无线传感网络节点隶属度模糊定位算法研究

无线传感网络RSSI算法定位精度很高,但易受环境干扰。本文针对其不足,提出基于节点隶属度模糊算法,并应用于RSSI定位模型之中。新算法首先利用岭形分布对RSSI初始信号模糊化取得隶属函数,再根据隶属度近似程度反馈求精,通过隶属程度以逐渐逼近方式计算节点坐标区域。仿真实验结果证明,与RSSI和DV-Hop算法相比,新算法可以减少环境干扰和信号波动带来的影响,具有更高的定位精度和稳定性。     

靶场外弹道数据处理中的实时野值剔除算法

针对靶场外弹道数据处理过程中数据实时预处理的需要,在对最小二乘估计野值剔除算法分析的基础上,提出一种计算量小,满足实时性要求,且对雷达、光电经纬仪等大型测试设备数据预处理具有通用性的自适应野值剔除算法。该算法把连续5个实测数据的标准差的3倍作为阈值,以此判定下一个数据点是否为野值,最终完成整个弹道的实时野值剔除。通过Matlab仿真验证及实测数据分析表明,该算法对孤立野值点的剔除率可以达到100%,适用于靶场外弹道数据的实时预处理。     

基于粒子滤波的单通道正弦调频混合信号分离与参数估计

以单通道正弦调频(SFM)混合信号为研究对象,提出了基于粒子滤波的正弦调频混合信号分离与参数提取方法.针对正弦调频混合信号频率无跳变的特征,提出了一种基于粒子滤波的相位差解混叠算法,并通过源信号相位差解决了本算法中粒子滤波高维状态空间降维问题,提出了一种适合高维状态空间的似然函数模型,比较固定长度粒子估计值和真实值误差,进而准确衡量粒子权重.通过在重采样后引入MCMC转移,解决了静止参数下粒子多样性降低问题,有效提高粒子滤波迭代收敛速度.从而在先验知识仅已知信号调制方式的情况下,完成对单通道正弦调频混合信号的参数提取,并通过重构信号完成正弦调频混合信号分离.最后通过仿真分析发现,该方法能够有效的实现正弦调频混合信号的分离与参数估计.     

基于RSSI的无线传感器网络定位系统设计与实现

基于窄带无线信号的路径损耗和阴影衰落,直接建立多个锚节点接收信号强度指示(Received Signal Strength Indication, RSSI)值与待定位节点未知坐标估计量的解析关系,避免传统RSSI定位方法中常用的对两节点距离量的直接求解,减少信息丢失,提高定位精度。仿真分析了锚节点数量、遮挡因子、路径损耗指数等对定位精度的影响。采用CC2530无线传感芯片实现基于RSSI的无线传感器网络(Wireless Sensor Network, WSN)定位系统。系统采用8个锚节点分别在边长4米和10米的两个正方形区域内展开定位实际测试,结果显示其平均定位误差可分别降到0.175米和0.824米。     

二级Kalman滤波的被动声定位后置处理方法

阵列定位的计算结果中往往存在大量的野值,需要用后置处理方法从结果中选取真实目标信息。本文提出了一种基于Kalman滤波的二级后置处理方法,建立了相应的滤波模型,并对主要参数进行讨论选取,同时给出了外场实验结果。结果表明此方法后置处理效果明显,并可以满足系统实时性的要求。     

无线传感器网络AMRSSI加密调制定位算法研究

RSSI定位技术在无线传感器网络实际应用中,由于环境的开放性,信号很容易受到敌方的攻击,从而使系统的定位产生错误;通过对RSSI测距定位模型进行分析,提出了基于RSSI新的加密调制定位算法AMRSSI,该定位算法计算简单、保密性强、受外界干扰小;仿真实验表明该算法较普通的基于RSSI的测距方法定位精度上有了明显的改进,适合在通信开销小、硬件要求低的传感器网络节点上应用。     

改进粒子滤波在汽轮机故障诊断中的应用夏飞,郝硕涛

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法。首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题。由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题。进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别。通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

基于经验模态分解的自混合干涉相位提取方法研究

为实现光反馈机理下激光自混合干涉信号相位的精确提取, 本文提出了一种基于经验模态分析(EMD)的方法.首先, 采用EMD算法对含噪的自混合干涉信号进行了降噪预处理, 提取有效的干涉信号.然后在对含有外腔物体运动信息的光反馈相位求解的过程中, 利用希尔伯特黄变换(HHT)原理实时提取每一时刻的瞬时相位, 将其去包裹处理后得到真实相位. 在弱、适度、强光反馈条件下, 分别对基于EMD的相位提取算法进行了仿真研究.最后, 搭建了基于自混合干涉效应的微位移测量实验平台, 进行实验研究.实验结果表明, 利用该方法可以实现对自混合干涉信号的相位提取, 最大误差小于1.6 rad.仿真和实验结果的一致性, 说明了EMD方法的有效性.     

复杂环境下蓝牙定位模型优化方法研究

社会经济以及移动网络技术的快速发展,使得室内定位需求大幅度增长。但是,建筑结构等因素导致普遍使用的全球定位系统GPS在室内定位中性能急剧下降,不能很好满足室内定位的需要。针对各类复杂室内环境,提出了基于环境参数校准的自适应信号强度优化算法。从理论上分析了高斯滤波的性能,使用蓝牙4.0技术,以锚节点作为参考节点,采用均值滤波和高斯滤波优化RSSI值校准基准信号,运用线性规划实时、动态估算环境衰减系数,分析了改进基准信号模型和改进衰减系统模型的性能,最后获得信号传输综合优化模型。使用计算机仿真及实验方式对算法进行了研究,实验结果表明,在复杂办公室环境下,定位误差绝对值小于1dbm,定位误差小于2%,能够较好地满足室内定位的需求。     

改进粒子滤波在汽轮机故障诊断中的应用

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。