连续隐马尔科夫模型在多基地目标识别中的应用

多基地声纳组网探测系统是目前大范围水下安保领域的研究热点。综合利用多基地系统中各个声纳节点的信息进行水下目标识别是亟待解决的问题。利用传统的多传感器融合的方法进行多基地水下目标识别,往往忽略了各声纳节点之间的相关性,效果并不理想。针对这一问题,本文提出了利用连续隐马尔科夫模型(CHMM)进行多基地水下目标识别的方法。首先利用RELAX算法提取了目标在不同分置角上回波的强散射点特征,组成观测向量,利用Baum-Welch方法对CHMM参数进行训练,然后计算待识别目标的特征值观测序列在不同模型下的似然概率。对所有目标重复此过程,取概率最大值对应的目标类别为最后的识别结果。在消声水池开展多基地模拟实验,对四类目标进行了识别,利用CHMM方法得到的多基地水下目标融合识别率比多基地声纳下单声纳节点的最高识别率提高了30%。     

基于最佳线性数据融合的双基地声呐定位优化算法

本文提出了基于最佳线性数据融合的双基地声呐定位优化算法。给出了算法的原理，并通过数值仿真，对不同条件下，双基地系统定位误差的几何分布进行了研究。仿真研究结果表明，采用最佳线性数据融合的双基地声呐定位优化算法，可以更好地利用双基地声呐测量的冗余信息，有效改善双基地声呐中基线区域的定位精度。     

基于加权最小二乘估计的双基地声呐定位算法研究

依据T/R-R型双基地声呐的工作特点,提出了基于加权最小二乘(WLS)估计的双基地声呐定位算法,通过数值仿真,研究了不同基线长度下该算法的定位精度,给出了WLS算法定位精度的几何分布。结果表明,运用该算法对水下目标进行定位,比单纯基于波达时间(TOL)的定位方法,双基地系统可以获得更高的定位精度。     

一种声图直航段数据自动提取及镶嵌的方法

声图镶嵌是利用成像声纳获得声图进行测深、水下地形地貌测绘的重要应用方向。常见的成像声纳多要求声纳载体做直线运动,而实际应用中载体有大量转弯的情况。为此提出了一种声图直航段数据自动提取方法,该方法首先利用Douglas-Peucker算法对声纳航迹进行抽稀处理,之后利用相邻抽稀点之间的距离判断数据是否为直航段,最后将直航段图像提取出来。获得直航段数据后,利用地理信息对声图进行镶嵌处理。对千岛湖湖底地貌图像进行了处理,获得了较好的镶嵌结果。     

矢量线阵和标量弧线阵抗左右舷目标模糊性能分析

针对线阵声纳左右舷目标模糊问题,建立了基于矢量水听器直线阵p+v_c和pv_c两种信息处理模式以及标量水听器弧线阵不同布阵方式的抗左右舷目标模糊性能数学模型,分析了不同布阵方式以及不同信息处理模式的抗左右舷目标模糊性能,并进行了仿真计算。分析和仿真结果表明,矢量水听器直线阵和标量水听器弧线阵在分辨左右舷性能和观察范围上各有优势。矢量水听器直线阵虽然可分辨左右舷,但由于在一定扇面内分辨左右舷是依靠声纳方位历程图的明暗差异,在多目标情况下易造成声纳观察上的干扰;具有一定圆心角的标量水听器弧线阵,可以在更宽的扇面内具有抗左右舷目标模糊能力。     

矢量水听器线阵和弧线阵抗左右舷模糊性能分析

针对线阵声纳左右舷模糊问题,建立了基于矢量水听器直线阵 和 两种信息处理模式以及标量水听器弧线阵不同布阵方式的抗左右舷模糊性能数学模型,分析了不同布阵方式以及不同信息处理模式的抗左右舷模糊性能,并进行了仿真计算。分析和仿真结果表明,矢量水听器直线阵和标量水听器弧线阵在分辨左右舷性能和观察范围上各有优势。矢量水听器直线阵虽然可分辨左右舷且在作用距离上具有优势,但由于在一定扇面内分辨左右舷是依靠声纳方位历程图的明暗差异,在多目标情况下易造成声纳观察上的干扰;具有一定弧心角的标量水听器弧线阵,可以在更宽的扇面内具有抗左右舷模糊能力,但其以减小观察范围作为代价。     

基于人眼灰度分布特征的虹膜定位算法

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能。提出了一种基于人眼灰度分布特征的虹膜定位算法,该算法利用形态学运算实现瞳孔圆心粗定位,采用划分区域求灰度均值隔项差值最大值的方法实现外圆半径的粗定位,并通过分层聚类的方法实现内外边界的精确定位。实验结果表明．与经典的虹膜定位算法如Wildes算法、Daugman算法相比,该算法定位结果更加准确,定位速度大幅度提高。     

基于垂直平分线的非测距定位算法

在无线传感器网络定位机制中,近似三角形内点测试(APIT)定位算法因思想简单、硬件成本低、定位精度高而被广泛应用,但算法性能会因锚节点分布不均匀受到严重影响。为提高节点定位精度和解决APIT定位算法边缘效应的问题,提出一种基于垂直平分线的非测距定位算法。该算法利用接收信号强度指示值(RSSI)值筛选锚节点并与等腰三角形底边中垂线过顶点的几何原理结合进行定位,可以得到比较合理的定理精度,性能相对稳定。仿真结果表明,该算法可有效提高无线传感器网络定位的精度和覆盖率。     

基于多分辨分析的合成孔径声纳相干斑抑制研究

相干斑噪声的存在使合成孔径声纳图像不能正确反映目标的反射特性,严重影响了图像的质量,降低了对图像的分析和理解性能。一个良好的合成孔径声纳图像相干斑抑制算法,必须在有效抑制相干斑噪声的同时,尽量保持图像中的边缘、点目标等细节信息。小波变换具有多分辨特性,可以利用其多分辨特性进行图像噪声消除。由于合成孔径声纳图像相干斑具有乘性噪声的性质,这就需要对其合成孔径声纳图像进行对数变换,把乘性噪声转换成加性噪声。然后对加性噪声进行小波多分辨分析和阈值处理,剔除小于阈值的小波系数后进行逆小波变换和指数变换,从而获得抑制相干斑噪声后的新的合成孔径声纳图像。从相干斑抑制的结果可以看出,基于多分辨分析的相干斑噪声抑制算法能够有效降低合成孔径声纳图像中的相干斑噪声。     

基于SIFT特征区域的抗几何攻击图像水印算法

提出了一种基于局部特征区域的抗几何攻击图像水印算法.首先利用尺度不变特征变换在载体图像的尺度空间上提取特征点并形成特征区域,该区域具有缩放、平移不变性;然后通过主方向归一化,使这些区域具有旋转不变性;最后将水印信息重复嵌入到多个不重叠的局部特征区域的DFT中频系数中.仿真结果表明,该算法在获得较好的不可见性的同时,对几何攻击和常规信号处理均具有良好的鲁棒性.     

A modified tetrahedron shape measure and its application for 3D trilateration localization in mobile cluster networks

In the error analysis of 3D trilateration localization, we constructed a new tetrahedron shape measurement method based on the condition number of the tetrahedron. This method uses algebraic operations, which is simpler than the previous methods based on complex geometric operations, and is also suitable for the shape measurement of triangle. For the trilateration localization problem in 3D space, based on tetrahedron shape measurement (TSM), we designed an algorithm of selecting anchor nodes on the hollow sphere centered at the unknown node. Extensive simulation experiments show that the tetrahedron shape measurement method proposed in this paper is effective. The anchor node selection algorithm based on tetrahedron shape measurement (TSM) can effectively suppress the iterative error problem in trilateration localization. Furthermore, the calculation of the tetrahedron condition number can be used for the deployment of anchor nodes in trilateration localization.     

海洋声场中分布式无源定位系统的节点配置方法

为了提高海洋声场中分布式无源定位系统的定位精度,提出一种基于自适应遗传算法的节点配置方法。首先,基于到达时间TOA(Time of Arrival)定位算法推导出均匀物理场与海洋声场中定位误差的CRLB(Cramer Rao Lower Bound)。之后,利用BELLHOP模型对海洋声场进行建模,获得任意位置处目标声源与节点接收信号相关的传递函数并对等效声速进行计算.以目标声源在观测区域内服从均匀分布为例,将定位误差的平均CRLB最小为优化准则,采用自适应遗传算法对节点进行优化配置。结果表明,该方法能够有效降低海洋声场中分布式无源定位系统的定位误差,并给出定位误差随节点个数增加呈非线性递减的变化趋势,可为工程应用提供理论指导。      

基于质心迭代估计的无线传感器网络节点定位算法

针对无线传感器网络非测距定位方法的应用,提出了基于质心迭代估计的节点定位算法.该算法首先计算当前连通信标节点所围成的平面质心的坐标及其与未知节点间的接收信号强度,然后用计算所得质心节点替代距离未知节点最远的连通信标节点,缩小连通信标节点所围成的平面,并通过多次迭代的方法提高节点定位精度.仿真实验结果表明,该算法的各项指标均为良好,适用于无线传感器网络的节点定位.     

风场环境中声速修正的分布式声源定位算法

为减小声速误差对定位精度的影响,提出了一种基于声速修正的分布式声源定位方法。首先,将声速表示为未知声源位置的函数,逼近风场中的声速场分布,然后将其代入TDOA (Time Differences of Arrival)算法中,构建非线性超定方程组,最后采用粒子群优化算法求解声源位置。对不同风速、不同声源位置及不同测试区域进行仿真,结果表明:修正后的定位精度比修正前有明显提高,尤其对于大范围并且声源靠近测试区域边缘位置的定位系统,改善更加明显;4个节点的定位系统实验结果表明,修正后的定位误差可降至修正前的4l%,该方法能更好的应用于风场中的定位系统。      

Distributed sound source localization algorithm with sound velocity calibration in windy environments

A new sound source localization method with sound speed compensation is proposed to reduce the wind influence on the performance of conventional TDOA(Time Difference of Arrival) algorithms. First, the sound speed is described as a set of functions of the unknown source location, to approximate the acoustic velocity field distribution in the wind field. Then,they are introduced into the TDOA algorithm, to construct nonlinear equations. Finally, the particle swarm optimization algorithm is used to estimate the source location. The simulation results show that the proposed algorithm can significantly improve the localization accuracy for different wind velocities, source locations and test area sizes. The experimental results show that the proposed method can reduce localization errors to about 40% of the original error in a four nodes localization system.     

Quantum connectivity optimization algorithms for entanglement source deployment in a quantum multi-hop network

At first, the entanglement source deployment problem is studied in a quantum multi-hop network, which has a significant influence on quantum connectivity. Two optimization algorithms are introduced with limited entanglement sources in this paper. A deployment algorithm based on node position (DNP) improves connectivity by guaranteeing that all overlapping areas of the distribution ranges of the entanglement sources contain nodes. In addition, a deployment algorithm based on an improved genetic algorithm (DIGA) is implemented by dividing the region into grids. From the simulation results, DNP and DIGA improve quantum connectivity by 213.73% and 248.83% compared to random deployment, respectively, and the latter performs better in terms of connectivity. However, DNP is more flexible and adaptive to change, as it stops running when all nodes are covered.     

Optimized microphone deployment for near-field acoustic holography: To be, or not to be random, that is the question

Arrays with sparse and random sensor deployment are known to be capable of delivering high quality far-field images without grating lobes. This raises the question of whether or not this idea can be applied to near-field imaging as well. To answer this question that has not yet been widely investigated in previous research, numerical simulations are undertaken in this paper to optimize the microphone deployment for both far-field and near-field arrays with the latter being the main focus. In the simulation, a recently introduced near-field equivalent source imaging (NESI) technique is employed for the near-field imaging. Global optimization techniques including the simulated annealing (SA) algorithm and the intra-block Monte Carlo (IBMC) algorithm are exploited to find the optimal microphone position efficiently. The combined use of the SA and the IBMC algorithms enables efficient search for satisfactory deployment with excellent beam pattern and relatively uniform distribution of microphones. In the near-field optimization, a special kind of beam pattern and cost function definition is used for the multiple-input-multiple-output (MIMO) imaging problem. As indicated by the simulation results, random deployment of microphones is necessary to avoid grating lobes in far-field imaging. In the near-field simulation, all results suggest that the optimal near-field array is the uniform rectangular array (URA) and the random deployment presents no particular benefit in near-field imaging.     

基于四节点RSSI的三维空间定位算法

针对提高室内三维空间的定位精度和速度的问题,从减少节点数量、建立特定坐标系的角度提出了一种基于四节点和特定坐标系的三维空间定位算法。该算法引入位置相对固定的四个节点,提高解算速度;充分考虑有效反射区对衰减指数影响,根据伯鲁斯特角将天线辐射场区分为叠加加强区和叠加减弱区,建立三维坐标系进行定位,结合信号强度指示(Received Signal Strength Indicator, RSSI)衰减模型,在叠加减弱区定位,把三维空间问题转化到二维空间,降低定位算法的复杂度。文中分别阐述方法的原理与验证,结果表明,四节点定位算法的解算速度比降低复杂度(Complexity-Reduced Trilateration Approach , COLA)定位算法有较大提高,该算法平均定位误差小于2米。     

球形阵列自适应网格分层定位算法

刚性球形传声器阵列可以在无空间模糊的条件下进行球谐域数据处理,基于球形阵列的可控波束形成器导向响应功率(SRP)算法定位精度高,但是计算量大,计算效率低。通过将球面致密的全局网格搜索替换为分层搜索策略可以有效减小SRP算法的计算量。提出MRE-SRP算法保持球形阵列SRP定位精度的同时降低计算量,首先通过球谐域MUSIC(SH-MUSIC)算法判断入射声源的数量减小搜索区域;其次将相对熵模型引入球谐域SRP(SH-SRP)定位算法中,提取网格分层前后的信息增益,设计自适应网格选择判据,实现分层多分辨率网格的精准再细分,从而降低计算量。实验验证了所提出算法的性能,结果显示在单双声源定位中,该算法可以实现较高的定位精度,精准选择分层网格,计算量减少75%以上。     

基于改进雁群PSO算法的模糊自适应扩展卡尔曼滤波的SLAM算法

针对扩展卡尔曼滤波同时定位与地图创建算法中难以建立准确的先验噪声模型的问题, 提出一种基于改进雁群粒子群算法的模糊自适应卡尔曼滤波算法. 利用分数阶微积分改进粒子进化速度, 利用混沌来改进粒子的初始化和发生早熟时的处理. 改进后的雁群粒子群算法在收敛速度与避免早熟方面有了很大改进, 并将改进的雁群粒子群算法用于模糊自适应扩展卡尔曼滤波同时定位与地图创建算法的训练, 并与用雁群粒子群算法训练的模糊自适应扩展卡尔曼滤波同时定位与地图创建算法进行对比, 其在定位与构图方面有很大的提高. 关键词： 同时定位与地图创建 雁群粒子群算法 分数阶微积分 混沌