高速高机动目标自适应IMM跟踪算法

针对目标运动过程中有转弯机动等复杂运动模式的高速高机动目标,设计了自适应两层IMM跟踪算法。该算法内层由改进的机动目标当前统计模型构成,把目标速度方向角作为伪测量值进行滤波,实时获得目标的角速度和角加速度;外层模型由常速模型和曲线模型构成,把内层模型得到的切向加速度和转弯角速度作为曲线模型参数,利用IMM算法进行滤波。仿真结果表明,该算法对高速高机动目标具有较高的跟踪精度,算法实现简单,具有一定的实际应用价值。     

炭黑填充硬聚氯乙烯的改性

为使聚氯乙烯具有抗静电性能,采用加入具有导电性填料的方法,但加入大量的填料,会使硬聚氯乙烯的冲击性能降低,加工性能变差。本文是在以炭黑为填料的基础上,研究不同的改性剂和加工助剂改进硬聚氯乙烯的效果,结果表明,加入冲击改性剂和加工助剂后,大大增加了硬聚氯乙烯的冲击强度,且加工性能也得到改善,同时由于炭黑具有补强效果,其拉伸强度和弯曲强度在加入改性剂后也能满足使用要求。     

无线体域网技术研究现状与展望

无线体域网(WBAN)技术是当前重要的研究热点,可以应用于医院内患者实时监测和家庭健康护理领域,具有广泛的应用前景和巨大的市场潜力。WBAN对设备的可穿戴性和数据传输的可靠性、安全性提出了更高的要求,技术发展中存在一些需要深入研究和解决的问题。对WBAN关键技术的研究现状和产业化进展进行了综述,并对WBAN技术的未来研究和发展前景进行了展望。     

一种压缩待测气体增强气体传感的方法

针对普通气体传感器在低体积分数的气体检测中灵敏度低的问题,提出将待测气体进行压缩以增强气体传感器响应的方法,根据检测压缩后的气体响应的特征,间接得到普通状态下该气体的体积分数。设计了一种小型的样机系统来进行气体压缩和气体传感器检测,描述了系统各个模块的设计,给出了该系统的软件设计和控制流程。以H2S气体为检测对象进行了实验,分析结果表明:该方法提高了现有传感器检测低体积分数气体的能力,尤其是提高了对毒害气体的及时发现和预警防范能力。样机的试制也为该压缩传感系统的进一步小型化和提升检测性能提供了条件,具有较高的应用价值。     

基于环状电极的电容式润滑油磨粒检测系统设计

摩擦副非正常磨损时将产生直径为几十微米的大金属磨粒。采用阻抗类方法检测磨粒时,要求传感器具有较高的灵敏度。为此,设计了差分结构的环状极板电容式传感器。应用电容/数字转换芯片AD7746将传感器的输出直接转换为数字信号,省去了前端复杂的信号调理电路,简化了设计,并且有效地降低了寄生电容和杂散电容的影响。实验表明:系统分辨率可以达到0.125 fF,极大提高了系统灵敏度。     

防范路由劫持的协同监测方法

路由劫持是当前Internet域间路由系统（BGP）所面临的最严重的安全威胁之一,但目前仍缺乏有效的防护手段.将自治系统（autonomous system,简称AS）基于BGP路由信息自我发现路由劫持的概率定义为对路由劫持的免疫能力,对该免疫能力进行了建模,并给出了AS自我免疫的充分条件和必要条件以及该免疫能力的上界.实验结果发现,80%以上的AS对路由劫持完全没有免疫能力,仅不超过0.26%的AS具有大于85%的免疫能力.对AS免疫过程的进一步分析,揭示了造成AS免疫能力低下的提供商栅栏现象——提供商优先选择客户路由,从而阻止了劫持路由向被劫持者的传播.为了克服提供商栅栏,提高AS的免疫能力,设计了协同监测机制,并提出了一种计算复杂度较低的启发式协同邻居选取策略.该机制无需修改BGP协议,可增量部署.实验结果表明,仅与25个自治系统进行协同,就可以将对路由劫持的免疫能力提高到高于95%的水平.     

基于信息流动分析的动态社区发现方法

随着社交网络和微博等互联网应用的逐渐流行,其用户规模在迅速膨胀.在这些大规模网络中,社区发现可以为个性化服务推荐和产品推广提供重要依据.不同于传统的网络,这些新型网络的节点之间除了拓扑结构外,还进行频繁的信息交互.信息流动使得这些网络具有方向性和动态性等特征.传统的社区发现方法由于没有考虑到这些新的特征,并不适用于这些新型网络.在传染病动力学理论的基础上,从节点间信息流动的角度,提出一种动态社区发现方法.该方法通过对信息流动的分析来发现联系紧密、兴趣相近的节点集合,以实现动态的社区发现.在真实数据集上的实验结果表明：相对于传统的社区发现方法,所提出的方法能够更准确地发现社区,并且更能体现网络中社区的动态变化.     

Communicating Is Crowdsourcing: Wi-Fi Indoor Localization with CSI-Based Speed Estimation

Numerous indoor localization techniques have been proposed recently to meet the intensive demand for location-based service (LBS). Among them, the most popular solutions are the Wi-Fi fingerprint-based approaches. The core challenge is to lower the cost of fingerprint site-survey. One of the trends is to collect the piecewise data from clients and establish the radio map in crowdsourcing manner. However the low participation rate blocks the practical use. In this work, we propose a passive crowdsourcing channel state information (CSI) based indoor localization scheme, C²IL. Despite a crowdsourcing based approach, our scheme is totally transparent to the client and the only requirement is to connect to our 802.11n access points (APs). C²IL is built upon an innovative method to accurately estimate the moving speed solely based on 802.11n CSI. Knowing the walking speed of a client and its surrounding APs, a graph matching algorithm is employed to extract the received signal strength (RSS) fingerprints and establish the fingerprint map. For localization phase, we design a trajectory clustering based localization algorithm to provide precise real-time indoor localization and tracking. We develop and deploy a practical working system of C²IL in a large office environment. Extensive evaluations indicate that the error of speed estimation is within 3%, and the localization error is within 2 m at 80% time in a very complex indoor environment.