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。     

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。     

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.     

卡尔曼滤波在无线传感器网络节点定位中的应用

为了减小无线传感器网络节点定位中节点测距误差和定位算法自身引入误差的积累对定位精度的影响,建立了适用于无线传感器网络的卡尔曼滤波模型.采用渐消自适应卡尔曼滤波对基于距离的初始定位算法进行求精,通过一跳节点间的相互制约,在全局范围对未知节点进行定位;基于卡尔曼滤波模型,对无线传感器网络的分布式算法和集中式算法的计算量进行了研究,得出计算量与节点数目的关系.研究结果表明,卡尔曼滤波能够有效提高节点的定位精度,尤其适用于网络节点密度小、信标节点比例低的情况.     

物联网技术在井下人员定位中的应用

为研究物联网技术在煤矿井下人员定位中的应用,首先根据物联网的3层结构设计出一种煤矿物联网结构.这种煤矿物联网结构是通过感知层接入的各种无线传感器网络,用来采集煤矿井下的各种环境参数,利用无线传感网上传到调度层,经过调度层的分析处理传到应用层,形成一个统一的调度管理系统.针对传统的测距定位算法中存在的定位误差相对较大这一现象,本文提出了一种时间与距离关系的定位算法,该算法的主要优点是不需测得信号强度值,故避免了信号在传输过程中衰减而造成的误差.最后通过与uw1000模块的结合实验验证了该算法.较传统的测距定位算法减小了误差,提高了精度.但用到的uw1000相比于其他测距的硬件价格要高一点,但是对定位效果有很大的提升,且应用价值比较好.     

无线传感器网络自定位研究

在无线传感器网络(WSN)的研究中,节点自定位是其中关键问题之一。本文围绕WSN节点的定位,着重描述了节点的测距方法以及节点自定位方法的分类,同时还综述了两种典型的分布式节点自定位算法及其原理。最后本文在对WSN自定位研究的基础上,指出了未来研究的热点和方向。     

无线传感器网络节点通信与定位综合信号设计

针对无线传感器网络中依赖于接收信号强度指示(RSSI)的极大似然定位算法易受环境噪声影响的问题,设计传感器节点的通信与定位一体化信号。对锚节点的激励信号设置较小的载波频偏并设计激励信号,将传输的数字序列与距离信息调制到一个信号星座图中,未知节点通过对信号的信息解调可以初步计算未知节点与锚节点间的距离。未知节点将初步的估计距离信息发送给锚节点来调节信号频偏,再次精细距离的测量准确度,最后采用极大似然法直接计算未知节点的位置。该方法是在一体化的通信信号中解调数字序列和距离信息,避免再将信号强度转化为距离的过程。仿真结果表明：节点的通信与定位综合信号可以一定程度上提高定位准确度,在不同的节点数、锚节点数、通信半径和信噪比下定位误差分别为22.44%、21.15%、19.18%和21.79%,可为节点定位提供一个简便的计算方案。     

微粒群算法在无线电干涉测距定位中的应用

节点定位是无线传感网络的重要支撑技术.无线电干涉测距虽然测距精度高,但用遗传算法和迭代最小二乘算法进行节点定位的误差较大,本文针对这一问题.提出了基于微粒群算法的节点定位.该算法能够解决连续空间多维函数的优化问题,满足了基于无线电干涉测距节点定位的需要.仿真证明:该算法具有实现简单,运行稳定,计算误差小等优点.与其他常用节点定位技术相比,无线电干涉测距定位技术具有定位精度高,传播距离远,所需硬件设备少等优点.     

多带同步模型用于噪声环境下语音识别

根据人耳听觉特性，提出新的同步多带最大似然线性回归算法用于噪声环境下语音识别。该算法采用最大似然作为参数估计准则，利用各频带信号同步感知和噪声污染假定的方法进行语音模型补偿，有效地提高了识别系统在噪声环境下的识别性能。     

Large scale compound classification for multi-resolution satellite data based on conditional random fields models

针对如何在算法层次上利用不同空间分辨率遥感数据提高地表分类精度的问题,提出了一种基于条件随机场模型的全新的多分辨率复合分类算法.该算法针对同一地区、不同覆盖范围的两种高低分辨率遥感图像,以广域低分辨率图像的高精度地表分类为目的,利用高低分辨率图像间的空间分辨率多对一关系,基于云理论构建“真实”似然特征映射,由用来描述光谱特征与类别关系的“真实”似然特征序列以及像元间上下文关系构建条件随机场模型的两类势函数,并在此基础上对广域低分辨率图像进行全局地表分类.该算法不仅提供了对多分类特征的支持,而且考虑了地物分布的空间连续性.多组高低分辨率图像组合下的复合分类及不同算法间的分类精度对比分析结果表明,该算法可有效提高广域低分辨率图像的分类精度,并具有良好的鲁棒性.     

基于自适应迭代搜索的三维质心定位算法

在加权质心定位算法和接收信号强度指示测距模型分析的基础上,提出了一种基于自适应迭代搜索的三维质心定位算法。首先计算未知节点的初始搜索步长,然后通过多次迭代、更新搜索点和搜索步长,提高节点的定位精度。该算法能自动调节搜索步长,减少迭代次数,具有一定的自适应能力。仿真分析了不同比例的信标节点、通信半径对定位误差的影响。结果表明,该算法的定位精度和稳定性良好,适用于无线传感器网络的三维定位。     

移动机器人在大尺度未知环境下的自主导航方法——改进的FastSLAM算法

在移动机器人同时定位和地图创建过程中,标准FastSLAM算法（对SLAM因式分解的一种快速算法）通常假设机器人观测值和环境陆标之间的数据关联是已知的（即采用预置陆标）来回避数据关联问题。针对标准FastSLAM算法的这一缺陷,提出了一种适合大尺度未知环境（即数据关联未知）下的基于单个粒子最大似然数据关联和环境否定信息相结合的FastSLAM改进算法。该算法用基于单个粒子最大似然数据关联法保证当前运动噪声对下一步关联数据精度的影响和“失踪”问题的出现,而用环境否定信息法避免错误陆标添加到环境地图中。仿真结果表明,改进的FastSLAM算法解决了大尺度未知环境下的数据关联问题,提高了机器人自身定位和地图创建的精度,可真正实现机器入在大尺度未知环境的自主导航。     

三参数威布尔分布在风机载荷外推中的应用

本文通过极大似然法、双线性回归法、相关系数法及概率权重矩法的威布尔估计算法对风机载荷相关变量(叶根面内弯矩、叶根面外弯矩及叶尖挠度)进行载荷外推,并通过极大似然值对该几种方法进行比较,提出适合风机载荷变量的估计算法,为使用三参数威布尔分布对风机载荷外推提供了一定的参考。     

基于统计学习的运动目标轨迹跟踪

为了更准确地跟踪被动辐射源的运动轨迹,提出了一种将到达时差(TDOA)最大似然定位方法与基于统计学习的算法相结合的轨迹跟踪算法.该算法利用TDOA最大似然网格搜索法对目标进行多次单独定位,获得目标初始轨迹,然后应用统计学习算法对轨道进行学习和拟合,输出运动轨迹.仿真表明,同卡尔曼滤波器相比,该方法提供了更高的跟踪精度,当拟合点数达到300个点时,最终的跟踪精度同单次定位精度相比可提高一个数量级.     

极大似然法的医学图像融合算法

医学图像的融合已经成为引导手术和放射治疗等医学应用中比较关心的问题。极大似然法已经被证明有极大的优点,本文提出了一种新的基于极大似然法估计的多模态医学融合算法,该方法使输入的图像被分解为粗糙图层和详细图层,并应用局部信息来选择系数,最后在不同的图层进行对比。目的是保留图像更多的细节,进一步的提高图像融合质量。     

无线传感器网络基于无线测距校正的效能分析

节点自身定位是无线传感器网络的一种重要功能。距离测量通常是高精度定位的基础。研究联合校正方法在无线电RSSI测距方法中的效能及其对节点自定位算法定位性能的影响。本课题的新颖之处在于:1)我们研究在受控环境中得到校正模型,然后在实际环境而非同样的受控环境中进行自动校正的问题;2)我们使用实际的无线电RSSI测量实验系统而非仿真方法进行研究。     

高阶声学相对传递函数的参数化辨识

针对声学相对传递函数的模型阶次高以及辨识数据信噪比低的问题,文章运用频域系统辨识方法,建立了一种相对传递函数的高精度参数化辨识方法。首先建立变量带误差辨识框架,采用周期扫频信号作为声源激励,给出声学相对传递函数的极大似然算法。然后使用正交福赛斯(Forsythe)多项式解决高阶系统带来的雅克比矩阵条件数过高的数值问题,并建立了极大似然方法所需初始值的生成策略。最后通过仿真算例和实验测试,验证文中方法在混响声场下辨识声学相对传递函数的有效性。     

一种信标水声定位的改进扩展卡尔曼滤波算法

水声测距误差通常偏离高斯分布,纯距离扩展卡尔曼滤波(Extended Kalman Filter,EKF)定位跟踪算法误差较大。在将测距噪声分为高斯分量和非高斯缓变分量的基础上,提出了一种改进的扩展卡尔曼滤波EKF算法(Improved Extended Kalman Filter,IEKF)和初值选取方法。利用仿真实验和湖试对IEKF算法进行了验证,结果表明IEKF算法能够对测距偏差进行跟踪补偿,定位精度明显优于常规EKF算法。     

极大似然高分辨波达估计新方法

极大似然估计器是波达方向估计中公认的最佳估计器,但是计算量很大。为了解决极大似然估计器由于进行多维格形搜索而带来的计算量大的不足,将粒子滤波方法与极大似然估计相结合,提出了一种基于粒子滤波的极大似然波达方向估计器(Maximum Likelihood DOA Estimator Based on Particle Filtering,简称MLE-PF)。研究结果表明,MLE-PF不但保持了原极大似然估计方法的优良性能,大大减小了计算量,计算复杂度由O(LK)降至O(K×Ns),而且在低信噪比时也具有比MUSIC以及MiniNorm方法更加优越的估计性能。     

基于极大似然估计的多参考点模态参数识别方法

在考虑随机噪声的情况下,实现了一种基于极大似然估计的多参考点频域模态参数识别方法。该方法采用频响函数的右矩阵分式模型,通过噪声的协方差矩阵对误差向量加权,使用离散时间域中基函数改善数值求解性态。模态参数的估计过程分为两步：首先由基于最小二乘估计的polyLSCF算法获取迭代初值,然后通过Gauss-Newton方法对极大似然函数进行迭代优化,得到精度更高的模态参数识别结果。采用GARTEUR仿真算例对所给出的方法进行了验证,结果表明：在高噪声情况下,利用噪声信息的极大似然估计方法能够显著提高模态参数的识别精度,特别是阻尼的识别精度。