一种基于边沿/门限检测的IR-UWB接收方法

针对脉冲无线电超宽带(Impulse Radio-Ultrawide Band,IR-UWB)无线通信接收机定时精度要求高、结构复杂等问题,提出了一种基于边沿/门限检测(Edge/Threshold Detection)的非相干IR-UWB接收方法.该接收方法利用了IR系统脉冲波形占空比低的特点,将窄脉冲展宽为宽脉冲,降低了定时要求,实现结构较简单.对该接收方法进行了理论分析,给出了加性高斯白噪声(AWGN)信道环境下、OOK调制的误码特性及仿真结果.结果表明接收方法性能主要取决于接收采样时钟频率,当采样时钟频率较高时,该接收方法性能与有20ps定时抖动的相干接收性能可比拟.     

一种音频测距信号到达时刻估计方法

对音频测距信号到达时刻的精确估计是利用音频信号实现远距离无线传感器网络节点定位的关键。研究比较了几种常用的音频测距信号到达时刻估计方法,并提出了一种基于数字整流处理的到达时刻估计方法。它包括信噪比增强、去除直流分量、全波整流、低通滤波、到达时刻估计等过程。该方法在以dsPIC6014A单片机为控制器的节点进行了实验验证,测试结果表明:处理4 096点(12位量化)数据的计算时间约为1.5 s(10MHz时钟),30m距离处的时间值估计误差小于3.5%。     

基于GPS授时的脉冲峰值采集系统

该系统用于提取脉冲信号峰值的幅度与时刻。系统硬件部分包括GPS接收机、GPS时钟模块、脉冲峰值采集卡及工控机。其原理为脉冲峰值采集卡以GPS接收机的1 PPS脉冲上升沿为秒起点,以设定的时间窗宽分段查找输入的最大值并记录其对应的秒内精确时刻,完成脉冲峰值的采集与峰值时刻的记录,为保证脉冲峰值时间的准确度,系统的50 MHz采样时钟也由1 PPS脉冲校准。实验验证了该系统能准确地捕捉脉冲的峰值时刻。     

UWB室内定位系统的射频收发机设计

设计了一种IR-UWB室内定位系统原理样机的射频收发机,发射机将1ns的窄脉冲调制到4GHz,接收机使用隧道二极管检波,检波包络通过比较器判决后将信号传给基带进行处理。所设计的系统通过测试,原理验证样机定位精度优于40cm,达到设计要求。     

基于窄脉冲校准的高量程加速度传感器动态建模

面对高量程加速度传感器动态校准中存在的测不准以及数据处理困难等问题,论述了窄脉冲校准原理,引入了消除噪声干扰的广义最小二乘算法对于传感器的校准数据进行处理,并且结合窄脉冲校准原理进行了算法的数值仿真与实验验证。利用Hopkinson 杆对于自研的量程为200000gn的多级封装传感器进行了窄脉冲动态校准实验。系统辨识的结果表明模型获得的传感器的本征模态与通过FFT方法获得的本征模态分别为482.4kHz以及481.8kHz,并且曲线精度大大优于后者。     

一种矿井通风中精确测定风速的方法

针对超声波传感器接收超声波脉冲信号时由于存在起振过程,导致脉冲到达接收传感器的时间难以精确测定的问题,提出一种矿井通风中精确测定风速的方法,即通过拟合接收传感器接收到的正弦信号曲线及其包络线,计算出超声波脉冲信号到达传感器的时刻。对模拟采样数据的计算及分析结果表明,该方法能够达到较高的测时精度,从而能够保证矿井巷道测风精度。     

无线传感器网络中基于超宽带的TOA/AOA联合定位研究

提出一种基于超宽带(ultra wideband,UWB)信号到达时间估计(time of arrival,TOA)/到达角度估计(angle of arrival,AOA)联合估计的无线传感器网络(wireless sensor networks,WSNs)定位方案,只需要一个参考节点就可以实现对其他传感器节点的2D相对定位,并且不需要时钟同步,适合于传感器网络节点的低成本设计需求.利用往返时间(round trip time,RTT)进行TOA估计,给出了基于多径检测的TOA估计算法;利用到达时间差估计(time difference of arrival,TDOA)进行AOA估计,因而无需借助复杂的天线波束赋形技术.同时,分析了定位误差模型对定位性能的影响,并通过IEEE802.15.4a信道下的仿真实验进行了验证,结果表明了所提方案的有效性.     

IR-UWB定位系统中的数字锁相环接收机设计与实现

在分析了以往的脉冲超宽带(IR-UWB)室内定位系统接收检测技术的基础上,提出利用数字锁相环接收机来准确估计UWB脉冲信号到达时间(TOA),完成室内环境精确测距和定位功能。通过仿真和测试论证了方案的可行性,最后在6m×6m室内空间中实现了系统对标签的定位功能,输出抖动在2ns以内,获得了良好的效果。     

一种脉冲超宽带测距的门限选择算法

多径衰落和接收机系统噪声是影响脉冲超宽带(IR-uwB)测距精度的主要因素.在能量检测过程中,能否在干扰下准确估计IR-uwB信号的首径到达时间(TOA),是开展IR-UWB测距研究的重点和难点.鉴于此,为提高测距精度,提出一种IR-UWB测距的门限选掸算法.首先建立接收机输出信号统计特性与UWB信道衰减特性的关系式,使用全概率公式推导出TOA估计均方误差(MSE)闭合表达式,给出估计误差与多径衰减系数以及信噪比(SNR)等系统参数的严密数学表达,以最小均方误差为性能指标的门限选择算法进行仿真.仿真结果表明,改进算法可提高IR-UWB测距的性能,使测距精度达到30cm,证明是一种有效的门限选择算法.     

高g值加速度传感器的窄脉冲校准理论与方法

针对高g值加速度传感器动态特性校准中遇到的激励窄脉冲的宽度问题,提出了适用于高g值加速度传感器动态特性的窄脉冲校准准则。该准则给出了对不同谐振频率的高g值加速度传感器的动态特性进行校准时,校准所需的激励窄脉冲的最大脉冲宽度与传感器谐振频率的关系。依据该准则设计了窄脉冲校准系统,并对8309型高g值加速度传感器进行了校准实验。实验结果表明,该准则对于高g值加速度传感器频率响应特性的校准是有效的,按照该准则所定脉宽的脉冲能够激起被较准的高g值加速度传感器的各阶谐振频率。     

煤矿井下超宽无线传感器网络定位技术的研究

超宽带技术作为一种新型短距离无线通信方式,其所采用的纳秒级窄脉冲具有许多传统正弦载波无法比拟的优势。基于超宽带技术本身具有的特性,将其与无线传感器网络技术相结合,可以广泛应用于煤矿井下环境,通过无线传感器网络节点定位实现安全监测。本文主要介绍了无线传感器网络节点定位基本原理和算法,提出适合煤矿井下环境的定位算法,并且在传统的测距定位方法基础上进行改进。仿真结果表明,改进的定位算法有效的提高了节点定位精度和定位性能。     

基于超宽频距离传感器的移动目标定位系统

介绍了一种基于超宽频的高精度距离传感器P410（PulsON410）,阐明了它的测距与通信模块（RCM）和单基站雷达模块（MRM）的2种测距模式与原理,论述了典型的室内定位系统的原理与相关算法。在三边定位算法的基础上建立了参考节点呈等边三角形排列的定位系统,分别实现了在2种测距模式下单移动目标的定位跟踪。分析了该传感器在基于RCM测距模式下进行定位的定位精度。仿真实验结果表明：在等边三角形内部,定位误差分布呈现规律性,由三边向质心呈逐渐降低趋势,为进一步优化该系统的定位精度提供了依据。     

一种基于WSN信号强度的位置指纹定位方法

随着近年来网络与通信技术的大发展,人们对各种定位信息的需求也日益增大。虽然在室外定位中,GPS技术可以满足人们较高的定位需求,但其在室内的定位效果却令人难以接受。而近些年来无线传感网络（WSN）的发展,恰好为我们提供了一种成本低、实施简便、定位精度高的室内定位方法。文中提出了一种基于无线信号强度的室内定位算法,阐述了其定位原理,并以ZigBee无线网络为基础搭建了基于该算法原理的室内定位系统。最后,通过在实际环境中对该定位系统的测试,得出其最大定位偏差达到3m以内,平均定位偏差达到2m以内。     

无线传感器网络定位优化算法及其仿真

无线传感器网络节点定位是节点信息的重要话题,针对节点定位问题,在基于距离的极大似然估计法定位基础上,为了弥补其受测距误差影响较大的缺点,利用粒子群优化算法实现无线传感器网络节点定位。在论述粒子群算法的基础上,详细论述了基于粒子群优化的极大似然估计法进行节点定位过程。通过MATLAB实验对算法进行了验证,实验表明基于粒子群优化算法的节点定位精度要比极大似然估计法的精度要高,定位性能要比其优越。     

基于计算机视觉的目标二维坐标定位实现

提出一种摄像机内部参数未知条件下,由单幅图像实现的目标二维定位方法。推导图像像素坐标系转换至车体坐标系的转换矩阵,并介绍该转换矩阵的求解方法和步骤。实验证明,本单幅图像目标二维坐标定位方法易于实现,定位精度较高（P=1．47mm）,最大误差为2．95mm,能够满足机器人计算机视觉目标定位使用要求．     

无线传感器网络技术的研究

无线传感器网络（WSN）从开始时的一个纯粹学术观点,已经转变成为一项拥有巨大商业应用价值的技术.这类无线网络由于其具备前所未有的操作条件,在过去十年间受到了极大的关注.通过大量的原理样机验证表明,无线传感器网络已经演变成一种高度可靠、商业化的技术.     

复杂场景下基于改进YOLOv3的车牌定位检测算法

针对在光照、多车辆和低分辨率等复杂场景下车牌定位困难、检测速度慢和精度低等问题,提出了一种改进YOLOv3的方法。采用K-means++方法对实例的标签信息进行聚类分析获取新的anchor尺寸,通过改进后的精简特征提取网络（DarkNet41）来提高模型的检测效率并降低计算消耗。此外,改进了多尺度特征融合,由3尺度预测增加至4尺度预测并在检测网络中加入了改进后的Inception-SE结构来提高检测的精度,选取了CIoU作为损失函数。预处理方面用MSR（Multi-Scale Retinex）算法对数据进行增强。实验分析表明,采用该算法mAP（均值平均精度）达到了98.84%,检测速度达到36.4帧/s,与YOLOv3模型以及其他算法相比具有更好的准确性和实时性。     

一种权系数两级自调整的融合定位精度提高方法

在分布式传感器网络节点定位技术中,使用数据融合方法以提高探测系统的检测与定位精度正成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合定位算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小均方差（LMSE）算法得到权系数的初始值,然后利用训练节点和递归最小二乘（RLS）算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真,仿真结果表明：相比单节点定位,提出的融合算法的定位精度有约1—2个数量级的提高。