WSN中改进的分布式多维定标定位算法

针对无线传感器网络经典集中式多维定标MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于分布式的ADMDS-MAP定位算法.该算法通过采用测定距离量化,得到节点的近邻向量(CNV),然后通过相关的估算算法得到距离矩阵D和节点的初始估值,加入适当的求精计算得到节点的精确位置.理论分析和仿真实验表明,改进算法能够提高节点的定位精度.     

一种Beacon协助的传感器网络定位方法

对无线传感器网络中的定位问题进行了研究,提出一种基于移动beacon协助的定位方法,该方法仅使用一个移动beacon即可完成对整个无线传感器网络的定位.给出两种beacon移动方式来进行定位,经过大量详实的仿真实验,验证了方法的有效性及定位的高精确度,可以将平均误差缩小到30厘米.     

基于阈值分割的运矿车辆车牌精确定位

由于运矿车辆车牌图像质量低、车牌污染严重、环境复杂、识别率低等特殊情况,设计了一种基于灰度阈值分割的运矿车辆车牌的精确定位算法.它通过对粗定位车牌图像进行灰度阈值分割,得到估计车牌区域并进行区域标记,根据车牌所在连通区域面积最大这一特征,得到完整有效的车牌区域,结合车牌先验知识去掉其边框,从而得到车牌的精确定位结果.实验结果表明,该算法定位准确率高,耗时少,分割效果好,具有较强的实用价值,是对现有车牌识别技术有意义的扩展和补充.     

基于P2PSIP的移动实时流媒体系统的安全架构

在分析移动实时流媒体应用对P2P环境提出的安全性方面挑战的基础上,提出了基于P2PSIP的移动实时流媒体系统MPSLSS的安全架构.针对MPSLSS系统的可管控性设计了一种分层混合式P2P网络架构,并采用STRIDE模型举例分析了MPSLSS系统面临的安全威胁,在此基础上提出了一种适用于移动实时流媒体应用的系统安全架构,并对其进行了分析.     

基于DSP的小型被动声定位系统

介绍了一种基于DSP的小型八通道微弱信号被动声定位系统的软硬件设计与实现.采用低噪声放大技术进行模拟预处理,由两片级联的A/D芯片实现多通道同步采样,并运用高性能低功耗DSP作为主处理器,采用数字内插波束形成的方法进行仿真与编程,最后进行调试和实验.结果表明该系统能够对微弱信号进行准确定位.     

基于改进主动轮廓线的虹膜定位方法

针对传统的Snake模型对初始位置敏感,需要依赖其它机制将主动轮廓线的蛇点放置在图像目标附近,导致弱边界图像求解效果较差的问题,应用改进的能量函数Snake模型,均匀地对蛇点进行搜索,在搜索中逐渐加大内部能量函数的调整,经过选代,使得各蛇点的轮廓逐渐逼近目标轮廓,直到其到达虹膜的边界.实验结果表明了该方法的有效性.     

基于TDOA定位机制的无线传感器网络节点设计

介绍了一种具有到达时间差(TDOA)定位机制的基于数字信号处理器(DSP)的无线传感器网络节点。它包括TMS320F2812DSP,512 kB的SRAM,2.4 GHz波段的无线收发模块、音频信号收发模块及电源管理模块等。节点通过测量RF同步信号与音频信号的TDOA来测量节点间的间隔距离,并采用互相关时延估计算法来实现节点定位。实验数据表明:该节点最远测距距离超过25m,角度误差小于3.7%。     

室内无源定位技术研究

对各无源定位方法在室内定位中的可行性进行了分析,重点分析了基于接收信号场强差的定位方法和测向交叉定位法.室内场强衰减实验及理论分析表明:基于接收场强差定位的定位误差不能满足需要;实验表明室内电磁传播有较好的方向性,理论分析室内测向定位可测性很好,得出了测向交叉定位法适用于室内无源定位的结论.     

基于声发射和神经网络的复合材料冲击定位

为了提高复合材料结构冲击定位的精度和实时性,基于声发射和神经网络技术,提出了复合材料结构冲击定位两步法,以压电陶瓷（PZT）和自制信号采集系统替代商用声发射仪器,实现了一种能够高精度、实时、在线监测冲击的系统。用小波变换求出原点处冲击源传播到各传感器的波达时间差,用这组时间差修正其他位置上的冲击源到达各传感器的波达时间,利用修正后的波达时间,根据四点圆弧定位算法得到冲击源坐标,实现初步定位;将所求出的位置坐标作为神经网络的输入,训练之后的神经网络可以准确预测冲击位置,实现精确定位。在复合材料板上的试验表明：该方法能快速、准确地识别出冲击位置。     

近邻表:RSSI辅助的一维无线传感网络相对定位

在无线传感器网络中,相对定位是指寻找节点之间的相对位置而非绝对位置.考虑一维无线传感器网络的相对定位问题,提出了一种近邻表算法,该算法通过使用近邻表来刻画每个节点的位置,这个表中包含了所有节点,并以它们到指定节点的距离排序.实际网络中的数据分析验证了距离上的差别在大多数情况下可由接收到的RSSI值之间的差别来反映.因而,近邻表可以通过比较RSSI值来获得.最后,算法通过寻找一维拓扑中的端节点来得到所有节点的相对位置.验证了算法在实际环境中的可行性.