未知信号传播速度的TDOA测量远近场统一定位方法

到达时间差(TDOA)测量无法根据测量值判断当前定位过程是处于近场还是远场,因此设计远近场统一解形式的TDOA定位算法对于提高源目标位置参数估计性能具有重要意义。通过建立远近场都适用的统一形式TDOA测量方程,本文提出了一种信号传播速度未知情况下远近场统一解形式的非约束最小二乘(UWLS)定位方法,该方法既适用于近场,又适用于远场,同时利用优化模型中的约束条件,设计了约束最小二乘(CWLS)定位方法,减少了估计误差,对算法的仿真结果分 析表明?所设计UWLS及CWLS算法既适用于近场?又适用于远场情况下的位置参数估计问题,随着远场距离的增加,UWLS及CWLS算法的估计误差基本保持不变,并且非常接近于克拉美罗(CRLB)下界值。     

无线传感器网络中的线性移动目标运动参数捕获方法

移动目标跟踪即移动目标的运动路径与参数获取在无线传感器网络应用中具有重要的研究价值.采用移动目标节点与信标节点间的TOA测量方法,提出了无线传感器网络中移动目标运动参数的捕获方法.通过建立移动目标运动参数的估计模型,本文首先推导了线性移动目标初始位置及移动速度估计的非约束线性最小二乘(ULLS)和约束线性最小二乘(CLLS)方法.将估计模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数捕获的SDP算法.仿真分析结果表明,在3种所设计算法中ULLS算法的估计误差最大,SDP算法其次,CLLS算法的估计误差最小.随着采样周期的增加,初始位置的估计误差亦稍有增大,但速度估计误差却在减少.更多的采样点数量有利于增加测量信息量,可以有效减少位置及速度估计误差.     

线性最小二乘法的RSSI定位精确计算方法

基于接收信号强度指示(RSSI)定位模型,提出了一种目标节点位置的精确计算方法。将RSSI定位问题所描述的非线性优化函数转化为线性最小二乘法估计问题,将定位结果直接用代数解表示。分别提出了目标节点信号发射强度已知和未知下的非约束线性最小二乘(ULLS)定位方法。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。仿真验证了该定位计算方法的有效性,测试了不同信号强度噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,非常接近于定位结果的克拉美罗下界值(CRLB)。     

最小冗余MIMO声纳阵列结构优化仿真

研究多输入多输出( Multiple - Input Multiple - Output,MIMO)声纳阵列都是以均匀线列阵(Uniform Linear Array,ULA)为主,而非均匀线列阵列(Non - Uniform Linear Array,NLA)能产生更多的虚拟阵元,达到较高的目标检测分辨概率以及估计精度.为了提高检测和估计精度,提出了一种基于最小冗余阵列的MIMO声纳发射接收阵列结构优化算法建立阵列模型进行仿真.仿真结果表明,上述方法设计的MIMO声纳系统在目标分辨概率和估计误差方面性能均有提高,尤其在低信噪比条件下效果更好.     

基于叠加训练序列的MIMO信道系数估计研究

研究移动通信系统,在高数据率MIMO系统中,针对信道系数的准确估计是实现MIMO系统接收端准确检测、解码等的重要前提.根据一种叠加训练序列的MIMO信道估计模型,为提高信道精度,提出最小二乘(LS)方法和最小均方误差方法(MMSE)对信道系数进行估计,并进行了数值分析.数值仿真结果表明,在相同的条件下,对信道系数进行估计,最小均方误差方法(MMSE)较优于最小二乘(LS)方法.在高信噪比、有限发送符号数和较少发射天线数的情况下,两种方法都有精确的估计,具有实用价值.     

基于TDOA方法的无线传感器网络运动参数估计方法

采用移动目标与信标节点间的到达时间差(TDOA)测量,提出了移动目标运动参数包括初始位置及速度的共同估计方法。通过建立移动目标运动参数估计的优化模型,首先推导了移动目标初始位置及运动速度估计的非约束线性最小二乘(ULLS)法。然后将优化模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数估计的SDP算法。仿真分析表明,TDOA方法能有效避免到达时间(TOA)测量的时钟同向误差,提高位置的估计精度。由于使用了约束条件,基于TDOA测量的SDP算法估计误差比ULLS算法的估计误差更小,但是计算复杂度较大。TDOA-ULLS和TDOA-SDP算法能有效减少时钟同向误差引起的估计误差,采样周期和采样点数量的增加也能有效提高估计精度。     

修正极坐标系中基于AOA的近似无偏定位方法

提出了一种基于到达角(Angle-of-Arrical, AOA) 测量值的近远场统一定位方法。使用修正极坐标(Modified Polar Representation, MPR)代替了传统的笛卡尔坐标来表示目标源坐标,以避免目标源位于远场时的数值问题。将基于AOA的定位问题描述为约束加权最小二乘(Constrained Weighted Least Squares, CWLS)问题,并通过拉格朗日乘子法和特征值分解获得 该问题的闭式解。该方法无需已知目标源位于近场或远场的先验知识,就可获得近场时目标源的坐标以及远场时目标源方位角和俯仰角的准确估计。但在这一过程中由于模型近似导致了较大的估计偏差,为了解决这一问题,进一步推导了CWLS估计的理论偏差,并将其从闭式解中减去,以获得近似无偏的估计。仿真实验表明该近似无偏估计方法能够达到克拉美－罗下界(Cramer-Rao Lower Bound, CRLB)。     

移动最小二乘法研究进展与述评

为使移动最小二乘法能更好地应用到无网格方法中,详细阐述移动最小二乘逼近法、移动最小二乘插值法、MUKHERJEE改进的移动最小二乘法以及程玉民等提出的改进的移动最小二乘法和复变量移动最小二乘法等的研究进展,述评各种移动最小二乘法的优缺点,并概述各种移动最小二乘法形成的无网格方法的研究进展.     

基于约束总体最小二乘的泰勒级数定位算法

目前基于到达时间差(Time Difference of Arrival,TDOA)的无线定位算法既不能在基于距离平方差(Squared Range-Difference,SRD)的误差平方和最小模型中获得总体最小二乘准则下的全局最优解,也不能在基于距离差(Range-Difference,RD)的误差平方和最小模型中获得普通最小二乘准则下的全局最优解。将泰勒级数法与约束总体最小二乘法(Constraint Total Least Square,CTLS)相结合,提出一种基于约束总体最小二乘的泰勒级数定位算法(CTLS-Taylor)。利用CTLS方法获得目标节点的粗估计位置,并将该位置作为泰勒级数展开法的初始点,通过迭代,获得目标节点的精估计位置。仿真结果表明,CTLS-Taylor算法不仅能够获得与QCLS-Taylor算法相同的定位精度,而且迭代次数有了明显减少;同时与CTLS定位算法相比,当测量噪声较高时,CTLS-Taylor算法的定位精度更高。     

分布式最小二乘估计中隐匿FDI攻击策略的设计

虽然分布式坏值检测方法能够消除观测数据中坏值对分布式最小二乘估计性能的影响,但是现有的分布式坏值检测方法中依然存在安全漏洞.针对一类分布式最小二乘估计算法研究了相应隐匿虚假数据注入(FDI)攻击策略的设计问题,设计依赖于部分节点系统信息的分布式隐匿FDI攻击方法,这一方法不仅使得FDI攻击信号无法被现有分布式坏值检测方...     

基于视觉预测的运动目标实时跟踪系统

针对机器人控制系统中更高的视觉反馈实时性要求,提出一种基于最小二乘法预测的目标实时跟踪方 法．该方法采用最小二乘法预测运动目标的位置,以限定目标搜索范围,从而提高跟踪速度．实验结果表明该方法 能满足快速视觉伺服响应的实时性要求．     

非视距环境下基于TOA的移动目标定位

研究了非视距(Non-Line-of-Sight, NLOS)环境下基于到达时间(Time-of-Arrival, TOA)的移动目标定位问题。假定移动目标速度在足够短的时间内为常数,则移动目标定位问题可转化为其初始位置和速度的估计问题。为降低非视距误差的影响,构造了约束最小二乘(Least Squares, LS)问题对移动目标的初始位置、移动速度和非视距误差进行联合估计,并通过合理近似减少了估计变量个数。由于所构造的约束LS问题为非凸优化问题,其全局最优解难以获得。为近似求解该问题,对其进行松弛,以转化为凸的半正定规划(Semidefinite Programming, SDP)问题。与现有方法相比,该方法不需要已知非视距误差的任何统计信息和路径状态。仿真结果表明,该方法缓解了非视距误差产生的负面影响,且在稀疏和密集的非视距环境下都取得了良好的性能。     

高斯感知约束空间异常的相关滤波目标跟踪

针对目标在复杂场景运动过程中容易出现跟踪丢失问题,提出一种高斯感知约束空间异常的目标跟踪算法。以高斯均匀分布为分布规律建立目标特征采样点,采用卷积结构提取目标的外观模型以及权重模型;为了约束空间异常,在目标函数中构建空间正则项,同时更新目标权重模型,减小空间过拟合的产生,增强跟踪器的空间异常适应性;应用加权最小二乘法思想,获得权重响应模型中心,确定目标中心,更新跟踪位置,增强跟踪器鲁棒性。使用OTB2015和UAV20L数据集,与其他主流相关滤波算法相比,该算法在目标运动导致低分辨率、遮挡等复杂条件下,跟踪成功率以及跟踪精度较高。     

三维传感网空间RSS与AOA混合测量的精确定位方法

由于位置坐标参数的增加,三维传感网空间的定位难度较二维平面有所增大.单一的依靠接收信号强度(RSS)确定节点位置坐标的方法将使定位的不确定性增加,定位误差也较大.新型的阵列与智能天线的出现为节点间的到达角度(AOA)测量提供了方便,为此本文提出了一种三维传感网空间RSS与AOA混合测量的精确定位方法.将采用混合测量建立的非线性优化模型转化为线性方程,分别提出了节点位置坐标估计的非约束线性最小二乘(ULLS)及约束线性最小二乘(CLLS)方法.仿真测试了所设计算法的有效性,分析了不同测量噪声对位置坐标估计误差的影响.仿真表明所设计的ULLS和CLLS方法的计算速度快,相比于ULLS方法,采用约束后的CLLS方法的定位误差更小.在较小测量噪声范围内,ULLS和CLLS估计方法具有较高的稳定性和定位精度.     

一种双无人机协同跟踪地面移动目标方法

针对通信延时情况下双无人机协同跟踪地面移动目标问题进行研究, 构建了基于分布式遗传算法和滚动时域优化结合的目标跟踪航迹规划算法模型。考虑到通信延时会增加目标状态信息数据融合时的误差, 导致无人机跟踪任务效果变差, 结合递推最小二乘滤波和加权最小二乘估计设计了融合方法, 来融合处理目标状态信息; 考虑到无人机对目标的观测效果与未来时刻的目标状态信息密切相关, 采用递推最小二乘滤波预测目标的状态信息, 结合分布式遗传算法和滚动时域优化设计了双无人机目标跟踪航迹规划算法。适应度函数考虑了无人机和目标之间的距离、无人机之间的通信距离、无人机之间的通信角度。仿真结果表明：该协同跟踪方法能够较好地完成跟踪任务; 与一架无人机跟踪相比误差明显减小, 并且可以减小通信延时带来的跟踪误差。     

基于小波变换的AOA定位算法

提出了一种在非视距(NLOS)环境下对移动台的定位算法。首先利用小波分析对AOA的测量值中的NLOS进行修正,再利用最小二乘(LS)算法确定移动台的位置。仿真结果表明,该算法能够有效地降低非视距环境误差的影响,性能优于基于AOA的LS算法以及神经网络算法。     

无线传感器网络下移动扩散源追踪算法

与移动瞬时源追踪相比,移动扩散源追踪相对困难.本文分析了移动扩散源扩散过程,给出了离散化浓度场模型.将连续线源目标追踪问题转化为离散点源目标追踪的次优问题,提出了一种离散化移动扩散源追踪算法.在该算法中,先采用约束最小二乘方法估计目标实时位置、到达时间等相关参数,并进一步采用仅针对位置序列的Sage-Husa卡尔曼滤波方法优化位置估计.该算法克服了一般基于动态序列的追踪方法无法直接应用于离散移动扩散源追踪问题的不足.在仿真实验中,分别在匀速率平滑曲线运动与变速非平滑曲线运动的情形下进行追踪实验,分析了追踪精度与采样间隔以及观测节点密度的关系.仿真结果说明了提出的移动扩散源追踪算法的有效性.     

分布式多传感信息融合系统的异步航迹关联方法

在分布式多传感信息融合系统中,由于每个局部传感器的采样频率不同以及具有不同的通信延迟,导致来自不同传感器的局部航迹往往是异步的.针对此问题,提出了一种异步航迹关联方法.该方法首先基于最小二乘法实现单传感器的时域融合,从而将多传感异步航迹同步化.接下来,将多传感多目标航迹关联问题转化为在网络中搜索总费用最小的多个互不相交的路径问题,从而获得相应于每个目标的各个传感器的局部航迹组合.仿真试验表明,算法可以有效地解决异步航迹的关联问题,且具有较高的关联成功率.     

基于改进约束最小二乘方法的图像复原算法

约束最小二乘方法(约束最小二乘方滤波器)在图像复原的应用过程中普遍只要求噪声方差和均值的知识,对处理的每一幅图像都能产生最优效果,因而得到了广泛应用。文中提出的图像复原算法就是基于约束最小二乘方法的,并对其进行了改进。通过实验证明,用该改进的图像复原处理方法复原的图像比用维纳滤波方法复原的图像更加平滑,复原图像的信噪比也更大。另一方面,改进的约束最小二乘方法复原的图像比平滑约束最小平方法复原的图像具有更加突出的边缘,而且同样具有更高的信噪比。适当应用该方法,能够体现出维纳滤波和平滑约束最小平方滤波这两种基本的约束最小二乘方滤波相结合的效果优势。     

基于约束最小二乘数字图像恢复

介绍了图像退化模型和约束最小二乘滤波器以及平滑约束最小二乘滤波器,并用MATLAB7.0实现约束最小二乘滤波恢复图像和平滑约束最小二乘滤波恢复图像。