基于GPS的罗兰C附加二次相痊因子修正算法

分析了罗兰C定位误差组成及相应的修正方法，讨论了一种基于GPS及罗兰C组合实测法的罗兰C附加二次相位因子（ASF）修正的修正算法，实际应用表明该算法是正确和实用的。     

拖曳声呐的定位误差及其修正方法

本文简要讨论拖曳声呐的定位误差及其修正方法。     

结构计算模型修正的二次约束最小二乘算法

提出了一种结构计算模型修正的二次约束最小二乘方法。该方法是在质量矩阵和刚度矩阵满足正交性条件和特征方程的约束下，使修正矩阵的范数最小，将模型修止问题转化为一个带二次约束的最小二乘问题。应用奇异值分解，给出了在振型需要和不需要扩充两种情况下结构计算模型修正的数值算法，并进行了数值实验。计算结果表明：新算法精度较高，能保证修正模型的前m阶模态参数与实测值有较好的吻合。     

二次插值鲸鱼优化算法在圆柱度误差评定中的应用

为了进一步提高圆柱度误差评定的精度和计算收敛速度,以国际标准中的最小区域原则为准,建立并求解圆柱度误差的测量模型,在标准鲸鱼优化算法的基础上,对其进行改进,设计一种二次插值鲸鱼优化算法,最后,通过圆柱度测量数据,对算法进行仿真和测试,证明算法在圆柱度误差的评定精度和收敛速度上有了进一步的提高。     

基于二次误差测度的车身网格简化算法研究

在车身逆向设计中,点云数据预处理后形成的拓扑网格数据庞大,导入三维软件中进行处理时,对计算机显示、分析、存储、传输等造成很大负担。该文研究了车身曲面重构过程中基于二次误差测度的边折叠网格简化算法。该算法将点到相关平面距离的平方和作为误差测度,进行多次选择性边折叠,实现网格有效简化。采用VC＋＋6.0编程实现了该算法,实验表明,算法稳定可靠,效率较高,简化效果好。     

蚁群循环定位算法在WSNs节点定位中的应用

针对无线传感网络中测距和定位算法复杂、精度不高的问题,提出了一种基于蚁群算法的循环定位算法。首先,利用接收信号强度指示(RSSI)方法测量距离,并建立信号衰减模型来计算测距公式。然后,利用循环定位算法对8个锚节点进行循环定位,将定位结果的平均值作为盲节点的最佳位置。最后,将该算法与加权质心定位算法和三边测量法进行对比,实验结果表明,循环定位算法的定位精度和稳定性更佳。     

二重积分优化Simpson与二次式算法

本文给出区域D=(a≤x≤b,φ(x)≤y≤_ψ(x))上二重积分的优化Simpson算法和∫_a~∞∫_b~∞f(x,y)dxdy的优化二次式算法,它们在迭代计算时避免了函数值的重复计算,减少迭代次数。     

声呐浮标最小二乘平面定位误差分析

在用声呐浮标阵对目标最小二乘定位中，由于存在各种源误差最终引起定位误差。按照误差理论，利用观测误差方差阵，得出定位误差方差阵，进而可得平面定位的椭圆误差和中误差的参数。     

车载终端校准系统设计及定位误差修正

近年来,道路运输业得到了快速发展,在提高车辆运输效率和运载能力的同时,也需要加强对运输车辆的安全管理,实时监控其行驶路线和行驶状态,目前车载终端存在定位误差和信息更新缓慢等问题。研制了一套道路运输车辆卫星定位终端计量标准系统,通过同时测量定位终端计量标准系统与车载终端在不同速度下的位移信息和速度信息,得到车载终端的定位误差。提出了基于遗传算法和BP神经网络相结合的道路运输车辆车载终端定位误差修正方法,对比车载终端3次测量数据修正前后的定位误差,最大定位误差分别减小了82.79%、87.95%和89.55%。实验结果表明,利用BP神经网络建立的车载终端定位误差模型是有效的,定位误差修正效果良好。     

主动全向声纳浮标定位算法和定位误差研究

针对主动全向声纳浮标定位目标算法和定位误差问题,依据"纯距离测量"定位的最小二乘算法,给出了定位误差方差阵的迭代计算方法和计算流程.采用蒙特卡洛仿真方法,统计分析了定位算法的精度;对比分析了定位误差均方差理论计算值和目标位置仿真结果的均方根误差,给出了定位算法的精度,验证了定位误差算法的正确性.     

无线传感器网络中LEACH协议的节能改进算法

分析了低功耗自适应分簇路由协议(LEACH)算法,对算法中簇头选举数目的随机性做了改进并且在簇头选举时加入了对节点剩余能量的考虑,同时提出采用欧式平面上两条曲线交叉概率很大的思想,在簇头与基站之间建立多跳链路,从而解决了原协议中簇头与基站单跳通信能量消耗过大的问题.性能分析和仿真实验表明:改进的协议有效均衡了节点能耗,提高了网络寿命.     

基于局部网络拓扑特征的鲁棒节点定位算法

针对无线传感器网络的较大测距误差严重影响定位算法精度和鲁棒性的问题,利用节点均匀部署网络的拓扑特征,提出了一种基于局部网络拓扑特征的鲁棒节点定位算法(LFLS算法).该算法通过构建节点测距高估粗差阈值参数和测距低估粗差阈值参数,在对未知节点1跳测距数据集进行粗差识别及剔除等预处理滤波的基础上,使用高斯加权最小二乘定位算法实现节点定位.仿真结果表明,基于局部网络拓扑特征的鲁棒节点定位算法的定位精度明显优于未采用局部网络拓扑特征进行粗差预处理的加权最小二乘定位算法,其中粗差测距直接相关节点的定位精度改进尤为明显.     

基于混合蒙特卡罗箱方法的移动感知网节点定位方法

通过将机器人领域的蒙特卡罗定位方法(Monte-Carlo localization,MCL)引入到移动感知网的节点定位,提出了一种混合蒙特卡罗箱方法(mixture Monte-Carlo Box,Mixture-MCB).该方法采用混合采样的方式提高采样的成功率,有效地解决了传统蒙特卡罗方法的粒子耗散问题.与其他现有方法相比,该方法不仅计算简单,定位精度高,而且对于环境参数的改变具有较强的鲁棒性,因此适用于由计算能力较弱的节点构成的大规模移动感知网.仿真实验对算法的计算复杂度、定位精度和鲁棒性进行了分析并与其他方法进行了比较,结果表明,该方法是可行而有效的.     

基于深度学习的双耳声源定位算法研究

针对多种定位因素存在复杂关联且不易准确提取的问题,提出了以完整双耳声信号作为输入的、基于深度学习的双耳声源定位算法。首先,分别采用深层全连接后向传播神经网络(Deep Back Propagation Neural Network,D-BPNN)和卷积神经网络(Convolutional Neural Network, CNN)实现深度学习框架;然后,分别以水平面 15°、30°和 45°空间角度间隔的双耳声信号进行模型训练;最后,采用前后混乱率、定位准确率与训练时长等指标进行算法有效性分析。模型预测结果表明,CNN模型的前后混乱率远低于 D-BPNN;D-BPNN模型的定位准确率能够达到87%以上,而 CNN模型的定位准确率能够达到 98%左右;在相同实验条件下,CNN模型的训练时长大于 D-BPNN,且随着水平面角度间隔的减小,两者训练时长之间的差异愈发显著。     

基于遗传算法的三维无线传感器网络定位新算法

针对三维无线传感器网络节点自身定位问题,提出了一种基于遗传算法的新定位算法。该算法通过分析未知节点与它的无线射程范围内的已知节点之间的通讯约束和距离测量,对未知节点建立数学模型;针对此数学模型利用遗传算法求解,把该解作为未知节点的估计位置。理论分析和试验结果表明,该算法具有很强的健壮性,未知节点的失效和新节点的加入不会影响算法的性能,并且算法定位精度高,条件简单,适合各种规模的无线传感器网络的节点定位。     

一种改进的传感器网络分簇分层路由协议

在分析了无线传感器网络中传统的LEACH和LEACH-C路由协议基础上,结合MTE路由协议思想,提出了一种新的改进型分簇分层路由协议(improved clustering hierarchical routing protocol,ICH).文中簇首节点可以采用多跳方式传输数据包,且在选择中继节点时考虑节点剩余能量,对进入下一轮的条件进行了限制.实验表明,改进后的ICH协议的节点存活率比LEACH-C好.     

基于连通可靠度约束的分簇算法研究

在研究了一些分簇算法基础上,提出基于连通可靠度约束的、适合大规模随机部署的快速成簇算法。仿真表明基于连通可靠度约束的快速成簇算法得到的分簇覆盖面广、簇头分布合理、稳定性强,与最小ID分簇及优化的最大连接数分簇算法相比,得到簇头数量少,分簇更合理,各成员节点与簇头的连通可靠度好,能保证网络的稳定性与健壮性,大大减少重构开销带来的通信代价,有利于均衡网络能量消耗,延长网络生命周期。     

基于改进FISTA的高分辨率声源定位方法

为提高快速迭代收缩阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm, FISTA)在反卷积波束形成中的空间分辨率以及计算速度,采用基于快速傅里叶变换的声学模型,引入过松弛方法和“贪婪”重启策略,提出两种改进的快速迭代收缩阈值算法,即基于快速傅里叶变换的过松弛单调快速迭代收缩阈值算法(Over-relaxed MonotoneFast Iterative Shrinkage-Thresholding Algorithm based on Fast Fourier Transform, FFT-OMFISTA)和基于快速傅里叶变换的“贪婪”快速迭代收缩阈值算法("Greedy" Fast Iterative Shrinkage-Thresholding Algorithm based on Fast FourierTransform, FFT-GFISTA),并应用于反卷积波束形成的求解过程中。设计了单声源和双声源的仿真与实验,验证了所提算法的有效性与优越性。结果表明,两种所提算法都具有良好的性能,都能在声源定位中实现更高的空间分辨率以及更快的计算速度。     

基于概率图模型的单信标定位算法研究

随着人类对海洋认识的逐步深入,水下目标的位置信息成为了一种不可或缺的水下信息源,传统的水下定位方法已经不能满足不同场景的应用需求。无论是在测量信息多元化时的多元信息融合定位,还是测量信息不足时的时域信息联合定位时均存在局限性。为此文章提出了基于概率图模型的单信标定位算法,在信标稀疏或者信标通信信息缺失的情况下,通过联合目标时域上其他位置时刻的所有量测信息,从而实现目标定位。此外文章还分析了模型分辨率和测距误差对定位结果的影响,并通过湖试验证概率图方法的有效性,证明其能够在传统定位方法无法使用的单信标的定位跟踪过程中,估计出每一时刻目标的位置,描述目标的运动轨迹。平均定位精度达到1.203 5 m。     

基于RSSI测距的三维无线传感网络萤火虫定位算法的研究

研究了三维空间无线传感器网络(WSN)未知节点的定位。针对目前三维空间无线传感网络定位算法精度低的问题,提出一种基于接收信号强度指示(RSSI)测距的萤火虫定位的算法。该算法首先利用RSSI进行测距,建立信号强度随传播距离衰减的模型,然后在已知一定数量的锚节点的情况下,通过萤火虫算法寻找目标函数最优值,进而对未知节点进行定位。仿真验证结果表明,该定位算法相比其他算法定位精度有很大提高,在30m×30m×30m的空间内定位误差仅为0.59m。