IR-UWB能量检测接收机中基于门限的TOA估计

为提高能量检测模式下脉冲超宽带(IR-UWB)测距的精度和可行性,该文提出基于最优门限和次优门限的两种到达时间(TOA)估计算法。最优门限算法以接收机信号统计特性与UWB小尺度衰减特性关系式为基础推导出门限选择的闭合表达式,并在最小均方误差(MMSE)指标下求解TOA估计值;次优门限算法以最优门限分析为基础,在虚警概率约束下使用牛顿迭代给出求解门限的递推算法。仿真表明,与同类算法相比,最优门限算法测距精度有较大提升;次优门限算法易于实现,且性能无明显下降。     

一种基于非完全数据的路径损耗模型选择算法

为尽可能选择反应实际信道衰减特性的路径损耗模型,该文针对无线传感器网络中的路径损耗提出一种多模型选择算法。首先分析一组路径损耗模型的统计特性,然后考虑接收信号强度(RSS)的非完全数据,提出基于期望最大化(EM)的参数估计算法,最后在准则函数的基础上给出表征模型优劣的权重系数,建立了一种进行路径损耗模型筛选的量化方法。实验分析表明,该算法的参数估计较为准确,且与同类算法相比,该算法甄别出的最优模型与实验数据有较好的拟合度。     

一种脉冲超宽带测距的门限选择算法

多径衰落和接收机系统噪声是影响脉冲超宽带(IR-uwB)测距精度的主要因素.在能量检测过程中,能否在干扰下准确估计IR-uwB信号的首径到达时间(TOA),是开展IR-UWB测距研究的重点和难点.鉴于此,为提高测距精度,提出一种IR-UWB测距的门限选掸算法.首先建立接收机输出信号统计特性与UWB信道衰减特性的关系式,使用全概率公式推导出TOA估计均方误差(MSE)闭合表达式,给出估计误差与多径衰减系数以及信噪比(SNR)等系统参数的严密数学表达,以最小均方误差为性能指标的门限选择算法进行仿真.仿真结果表明,改进算法可提高IR-UWB测距的性能,使测距精度达到30cm,证明是一种有效的门限选择算法.     

基于局部模型网络的锂电池SOC估计方法

锂电池的荷电状态(SOC)是电池管理最重要的参数，准确的SOC估计对保证电池运作的安全性至关重要。传统基于数据驱动的SOC估计法，如神经网络，在可解释性、参数整定方面表现不足。本文提出一种基于局部模型网络和天牛须搜索优化组合的SOC估计法。首先，借助局部模型网络描述复杂非线性系统的能力和其作为灰箱模型的可解释性，将模型的工况空间分解为多个可以用简单模型表示的局部子区间，再用调度函数组合为最终的模型。其次，在网络的训练过程中，采用天牛须搜索优化算法确定分裂空间上的最佳分裂方位，很好的兼顾了模型辨识的精度和运算复杂度。最后，在锂电池动态特性数据集上与已有文献中的SOC估计法进行了对比试验，本文所提出的方法在简单工况的训练集上的RMSE误差小于0.4%,在复杂工况的测试集上的RMSE误差小于0.9%,在不同温度上的表现也相对平稳，总体展现出较高的辨识精度及泛化能力。这一特点在实测的数据集上也得到了进一步验证。