一种改进型DV-distance自定位算法

由于DV—distance算法计算待定位节点到锚节点的距离是以分段距离之和代替直线距离，在网络不够密集的情况下，误差非常大；改进后的算法在原算法的基础上考虑了待定位节点到锚节点的跳数以及中间节点的邻节点数的影响，建立数学模型，对距离进行修正；通过仿真对比证实改进后的算法较大程度提高了定位的精度。     

不均匀布置传感器网络定位优化算法

目前许多针对传感器网络的定位算法仅适用于节点分布比较均匀的网络,在不均匀网 络中应用时定位精度较低。而在实际应用中,由于监测区域地形或应用需求等因素的限制,网络中 节点的分布往往是不均匀的。引入虚拟空洞以实现节点间的距离优化,并结合多维定标技术,提出 一种可应用于不均匀布置网络的定位算法(MDS-DO). 在半C 型节点布置区域内,对该算法的节 点定位效果进行了仿真分析。结果表明,在不同节点数量及连通度的情况下,MDS-DO 算法都能取 得较好的定位效果。而且在连通度较高的条件下,MDS-DO 算法的平均定位误差比经典的MDS- MAP 算法降低了约90%.     

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。     

基于斯坦纳树的雷场网络大面积损坏修复策略

战场环境下预先设定的智能雷场网络易受到敌方攻击而导致大面积损坏,雷场网络被分割成数个互不相连的部分从而丧失了通讯功能。通过将问题映射到斯坦纳最小树问题,提出了一种新颖的雷场网络修复策略。首先采用雷场区域网格模型限制算法的搜索空间,随后引入蛙跳和离散量子粒子群混合优化(JF QDPSO)算法确定中续节点位置,修复受损网络。仿真实验表明该策略能够有效的恢复网络拓扑结构,算法计算较快,与其它算法相比,重建后的网络通信能耗小,网络生存周期长。     

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.     

基于自适应比例修正无迹卡尔曼滤波的目标定位估计算法

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF) 的定位估计算法。通过分析RSSI 定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa 估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF 估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。     

无线传感器网络中基于贝叶斯技术的气体源定位研究

将无线传感器网络(WSN)引入气体源预估定位。基于贝叶斯原理，提出一种适用于WSN的气体污染源定位算法——改进粒子滤波(IPF)算法。该算法采用权重质心法确定预估定位初始点、退避定时排序法确定参与定位节点信息发送顺序及采用残差重抽样算法减少抽样方差以提高滤波性能。对比研究了改进粒子滤波( IPF)、扩展卡尔曼滤波(EKF)及改进的非线性最小二乘(I-NLS)算法定位性能，仿真表明构建的WSN对气体源定位有效，应用IPF算法定位性能优于EKF及I-NLS算法。     

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。     

单领航者相对位移测量的多自主水下航行器协同导航

针对单领航自主水下航行器(AUV)协同导航系统对定位精度和实时性的要求,提出了一种新的基于相对位移量测信息的协同导航方法.通过分析单领航AUV协同导航系统的定位原理和运动学模型,结合相邻采样时刻主、从AUV间相对位置的几何关系及航位推算信息,利用扩展的Kalman滤波(EKF)导航算法实现对从AUV的定位估计.与已有的...     

移动机器人的卡尔曼滤波定位算法改进与仿真

针对传统卡尔曼滤波算法和扩展卡尔曼滤波算法应用于移动机器人定位系统时出现的误差值较大和算法发散现象,在定位算法中引入修正因子对状态估计方程进行优化.分析传统卡尔曼滤波和扩展卡尔曼滤波的定位算法原理,研究运动过程中驱动力和摩擦力对移动机器人的影响,引入修正因子改进卡尔曼滤波算法,并对传统卡尔曼滤波算法、扩展卡尔曼滤波算法和改进算法做仿真对比和研究.仿真结果表明:修正因子对传统卡尔曼滤波算法和扩展卡尔曼滤波算法都具有改进效果,能提高定位精度.     

主从式无人水面艇协同定位滤波方法与实验验证

多无人水面艇（USV）协同导航定位技术是解决复杂作业环境下导航问题的重要途径。针对单主艇的主从式多USV的协同导航定位问题,建立了协同定位的状态空间模型,然后将非线性模型绕滤波值展开,得到非线性系统的线性化模型;利用扩展卡尔曼滤波算法进行信息融合;针对双艇间的距离、角度与协同定位精度的关系展开研究,对协同导航滤波算法使用李代数法进行了可观测性分析。研究表明,控制相邻两时刻主从艇之间距离和角度变化量是提高协同定位精度的有效措施。通过仿真和实验验证,为下一步深入研究和路径规划奠定了基础。     

基于贝叶斯估计的加权最小二乘分布式融合

针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。     

基于领弹-从弹架构的无导引头导弹协同定位与制导方法

针对无导引头导弹在采用现有制导律时定位误差会产生较大脱靶量的问题,通过双领弹的领弹-从弹协同架构,设计了一种协同定位与制导策略,以实现无导引头导弹对静止目标的精确命中。基于扩展卡尔曼滤波,提出了一种无导引头导弹的协同定位方法。该协同定位方法与比例导引结合时存在终止时刻过载指令过大问题,因此设计一种新型变系数比例导引律,分析了变系数比例导引律的制导系数对脱靶量、终止时刻过载与最大过载的影响。仿真结果表明：采用所提出的协同定位方法可减小具有定位误差的无导引头导弹脱靶量,而采用变系数比例导引律可避免终止时刻过载指令过大。     

基于距离跟踪的矢量脱靶量测量方法

提出了一种基于纯距离跟踪的空间目标运动轨迹提取的矢量脱靶量参数估计新方法.该方法利用脉间频率步进体制的脱靶量测量系统获得较为精确的瞬时距离信息.通过建立目标运动模型,采用纯距离目标跟踪定位的有限差分扩展卡尔曼滤波算法,获得目标运动的精确轨迹.利用跟踪得到的空间位置点,时矢量脱靶量参数进行估计.仿真结果表明该方法可以得到满意的矢量脱靶量估计结果.     

几种非线性滤波只测角跟踪性能评估

为综合分析非线性滤波在只测角跟踪应用中的性能,文中给出了二维空间动态系统估计的克拉美罗界递推形式,对扩展Kalman滤波(EKF)、转换瑞利滤波(SRF)、无迹Kalman滤波(UKF)、容积Kalman滤波(CKF)和粒子滤波(PF)进行了实验仿真研究。结果表明CKF和PF可以获得高于其他滤波的精度,CKF的运算量又远低于PF,CKF可以获得精度和时效性的有效折衷。     

尺度Unscented变换在同时定位与地图创建算法中的应用研究

同时定位与地图创建( SLAM)问题中运动及观测模型都是非线性的，当采用常用的扩展卡尔曼滤波(EKF)处理时需要通过Jacobian矩阵来线性化，由此带来的线性化误差影响了算法的一致性。本文将scaled unscented变换(scaled unscented transformation，SUT)以两种不同的方式运用到SLAM算法中，一是将整个状态方程进行SUT变换，用UKF完全代替EKF进行状态估计；二是只对状态向量中的机器人位姿进行SUT变换，地图特征昀预测及整个状态的更新还是用EKF处理，以一种混合的方式进行状态估计。最后通过大量的Monte- Carlo仿真实验表明，两种方法都能有效地降低EKF的线性化误差，且第二种方法计算效率更高。     

A New Filtering Algorithm Utilizing Radial Velocity Measurement

Pulse Doppler radar measurements consist of range, azimuth, elevation and radial velocity. Most of the radar tracking algorithms in engineering only utilize position measurement. The extended Kalman filter with radial velocity measureneut is presented, then a new filtering algorithm utilizing radial velocity measurement is proposed to improve tracking results and the theoretical analysis is also given. Simulation results of the new algorithm, converted measurement Kalman filter, extended Kalman filter are compared. The effectiveness of the new algorithm is verified by simulation results.