针对加权子空间拟合的联合粒子群优化算法

在现有DOA估计的方法中,加权子空间拟合（WSF）具有很高分辨率.但是求解WSF算子的算法计算复杂度较高,无法满足实时性需求.为了降低计算复杂度,本文针对WSF算法提出了一种低复杂度的联合粒子群算法.首先利用旋转不变子空间法（ESPRIT）可以显式计算DOA结果,计算复杂度极低的特点,并联合利用克拉美-罗界来确定一个新的搜索空间,再随机撒入少量粒子进行粒子群算法,最后在满足一定的速度条件后跳出迭代.此外,本文也讨论了粒子群算法的惯性因子.试验结果表明,跟常规粒子群算法比较,在保持DOA估计精度不变的结果下,本文算法所需粒子数和迭代次数大幅度降低,计算复杂度也明显降低.     

一种改进的加权空间平滑算法

对加权空间平滑算法计算加权因子时需要预估计信源方向的问题,提出 了一种新的相干信源波达方向估计的加权空间平滑算法。在计算加权矩阵时不需要知道信源 的先验信息,也不需要预估计信源方向,而是对原始阵列进行特殊结构的子阵划分,结合子 阵间的自、互相关矩阵对角度估计的贡献不同,采用嵌套的空间平滑算法得到加权矩阵,从 而实现相干信源的解相干和波达方向估计。本文算法相比原算法具有更优的加权因子、更好 的解相干 性能、更高的角度分辨率和角度估计的准确性。理论分析和仿真结果表明新算法的有效 性。     

基于SVD的二维子空间拟合DOA估计

改进传统子空间拟合波达方向(DOA)估计方法,以快拍数据矩阵的奇异值分解代替接收数据协方差矩阵的特征值分解,用奇异值和奇异值矢量进行信源数估计,避免协方差矩阵估计,减少运算量和矩阵估计误差。根据已有子空间拟合的一维修正变化投影(MVP)算法原理,推导出二维MVP算法实现步骤,对基于均匀圆阵的接收信号进行二维DOA估计。     

基于子空间跟踪的ESPRIT空间谱估计算法

在实际中接收天线与辐射源之间通常存在相对运动,此时传统的高分辨算法性能将严重下降,针对上述问题提出一种自适应信号波达方向即DOA估计算法。新算法以快速稳定的信号子空间跟踪算法为基础,结合ESPRIT算法实现DOA估计,不需要特征值分解,计算复杂度小。仿真实验显示新算法比基于幂迭代的动目标DOA估计算法具有更好的估计性能。     

快速子空间谱峰搜索方法

利用信号子空间和噪声子空间正交性,可以实现超分辨波达方向(DOA)估计.但实现过程中,谱峰搜索运算量相当大,影响了系统的实时性.新算法在谱峰搜索时,首先设置一个门限,然后通过大步进搜索,寻找出高于门限的谱峰所在一个邻域,再在该邻域内进行小步进搜索,寻找出准确谱峰.介绍了新算法的原理和步骤,并对算法性能进行分析.计算机仿真表明,新算法在实现相同分辨率的性能条件下,比传统谱峰搜索方法减少40%～50%的运算量.     

基于限定PSO初始化空间的随机最大似然算法

针对随机最大似然算法（SML）在波达方位（DOA）估计中由于多维非线性优化导致计算复杂度大的问题，提出一种限定粒子群（PSO）算法搜索空间的SML算法。该算法克服了一个缺陷，即在采用ESPRIT算法限定PSO初始化空间时，在阵列结构是非均匀线性阵列而且信号是相干信号时ESPRIT算法不能直接处理信号，且需要采用一组预处理技术，这增加了算法计算的复杂度。提出的算法的关键之处在于采用假设技术确定初始化点来代替ESPRIT算法的解，结合克拉美罗界（CRB）确定PSO算法的初始化解空间。这一方法不必再采用预处理技术，且利用限定PSO初始化空间的算法大大降低了SML算法的计算复杂度。实验结果表明，提出的算法为相干情况和非相干情况都提供了相当好的初始值。最后，将该算法与许多现有算法进行比较，验证提出算法的有效性和准确性。     

基于子空间拟合波达方向估计方法研究

传统波达方向(DOA)估计方法由于受阵列尺寸的限制,对处于同一波束内的多个信号源无法得到正确的估计.为此提出了基于子空间拟合的信号到达方位角(DOA)估计算法--信号子空间拟合算法和噪声子空间拟合算法.算法通过对接收数据的子空间与实际信号导向矢量组成的子空间的拟合,来构造信号功率谱尖峰,从而估计目标信号的到达方位角.仿真实验对两种算法的性能进行了分析,分析表明基于噪声子空间拟合算法能突破空域瑞利限的限制,具有空间分辨率高、稳定性好的估计性能.信号子空间拟合算法只有在阵元数较大时,才能正确分辨距离较近的信号源,但具有对环境噪声不敏感的特点.     

基于Krylov子空间的测向算法

提出一种基于Krylov子空间的信号波达方向估计算法,搜索信号可能入射角度,通过测试所构造的Krylov子空间与信号子空间的等价性来判断信号的DOA,算法用多级维纳滤波实现子空间分解。仿真实验表明,算法在低信噪比条件下对相邻信号有良好的谱分辨率和估计性能。     

一种新的宽带DOA估计自聚焦算法

具有较高精度的宽带信号波达方向（DOA）快速估计算法是其实用化所要解决的重要问题。提出了一种新的相干子空间（CSM）类宽带DOA估计自聚焦算法。算法利用子空间投影变换将信号分离后分别处理,通过不断更新聚焦方向实现自聚焦。与已有算法相比,不受DOA初始值的影响,有更小的聚焦误差;不同目标在聚焦矩阵更新过程中无需再做奇异值分解,有较低的实时计算量。仿真实验表明,算法以较小的计算代价实现了近乎最优的聚焦性能,有较高的DOA估计精度。     

基于实数遗传算法的波达方向最大似然估计算法

对空间多个窄带信号源的高分辨波达方向估计是雷达,块纳和地震等信号处理中的重要问题之一,为克服一些获取波达方向估计最大似然解算法存在的局部极值问题,提高估计精度,本文以作者提出的实数遗传算法为搜索工具,寻求波达方向最大似然估计的非线性全局最优解,所提出的实数遗传算法由含实数域结构和目标函数信息的实数交叉和变异算子构成,是较理想的获取非线性实变量函数全局最优解的方法,对非相参和全相参信源波达方向估计问题的数字仿真结果表明,本方法的估计精度明显优于交替极值等一些常规方法。     

无线传感器网络中基于DV-hop的一种改进算法

自身定位算法在无线传感器网络技术中的目标定位和跟踪等方面起着举足轻重的作用,算法的优劣直接影响着自身定位和目标定位的精度。提出了一种WDH（Weighted—DV—hop）定位算法,是以传统的DV-hop算法为依据,在获得跳数的步骤中,根据接收到的传播信号的区分强弱程度,取0．5或1作为跳数递增量的加权修正值,来得到新的跳数;通过Matlab平台的实现,验证该算法可以明显的提高定位的精度。     

基于ZigBee的加权质心定位算法的仿真与实现

为了研究节点定位算法的实现方法,提出了一种新的加权质心定位算法。这种算法首先通过对无线电传播路径损耗模型的分析,结合具体环境的实验,得到信号传播的经验模型,然后利用信标节点对未知节点的不同影响力来确定加权因子,进行加权质心算法定位。最后在对定位数据处理和分析的基础上,选取三个RSSI最大的信标节点进行定位计算,进一步改善了节点定位精度。仿真和实验结果表明,这种加权质心算法可应用于区域定位。     

WSN中基于改进自适应遗传算法的移动代理路由算法

文章针对无线传感器网络能量消耗和延时问题,结合移动代理路由策略,提出了一种改进型自适应遗传算法,利用此算法求出移动代理在网络中的最佳迁移节点序列,以达到优化网络效果.通过仿真实验结果表明,与标准遗传算法相比,此算法具有更小的网络能量消耗和延时.     

基于量子遗传算法的无线传感器网络路径优化

无线传感器网络作为一种有广泛应用前景的新型信息获取和处理技术,引起了国内外学术界和产业界的高度关注;文章采用量子遗传算法对无线传感器网络进行路径优化,将节点能耗和路由恢复时间等实际因素作为路径优化问题的约束条件,按照重要性考虑各种约束条件和多种目标的优先次序,并对量子遗传算法的各个环节进行了细致的分析与设计,包括量子比特编码、适应度函数设计、量子门更新、量子变异等;仿真实验表明,使用量子遗传算法能找到无线传感器网络有效的优化路径,并且优于相关算法。     

遗传-禁忌搜索优化的Amorphous定位算法

在无线传感网络WSN(Wireless Sensor Networks)定位算法领域内,Amorphous定位算法存在节点定位误差大的问题。为提高传统Amorphous算法对未知节点的定位精度,该文提出基于Amorphous定位算法的遗传禁忌搜索算法IAmorphous-GATS(Improved Amorphous Genetic-Algorithm Tabu-Search Location)。首先通过Amorphous算法得到未知节点位置的初始解;然后利用遗传禁忌搜索算法优化初始解,从而可以得到未知节点的最优位置。为验证该算法能否提高传统定位方法的定位精度,该文使用MATLAB进行了仿真实验。仿真结果表明,优化后未知节点的定位精度得到了很大的提高。     

一种基于加权处理和误差修正的DV-Hop定位算法研究

针对传统的DV-Hop算法在定位过程中出现的容易引起误差的问题,提出了一种综合考虑所有信标节点的平均跳距并引入权值修正,将信标节点当作未知节点计算误差进而优化精度的距离估计算法,使网络平均跳距和节点位置估计值更加准确。通过相关仿真实验表明:改进算法优化了原算法的定位精度和定位稳定性,达到了预期目标。     

基于多通信半径的加权DV-Hop定位算法

DV-Hop定位算法是无线传感器网络中一种常用的基于非测距的定位技术,该算法使用平均跳距表示实际距离,在实际应用中造成很大的误差和节点能耗。为此,分析了加权DV-HOP 定位算法,并在加权算法基础上,引入多通信半径广播方法细化节点间的跳数,最后提出了一种基于加权DV-HOP的改进型RWDV-Hop定位算法。仿真结果证明,加权DV-HOP在定位精度上比DV-HOP算法提高了7.3%,改进型RWDV-HOP在定位精度上比加权DV-HOP算法提高了6.7%。