战场目标识别中的D-S证据理论应用

为了解决干扰情况下地震动信号发射源的定性问题,提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据,并考虑在同一个定位组中各个传感器所得数据的置信度不同,来对地震动信号发射源性质进行识别。实验结果证明:基于D-S证据理论的战场目标识别数据融合后,地震动信号发射源特性识别的可靠性明显大于单个传感器的识别效果,这也表明了多传感器融合识别的可能性和有效性。     

基于无线传感器网络的车辆检测识别算法研究

针对无线传感器网络(WSNs)的特点,利用车辆发出的声音信号,提出并研究了一种改进的信号检测算法,能够有效地从被噪声严重污染的声音信号中提取出车辆信号。使用小波包变换提取16维信号特征,支持向量机进行目标分类,得到单节点识别结果。提出了基于能量的全局决策融合算法,对多个节点做出的决策进行融合,得到网络的最终识别结果。为了评估算法,使用了来自DARPA SensIT实验中的真实数据,其中包含了履带车和重型卡车的大量声音信号。实验结果表明:该算法用于WSNs中的车辆识别方面是有效的。     

地震微观前兆预报网络系统设计研究(2-2)——基岩传感器网络和数据融合技术

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计.本文介绍传感器网络和智能数据融合技术,包括:(1)无线传感器网络.(2)多传感器数据融合技术;(3)多平台多传感器目标跟踪解耦相关算法;(4)传感器网络中合作信号和信息处理技术;(5)传感器网络中分布目标的分类和跟踪.     

声发射源多传感器数据融合识别技术

波形数字发射技术的发展给声发射源的特性识别带来了可能性。由于各种噪声的影响，以及声发射信号传播过程的复杂性，又给声源的识别带来一定的困难。为了解决干扰情况下声发射源的定性问题，文章提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据，同时考虑在同一个定位组中各个传感器所得数据 的置信度不同，对声发射源的性质进行了识别。实验结果证明了数据融合后，声发射源特性识别的可靠性明显大于单个传感器的识别效果，这也表明了多传感器融合识别的可能性和有效性。     

一种数据融合算法评估平台

传感器的多样性、战场环境的复杂性给数据融合算法的选择带来了困难,针对这种情况,介绍了一种多传感器数据融合算法测试平台,对融合算法进行了定量分析评估,为融合算法的选择使用提供了一种参考。     

声传感器网络目标定位算法实现研究

声传感器可以通过分析接收到的目标发出的次声波噪声得到目标的方位角和属性信息,通过对声传感器的组网,融合网内多传感器的信息,可以实现对目标定位的目的。因此定位算法及其实现技术是声传感器网络的核心技术之一。由于声传感器网络中各个探测区域具有不同的特点,首先根据声传感器网络的特点将定位算法进行了分类,提出了一种有效的算法选择机制,减少了时间延迟对于目标定位的影响。同时为了降低目标定位算法的复杂度,提高运行效率,提出了并行处理和数据存储的方案。最后通过仿真验证了方法的有效性。     

基于D-S证据理论的管道安全监测数据融合技术的研究

管道安全监测技术能够对管道安全构成威胁的行为进行早期监测、定位和预警,对管道周围目标进行正确的分类识别是其中的关键.采用多个地震信号传感器对管道周围的人、车辆等目标发出的震动信号进行采集,为了解决目标识别问题并提高目标的识别率,针对多个传感器采集的数据,本文中提出了采用D-S证据理论方法对数据进行融合处理,实验结果证明基于融合后的识别结果较单个传感器的识别结果有了较好的改善.     

基于目标识别的光电多传感器信息融合技术

依靠多个光电传感器采集目标数据,需要解决各类数据信息的融合分析问题。基于这种认识,从特征提取、融合和识别等方面,对基于目标识别的光电多传感器信息融合技术展开分析,介绍了技术应用前景,指出需要采用不同算法完成不同光电传感器特征信号提取,同时,通过融合计算得到融合特征量,为目标识别提供信息数据支撑,确保准确识别目标。     

地震微观前兆预报网络系统设计研究(2-2)——基岩传感器网络和数据融合技术

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计。本文介绍传感器网络和智能数据融合技术,包括：（1）无线传感器网络;（2）多传感器数据融合技术;（3）多平台多传感器目标跟踪解耦相关算法;（4）传感器网络中合作信号和信息处理技术;（5）传感器网络中分布目标的分类和跟踪。     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

无线传感器网络分布式多目标跟踪算法研究

由于无线传感器网络的资源有限,集中式多目标跟踪算法在无线传感器网络多目标跟踪中受到限制.在无线声学传感器网络下,基于动态分簇结构,提出了一种分布式多目标跟踪算法.每个传感器的测量为来自单个目标或多个目标的声音信号和环境噪声的叠加.在跟踪过程中,每个目标对应于一个粒子滤波,当目标之间的距离较远时,进行单目标跟踪.当目标之...     

含噪语音实时迭代维纳滤波

针对传统去噪方法在强背景噪声情况下,提取声音信号的能力变弱甚至失效与对不同噪声环境适应性差,提出了迭代维纳滤波声音信号特征提取方法。给出了语音噪声频谱与功率谱信噪比迭代更新机制与具体实施方案。实验仿真表明,该算法能有效地去噪滤波,显著地提高语音识别系统性能,且在不同的噪声环境和信噪比条件下具有鲁棒性。该算法计算代价小,简单易实现,适用于嵌入式语音识别系统。     

一种改进的集中式异构无线网络选择算法

对于异构无线网络的无缝移动性实现,在适当的时间内选择目标网络具有重要作用。提出了一种改进的接入路由器发现算法IARD,一种在WLAN网络和UMTS网络构成的异构环境下使用的网络发现和选择技术。在此方法中,核心网络中潜在的网络指定采用一个特殊的加权均值算法[(MW)]实现,并根据不同的任务场景有针对性地改变各项标准的权重,从而确定出最合适于该场景的网络作为目标网络。在不同的业务类型条件下通过仿真测试,结果表明,与其他方法相比该方法给出了更为合适的网络选择。     

Target tracking based on the extended H-infinity filter in wireless sensor networks

In this paper, we propose a new target tracking approach for wireless sensor networks (WSNs) by using the extended H-infinity filter. First, the extended H-infinity filter for nonlinear discrete-time systems is deduced through the Krein space analysis scheme. Then, the proposed extended H-infinity filtering algorithm is applied to target tracking in wireless sensor networks. Finally, experiments are conducted through a small wireless sensor network test-bed. Both experimental and simulation results illustrate that the extended H-infinity filtering algorithm is more accurate to track a moving target in wireless sensor networks than using the extended Kalman filter in the case of having no knowledge of the statistics of the environment and the target to be tracked.     

基于RSOPNN的无线传感器网络节点故障诊断算法

针对无线传感器网络节点故障诊断中存在的冗余故障属性、噪声数据以及数据可靠性等问题,提出基于粗糙集-优化概率神经网络的无线传感器网络节点故障诊断算法（简称RSOPNN）。通过粗糙集从故障样本属性集合中求解故障诊断属性约简,从而去除冗余故障属性,降低冗余属性、噪声数据对故障诊断的影响,节省能耗。对于多个属性约简选择,以属性间的相关程度作为度量标准,代替常规的主观选择,从多个约简中确定最优故障诊断属性约简,解决主观选择的不合理性。以最优的故障诊断属性重构故障样本,作为优化概率神经网络的输入,建立故障分类模型,从而对故障进行诊断。实验结果表明,在不同的数据可靠性下,RSOPNN方法能够有效删减样本中的冗余属性和噪声数据,保持高效的故障诊断水平,符合无线传感器网络的需求。     

Square-root unscented Kalman filtering-based localization and tracking in the Internet of Things

The Internet of Things (IoT), which is usually established over architectures of wireless sensor networks, provides an actual platform for various applications of personal and ubiquitous computing. Recently, moving target localization and tracking in an IoT environment have been paid more and more attention. This paper proposes a square-root unscented Kalman filtering (SR-UKF)-based algorithm to discover real-time location of a moving target in an IoT environment where there exist quantities of sensors. The data generated from wireless sensor nodes of the IoT make contributions to localization and tracking of the moving target. First, a least-square (LS) criterion-based mathematical model is proposed for localization initialization in an IoT scenario. Next, we employ an SR-UKF idea for the further localization and tracking. By using the data coming from sensor nodes near the target, real-time location of the moving target can be estimated by implementation of SR-UKF in an iterative fashion so as to achieve target status tracking. Simulation results show that the proposed algorithm achieves good performance in estimation of both position and velocity of the target with either uniform linear motion or variable-speed curve motion. Compared with some existing conventional extended Kalman filtering (EKF) or UKF-based methods, the proposed algorithm shows lower location/velocity estimation error under the same computational complexity, which demonstrates its potential significance in ubiquitous computing applications for an IoT environment.     

FRFT滤波的语音增强

针对传统去噪方法在强背景噪声情况下,提取声音信号的能力变弱甚至失效与对不同噪声环境适应性差,提出了一种动态FRFT滤波声音信号语音增强方法。给出了不同语音噪声环境下FRFT最优聚散度的更新机制与具体实施方案。用TIMIT标准语音库与Noisex-92噪声库搭配,实验仿真表明,该算法能有效地去噪滤波,显著地提高语音识别系统性能,且在不同的噪声环境和信噪比条件下具有鲁棒性。算法计算代价小,简单易实现。     

基于通信网络算法在水下通信中仿真研究

研究通信网络在水下通信效率优化问题,由于海洋的复杂环境、水声不稳定以及水声受到介质噪声的干扰,造成水下通信率低。为了解决上述问题,建立了一种H∞滤波器节点移动预测算法的资源预留机制,为节点在水声网络中提供基于移动IP的QoS保障。根据移动节点的移动方向判断其即将加入的子网,在子网中提前预留资源,其它子网不再为移动节点提前预留资源,从而节约水声无线通信网络有限的带宽、能量等资源,并进行仿真。仿真结果表明,改进的方法能够为水声网络提供较高的资源利用率,在时延、吞吐量等方面提供有效保障。     

无线传感器网络非线性方程声音目标定位算法

无线传感器网络基于声音能量的目标定位法中,非线性方程定位算法运算速度较快,占用资源小,但测量噪声使得方程容易出现无解的情况。论文从去除噪声的角度,采用增加采样次数和选择声音信号最大值求解的方法进行了改进,解决了方程法经常无解的缺点,实现了针对单目标的方程法定位估计。该方法易于实现,当网络中节点数较多时,只需通过一个方程组求解,保持了运算速度快的特点,仿真结果表明当节点数不多时该算法也能达到较好的估计准确度。     

基于中继器的无线侧信道分析方法

随着物联网时代的来临,通信设备的安全变得越来越重要.2018年出现的无线侧信道分析技术揭露了无线电安全中存在的漏洞,对物联网安全构成了很大的威胁.然而,无线侧信道分析方法极易受到噪声的干扰.在有噪声环境下,采集到的无线侧信道信号波形往往会出现畸变,导致后续分析失败.为了改善信号波形、提高无线侧信道的分析效率,本文提出了...