基于神经网络的数字广播信号无线定位算法(英文)

为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别.     

基于TDOA/Doppler测量的联邦UKF移动位置估计算法(英文)

为了进一步提高移动台的跟踪和定位性能,提出了一种基于联邦滤波结构和简化UKF的移动位置最优估计与融合新方法.该算法以Singer移动台运动模型作为参考系统,以简化UKF滤波器作为子滤波器,对2组独立检测的TDOA和Doppler测量值进行局部估计;然后在主滤波器中,对子滤波器的估计结果按标量加权进行最优融合,得到全局最优或次最优融合估计结果;最后主滤波器利用全局估计结果对子滤波器和参考系统进行反馈和信息重置,以进行下一步估计.仿真试验中,对该算法用于移动台位置估计的效果和性能进行评估,并与基于TDOA和基于Doppler的简化UKF方法做比较.仿真结果表明,该算法能有效降低移动台位置估计的误差和方差,具有良好的均方根误差和均值误差CDF性能.     

RFID定位系统中内存点位置信息传输算法

当前的RFID定位系统往往以固定式集中式基础设施为基础进行位置估计,系统的延时较大、可扩展性有限,往往难以应用在物联网大规模动态场景中。为此,提出一种内存点的位置信息传输算法。首先,各个异构非协调性移动RFID阅读器通过间接合作对移动或固定式RFID贴标对象进行定位,然后利用已知智能环境中的可用内存点来传输位置信息,最后移动RFID利用这些内存点来存储标签位置和实现检索,使得RFID互相之间不进行直接通信就可以交换位置信息。基于ns-3的全面仿真实验结果表明,在多种环境配置下,本文算法的定位延时和平均开销均优于典型的拉引式传输算法。     

一种提高室内定位精度的模糊逻辑方法

超宽带技术由于其精确的定时分辨率,在视距（LOS）和非视距（NLOS）混合环境中应用前景广阔。为提高跟踪精确度、消除与UWB跟踪系统测距数据集异常值,构建合适的误差抑制方法,提出一种误差抑制方法。首先对环境进行建模,分析LOS和NLOS环境中的信号参数;然后,采用基于模糊逻辑的两步自适应定位算法,分析和选择最佳测距数据,用于计算被跟踪设备的位置;使用模糊加权最小二乘估计（FWLSE）方法对非视距（NLOS）混合环境中的实际数据进行测试。实验结果表明,与其它已知算法相比,该方法定位精度显著提高18.28%,且在实际应用中易于实现。     

一种基于主特征矢量的CDMA频率选择性衰落信道解相关DOA估计算法

提出了一种新的只基于所对应协方差矩阵主特征矢量的同步CDMA频率选择性衰落信道的多径信号的解相关DOA或AOA估计算法 .所提出的算法具有能消除其他多径信号干扰独立地估计期望信号到达角的优点 .仿真结果表明该算法可高效、精确地估计出多径信号的到达角     

一种基于改进变分贝叶斯滤波的鲁棒SLAM定位方法（英文）

针对非高斯分布的测量噪声、野值点或未知时变的噪声统计特性导致SLAM定位方法的量测更新中状态估计不正确甚至不收敛的问题,提出一种基于改进变分贝叶斯滤波的鲁棒SLAM定位方法.首先,利用变分贝叶斯自适应滤波算法对时变的测量噪声协方差进行估计.然后,通过重加权平均构建的权重函数对估计的协方差矩阵进行鲁棒化处理.最后,对系统状态更新进行多次迭代,逐步修正其估计误差.同时,为了观测到不同深度的特征点,构建了包含深度参数的特征测量模型.实验结果表明,当量测噪声不服从高斯分布且量测信息中有野值点时,与基于变分贝叶斯自适应卡尔曼滤波的SLAM方法相比,所提方法的定位精度分别提高了17.23%、20.46%和17.76%,说明该方法对环境干扰具有更好的适用性和鲁棒性.     

一种基于UWB的WSN节点定位技术

将UWB精确定位功能和TOA/AOA混和定位技术相结合,应用于无线传感器网络簇内节点定位中,为无线传感器网络分簇路由协议提供可靠的位置服务。仿真结果表明,其UWB定位精确度较高,适合簇内节点的相对定位。     

一种在NLOS环境下基于NBP的无线传感器网络定位算法（英文）

为了减少定位精度上由于NLOS误差造成的影响,基于非参数信任传输(NBP)方法建立一种在NLOS环境下的定位算法.根据NLOS误差的分布概率及分布参数的先验信息量,给出了3种不同情况下定位问题的最大后验概率.第1种情形为理想化情形,即已知NLOS环境下的距离测量及相应的NLOS误差分布参数.在第2种情形中,仅已知任意2个节点之间的通信处于NLOS环境下的概率及相应的NLOS误差分布参数.第3种情形为最差情形,仅获得测量误差的信息.将所提算法与基于最大似然退火法(ML-SA)的定位算法进行了比较,仿真结果表明:在每种情形下所提算法获得的定位精度都远超过基于ML-SA的定位算法.在3种不同情形下基于NBP定位算法的位置估计均方根误差比基于ML-SA的定位算法分别降低了1.6,1.8和2.3 m左右.因此,在NLOS传输环境下,采用NBP的定位算法可获得较高的定位精度.     

隧道高分辨率无源动目标定位研究及其仿真实验

结合我校通信原理、现代通信系统等课程,设计了通信系统综合实验的一个拓展内容——隧道高分辨率无源动目标定位研究及其仿真实验。精确无源动目标定位是隧道、矿井巷道等复杂地下空间人员安全、灾后及时施救的关键技术之一。为了克服隧道内的ns级密集多径和背景噪声,提出一种基于TOA/DOA参数估计的隧道高分辨率无源动目标定位方法。给出最小范数强干扰抑制方法,在低信噪比条件下抑制直达波和静物回波多径干扰;提出RMCHS参数估计算法,在低信噪比条件下进行高分辨率的TOA/DOA参数估计,实现基于TOA/DOA参数估计的隧道高分辨率无源动目标定位。仿真实验表明,提出的强干扰抑制方法和RMCHS算法在隧道/巷道环境下有很强的鲁棒性,显著优于比较算法,减小了噪声和ns级密集多径对算法性能的影响。     

一种混合聚类算法在纯方位多目标航迹起始中的应用研究

纯方位多传感器多目标数据关联属于NP-Hard难题,目前许多数据关联算法的研究成果大多集中在目标的跟踪阶段,而对于航迹起始阶段数据关联问题的研究相对较少.为此,本文提出一种基于Mean Shift和模糊C均值混合聚类的数据关联方法,将来自于不同传感器的方向测量线相交叉产生的候选点进行聚类,提取出最有可能源自真实目标的候选点,再对所提取的候选点应用逻辑法进行航迹起始.不同场景下的仿真实验和不同方法的性能比较结果证明了该方法的有效性.     

一种缩小NLOS误差提高室内跟踪精度的融合算法

针对扩展卡尔曼滤波器（EKF）在室内环境中,非视距（NLOS）传播对 EKF 跟踪性能产生很大影响这种缺陷,提出一种基于极限学习机（ELM）和 EKF 的融合方法。ELM 使用 EKF 的状态信息对测量值进行分类,确定受 NLOS 误差影响的传播路径,然后利用该路径训练的 ELM 对测量值进行校正。实验结果表明,该算法与传统算法相比精确度提高了 43.2%,可以有效缩小 NLOS 误差。     

一种基于核岭回归与卡尔曼滤波的定位算法

传感器定位技术作为无线传感器网络的重要课题之一,为实现目标实时定位,提出一种基于核岭回归与卡尔曼滤波的定位算法。该算法在离线阶段使用核岭回归算法（KRR）对无线位置指纹数据库进行训练,从而得到一个可反映信号强度指标（RSSI）与位置坐标之间映射关系的函数|在线阶段先利用离线阶段得到的函数对目标进行粗定位,再结合卡尔曼滤波（KF）方法对目标进行精确定位。实验结果表明,在真实室内办公环境下,相比 KNN 算法与核函数（Kernel）算法,该算法能实现更好的定位精度,平均定位误差为 1.898 3m。     

PWM逆变器的定向矢量控制策略

针对风力发电并网的优化问题。提出了三相电压源脉冲宽度调制（PWM）逆变器的定向矢量控制技术,并设计了数字控制的变换器一逆变器系统。给出了该变换器和逆变器的数学模型。提出了一种定向矢量控制的方案来实现对风能并网的控制策略。为了检验该系统的动态性能。采用MATLAB7／SIMULINK程序进行了仿真。仿真结果表明,提出的控制系统模型在不同的干扰下都展现出其良好的性能。     

基于Kalman滤波器的INS/WSN紧组合导航系统模型

在基于惯性导航系统和无线传感器网络的组合导航系统中,为了解决传统导航信息松组合方法中测量信息可观性较差的问题,提出了一种基于卡尔曼滤波器的导航信息紧组合模型.当无线传感器网络的信号可用时,组合导航系统将惯性导航系统测量得到的未知节点与已知节点的距离与无线传感器网络测量得到的距离作差,差值作为卡尔曼滤波器的测量信息.由于...     

基于SPR的铜纳米线/金属膜复合结构的研究

分别采用LPR-SC-MS/TE法制备一种亚波长结构金属薄膜:铜纳米线/金属膜复合结构。在这种复合结构中,铜纳米线平行镶嵌于金属膜中。利用光学显微镜和紫外分光光度计分别对复合结构膜的形貌及光学吸收特性进行研究发现:采用LPR-SC-MS/TE法制备的铜纳米线/金属复合结构膜中仅同质的铜纳米线/铜膜复合结构在656 nm波长处出现一个明显的SPR共振吸收峰,而异质的复合结构在可见光范围内未出现SPR共振吸收峰。     

基于双模结构重复控制器的有源电力滤波器混合电流控制方案的设计与分析

提出了一种用于单相有源电力滤波器的全数字式混合电流控制方案．该混合电流控制方案结合无差拍控制以及双模结构重复控制以实现优异的稳态性能和动态特性．区别于传统方案,采用该方案的有源电力滤波器可消除电网中存在的奇次和偶次谐波．给出了该混合电流控制方案的详细设计原则,并进行了稳定性分析．在此基础上,提出了混合电流控制结合谐振控制器的一种优选方案以消除电网中的特定次谐波,并讨论了谐振控制与几种重复控制的内在联系．实验结果验证了电流控制方案在有源电力滤波器中的优点和有效性．     

改进粒子群BP神经网络在高炉炉温预测中的应用

由于BP网络存在学习效率低、收敛速度慢、易陷入局部极小状态、适应能力较差等缺点,而粒子群优化（PSO）算法的收敛速度快（尤其是在进化初始阶段）,运算简单、易于实现,又没有遗传算法的编解码和杂交、变异等复杂运算,因此是一种很好的优化算法。但是,PSO算法也存在不足,该算法进化后期存在速度变慢以及早熟的现象。提出一种改进的粒子群BP神经网络对高炉炉温进行预测。通过调整粒子群算法中学习因子的自适应能力,提高算法的收敛速度和搜索全局最优的能力。通过仿真结果说明改进的粒子群算法要优于BP算法和标准的粒子群算法。     

基于径向基函数、区间分析和非支配排序遗传算法的结构区间多目标优化

研究目的：为改善实际工程结构在不确定性条件下的多性能指标,提供一种高效的区间多目标优化方法。创新要点：建立一个目标和约束均为区间不确定性参数函数的区间约束多目标优化模型,提出并实现基于径向基函数、区间分析和非支配排序遗传算法（NSGA-II）的区间多目标优化算法。研究方法：首先,利用区间序关系将每个区间目标转换为同时优化其中点和半径的确定性双目标,利用区间可能度法将区间约束转换为确定性约束,并在此基础上,利用加权法和罚函数法将每个区间目标的约束优化问题转换为相应的无约束优化问题;然后,利用拉丁超立方实验设计和有限元分析构建预测各待优化结构性能指标值的径向基函数;最后,将径向基函数、区间分析法与NSGA-II相结合,快速求出转换后确定性无约束多目标优化问题的所有Pareto最优解,并通过考虑材料不确定性的高速压力机滑块机构设计实例验证该方法的有效性。重要结论：目标和约束均为不确定性参数函数的区间多目标优化模型能有效反映实际工程中同时改善结构多性能指标的需求。基于径向基函数、区间分析和NSGA-II相结合的区间多目标优化算法将传统区间优化模型求解中的嵌套优化过程简化为单层遗传优化过程,大大提高了求解效率,并可获得多目标优化问题的所有Pareto最优解。     

MLSI-RT: memorize LOS range measurements identified residual test location algorithm and performance analysis

The dominant error source of mobile terminal location in wireless sensor networks (WSNs) is the non-line-of-sight (NLOS) propagation error. Among the algorithms proposed to mitigate the influence of NLOS propagation error, residual test (RT) is an efficient one, however with high computational complexity (CC). An improved algorithm that memorizes the light of sight (LOS) range measurements (RMs) identified memorize LOS range measurements identified residual test (MLSI-RT) is presented in this paper to addre...