基于时域和小波能量的步态分类算法。运用三轴加速度传感器采集走路、上楼、下楼三种步态下的上臂和胯部加速度信号,提取平均值、标准差、百分位数、平均绝对偏差等时域特征和2-6层小波能量特征,构建贝叶斯分类器,对三种步态进行分类。分类结果显示,时域与小波能量结合的分类方法的精度高于仅使用时域特征和仅使用小波能量特征的分类精度。     

基于加速度的小波能量特征及样本熵组合的步态分类算法

摘 要： 目的 针对传统的使用小波分解系数作为特征对走路、上楼、下楼进行分类时不能对具有相同强度加速度信号的步态样本进行分类的问题,提出了一种基于样本熵和小波能量相结合作为特征的分类算法。方法 利用三轴加速度传感器采集走路、上楼、下楼三种步态下的上臂加速度信号,将信号进行小波分解,提取能量特征和样本熵特征,构建决策树分类器和贝叶斯分类器。结果 决策树分类器和贝叶斯分类器的总体分类精度分别为75%和78.75%,使用样本熵与小波能量作为特征的分类精度比仅使用小波能量的分类精度提高了15.85%和19.17%。结论 就步态分类精度而言,样本熵与小波能量相结合的方法优于仅使用传统小波能量方法。     

机载惯性传感器信号降噪研究

针对机载条件下惯性传感器千扰输出是来源多样的非平稳、非线性信号,采用传统降噪方法有明显的不足和局限这一问题,分析了机载惯性传感器输出信号的特点,提出基于局城波分解对实测机载惯性传感器信号降噪.根据实测数据使用局域波分解和小波包变换进行信号降噪对比分析,结果表明局域波分解和小波包变换对于存在噪声干扰的机载惯性传感器信号可以有效降噪并提取有用信号.局域波分解消除惯性传感器信号嗓声计算简便,容易实现.     

基于小波的DVS在无线传感器网络中的应用*

为了最大限度节约能源的使用,使无线传感器网络使用寿命延长,针对无线传感器网络的节点在运行状态提出了基于小波的动态电压调度(DVS)算法.该方法首先通过使用小波、Kalman和AR三种算法相结合对下一任务量进行预测,并根据预测结果判断处理器(使用SA-1100处理器)进入何种操作频率等级(处理器的工作电压与操作频率一一对应),使较小任务量进入较小操作频率等级的状态,从而减少了节点在周期内的能量消耗.仿真实验结果表明,该方法是有效的.     

基于事件驱动和最小延迟融合路径的无线传感器网络突发事件监测研究

针对无线传感器网络应用于突发事件监测场景的能量消耗和网络延迟问题,提出了基于事件驱动和最小延迟融合路径的无线传感器网络数据融合算法.其中,动态成簇过程基于事件严重程度,并由其决定簇的生命周期和覆盖范围;融合节点等待时间取决于节点到簇头的跳数和节点的度,通过计算每个节点的融合等待时间,以获取最小延迟融合路径.仿真实验表明,该算法能有效节省能量,且能显著减少网络延迟,为无线传感器网络应用于突发事件监测提供了一种适用的方法.     

ADP-based optimal sensor scheduling for target tracking in energy harvesting wireless sensor networks

This paper proposes a novel sensor scheduling scheme based on adaptive dynamic programming, which makes the sensor energy consumption and tracking error optimal over the system operational horizon for wireless sensor networks with solar energy harvesting. Neural network is used to model the solar energy harvesting. Kalman filter estimation technology is employed to predict the target location. A performance index function is established based on the energy consumption and tracking error. Critic network is developed to approximate the performance index function. The presented method is proven to be convergent. Numerical example shows the effectiveness of the proposed approach.     

传感器网络中基于卡尔曼滤波的能量高效Top—k查询处理技术

无线传感器网络能量受限,如何实现top-k查询处理的能量高效从而延长网络的生命周期是该领域研究的一个重要课题。论文利用传感器节点读数的时空相关性,提出运用卡尔曼滤波根据已知节点读数对未知节点读数估计的时空建模方法,进而提出基于预测机制的区域采样方法（RegionSampling,RS）。实验表明,论文提出的查询方法不但可以满足用户的查询精度要求,而且大大减少了传感器网络的通信次数节省了能量,从而延长了网络的生命周期。     

Novel sensor scheduling and energy-efficient quantization for tracking target in wireless sensor networks

This paper focuses on sensor scheduling and information quantization issues for target tracking in wireless sensor networks (WSNs). To reduce the energy consumption of WSNs, it is essential and effective to select the next tasking sensor and quantize the WSNs data. In existing works, sensor scheduling’ goals include maximizing tracking accuracy and minimizing energy cost. In this paper, the integration of sensor scheduling and quantization technology is used to balance the tradeoff between tracking accuracy and energy consumption. The main characteristic of the proposed schemes includes a novel filtering process of scheduling scheme, and a compressed quantized algorithm for extended Kalman filter (EKF). To make the algorithms more efficient, the proposed platform employs a method of decreasing the threshold of sampling intervals to reduce the execution time of all operations. A real tracking system platform for testing the novel sensor scheduling and the quantization scheme is developed. Energy consumption and tracking accuracy of the platform under different schemes are compared finally.     

基于灰色模型的无线传感器网络动态功耗管理研究

传感器节点能量受限是制约无线传感器网络使用寿命的关键因素,为了节约传感器网络的能量,提出了灰色模型的动态功耗管理(DPM)方法.该方法利用传感器节点上的历史数据应用灰色模型预测未来值,预测过程中可以动态调整预测参数,实现自适应预测,和小波自回归预测算法相比,提高了预测的准确性.基本思想是根据Sink节点上的数据来决定整...     

一种基于混合自动机模型的节点动态功耗管理机制研究

为了降低传感器节点的能耗,从而延长传感网络的使用寿命,本文将传感器节点的工作状态划分为四种,并设计了一种基于混合自动机的节点工作状态转换模型.为降低事件丢失率,文中定义了温度和相对湿度两种环境变量,该模型根据这两种环境变量是否跳变来决定节点进入何种工作状态;同时该模型考虑了节点的剩余能量,提高了节点能量使用的均衡性.仿真实验结果表明:该方法是有效的.     

卡尔曼一致性滤波器的丢包性能分析及能量优化

针对无线传感器网络(wireless sensor networks,WSNs)在实际应用中不可避免的数据包丢失现象,本文研究了分布式卡尔曼一致性滤波算法(distributed Kalman consensus filtering algorithm,DKF)在两类丢包情况下的稳定性和滤波性能问题,通过矩阵论理论分析得出了估计误差协方差收敛所能容忍的极限丢包率.然后,考虑到传感器节点能量有限,基于逾渗模型构建了一种能量可调的改进型分布式一致性卡尔曼滤波器,该滤波器充分利用无线传感器节点冗余布置的特点,以较小的滤波精度下降为代价,获取网络寿命的大幅度提高,实现了该分布式滤波器在滤波精度与能量消耗两个关键指标的有效权衡.最后利用仿真实例验证了所提出算法的有效性.     

基于动态认知PSO的无线传感网络高效路由

研究无线传感网络高效节能路由的问题. 无线传感网络中的节点需要使用电池等一次性能源来进行能量供应, 很多恶劣的环境下无法对节点进行能量补充. 传统的无线传感器网络路由协议主要集中在网络质量或者能源解决的某一方面, 保证了网络质量的网络如果网络工作时间较长就有一些节点因为能量耗尽而死亡, 相反如果仅保证能源节约的网络却无法保证网络的质量. 为此提出一种基于动态认知PSO的无线传感网络高效路由的方法, 分析无线网络的架构以后在传感器节点的路由寻找中引入动态认知的PSO算法, 对节点当前的能量状态与路由信息实时     

基于遗传算法的无线传感器网络路由协议研究*

针对无线传感器网络能量受限、建立高效路由困难等特点,将遗传算法应用于无线传感器网络路由协议中,提出了一种快速构建无线传感器网络最优路径方法。采用可变长度染色体编码,采取选择、交叉和变异操作,充分利用基站的信息资源和强大计算功能,逼近无线传感器网络最优路径。仿真结果表明,基于遗传算法的无线传感器网络路由协议可以有效延长无线传感器网络的生命周期,改善网络性能。