一种判断无线网络节点定位翻转模糊的新方法

为了解决基于测距的无线网络节点定位中可能会发生翻转模糊的问题.已经有研究者证明了将节点翻转模糊问题等价为判断是否存在一条直线和所有参考节点的测距误差圆都相交的问题(Existence of Intersecting Line,EIL).在测距误差圆半径相等的情况下,EIL问题可采用凸包方法,其计算复杂度较低;而在测距误差圆半径不等的情况下,采用公切线翻转模糊检测法的计算复杂度较高.为了解决EIL问题中测距误差圆半径不等时计算复杂度较高的缺陷,本文采用正交投影方法证明了EIL问题的实质是判断是否存在一条直线,使任意两个测距误差圆在这条直线的正交投影线段有重叠,这条直线与EIL问题中的直线相垂直.根据该证明,文中提出了一种基于正交投影的节点翻转模糊检测方法.该方法通过简单的坐标变换就能代替EIL问题中求解公切线的复杂计算过程.仿真结果表明,本文提出的基于正交投影的翻转模糊检测方法和Wang提出的公切线翻转模糊检测方法相比,大大降低了计算复杂度,但检测结果和平均定位误差是等价的.     

一种基于Euclidean的无线传感器网络三维定位算法

 针对传感器网络在三维空间的应用,基于Euclidean定位算法,提出了对无线传感器节点进行三维定位的算法.将计算未知节点与锚节点间距离问题抽象为求解六面体顶点间的距离.根据问题的抽象,本文使用所提出的坐标法进行求解,并采用循环迭代的方式来提高节点的定位比例.仿真结果表明,三维空间的Euclidean定位算法各项指标均为良好,能有效地实现三维环境中的传感器节点定位.     

一种新的无线传感网络三维定位方法

定位是无线传感器网络的基础问题之一,文章提出利用均值法对接收信号强度指示(RSSI)数据进行处理,筛选出RSSI值较优的锚节点,以解决RSSI易受干扰的问题,减小RSSI的测距误差。在此基础上,提出动态修正三维三边测量方法。该方法利用筛选出的RSSI值较优的3个锚节点进行测距,在一个移动锚节点辅助下进行三维三边定位,提高定位精确度。仿真结果表明,与传统三边测量定位算法相比,此方法可明显减少定位误差。     

基于最小均方误差选择参考节点的RSS测距定位算法

无线传感网中的多类应用均需要准确的定位算法.为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(Received Signal Strength)测距,并建立相应的方程,再利用线性最小二乘LLS(Linear Least Squares)法求解节点的位置,将此定位算法记为RSS+LLS算法.RSS+LLS算法随机选择参考节点,这有损定位精度,同时,LLS算法并没有考虑每个测距值的误差,这些不足降低算法的定位性能.为此,提出基于RSS+LLS的优化算法,记为RSS+WLS+OPT算法.该算法先通过RSS测距,并基于最小均方误差原则选择参考节点,从而提高定位精度,同时,给每个测距值引入权重系数,采用基于协方差矩阵的加权最小二乘法WLS(Weighted Least Squares)求解节点位置,进而降低了测量误差对定位精度的影响.仿真结果表明,与RSS+ LLS相比,提出的RSS+WLS+OPT算法的定位精度提高了约2米,并没有增加计算时间,降低对测距误差的敏感性.     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

无线传感器网络中基于接近度的无需测距定位算法

针对当前无需测距定位算法存在定位误差大的问题,本文提出了一种基于接近度的无需测距定位算法,接近度是本文定义的一个用来表示邻居节点距离远近的值.首先根据邻居节点之间的几何特征和邻居关系推导出一个线性函数,函数输出是接近度.然后用锚节点之间的距离和接近度计算一个矫正值,矫正值和邻居节点之间接近度的乘积作为邻居节点之间的估计距离.最后根据估计距离计算未知节点的估计位置.仿真结果表明,本文算法的估计距离误差和定位误差都要低于当前同类型定位算法.     

基于三维封闭式测距球动态调整的WSN定位

为提高无线传感器网络(WSN)源节点定位算法的性能优势,提出一种考虑扩展三维测距球RSS算法的WSN节点定位方法。首先,通过对接收信号强度(RSS)的测量,提出非模糊闭合估计方法,对无线信道阴影噪声下的源位置进行几何定位;其次,针对测距中的测量误差,将动态调整方案应用于定位算法中,通过对RSS的多次测量,得到源定位误差的下限;最后,数值模拟结果表明,该估计方法优于传统的最小二乘估计方法,特别是在参考传感器节点接近共面的不利情况下,与接近局部化下限的最大似然估计方法相比,该方法计算量小,且对局部化精度影响不大。     

分布式无线传感器网络定位算法MDS-MAP(D)

针对无线传感器网络的定位问题,提出了一种分布式的算法MDS-MAP(D),明确给出了节点相对坐标计算和局部网络融合的过程,并对算法进行了计算复杂性分析和仿真.MDS-MAP(D)以分布式节点分簇为基础,利用网络的连接关系,在不需要高精度测距技术支持的条件下对节点坐标进行估计,减小了节点定位的计算复杂度和能量消耗.分析与仿真结果表明,算法的计算复杂度由下降到 ,并且定位精度提高了1%～3%.     

基于μ+λ进化计算的传感器网络定位算法

基于接受信号强度(RSS)测距的定位方法是无线传感器网络中成本低而普遍使用的方法,但容易受到干扰降低定位精度.本文通过运用贝叶斯法则对RSS信号测距的概率模型进行详尽分析后,依据最大似然估计法则建立了更加合理的概率定位模型,然后针对模型不好求解的特点,结合传感器网络传输特点设计了基于μ+λ进化计算的求解算法.最后通过仿真实验证明了建立的概率定位模型和设计的基于μ+λ进化计算求解算法能降低环境干扰的影响,提高传感器节点的定位精度.     

无线网络中基于变分消息传递的分布式协作定位算法

针对基于消息传递算法的节点定位方法复杂度和通信开销较高的问题,提出一种适用于节点可移动网络的低复杂度低协作开销的节点自定位算法。为降低通信负载,该算法将消息约束为高斯型函数,网络中只需传输各消息的均值和方差,并采用适用于指数模型的变分消息传递(VMP)算法以降低计算复杂度。首先,根据节点的历史轨迹对节点位置进行预测,得到当前时刻的先验信息。然后,在因子图上按照VMP消息更新规则、通过迭代近似求解节点位置变量的后验分布。在消息更新中,对于非线性测距模型引起的非高斯置信,通过非线性项的二阶泰勒级数展开将其近似为高斯型函数。最后,根据最大后验估计准则得到位置估计。仿真结果表明,该算法的定位精度与基于非参数化置信传播的SPAWN（Sum-Product Algorithm over a Wireless Network）接近,但计算复杂度和通信负载均显著降低。      

Radar marine maneuvering target detection via high resolution sparse fractional ambiguity function

To solve the problem of fast detection of high maneuvering targets in complex ocean background,a radar target detection algorithm via sparse fractional ambiguity function (SFRAF) was proposed.The sparse Fourier transform (SFT) was introduced after instantaneous autocorrelation function calculation,which combines the advantages of SFT and fractional ambiguity function (FRAF).Therefore,SFRAF has good processing performance on high maneuvering signals and can achieve lower computational complexity.The simulation experiments and the measured data processing results show that compared with classical detection method,the detection performance of maneuvering target can be significantly improved,and compared with FRAF,the proposed method can achieve higher detection efficiency.     

基于自适应新生密度的多目标联合检测与解模糊

脉冲多普勒(Pulse Doppler,PD)雷达会产生距离模糊和多普勒模糊问题,传统方法通过发射多个脉冲重复频率(Pulse Repetition Frequency,PRF)并相互关联来解模糊.但当信噪比较低时,为确保检测到目标需采用低门限而产生了大量虚警,传统方法由于数据关联导致计算复杂度过高而失效,基于随机有限...     

A joint swarm intelligence algorithm for multi-user detection in MIMO-OFDM system

In the multi-input multi-output orthogonal frequency division multiplexing (MIMO-OFDM) system, traditional multi-user detection (MUD) algorithms that usually used to suppress multiple access interference are difficult to balance system detection performance and the complexity of the algorithm. To solve this problem, this paper proposes a joint swarm intelligence algorithm called Ant Colony and Particle Swarm Optimisation (AC-PSO) by integrating particle swarm optimisation (PSO) and ant colony optimisation (ACO) algorithms. According to simulation results, it has been shown that, with low computational complexity, the MUD for the MIMO-OFDM system based on AC-PSO algorithm gains comparable MUD performance with maximum likelihood algorithm. Thus, the proposed AC-PSO algorithm provides a satisfactory trade-off between computational complexity and detection performance.     

OFDM系统中基于零子载波检测的频偏估计模糊度校正算法

OFDM系统的性能对频率偏移非常敏感。该文针对频偏估计中所产生的模糊度问题提出了一种基于零子载波检测的频偏估计模糊度校正算法。它利用OFDM符号中不传输信息的子载波进行频偏估计模糊度校正。文中分析了定时误差对算法性能的影响并分析比较了算法的复杂度。仿真结果表明,在性能相近的前提下,该文提出的频偏估计模糊度校正算法与传统的算法相比具有运算量小的优点。     

基于扩展贝塞尔拟合模型的连续波穿墙雷达目标定位算法

本文提出了一种基于改进Hough变换频率拟合技术的目标定位算法,通过动态调整两个形状参数构造扩展贝塞尔频率拟合模型,利用拟合的曲线解调回波信号完成对多个目标分量的分离,并结合多普勒处理方法合成目标运动轨迹,实现对目标的实时定位。针对拟合模型构建过程中关于多维参数搜索运算大的问题,依据两个参数之间相对独立的特性,采用线性搜索来代替传统的多维搜索,大大降低运算复杂度,优化目标探测的实时性。仿真和实验结果表明,在多人体目标的跟踪定位场景下,该算法有效地抑制了频率模糊,进一步提高了目标运动轨迹复杂多变时的适用性,在多目标定位、跟踪的应用中具有优越性。      

一种用于人体安检的三维稀疏太赫兹快速成像算法

太赫兹全息成像技术在人体安检成像、隐匿武器检测、无损检测等领域具有广阔的应用前景。该文提出了一种能够避免产生距离混叠现象的3维稀疏太赫兹快速成像体制和成像算法。该方法通过对太赫兹雷达的3维成像几何及相应回波模型的分析,利用随机稀疏频点数据来有效消除距离混叠现象;同时利用对稀疏回波数据的频谱搬移和插值来获得包含目标完整信息的3维数据,以实现对目标的3维分辨成像。通过对0.2 THz波段的仿真和实验数据的重建,验证了算法的正确性和有效性。      

一种基于天线布局的姿态测量算法研究

该文针对姿态测量过程中求解整周模糊度计算复杂度高的问题,提出一种基于天线布局的姿态测量方法。该方法在一定的测量误差下,采用特定的方式配置姿态测量天线组,通过天线配置的约束信息确定载波相位的整周模糊度差,并使用短基线和中基线分别进行姿态粗测和精测,达到快速姿态测量和提高精度的目的。使用这种方法进行飞行器姿态测量时可以不必求解整周模糊度,避免了复杂的整周模糊度搜索算法,进而提高了姿态测量速度,该方法非常适用于飞行器的快速测姿。     

SPSA‐NC: simultaneous perturbation stochastic approximation localization based on neighbor confidence

Accuracy is still the greatest challenge in the wireless sensor network localization efforts. Several diverse factors can give rise to localization errors. Modeling such diverse influencing factors to deliver a single, reasonably simple and practical solution is a difficult task. In order to address the problem of location inaccuracy, we propose a comparatively simple and ingenious approach, which is the simultaneous perturbation stochastic approximation (SPSA) localization engine. SPSA bypasses tedious modeling of the influencing factors where some of them are yet to be explored and random in nature. SPSA‐based localization estimates the non‐anchor node locations through minimizing the summation of estimated errors of all neighbors. However, the downside of SPSA is that it incurs errors in some specific relative neighborhood configurations often referred to as flip ambiguity. So, we further propose a solution to the flip ambiguity problem by implementing a constrained optimization with a penalty function method on the identified flip nodes. Most importantly, error propagation of the iterative localization algorithm is managed by incorporating a neighbor confidence matrix. We name this modified SPSA engine as simultaneous perturbation stochastic approximation by neighbor confidence (SPSA‐NC). Experimental results show that SPSA‐NC offers significantly better localization accuracy than its state‐of‐the‐art competitors, namely, simulated annealing and the ordinary SPSA. The SPSA‐NC program is available for downloading at http://www.dnagroup.org/SPSANC . Copyright © 2015 John Wiley & Sons, Ltd.     

基于低复杂度算法的QPSK多用户检测

提出了一种低复杂度的QPSK准最优多用户检测算法。该算法保证在多项式复杂度下收敛到全局最优解附近。实验和仿真结果表明：该算法性能十分逼近最优多用户检测器,为解决CDMA系统的多用户检测问题提供了一条新的途径。