一种适用于矿山设备振动监测的WSNs改进时间同步算法

结合矿山设备振动监测的实际情况,给出了矿山设备振动监测的无线传感器网络模型;针对TPSN时间同步算法能耗大、DMTS时间同步算法精度低的问题,提出一种改进的无线传感器网络时间同步算法——TPDM算法。该算法采用动态簇首选择算法选出簇首节点,簇首节点之间的同步采用TPSN算法以保证同步精度,簇内节点之间的同步采用DMTS算法以降低能耗,并采用基于最小平方线性回归方法的时钟漂移补偿技术对同步时钟进行时间补偿。仿真结果表明,与TPSN算法和DMTS算法相比,TPDM算法在能耗和精度方面得到了折中,能更好地满足矿山设备振动监测的要求。     

基于最优时钟偏差的无线传感器网络同步算法

针对无线传感器网络固有的时钟偏移和时钟漂移问题,研究了不同的时间同步方法对同步精度的影响。以簇形网络结构时钟同步原理为依据提出最优时钟偏差算法,应用卡尔曼滤波方法,以最优化递归方式对成员节点的时钟偏差进行最小调整。与一般簇形同步算法进行比较发现,该算法不仅可以提高同步精度,还可以减少节点能耗。仿真结果也表明,该算法能准确地描述同步精度问题,是一种有效的时钟同步算法。     

AUV辅助的水下传感器网络时钟同步算法

针对当前水下传感器网络中的时钟同步难题,设计了一种三元阵被动定位自主水下航行器（ AUV）模型,并基于此模型提出了AUV辅助的时钟同步（ AUV-Sync）算法。该算法通过AUV与节点之间相对运动过程中进行的信息交换来对节点相对距离进行估计,进而基于相对距离计算单向传播时延来降低由于节点移动性所导致的误差。最后,通过两轮加权最小二乘法进行线性回归来估计时钟同步的参数。仿真结果表明：在存在节点漂移的动态水下传感器网络环境中,该算法较其他相关算法有更高的精度。     

基于TSDPLL的时钟漂移补偿算法容错研究*

提出集成TSDPLL对系统节点本地时钟计时频率漂移进行有效补偿的时钟同步方法,大大提高了应用网络时间同步技术（如NTP、PTP等）的同步精度。为确保TSDPLL能在网络出现拥塞的情况下仍然正常工作,通过分析收敛函数基本特征,提出基于收敛函数的容错方案。仿真实验结果表明,该方案算法简单、容错效果明显,是基于DPLL时钟漂移补偿算法不可或缺的关键组成部分。     

免时间戳交互的无线传感网隐含节点同步参数估计算法

能效是无线传感网(Wireless sensor networks, WSNs)时间同步机制设计时需考虑的一个关键因素. 近年来, 隐含同步和免时间戳同步两种低功耗同步机制备受关注. 前者利用监听方式节省了发送同步信息所带来的能耗; 后者则通过接收端的定时响应, 无需在交互过程中传递时间戳, 减少了能量开销. 将免时间戳同步与隐含同步相结合, 能够进一步降低无线传感网同步功能实施所导致的额外能耗. 但目前免时间戳交互下的隐含节点只能估计时钟漂移, 无法估计时钟偏移. 针对该问题, 提出了一种基于最大似然估计(Maximum likelihood estimation, MLE)的免时间戳同步参数估计算法, 实现对隐含节点时钟漂移和偏移参数的联合估计, 并推导获得了对应估计器的性能界限. 仿真结果验证了所提估计器的有效性.     

一种MIMO-OFDM系统的信道估计算法

导频辅助的最小平方（LS）算法是MIMO—OFDM系统中常用的信道估计方法,特点是易于实现,但精度不高。基于最小均方误差（MMSE）的信道估计算法性能较好,但复杂度高,难以实现。提出了一种基于离散傅里叶变换（DFT）的信道估计算法,首先将LS信道估计循环前缀长度以外的时域响应值置零,然后选择重要路径,再通过计算参考导频的相位偏移量来进行补偿,最终实现信道的估计。算法能够满足一定的估计精度,且便于实现。仿真数据证明了算法的有效性。     

无线传感器网络TPSN-RBS联合时间同步算法

针对大规模多跳传感器网络节点间所存在的同步误差及其累积误差问题,提出了一种基于加权最小二乘法的TPSN-RBS联合时间同步算法.该算法充分利用可监听到的消息,通过加权最小二乘法估计得到节点逻辑时钟的时间偏移和频率偏移的最优解.用Cramér-Rao下界对本算法进行性能分析,同时与TPSN算法进行仿真对比,结果表明:该算法提高了节点间的同步精度,且在节点密集的大规模无线传感器网络中,在保证较低通信量的同时降低了累积误差.     

一种节能的无线传感器网络多跳自适应时间同步算法

研究能量长期有效的时间同步协议是成功部署生命力强的无线传感器网络的一项关键策略,对此,提出一种低能耗的多跳自适应时间同步算法（MATS：Multi-hop adaptive time synchronization）,该算法设计了一套灵活的机制来调整同步模式、全网重同步周期以及每对节点同步时的信标数,并且利用最大似然估计原理同时对节点的时钟偏移和频率偏移进行估计,达到用最小的能量损耗完成长期的、全网的时间同步的目的,最后通过数学分析和仿真的方法对所提出的改进算法进行了验证。     

基于时间反演的到达时间定位

针对传统算法在室内超宽带（UWB）到达时间（TOA）定位系统里很难准确搜寻出第一条直射路径,从而导致定位精度不高的问题,提出了基于时间反演（TR）的TOA室内UWB定位算法。首先,利用TR处理的空时聚焦特性确定第一条直射路径,从而估计这条路径的TOA;其次,通过加权最小二乘（WLS）定位算法对不同的估计分量赋予相应的权值以提高定位精度。仿真结果表明,相较传统TOA定位,所提方案在低信噪比条件下的均方根误差（RMSE）减小了28.6%,可见该方案有效提升了系统定位精度。     

一种线型结构无线传感器网络的时间同步算法

针对煤矿井下液压支架模糊控制监测系统网络拓扑,提出了一种适用于线型结构无线传感器网络的时间同步算法。该算法同步过程分为簇间同步和簇内同步,簇间同步采用双向同步机制修正时间偏移的方法减少同步误差,簇内同步通过最小平方线性拟合方法构造逻辑时钟函数,从而得到簇内任一节点与簇首节点的频偏和相偏估计值,以提高同步精度。仿真结果表明,该算法能有效减少时间同步误差和能量消耗。     

水下传感器网络时间同步和定位的联合实现方法

水下传感器网络的信号传播速度受环境参数的影响而难以确定,增加了时间同步和定位的难度.当信号传播速度未知时,提出了一种水下传感器网络的时间同步和定位联合实现方案.通过建立该问题的优化函数和模型,设计了线性最小二乘(LLS)估计、最小二乘半定规划(LS-SDP)、平方最小二乘半定规划(SLS-SDP)及平方最小二乘二阶锥规划(SLS-SOCSDP)算法,分析了各算法的计算复杂度.仿真分析表明,线性代数LLS算法计算速度快,在低噪声条件下具有较高的估计精度.凸优化的LS-SDP、SLS-SDP及SLS-SOCSDP算法对未知参数估计的稳定性较好,但计算复杂度较高.     

多变量离散时间系统的自适应LQ控制

考虑了多变量离散系统的自适应ＬＱ（线性二次）控制问题,利用ＬＳ（最小二乘）算法和ＷＬＳ（加权最小二乘）算法的自收敛性和随机正则化的思想「１」,证明了修改的估计模型是几乎处处自收敛的、一致可控和一致可观的,基于上面的估计,提出了两种自适应ＬＱ控制律,证明了闭环系统是稳定的和最优的。     

加速度计几种模型辨识方法的比较研究

加速度计离心试验中,为了更精确的得到加速度计的模型系数,比较研究了3种辨识方法:最小二乘方法(加权最小二乘)、总体最小二乘方法和EV模型方法.通过仿真得出在输出噪声和输入噪声为白噪声或者近似白噪声且离心机精度优于1×10-5的情况下,最小二乘与其他2种辨识方法辨识精度相当.最后通过试验对比了最小二乘方法与加权最小二乘方...     

面向结构健康监测的改进FTSP算法设计

针对无线传感器网络桥梁结构健康监测同步精度低的问题,采用迭代加权最小二乘法估计及补偿时钟漂移,设计了一种基于帧首定界符(SFD)硬件捕获机制的改进泛洪时间同步算法(FTSP),并与经典FTSP算法进行对比研究。根据桥梁结构,选用线性链状网络拓扑结构,在CC2530硬件平台上测得单跳网络平均同步误差为3. 148μs,3跳网络平均同步误差为9. 167μs。试验结果表明,改进FTSP算法有效地解决了发送延迟、访问延迟、接收延迟,以及异常数据对时间同步精度及稳定性影响的问题,是一种满足桥梁结构健康监测应用的高精度、高稳定性时间同步算法。     

A new backward shift algorithm for system identification by a good choice of frequencies

In this study, we propose a novel backward shift algorithm for pole estimation of linear time-invariant (LTI) systems. By making adjustments, we address the question: How should the frequencies of input signals be chosen? We select the frequencies based on algebraic accuracy in the numerical integral and use the Gaussian–Legendre formula in this process. After poles are located, the discrete Fourier transform (DFT) and the new backward shift algorithm (new BSA) along with the least squares (LS) method are used to identify the systems. Two examples show that the proposed method for pole estimation performs better and the corresponding identification algorithm is practical.     

Support Vector Machine State Estimation

The power system state estimator based on the support vector machine (SVM) and the weighted least squares (WLS) method is presented in the paper. The WLS provides state estimations necessary for creating SVM model which is then used for state estimation. The developed algorithm was tested on the IEEE systems, and the performance indicators were calculated in order to compare the accuracy of estimation and the measurement error filtering. The results indicate that the proposed hybrid model outperforms the classical WLS-based state estimation in terms of accuracy and improves measurement error filtering in comparison to the classical estimator.     

基于准最小二乘法的光伏阵列模型鲁棒参数估计方法

光伏阵列的模型参数估计在光伏发电系统的仿真、输出功率预测、最大功率点跟踪等方面有重要意义。当测量数据中只含随机误差时,以加权最小二乘（WLS）为优化函数的参数估计方法有较好的辩识效果。但是当测量数据中含有显著误差时,WLS参数辩识的效果较差。为解决此问题,本文提出了一种以准加权最小二乘法（QWLS）为优化函数的参数估计方法来减小显著误差的影响,采用了赤池信息量准则(AIC)设计QWLS最优参数,将该方法应用于光伏阵列中构造模型鲁棒参数估计问题。最后将WLS和QWLS分别结合序列二次规划（SQP）算法,进行光伏阵列模型的参数估计仿真与实验测试。测试结果显示QWLS参数估计结果更准确,验证了准最小二乘法的鲁棒性与有效性。     

导向矢量失配情况下基于稀疏表示的波达方向估计算法

提出了一种传感器阵列导向矢量失配情况下的基于稀疏表示的信号源波达方向DOA估计算法。针对一些实际环境中噪声重尾现象严重的特点,采用合成圆对称广义高斯噪声分布对其进行模拟。考虑到实际环境中传感器自身运动以及外界环境因素的改变可能会导致传感器导向矢量产生波动,利用加权最小二乘法对波动生成的增益值进行最优估计。然后,构建信号模型的分数低阶矩FLOM矩阵,进行矢量化处理,以提高其数组维数。最后,利用稀疏表示方法重构信号模型,将信号源DOA估计转化为二阶锥规划问题进行求解,并采用奇异值分解降低运算量。仿真结果表明,本算法的信号源DOA估计具有很高的分辨率,且有效地避免了导向矢量失配对DOA估计产生的影响。