基于梯度的受限空间安全定位方法

现有的无线传感器网络定位技术消耗了大量的计算和处理资源,并且受到了环境因素以及对手攻击等干扰,在受限空间中定位精度较低,无法满足定位需求。为了提高受限空间中的定位精度,提出了一种基于梯度的安全定位算法,算法在双曲线定位模型基础上,引入梯度的概念,降低了算法的计算复杂度,使算法能够适应受限空间的环境要求,实现高效高精度的定位;为了提高算法的安全性,增加了对不一致性测量的选择性剪枝过程,增强了算法对恶意攻击的抵抗能力。最后,以室内走廊为实验环境进行了仿真验证,通过主频计时策略,提高了算法的定位精度。分析结果表明,在室内受限空间中,提出的算法在定位精度、能量消耗和抗干扰能力上优于现有算法。     

软件错误定位研究综述

错误定位是软件调试中的一个热点问题,旨在高效地检测出软件错误。首先根据研究方法的不同,将已有错误定位方法从轻量级和重量级两个角度进行分类并进行比较。轻量级错误定位技术不涉及程序依赖关系分析,在程序执行覆盖信息的基础上用统计学或数据挖掘等方法找出可疑错误代码的集合来定位错误;重量级错误定位技术涉及程序依赖关系分析,主要分析数据依赖、控制依赖关系或使用程序切片等来识别可疑代码。然后,总结了常用的评测数据集和评测标准。最后,对错误定位的未来研究趋势进行了展望。     

移动平台三维花卉植物触摸反馈可视化模拟

虚拟现实领域中,人们对三维花卉植物可视化及交互感的需求越来越强烈,而触摸力度引起的植物受力形变过程又无法采用现有的植物运动形变方法进行模拟,因为现有方法造成了模拟失真,交互感差。根据植物整株交互需求或单一叶片受力情况,分析不同方式的运动反馈模拟方法,先判断受力情况,根据动力学原理模拟整株受力,根据触摸屏获取数据,结合叶脉骨架旋转模型算法计算出单一叶片因受力而发生的形变,不需手动输入参数,就能模拟不同力度触摸造成的叶片形变。本方法应用在移动平台后,真实感和帧速率情况良好,可视化和交互感大大提升,并可推广到同类结构的物体模拟。     

基于自适应定位的传感器频率的对比研究

为了研究传感器的运动频率对目标定位的影响,运用传感器与目标之间的距离信息,提出一种能在连续时间内进行目标定位的线性自适应算法。借助定位算法的稳定性条件,理论分析了传感器的频率对目标定位的作用。进一步通过Matlab仿真,对比研究了不同频率的传感器对固定目标以及持续漂移目标的定位效果。实验表明,传感器的频率会影响目标定位的时间以及定位结果的准确性;高频率的传感器可以减少目标定位所需的时间;在三维空间中,当传感器在每个坐标方向上的振幅相同时,为取得准确的定位结果,传感器的频率分量不能完全相同。对持续漂移的目标进行准确定位,传感器的运动频率要比目标漂移频率高。     

改进的DV-Hop算法在节点定位中的应用研究

基于传统DV-Hop算法的定位技术,通过分析该算法误差产生的主要原因,提出了节点间跳数的修正方法。通过在广播通信中采用双通信频率,将节点间的跳数缩减为0.5 R,减少了平均跳距的误差。通过Matlab软件的实验验证,本算法可以提高节点定位精度和网络通信频率,可进一步提高定位精度,定位结果达到了预期的目的。     

基于蛙跳改进算法的无线传感器网络定位*

针对无线传感器网络（WSNs）定位过程当中传统的DV‐Hop定位算法在计算锚节点与未知节点之间的平均跳距时存在较大误差的问题,论文根据蛙跳算法（S FL A ）计算速度快,全局搜索寻优能力强的优势,结合定位的实际问题,提出了一种改进的蛙跳算法。并将其引入到DV‐Hop的算法设计中,实现节点的定位。     

基于日志分析的虚拟化环境故障定位系统

在云平台的运行维护中,虚拟化环境的故障定位对容错极其重要。针对虚拟化环境的空间拓扑时变性,提出了一种基于时变的节点间依赖关系的日志分析方法,为决策树故障定位提供支持。节点间依赖关系能够帮助压缩日志,只提供故障时间窗口内的有效信息作为挖掘来源,从而更快更准确地完成故障定位。实验表明,能够在较大系统规模的多变的虚拟化环境下实现有效和高效的故障定位。     

一种基于单条程序执行路径的错误定位方法

当程序在测试中发生错误时,将形成一条错误的程序执行路径,程序员将会花费很多精力去检测程序代码和定位最终的程序错误．提出一种基于单条程序执行路径的错误定位方法,该方法通过对程序进行反向执行,计算出多个最弱前置条件及其相对应的疑似错误语句集,并生成错误定位树,来辅助程序员进行快速错误定位．对西门子测试数据集进行的实验表明了该方法具有良好的效果．     

基于移动机器人的主动嗅觉技术研究

使用移动机器人来定位气味源已经成为一个研究热点,机器人主动嗅觉是指使用机器人自主发现并跟踪烟羽,最终确定气味源所在位置的技术。本文对当前主动嗅觉技术进行概述,并根据生物嗅觉行为介绍一种气味源定位算法,这种算法不依赖某一点气味浓度值,仅依靠气味浓度变化率就可找到气味源。并在高斯模型下对烟羽分布模型进行仿真。     

一种基于Taylor和Kalman的室内协同定位方法

结合Chan算法、Taylor算法及Kalman算法三种TDOA算法的优点,提出一种能应用于室内实时定位的协同方法。首先基于Chan与Taylor的协同定位方法估算位置信息,并通过对估计结果的残差设置阈值来鉴别NLOS,从而抛弃受到NLOS污染严重的测量数据。其次,再对符合条件的测量数据,利用Kalman方法计算定位结果,与Taylor方法的定位结果通过设置判别条件进行比较,以此进一步抑制NLOS干扰。对符合判别条件的定位结果,进行残差加权及移动平均加权处理,从而完成最终定位结果的更新。最后,利用室内实时定位实验,证明该方法能有效过滤受到NLOS污染严重的测距数据,提高定位精度,并且具有良好的稳定性。