基于动态格点的压缩感知目标计数和定位算法

基于压缩感知技术的无线传感器网络定位,一般将定位区域划分为一定数目的网格并假定目标位于网格中心,然后通过求解一个₁范数最小化问题来获得目标的位置。事实上,目标的随机性导致其很难位于网格中心,此时假定的变换基将无法稀疏表示位置信号,从而造成字典失配,使得定位精度下降。因此,提出一种基于动态格点的压缩感知定位算法。该算法能够自适应地调整格点的划分,使目标位于网格中心处。在求解过程中,该算法将复杂的优化问题转化成字典的更新和位置向量的求解两个部分的迭代来完成,同时实现了目标的计数和定位功能。仿真结果证明,与传统的压缩感知定位算法相比,所提算法在目标计数和定位方面都有更好的性能。     

利用块稀疏特性的压缩感知麦克风阵列声源定位

与传统声源定位算法如相位变换加权、时延累加定位不同,压缩感知麦克风阵列声源定位算法可将声源定位转化为稀疏重构问题从而获得较高的性能。但在实际应用环境下,由于远场声源自身指向性、空间混响等原因,声源方向向量往往呈现块稀疏度结构,导致采用传统稀疏恢复算法如正交匹配追踪算法（Orthogonal matching pursuit,OMP）等进行压缩感知定位性能下降。本文在压缩感知声源定位算法中引入块稀疏似零范数,以压缩感知为基本框架,采用块稀疏似零范数稀疏恢复进行声源方向向量的重构,获取声源的方位。实验结果表明,相较于传统声源定位算法和基于OMP的压缩感知声源定位算法,本文算法具有更高的定位精度。     

基于数据融合的压缩感知多目标定位算法

文中提出一种基于数据融合的压缩感知多目标定位算法,该算法能够同时处理多种不同类型的定位数据。与传统算法相比,该算法以目标个数的稀疏性为基础,通过压缩感知技术来重构目标位置向量,从而大大减少了传感器的数目。算法分为数据预处理和数据融合定位两个阶段。在数据预处理阶段,将不同类型的数据转换到同一个数量级,使得各类型数据能被充分用于提高目标定位性能;在数据融合定位阶段,提出一种基于多测量向量的压缩感知重构算法来估计目标位置向量。仿真证明,相比于现有的压缩感知定位算法,所提算法具有更高的定位精度和更强的鲁棒性。     

一种新的基于压缩感知的WSN多目标定位方法

考虑无线传感器网络中定位信息的不完备性,将传感器网络监控区域划分成多个小网格,节点与目标随机分布于网格中,以目标位置信息为稀疏向量,提出了一种新的基于压缩感知的多目标定位方法。该方法将传感器节点感知到的目标数测量矩阵表示为压缩感知理论中测量矩阵、稀疏矩阵与稀疏向量的乘积形式,通过稀疏信号的重构算法恢复目标位置稀疏向量,实现多目标定位。考虑到感知矩阵不满足受限等距性条件,对此矩阵进行了正交化处理,使其满足重构算法的要求。通过仿真分析了节点感知半径、待定位目标数、传感器节点数对目标定位性能的影响。仿真结果表明,在定位信息不完备的情况下,上述方法能够满足无线传感器网络的目标定位要求,且该方法不依赖于硬件测距,其计算复杂度和定位精度与基于接受信号强度(RSS)的压缩感知定位算法相当。     

基于最小熵值的麦克风阵列声源定位算法

针对传统麦克风阵列声源定位算法抗噪声及混响能力不强的问题,提出一种基于最小熵值和随机域压缩的麦克风阵列声源定位算法。利用最小熵值方法对麦克风阵列进行时延估计,并与随机域压缩方法相结合,对声源进行空间搜索。仿真实验结果表明,该算法在定位精度、抗噪声及抗混响能力方面均优于广义互相关-相位变换算法。     

一种结合听觉掩蔽与双耳互相关的声源定位算法

针对基于双耳互相关(BCC)的声源定位算法在噪声里定位精度下降的问题,提出一种结合听觉掩蔽谱减法与双耳互相关的声源定位算法。该算法在双耳互相关时延估计之前采用一种基于听觉掩蔽的谱减法算法,有效压缩左耳和右耳信号中的噪声,提高信噪比。通过与双耳互相关声源定位算法的结合,提高了双耳时间差估计的准确性,从而提高了整个声源定位的精度。实验结果表明,该算法能够有效减少噪声带来的定位误差,提高声源定位精度。     

基于离散鸡群压缩感知的WSNs多目标定位

对无线传感器网络（WSNs）多目标定位问题进行研究,提出一种基于离散鸡群压缩感知的多目标定位方法。首先给出离散鸡群算法（DCSO）相关定义,设计离散鸡群编码方式和迭代进化策略,在此基础上,构建基于压缩感知（CS）的WSNs多目标定位模型,对测量矩阵和稀疏矩阵进行合理选取,并将离散鸡群算法应用于CS信号重构算法中,实现对稀疏度未知多目标位置信息的精确重构。仿真结果表明,与OMP和MLE定位算法相比,该方法具有较高的多目标定位精度。     

全景图像拼接的网络化感知节点自主定位系统

分析网络化感知系统节点定位问题的特殊性,针对深空探测环境未知的问题,提出利用全景图像重合度来修正信号衰减模型,提高测距精度;提出一种修正的高精度节点自主定位算法来解决多移动节点协同定位问题,该算法是把切圆法引入到基于全景图片重合度的RSSI修正定位方法中。当多个感知节点定位时,根据视距近似原则选择定位锚节点来进行H-CM算法,仿真结果表明该定位方案可以有效提高感知节点的定位精度。     

中央民族大学信息工程学院，北京100081

分析网络化感知系统节点定位问题的特殊性,针对深空探测环境未知的问题,提出利用全景图像重合度来修正信号衰减模型,提高测距精度;提出一种修正的高精度节点自主定位算法来解决多移动节点协同定位问题,该算法是把切圆法引入到基于全景图片重合度的RSSI修正定位方法中。当多个感知节点定位时,根据视距近似原则选择定位锚节点来进行H-CM算法,仿真结果表明该定位方案可以有效提高感知节点的定位精度。     

基于梯度搜索的移动协作定位算法

针对节点移动对定位实时性能的影响,通过预测节点的移动趋势平衡定位时延,提出一种基于梯度搜索的移动协作定位算法.该算法将移动定位拓展到时间区间上进行.在每个时间区间内,采用一跳距离测量和压缩感知方法构建节点距离数据,并通过预测节点移动趋势确定网络中节点间距离矩阵的边界条件;然后通过梯度搜索法求解节点在特定时间区间内的最佳估计,从而求得各节点的相对坐标;如果网络中有足够锚节点,则可将相对坐标转换为绝对位置.仿真结果表明,与其它移动定位算法相比,提出的方案有效提高了定位精度,而且在有测距误差的环境下也表现出较好的定位性能.     

基于过完备字典的体域网压缩感知心电重构

针对体域网远程监护中心对重构的心电信号（Electrocardiogram,ECG）精度要求高和体域网（Body sensor network,BSN）低功耗问题,提出基于过完备字典的体域网压缩感知心电重构方法. 该方法利用压缩感知理论,在传感节点端利用随机二进制矩阵对心电信号进行观测,观测值被传送至远程监护中心后,再利用基于K-SVD算法训练得到的过完备字典和块稀疏贝叶斯学习重构算法对心电信号进行重构. 仿真结果表明,当心电信号压缩率在70%～95%时,基于K-SVD过完备字典比基于离散余弦变换基的压缩感知心电重构信噪比高出5～22dB. 该方法具有信号重构精度高、功耗低和易于硬件实现的优点.     

水声传感器网络节点自适应加权定位算法

对水声传感器网络节点定位进行研究,针对水声传感器网络节点间测距精度不高的问题,提出一种水声传感器网络节点自适应加权定位算法。考虑到水声传感器网络节点间的测距误差随着节点间距离的增大而增大,算法改进了锚节点选择机制,并且对不同锚节点在定位测度中的权重进行加权,改进定位测度,提高了测距信息的利用效率。仿真实验表明该算法提高了节点定位精度。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

基于信任机制的水下传感器网络节点安全定位算法

为了及时检测出水下传感器网络(UWSN)定位系统中的恶意锚节点,提出一种基于信任机制的节点安全定位算法。算法结合簇结构和信任机制,根据锚节点提供的位置信息采用Beta分布作出初步信任评价,并可根据需要调整信任更新权重。为了降低了水声信道的不稳定性对信任评价过程的影响,同时识别恶意锚节点的信任欺骗行为,提出信任过滤机制 (TFM),对直接信任值进行差异量化,由簇头节点决定各锚节点是否可信。仿真结果表明所提算法适用于水下传感器网络,并且能够及时识别恶意锚节点,在定位系统的精确度和安全性方面都有很大提升。     

基于压缩感知理论的WSN微震源定位节点设计

提出了一种基于压缩感知的WSN微震源数据压缩算法.利用WSN微震信息的可稀疏化表示,设计出与稀疏基相关性低的稀疏观测矩阵,保证了压缩数据的可重构性,介绍了整个WSN微震源定位节点的系统设计,包括采集、存储以及无线传输方式等.将该压缩感知算法在硬件系统中实现,可利用较少的数据采集实现微震源定位,从而大大提高了存储、采集及WSN的效率.实验结果表明,该算法的硬件实现在保证微震信息完整性的基础上,数据压缩率达到60％,具有十分重要的研究意义.     

麦克风阵列下互相关函数分类的声源定位

传统的基于麦克风阵列的声源定位方法,往往容易受到低信噪比或高混响等不利的声学条件的影响。近年来,基于模式识别和机器学习技术的方法被用来在恶劣环境下进行声源定位。引入了一种基于Fisher判别理论的加权方法,实现了基于Fisher加权朴素贝叶斯分类器（Fisher Weighted Naive Bayes Classifier,FWNBC）的声源定位。通过基于相位变换（Phase Transformation,PHAT）加权的互相关函数来计算每个位置的特征向量,利用Fisher加权朴素贝叶斯分类器估计声源位置。在实际的定位系统中进行实验,验证改进算法的性能。实验结果表明,与使用朴素贝叶斯分类器（Naive Bayes Classifier,NBC）相比,FWNBC算法有效提高了声源定位的精度。     

逆模型下的高效声源定位算法研究

与波束形成算法相比,广义互相关逆模型宽带声源定位算法提供了空间的高分辨率,但需要更高的计算量。为了提升广义互相关逆模型算法的计算效率,并尽可能保留其分辨率优势,本文提出了一种高效的声源定位算法。该算法首先去除麦克风阵列输出功率较小的网格点来压缩计算网格,其次,在几何因素条件下利用基于密度的聚类进一步压缩网格,最后仅用保留下的点进行计算,从而大大降低了计算规模。真实数据实验证明,本文所提算法能有效提升广义互相关逆模型算法的计算效率。     

航拍图像的无线传感网节点识别与定位算法

为提高节点定位精度并减少能量耗费,提出一种基于航拍图像处理的节点识别与定位算法.该算法主要思想是将基于深度学习模型的图像识别技术应用到节点识别与定位中.首先通过一个携带GPS的航拍器在节点部署区域自主采集节点图像,利用图像识别技术精确识别定位航拍器所拍摄节点,然后利用贝叶斯平均模型为已识别节点匹配节点编号.最后,将被定位节点升级为锚节点,结合经典定位算法确定未被拍摄的节点位置.通过大量的仿真证明了该算法的有效性.此外,利用25 Micaz节点和一个航拍器进行了实验,实验结果表明,该算法具有较好的鲁棒性、扩展性及定位精度,与传统定位算法相比定位精度提高约10%~30%.     

一种鲁棒的双耳声源方位角定位方法

在噪声和混响的声学环境中,基于双耳时间差的声源方位角定位性能会严重降低。针对这个问题,提出了一种基于子带选择和DBSCAN的双耳声源定位算法,首先,采用 Gammatone 滤波器将双耳声源信号分解为若干个子带信号;其次,根据子带能量大小进行子带通道数压缩;然后,根据子带信噪比大小获取最优子带,降低无关子带干扰;接着将子带信号进行分帧,根据互相关算法获取峰值处的数据点;最后,引入DBSCAN算法消除噪声点的影响,获取最优数据点,从而根据ITD定位模型判断目标声源方位角,实验结果表明,该算法在复杂的声学环境中,相较于传统的互相关算法,可显著提高双耳声源方位角定位性能。     

改进粒子群算法的无线传感器网络节点定位

为了提高无线传感器节点的定位精度,针对粒子群优化算法存在的问题,提出一种改进粒子群优化算法的无线传感器网络节点定位方法。根据锚节点选择准则,把上一代和当代节点位置的平均值作为下一代目标节点的参考节点,采用改进粒子群算法对节点的定位结果进行优化,在Matlab 2012平台上进行仿真对比实验。仿真结果表明,相对于标准粒子群算法,改进粒子群算法加快了定位速度,提高了无线传感器节点定位精度,应用范围更广。