一种渐近最优的单站AOA/TDOA目标运动分析算法

提出一种新的基于总体最小二乘(Total Least Squares,TLS)到达角(Angle of Arrival,AOA)和到达时间差(Time Difference of Arrival,TDOA)目标运动分析(Target Motion Analysis,TMA)算法.首先给出了基于AOA/TDOA的混合变量含误差TMA模型,并根据该模型提出一种AOA/TDOA混合TLS算法,并证明该算法的渐近最优性.仿真结果验证所提出算法的均方根误差在较小观测误差条件下可达Cramer-Rao下界.     

多基站下基于信号到达时间的室内三维定位

对基于无线电信号的到达时间(TOA)的定位技术进行了研究.首先,建立了TOA测量值与真实值间的函数关系,通过求解含惩罚项的非线性最小二乘问题实现终端定位和噪声估计,并在已有研究的基础上提出了Alternating Iterative Reweighting(AIR)算法;其次,利用基站之间的几何位置进行筛选,根据每个终端信息完成自适应的最少基站的选择及定位;并结合物理特性实现终端运动轨迹预测;最后,根据基站通信半径筛选出可被定位终端,完成定位精度与终端平均连接度数之间关系的建模.     

一种非视距环境下基于TOA三维定位的新方法研究

为消除非视距环境对TOA三维定位带来的误差,引入演化博弈模型,以各个测量基站作为博弈局中人,为非视距环境下的TOA三维定位问题建立了一般形式的复制动态模型.研究提出了基于演化博弈的TOA定位算法,通过迭代计算消除非视距误差,获得移动端的位置估计.进一步地,针对基站位置分布明显不均的情况,在演化博弈TOA定位算法的基础上,通过构造虚拟基站和虚拟测量值,提出了基于虚拟基站的三维定位算法.实验对比显示基于演化博弈的TOA定位算法略优于经典定位算法,在基站位置分布明显不均的情况下,基于虚拟基站的三维定位算法效果较明显.     

基于连通度的多跳传输路由算法

针对由各种功能不同的传感器构成的无线传感器网络,提出了一种基于连通度的多跳传输的路由协议(MHTA),该算法根据网络中节点能量分布的不同,引入权重因子作为调节参数进行簇头选举,选举过程中综合考虑了各节点消耗能量,与基站的邻近程度和周围邻节点的数目.为了减少在数据传输过程中消耗的能量,提出了一种簇内多跳和簇间多跳相结合进行数据传输的方法.模拟实验结果证明:该算法能够降低簇头能量消耗,均衡网络负载,从而延长网络生存时间.     

基于无线通信基站的室内三维定位问题

三维定位问题是现代商用通信网络中对于定位系统存在的一个真正具有技术难度的挑战.根据视距传播环境和非视距传播环境的到达时间的数据集,建立线性误差模型;对于无真实位置的竞赛数据集,定义竞赛数据定位误差评估模型;基于不同的空间场景,提出基于空间单元的定位算法;面对高度误差明显高于平面误差的问题,设计基于高斯加权的误差补偿模型;针对最优定位精度最少基站问题,提出基于贪心策略的基站选择算法;考虑轨迹连续性,设计轨迹准确性验证的10-fold交叉验证方法;基于测量距离有限的真实环境,分析平均"连接度数"与定位精度的关系.实验结果表明,提出的定位算法在有效基站数大于等于5时,能获得较好的定位精度.     

基于无线通信基站的室内三维定位问题研究

对基于无线通信基站的室内三维定位问题进行了研究,建立了测量误差模型和终端定位模型.建立了TOA测量误差模型和基于测量误差估计的终端定位模型,提出了基于空间几何约束和测量噪声抑制的定位算法;分别在相对时间误差、最大时延、最小时延和随机法四种基站筛选方案下,分析了不同基站数目对定位精度的影响;利用轨迹上相近点的信道状态信息的相关性,采用Kalman滤波算法计算了终端运动轨迹;基于假设性检验,通过递减迭代搜索算法,得到了可定位终端数;建立了基站不同覆盖范围下,终端连接度数与定位精度之间关系的分析模型.     

基于多元线性回归分析和Chan算法的三维精确定位研究

基于无线通信基站的室内三维定位问题主要是在已知TOA和基站三维信息的情况计算出终端的位置信息,实际上就是求解方程组中的未知数.首先建立通用模型和算法求解出终端的定位,接着通过优化得到使用尽量少的基站数目实现近似最优精度的定位,然后利用提出的算法实现终端移动轨迹的二维定位,最后结合实际情况,考虑了基站的有效测量距离并设计了有效基站识别算法对问题进行了分析.     

基于能量变化的无线传感器网络覆盖算法

设计了一种基于能量变化的无线传感器网络覆盖算法.通常网络节点连接的通信范围应该大于两倍的感应范围,但这将导致网络能耗的增加.提出的算法采用最少数量的节点来解决传感器网络的覆盖率和网络的连通性问题.测量结果表明,提出的覆盖算法可以满足传感器节点的通信范围小于两倍的感应范围.这将降低传感器网络的能量损耗.算法通过使用不同能量水平的活跃节点来降低能量损耗,并且可以延长系统的使用寿命.     

一种无线传感器网络电池剩余能量估计算法

无线传感器网络价格便宜、安全可靠,可以部署在不同的环境中越来越受到关注.然而,它们的能量有限,导致寿命有限,提出一种无线传感器电池剩余能量估计算法,对电池剩余能量进行估计.算法是基于模型预测控制的二元最优化变化,通过解决混合整数二次规划(Mixed Integer Quadratic Programming,MIQP)问题来估计电池剩余的能量,实现低成本,低功耗,低计算能力的传感器节点电池剩余能量估计算法.     

基于改进蝙蝠算法的贝叶斯网络结构学习

针对蝙蝠算法在搜索评分阶段易陷入局部最优且收敛精度低,以及基于蝙蝠算法的贝叶斯网络结构学习不完善等缺点,将模拟退火算法的思想引入到蝙蝠算法中,并对某些蝙蝠个体进行高斯扰动,提出了一种改进蝙蝠算法的贝叶斯网络结构混合学习算法.混合算法首先应用最大最小父子节点集合算法(Max-min parents and children,MMPC)来构建初始无向网络的框架,然后利用改进的蝙蝠算法进行评分搜索并确定边的方向.最后把应用本算法学习的ALARM网,和蚁群算法(MMACO)、蜂群算法(MMABC)进行比较,结果表明本混合算法具有较强的学习能力和更好的收敛速度,并且能够得到与真实网络更匹配的贝叶斯网络.