无线传感器网络节点定位算法研究

针对无线传感器网络中DV-Hop定位算法在未知节点到锚节点距离计算中的不足,提出了一种新的距离计算方法。该算法考虑了未知节点到锚节点路径中相邻三个节点组成的夹角对距离的影响,从而更精确计算出距离,并对改进算法和原算法进行了对比仿真。仿真结果表明,改进算法有效地提高了节点的定位精度和覆盖率.     

空间结构模态局部化和跃迁现象及分析

对空间结构模态局部化和跃迁现象进行了研究.通过某空间结构平面子结构的模态分析算例,证明了模态局部化和跃迁现象的存在.利用矩阵摄动理论揭示了2种现象的发生机理,得到空间结构模态局部化和跃迁现象发生的内因是结构自振频率的密集分布,外因是结构物理参数的微小变化.并阐述了2种现象对空间结构抗震计算和损伤识别的重要影响.指出忽略模态局部化现象进行的网壳结构抗震计算可能是偏于不安全的,掌握并利用好模态局部化和蹶迁现象,可能成为解决网壳结构损伤识别问题的一条有效途径。     

等效剪切刚度的框架结构损伤识别方法

为研究有别于现有侧重于研究结构具体构件(梁、柱及支撑等)的建筑结构损伤识别方法,提出应直接从整体开展框架结构损伤识别方法.将框架结构转换成"等效剪切型"结构,数值分析表明,结构具体构件出现损伤(即刚度发生退化)时,会引起受影响层的等效剪切刚度发生变化,因此,可以采用层等效剪切刚度变化率与层抗侧刚度作为指标来进行结构损伤定位与损伤程度评定.通过大量的框架结构数值模拟计算,归纳出了一套能将损伤定位到结构层及从整体来评定结构损伤程度的方法.     

一种新的多重代理多重数字签名方案*

基于离散对数问题,提出了一种新的多重代理多重签名方案,该方案指定了签名验证人,在门方案的基础上又完善了签名过程,最终签名由其中一位代理人给出,从而避免了门方案中不具有追踪性、可滥用签名权的漏洞,签名体现了签名者身份信息,进一步防止了伪造攻击,是一种相对安全的多种代理多重数字签名方案。     

大尺寸图片的复制粘贴检测*

针对目前图像复制粘贴检测算法有时间复杂度高、当图像中有光滑区域时错检率大的缺点,将图像角点区域及其八方向邻接圆形区域作为伪造检测区域,提取每个检测区域的矩特征后用k-d树进行排序,并通过比较每个区域矩特征的相似性来定位伪造复制区域.该算法效率高,且对经过旋转、添加噪声、模糊、JPEG压缩等后处理的复制粘贴伪造图像检测效果很好.     

认知无线电网络中基于检测概率的主用户定位算法

为了解决认知无线电网络中次用户对主用户进行定位的问题,提出了一种加权最小二乘的迭代定位算法。采用两状态马尔可夫模型作为主用户头像模型,能量检测作为次用户的感知模型。该算法可以在不干扰主用户正常工作的情况下,利用次用户之间的合作感知结果进行定位,并估计出主用户的三维地理位置位置信息。提出了一种可以降低定位算法复杂度的简化算法。通过对定位问题进行了理论分析,求出了均方误差的Cramer-Rao理论下界。仿真结果表明,算法的均方误差非常接近理论下界,能有效地估计主用户的三维位置信息,提高定位精度。     

基于近场聚焦波束形成方法的声场定位研究

海洋环境中的声场定位,是水声学研究领域中的一个经典问题,尤其是用于海区警戒来监听敌方潜艇的近场定位问题.以往的近场定位研究,通常使用线列阵模型,利用常规聚焦波束形成方法进行定位处理,不仅出现了“左右舷模糊”问题,而且对信号定位不甚理想.为此提出基于半圆阵的四阶累积量MUSIC近场聚焦波束形成算法.通过仿真比较了多种聚焦波束形成在近场线列阵和圆阵条件下的定位性能,结果表明,半圆阵成功地解决了直线阵列出现的“左右舷模糊”问题,基于四阶累积量的MUSIC近场聚焦波束形成可以达到更为平滑的背景以及较小的旁瓣级,定位性能明显优于基于MVDR算法的聚焦波束形成高分辨率被动定位方法.     

无线网络通信中离群失联节点定位仿真分析

无线网络节点中的离群失联节点在进行通信时信号质量不稳定,需要对离群失联节点进行准确定位,以提高无线网络通信质量.离群失联节点的信号特征与正常节点的信号特征相比有很大差异,传统的定位方法,在进行定位时需要将离群失联节点的信息都传送到参考节点才能得到定位信息,对于参考节点的依赖程度较大,导致定位的准确度和速度都较低.提出一种概率离群失联节点定位方法.对节点之间的距离进行测量,测量结果符合高斯函数,能够利用概率密度函数来描述,通过求解概率密度最大值,能够实现离群失联节点定位,避免了传统定位方法的弊端.实验证明,利用改进的离群失联节点定位方法,能够快速准确的对离群失联节点进行定位,定位准确率较高.     

基于点线特征融合的视觉惯性SLAM算法

针对目前视觉SLAM方法鲁棒性差、耗时高,使系统定位不够精确的问题,提出了一种基于点线特征融合的视觉惯性SLAM算法。首先通过短线剔除和近似线段合并策略改进LSD（line segment detection）提取质量,以提高线特征检测的速率和准确度;然后在后端优化中有效融合了点、线和IMU数据,建立最小化目标函数进行优化,得到更精确的相机位姿;最后在EuRoC数据集和现实走廊场景进行了实验验证。实验表明,所提算法可以有效提升线特征提取的质量和速度,同时有效提高了SLAM系统的定位精度,获得更为丰富的点线结构地图。     

语义线特征辅助的动态SLAM

动态环境干扰是视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）领域内一个亟待解决的问题,场景中的运动对象会严重影响系统定位精度。结合语义信息和几何约束更强的线特征辅助基于传统ORB特征的SLAM系统来解决动态SLAM问题。首先采用深度学习领域的优秀成果SOLOv2作为场景分割网络,并赋予线特征语义信息;完成物体跟踪和静态区域初始化后,使用mask金字塔提取并分类特征点;再使用极线约束完成动态物体上点线特征的剔除;最后融合静态点线特征完成位姿的精确估计。在TUM动态数据集上的实验表明,提出的系统比ORB-SLAM3的位姿估计精度提高了72.20％,比DynaSLAM提高了20.42％,即使与近年来同领域内的优秀成果相比也有较好的精度表现。