IMU辅助的室内单星定位方法

惯性导航系统(INS)是以惯性器件测量位置参数的定位系统,但随着时间的累积,系统的定位精度逐步变差,产生累积误差现象。基于无线传感器网络(WSN)的定位技术通常需要3个锚节点进行定位,但在室内复杂环境中,系统会处于锚节点欠定状态,此时需要辅助定位方法解决室内欠星定位问题。针对上述定位系统的不足,提出了一种基于IMU辅助和场景分析的多信息融合室内单星定位方法,该方法可通过场景分析的约束条件逐步消除IMU在室内环境下的累积误差效应,并通过单星定位技术进一步优化定位目标的位置信息。经过地下车库实验验证,本方法平均定位精度是0.75 m,定位误差有97.5%的概率在2 m以内,能满足室内亚米级高精度导航定位的要求。     

基于量子遗传算法的认知无线电决策引擎研究

提出了基于量子遗传算法的认知无线电决策引擎，设计了待优化的多目标函数，利用量子遗传算法调整优化无线电参数，运用多载波系统对算法性能进行了仿真分析.实验结果表明该方法在收敛速度、收敛精度和算法稳定性上都明显优于经典遗传算法，在种群规模较小时仍然能获得很好性能，适合于实际实现.不同权重设置模式下仿真结果表明该方法能够在多个目标函数间进行权衡，参数调整结果与当前对目标函数的偏好一致.