一种适用于mesh网络的分布式恢复算法

文章简要介绍了传统的基于链路的恢复技术,并在此基础上提出一种改进的分布式恢复算法,这种新的算法不仅可以恢复链路故障,而且也可以解决节点故障。通过仿真分析可看出,它在故障恢复速度和资源利用率等方面都表现出优越的性能。     

一种基于滤波的分布式任务分配算法

尽管同步模式协同算法允许团队在许多通用网络拓扑中达成一致状态感知并执行任务分配,但收敛到一致状态感知需要花费大量时间,传输大量数据。在低带宽环境中这会导致严重的潜在问题,增加求解任务方案时间。分析了现存协同拍卖算法例如、CBBA,HIPC等的优缺点,并对HIPC进行改进。采用将滤波框架引入分布式协同拍卖的方法,在建立任务束阶段采用滤波算法对局部状态感知进行估计。打破了HIPC对局部场景感知的完美假设,使得新算法可以在局部感知不可靠条件下良好运行,该算法可以异步进行并行任务分配和冲突分解。通过试验得出相比于HIPC,新算法减少了任务冲突次数,缩短任务执行时间。     

一种Ad Hoc网络的分布式证书撤销算法

文章提出了一种AdHoc网络的分布式证书撤销算法，该算法利用撤销状况权值记录矩阵A（T W）描述节点间的撤销关系和节点的可信度，通过权值迭代关系逐步实现网络运行过程中权值的不断变化，随着网络中各恶意节点被撤销，正常节点的权值得到恢复，非常适用于AdHoc网络。     

一种适用于密集传感器网络中的DV-Hop改进算法

提出一种基于Cluster管理的应用于密集网络的改进的DV-Hop算法CSDVH.通过实验数据的分析,相比较传统的DV-Hop算法和改进算法,在密集网络中,CSDVH算法通信代价很小O(3n)、误差较小;在稀疏网络中,CSDVH算法定位的精确度较高,比DV-Hop算法降低了10%.创新的提出了减小无线传感器网络定位能量消耗的方法并把CSDVH算法应用到移动的传感器网络中.     

一种摄像机阵列的分布式图像编码方法

根据摄像机阵列的特点和Wyner-Ziv理论提出一种分布式的图像编码方法来压缩图像数据,在编码端以较小的运算量对各个节点进行独立的压缩,解码端联合解码来解析图像之间的相关性.适应摄像机阵列的各个节点处理能力较弱,存储空间少,节点间通信受限的特点.试验表明在独立编码的同时仍能够很好的解析图像之间的相关性,适用于摄像机阵列的编码.     

一种大规模传感器网络节点分布式定位算法

针对大规模无线传感器网络(WSN)中节点难以定位的问题,该文提出一种基于改进牛顿法的分布式定位算法。该算法包括网络划分和分布式算法。首先,根据节点位置和节点之间直接相连的距离信息,将无线传感器网络划分为若干个重叠的子区域,并将子区域的定位问题归结为无约束优化问题,每个子区域可以独立计算;然后,使用分布式算法估计子区域中的节点位置并进行局部融合。实验结果表明,与已有算法相比,该算法具有良好的扩展性,在大规模网络中定位精度更高,能满足大规模无线传感器网络中节点定位需求。     

一种适用于星地网络的流量负载均衡算法

在星地网络的背景下,为了降低由于地面网络链路负载过高导致的传播时延,提出了一种适用于星地网络的负载均衡算法。算法基于网络的链路容量设置一个链路资源利用率作为阈值,当发现路径出现过载的时候分成两步进行路径的预规划：第一步,运用蚁群算法为链路过载的数据流选择其他的路径,以满足地面网内部的负载均衡;第二步,如果仍出现链路超阈值的情况,通过卸载延迟容忍数据流来执行地面与卫星网络之间的负载均衡。仿真结果表明,设定自适应的过载阈值可以有效降低链路的拥塞,与现有算法相比该算法不仅可以更加均匀地分配地面网络中的流量,而且借助卫星网络使地面网络的平均时延降低了18.3%,提高了网络的服务质量。     

一种适用于雷达侦测的UWB-OSCA算法

针对宽带雷达检测门限值设置难度大、系统复杂度高、实时性差等问题,提出了一种UWB-OSCA（Ultra瞁ide Band-mallest of Ordered Statistics and Cell Average）检测算法。该算法主要包括多相滤波、SOSCA恒虚警检测和二元积累。其中,多相滤波将宽带信号划分为多个子信道,降低通道速率;SOSCA恒虚警检测分别对各子信道进行自适应门限调整,提高各子信道检测概率;二元积累对各子信道的检测结果进行时域联合,优化宽带时域连续检测性能。实验结果表明,在信噪比等于7.33 dB,虚警概率为10-5时,SOSCA恒虚警检测算法与传统恒虚警算法相比,检测概率可提升14%;当多相滤波输入信噪比为-5 dB时,UWB-OSCA算法的宽带线性调频信号脉冲宽度测量偏差优于6.5 ns。该算法具有大监视带宽、大动态范围和高检测概率,可广泛应用于侦察接收机的雷达侦测工作。     

一种传感器网络的分布式多播路由优化算法

传感器感知的信息需要通过网络传送给感兴趣目标节点,传统网络中的多播技术往往能耗高、实时性不够理想,不利于在传感器网络中使用。针对WSN中节点对网络拓扑未知,该文先将多播路由问题演化为最优多播路径问题,通过启发式算法求解分布式最优路径,并通过一种基于贪婪思想的裁剪合并策略优化多播路由树,直至整个网络得到最优路径,最后并结合了节点区域集中以及无线多播特性,提出了DCast路由算法。最后通过仿真实验与uCast, SenCast等经典的传感器网络的多播路由算法仿真比较,可以得出其算法在时延性以及能耗等方面性能有优势。     

适用于APON接入系统的分布式分层调度算法

基于 ATM的无源光网络已成为宽带接入的重要方式。文中在 ITU- G.983规范的基础上 ,提出了一种分布式分层调度算法 ,该算法既能满足 ATM业务不同的 Qo S需求 ,又极大地降低了分布式接入协议所必需的上下行信道的开销 ,提高了带宽利用率。     

基于简化平方根容积卡尔曼滤波的跟踪算法

目标跟踪的模型通常可表示为一个线性的状态方程与一个非线性的观测方程,为提高平方根容积卡尔曼滤波(SCKF)算法的跟踪精度和实时性,提出了一种简化的平方根容积卡尔曼滤波(RSCKF)算法。简化算法在时间更新环节,直接利用状态转移矩阵计算状态变量以及协方差矩阵的一步预测值,避免了原算法中采用一组容积点近似计算的复杂过程,推导证明,简化后的算法其时间更新环节与卡尔曼滤波的一步预测结果一致。最后对两种算法进行了计算复杂度比较以及角跟踪仿真实验。实验结果表明,简化的算法能够降低运算时间并提高跟踪精度。     

容积卡尔曼一致滤波

针对卡尔曼一致滤波的应用受限于被估计系统需 满足线性条件的问题,通过容积卡尔曼滤波(CKF)和一致性策 略的动态结合,提出一种容积卡尔曼一致滤波(CKCF)算法。算法采用分布式融合机制, 传感器节点采集可通信相邻 节点的信息,并作为自身节点的量测信息应用于CKF,获取局部状态估计 值。在此基础上,利用一 致性策略实现对整个量测系统中传感器节点局部估计值的优化,进而通过增强传感器节点估 计值一致性实现目标 状态估计精度的提升。相对于标准卡尔曼一致滤波,本文算法将一致性策略推广到非线性系 统估计领域。理论分析 与仿真实验验证了算法的可行性与有效性。     

基于CPFDE的目标跟踪算法研究

在目标跟踪中,为了克服粒子滤波的粒子退化和贫化问题,提高滤波精度,文中将差分演化算法与容积粒子滤波相结合,形成了差分演化容积粒子滤波算法。在粒子进行先验更新时, 使用容积卡尔曼滤波算法融入当前时刻的量测信息并用其来产生重要性密度函数,并且在重采样阶段,用差分演化算法对根据重要性密度函数抽取的采样粒子做优化操作,从而克服粒子滤波存在的粒子退化及贫化问题,提高滤波性能。实验结果表明,和粒子滤波、无迹粒子滤波、容积粒子滤波相比,该算法有着更高的滤波精度和更好的稳定性,并且能够提高雷达机动目标跟踪的精确性。     

基于容积卡尔曼滤波的自适应IMM算法

在目标跟踪中,针对无迹卡尔曼滤波在高维状态下容易出现滤波精度下降甚至发散的问题,提出了一种自适应交互式多模型容积卡尔曼滤波算法。首先,将容积卡尔曼滤波引入到交互式多模型算法中,提高了算法在高维非线性情况下的滤波精度。然后,结合马尔科夫参数自适应思想,在模型概率更新阶段,利用后验信息修正马尔科夫概率转移矩阵,增大匹配模型的转移概率,进一步提高模型之间的切换速度。最后,在目标跟踪仿真中利用"当前"统计模型对算法进行验证,实验结果证明了算法的有效性。     

一种基于平方根卡尔曼的二阶滤波算法的研究

在平方根Kalman滤波(SREKF)算法的基础上,本文研究一种二阶非线性滤波算法。该算法利用状态误差协方差阵的平方根因式对状态向量作正交变换,消除状态误差项之间的相关性,从而降低了二阶滤波算法的运算量。通过仿真验证了该算法的效能。     

面向分布式融合估计的快速一致性算法

针对分布式多传感器网络信息融合估计问题, 提出一种快速一致性算法。首先, 对图论知识、多智能体平均一致性算法以及加权矩阵进行描述; 其次, 利用LMS原理以及本地节点与邻居节点的估计误差定义代价函数, 并利用其对加权矩阵进行更新, 得到快速一致性算法, 同时简要介绍了参数选取问题; 最后, 对常用加权矩阵进行仿真实验。结果表明, 快速一致性算法能够提高一致性的收敛速度, 在传感器网络连通度较低时效果明显。     

基于TACKF的海面目标航向航速估计算法

航向航速是海面目标的重要特征,能准确估计出目标的航向航速对于海面目标的跟踪、识别和打击具有非常重要的意义。由于海面目标跟踪中易出现量测高精度、系统复杂强非线性等情况,导致传统非线性滤波器对海面目标航向航速的估计精度不高。此外,海面运动目标自身速度较慢,滤波器的稳态波动对海面目标的航速估计影响较大。针对上述问题,提出了一种基于截断的自适应容积卡尔曼滤波器(TACKF)的海面目标航向航速估计算法。仿真结果表明,所提出的TACKF算法较传统的非线性滤波算法有显著的性能提升,可以有效提高复杂环境下海面目标航向航速的估计精度。     

基于高斯和均方根容积卡尔曼滤波的姿态角辅助目标跟踪算法

根据目标2维运动速度与姿态角的关系,该文提出一种姿态角辅助目标跟踪算法。在目标运动学基础上建立状态向量中包含姿态角的跟踪模型,实现姿态角对目标跟踪的辅助;针对基于模板匹配姿态角量测的噪声为非高斯情况,将均方根容积卡尔曼滤波引入到高斯和滤波框架下,提出新的高斯和均方根容积卡尔曼滤波算法,提高非线性非高斯处理能力,同时结合目标运动中姿态角的变化规律,建立姿态角分量不同的跟踪模型,通过模型切换实现机动姿态角的滤波。算法对姿态角量测进行滤波,同时实现了姿态角信息与位置信息的有效融合。仿真结果验证了该算法的有效性和正确性。     

一种非线性GM-PHD滤波新方法

为了解决目标数未知情况下的多目标跟踪问题,提出了一种非线性条件下的高斯混合概率假设密度滤波新方法.该方法利用三阶球面容积-径向采样规则计算目标状态的概率分布特性,解决了状态方程和观测方程的非线性计算问题,利用模糊门限对滤波器的剪枝方法进行了优化,避免了高斯项数目的指数增长,利用观测数据生成新目标密度,使滤波器具备了对观测空间任意位置随机出现新目标的跟踪能力.通过仿真实验比较了四种非线性高斯混合概率假设密度滤波方法的性能,实验结果验证了提出算法的有效性.     

相干光OFDM系统中一种新颖时域容积卡尔曼相位噪声补偿算法

针对激光器产生的相位噪声会严重影响相干光正交频分复用(CO-OFDM)系统的性能问题,提出了一种新颖容积卡尔曼滤波(CKF)相位噪声补偿算法。该算法利用导频信息,先通过扩展卡尔曼滤波(EKF)和线性插值算法补偿公共相位误差(CPE)噪声,然后对相位噪声粗补偿后的信号进行预判决,在时域对预判决后的信号进行次符号处理的CKF实现对载波间干扰(ICI)相位噪声的精细补偿。对补偿后的信号进行二次迭代,从而提高补偿效果。分析和仿真表明:提出的新颖CKF算法能有效补偿相位噪声对信号的影响,在相位噪声线宽较大时能有效增强对ICI相位噪声的补偿效果,改善CO-OFDM系统对激光器线宽的容忍度,有效提高系统的性能。