认知无线电网络中利用FEC和DE的多节点频谱感知算法

针对认知无线电网络(CRN)中空闲频谱感知困难的问题,本文提出了基于前向纠错和差分进化算法的多节点频谱感知算法。首先,利用基于差分进化算法的协同检测完成信号感知;然后,研究了信道噪声对频谱感知性能的影响;最后,分析了前向纠错技术在信道存在噪声时对频谱感知性能的影响。仿真实验将纠错和无纠错控制信道的不同信噪比作为依据,采用三种不同的检测方法评估了本文算法。仿真实验结果表明,在存在噪声的认知无线电网络中,本文算法提高了系统的性能和检测概率,且协同感知算法的性能随着节点数目的增加而提高,该算法适合应用于实时性要求较高的应用程序。     

基于改进混合蛙跳算法的认知无线电协作频谱感知

提出了一种改进的混合蛙跳算法（shuffled frog leaping algorithm,SFLA）,并提出了基于改进SFLA的认知无线电协作频谱感知方法,通过仿真对改进SFLA算法性能与传统SFLA算法性能进行了比较,并对本文提出的基于改进SFLA的协作感知方法与已有的基于修正偏差因子（modified deflection coefficient,MDC）的协作感知方法性能进行了比较.结果表明改进SFLA算法性能优于传统SFLA;基于改进SFLA的协作感知方法比MDC方法能获得更大的检测概率,验证 关键词： 认知无线电 频谱感知 混合蛙跳算法     

一种面向中继协作频谱感知系统的自适应全局最优化算法

该文研究了冗余中继, 次用户及中继用户数目, 检测门限, 信道传输错误率等因素对中继协作频谱感知系统性能的影响, 并提出一种新的自适应全局最优化算法.该算法基于获得最大无干扰功率的自适应中继选择方法, 确定备选认知中继集合;单个次用户以信道传输错误率最小为准则, 从备选认知中继集合中自适应选择最佳中继, 使总体检测率最大;在给定目标检测率的条件下, 以系统吞吐量最大为准则, 给出了自适应全局最优化算法.仿真实验结果表明新算法信道传输精度高, 信道吞吐量大, 节约带宽资源.     

基于深度学习的认知成像激光雷达(特邀)

为提升传统成像激光雷达系统对场景的感知能力和信号处理算法的泛化能力,提出了一种基于深度学习的认知成像激光雷达方法,通过深度学习点云目标检测算法的处理结果进一步调控核心成像参数,形成认知反馈,提升系统成像质量和环境感知能力。为验证该方法的可行性,设计并实现了一套认知成像激光雷达演示模块,通过实验对比分析,选择激光器的发射功率、成像系统的扫描视场和扫描角分辨率三个成像参数进行认知反馈,并结合深度学习方法实现了与场景的动态交互学习,解决了传统激光雷达成像参数固化的问题。实验结果表明,采用基于深度学习的认知成像工作模式有效提升了现有深度学习点云目标检测算法的泛化能力和目标检测精度。     

采用骨导语音自适应的语句分割方法*

为了解决含噪语句分割问题,也为了解决某些低信噪比环境下传统气导语句分割算法分割效果差、分割准确度低且算法自适应性弱等问题,提出一种基于骨导语音自适应的分段双门限语音分割方法。将骨导语音和气导语音同步采集,获取抗噪性能更好的骨导语音,然后在融合过零率与短时能量中引入随机动态阈值的自适应方法进行端点检测,最后利用分段双门限和语音聚类等手段实现语音分割,提高语音分割算法的鲁棒性。通过实验验证了所提算法的有效性和可行性,同时与其他语音分割算法进行了对比,证明该文所提分割算法精度更高,效果更好。     

改进联合多站多伯努利滤波器的水下多目标跟踪

针对水下多站多目标跟踪问题,基于多站多伯努利滤波器思想,提出改进联合多站多伯努利滤波器的水下多目标跟踪方法。该方法有两处改进:首先在目标数变化场景,为了获得新生目标状态,提出基于节点分对组合随机观测新目标生成方法,该方法将观测节点两两分对,并进行观测对间组合,以相同概率随机选择观测对组合来生成新目标信息;其次为了输出连续、稳定航迹,提出基于统计双门限的航迹生成方法,该方法对超过第一门限的检测次数进行累加,并将结果与第二门限比较来控制目标航迹输出。仿真结果表明:(1)基于节点分对组合随机观测新目标生成方法能够正确生成新目标信息,与全局交叉定位目标生成方法相比,算法复杂度降低,并与节点数成线性关系;(2)基于统计双门限航迹生成方法能够实时输出稳定航迹,并且其最优子模式指派(OSPA)距离对比不使用该航迹生成方法时减少20%左右。      

圆形阵列无线传感器的鸟鸣声检测方法*

针对海岛湿地自然保护区鸟类等发声动物监测困难的问题,开发了基于物联网的圆形阵列无线传感器实时在线监测系统。鉴于保护区现场环境条件的特殊性,为保障传感器系统在野外长期稳定运行,需减少无鸣声数据的传输量来减轻系统负担,该文提出了基于子带能量谱熵比的动态双门限鸟类鸣声端点检测算法,对监测数据的有效鸣声段检测后实时回传到云平台。经过仿真和野外实测数据对比了不同信噪比下的鸣声检测性能,结果表明在暴风雨、风浪等海岛自然环境噪声下,鸟鸣声端点检测算法的准确率达90%以上,基本可实现海岛环境中的有效鸣声端点检测,提升了圆形阵列无线传感器系统的可靠性。     

基于QoS和分簇机制的WMSNs路由算法研究

针对无线多媒体传感器网络中如何设计具有服务质量保证的路由算法问题,综合考虑的了节点间标准化后的丢包率、延迟、剩余能量、可用存储四个参数,提出算法ED-ACO(Energy and best distribution of Cluster Head Distance-Ant colony optimization )。ED-ACO算法采用基于剩余能量和簇首最佳距离分布的分簇结构,均匀划分网络,将节点的丢包率,延迟,剩余能量,可用存储标准化为具体参数,考虑到蚁群算法的状态转移概率公式中,利用该公式去选择下一跳路径传送感知数据,同时满足了服务质量要求。NS2仿真结果表明,与经典的AODV算法相比,在丢包率,延迟上保证了服务质量要求。     

几种语音信号端点检测方法的比较研究

对双门限法、频带方差法、信息熵法三种端点检测方法进行了比较研究。仿真实验表明在信噪比较高的情况下,各算法都能较好检测语音端点,但随着信噪比的下降,各算法性能都明显下降。但三者相比较而言,信息熵法具有更好的鲁棒性。     

一种基于授权信道特性的认知无线电频谱检测算法

针对认知无线电系统中频谱检测的频率直接影响系统容量以及与授权用户产生冲突的概率问题,分析了授权用户频谱使用的特性, 对授权用户行为进行统计建模, 提出一种自适应频谱检测算法. 引入控制因子, 在保证认知无线电系统稳定性的约束下, 自适应调整频谱感知的频率从而提高频谱利用率并减小系统冲突概率和检测开销, 进而降低了系统的能量消耗. 仿真结果表明, 该算法在保证不对授权用户产生干扰和一定的系统稳定性条件下, 有效地提高了系统的容量,并且具有良好的实用性和灵活性. 关键词： 认知无线电 自适应频谱检测 绿色通信 最大似然     

基于热释电红外传感器的多节点定位系统研究与设计

针对热释电红外传感器(PIR)在人体探测领域中越来越广泛的应用,研究设计了一种基于PIR的检测定位系统,可实时完成对人员目标入侵探测区域时的检测与定位,并预推出人员目标的行进轨迹;该系统由多个PIR感知节点组成,每个感知节点通过传感在动、静两种状态下对探测区域进行信息采集;最终融合多节点与不同状态下传感器采集的数据,算出各个传感器的探测角度值,以交叉定位的算法,得到目标的定位坐标;经实验证明,该系统运行稳定,检测灵敏,定位效果很好,拓宽了热释电传感器在定位定向方面的使用范围。     

WDM网络中基于多核心的组播路由算法

提出了一种WDM网络中组播的分布式路由算法。该算法是一种基于核心树的算法,其关键是找到一个核心节点集,使得以该核心节点集为树根、包含组中所有节点的树满足延迟时限的要求,同时使树的成本尽量小。算法首先根据目的节点确定组中的核心节点集,并生成核心节点内部的稳定树;然后以核心节点集为树根构造包含所有目的节点的组播核心树。由于采用了分布式的方法建立核心树,并且采用的是多个核心,所以在一定程度上减少了建立组播树所需要的时间,并且有效地解决了系统在核心处的瓶颈问题。     

基于二进制粒子群算法的认知无线电决策引擎

提出了基于粒子群算法的认知无线电决策引擎,并提出了一种种群自适应粒子群算法,利用粒子群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.实验结果表明基于二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定性上都要明显优于经典遗传算法,基于种群自适应粒子群算法的决策引擎则能进一步提高算法初期性能,满足认知无线电实时性要求. 关键词： 认知无线电 粒子群算法 遗传算法 认知决策引擎     

用于认知无线电协作频谱感知的混合蛙跳算法群体初始化技术

提出了一种用于认知无线电线性加权协作频谱感知的改进混合蛙跳算法(shuffled frog leaping algorithm, SFLA) 的群体初始化技术, 提出在SFLA初始群体中包含基于修正偏差因子所得的解, 从而改进算法初期性能. 仿真结果表明相比于传统群体初始化技术, 本文所提出的群体初始化技术能够以更快的速率得到期望解, 从而节约计算时间, 更有利于实时应用 关键词： 认知无线电 频谱感知 混合蛙跳算法 群体初始化     

高速移动错位下的列车通信参数精确检测

高速移动列车错位通信条件下,列车信号模糊程度增强,导致传统基于信号特征的列车通信参数检测算法无法准确分析列车通信参数,具有一定的局限性。提出一种基于改进卡曼尔滤波算法的高速移动错位下列车通信参数检测方法,分析了列车快速移动过程中最佳通信节点的定位,对最佳列车节点进行融合,获取最佳列车通信参数,采用改进的卡尔曼滤波算法,得到一系列递推检测算法,建立信号以及噪声的状态空间模型,依据前时刻的列车通信参数检测值和当前时刻的检测值,对高速移动错位下列车通信参数变量检测值进行修正,及时更新改进卡曼尔滤波算法检测噪声的协方差,实现高速移动错位下列车通信参数的准确检测。实验检测结果表明,所提方法的可准确检测高速移动错位下的列车列车通信参数,具有较高的效率和精度。     

基于改进免疫遗传算法的K覆盖异构传感器节点调度

为了实现无线传感器网络监测区域目标点的多重覆盖,设计了一种基于改进免疫遗传算法的异构传感器节点调度算法实现目标点的K重覆盖;首先,在传统的概率感知模型中加入剩余能量和感知能力因素,得到改进的概率感知模型,并设计了以最小化节点数并满足覆盖度约束的目标函数;然后,采用改进的免疫遗传算法对节点进行调度,最后,给出了具体的采用改进免疫遗传算法实现WSN异构节点调度的具体算法;仿真实验表明:文中方法能在满足K覆盖约束前提下实现监测区域的节点调度,与其他方法相比,活动节点数平均多7%,具有较长的网络生命周期和较少的网络能耗。     

绿色认知无线电自适应参数调整

提出了绿色认知无线电自适应参数调整问题模型,并提出了基于粒子群算法的调整方法, 通过仿真对所提方法性能进行了分析.结果表明不同服务质量(quality of service, QoS)要求情况下, 本文所提方法均能在满足QoS要求的前提下尽可能减少系统总的发射功率,从而达到了降低能量消耗的目的.     

混沌免疫多目标算法求解认知引擎参数优化问题

合理的认知引擎参数设置可以提高频谱的使用性能. 通过分析认知无线网络中的认知引擎参数配置, 给出了其数学模型, 并将其转化为一个多目标优化问题, 进而提出一种基于混沌免疫多目标优化的求解方法. 算法使用Logistic混沌映射初始化种群, 并在每一代将混沌特性用于最优解集的搜索; 设计了适合此问题的免疫克隆算子和抗体群更新算子, 保证了Pateto最优解集分布的多样性和均匀性. 最后, 在多载波环境下对算法进行了仿真实验. 结果表明, 算法可以根据信道条件和用户服务的动态变化, 自适应调整各个子载波的发射功率和调制方式, 可以求出更多满足偏好需求的解, 满足认知引擎参数优化要求.     

多尺度传感网络失效节点检测系统设计

对多尺度传感网络中的失效节点进行准确检测与定位,实现故障节点的高效检测,保障传感网络的可靠运行。提出一种基于多传感器量化融合跟踪滤波检测的失效节点检测算法,并进行检测系统优化设计。构建多尺度传感网络的节点分布实体对象模型,进行失效节点检测系统总体设计和技术指标分析。设计基于多传感器量化融合跟踪滤波检测的失效节点检测算法。进行系统的硬件设计,包括A/D模块设计、时钟电路设计、程序加载电路设计、传感器通信模块设计和系统电源模块设计。在ARM Cortex?-M0平台上进行检测系统软件开发。系统仿真结果表明,该系统进行多尺度传感网络失效节点检测的准确度较高,提高了传感器网络的寿命周期。     

大口径连续相位板面形检测与评价

基于全局最小二乘拼接算法和图像融合算法建立了连续相位板（CPP）子孔径拼接检测算法,并根据全局相关匹配原理提出采用面形残差来评价CPP的加工面形。采用高精度动态干涉仪等设备建立了相应的检测系统,并针对430 mm430 mm口径CPP开展了数值模拟和检测实验。理论计算结果表明:系统计算误差为0.005 nm。实验结果表明,整个检测系统软硬件RMS误差小于5 nm,基本满足CPP面形检测要求。从而验证了CPP检测和评价的正确性和可行性。