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。     

基于跳距修正L-M优化的WSN定位算法

针对DV-Hop定位算法在节点随机分布的网络拓扑环境下存在误差较大的问题,文中通过分析平均跳距估计、未知节点坐标估计区域求解对定位精度的影响,提出了一种基于跳距修正L-M优化的WSN定位算法CLDV-Hop(Correct L-M DV-Hop)。仿真结果表明,在不增加额外开销且仿真环境相同的条件下,CLDV-Hop算法比现有改进的算法具有更高的定位精度,与DV-Hop算法相比精度提高了约33%——41%。     

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KPCA-K-means++和GA-LMS模型的改进RBF神经网络室内可见光定位

针对室内可见光定位接收光功率不均匀、定位精度低等问题,提出一种自适应花授粉定量式灯源优化方案结合改进径向基函数(RBF)的神经网络接收信号强度指示(RSSI)可见光定位方法.所提方法采用自适应花授粉算法优化发射器的光照强度;通过基于改进RBF神经网络的RSSI定位方法处理接收到的均匀光信号,实现精确有效定位.利用核主成分分析K-means++(KPCA-K means++)聚类模型对RSSI样本值进行预处理,得到最优聚类数目和聚类中心,作为隐含层神经元个数和中心值.通过遗传算法-最小均方(GA-LMS)模型对RBF神经网络参数进行寻优.仿真结果表明,在9 m×12 m×3.5 m的室内环境中,接收光功率为 28.6 dBm～-25.1 dBm,定位误差小于0.1m.因此,所提改进后的可见光定位方法具有定位精度更高、实用性更强等优点.     

K-means+SSA-Elman网络可见光室内位置感知算法

由于室内环境复杂,基于Elman神经网络的可见光位置感知存在收敛速度慢、定位精度低等缺点。论文提出基于麻雀搜索算法（sparrow search algorithm, SSA）优化Elman神经网络,同时融合K-means聚类的一种可见光室内位置感知算法。对采集到的数据建立数据库,利用SSA对Elman的拓扑结构和连接权阈值进行优化,建立训练模型,解决基于Elman神经网络室内位置感知算法易陷入局部最优的问题,提高收敛速度和稳健性;利用K-means对数据库优化分类,将处理好的数据代入模型训练得初步预测结果;将初步预测结果代入子类二次训练得预测点的最终坐标,进一步提高定位精度。基于0.8 m×0.8 m×0.8 m的立体空间进行实验,结果表明：论文算法平均定位误差3.22 cm,定位误差小于6 cm,概率达到90%,相较SSA-Elman算法定位精度提高7.5%;相较Elman网络算法定位精度提高16%。     

基于蝙蝠优化算法的无线传感器网络节点定位研究

节点定位是无线传感器网络应用中的关键技术,Dv-Hop算法的定位精度不尽人意,因此将三方面改进的蝙蝠算法应用于Dv-Hop平均跳距的计算过程中,在Dv-Hop的第三阶段引入改进后的蝙蝠算法代替最小二乘法来计算未知节点的坐标,大大降低平均跳距导致的定位误差,提高定位精度;仿真结果表明,改进的BA算法优化的DV-hop定位算法在不同锚节点密度、不同通信半径、不同节点数量以及定位精确度等方面表现出良好的性能。     

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。     

基于低成本INS/RFID的室内定位技术

在个人导航和基于位置服务(LBS)领域,如何实现低成本、高可靠性、高精度、连续的室内定位仍是研究的热点;然而依靠单一技术的室内定位结果很难满足上述定位要求;文章用粒子滤波(PF)对INS和RFID技术进行融合;对低精度INS使用行人航迹推算算法(PDR),其中步数和步长由峰值检测和Weinberg算法分别测算;根据位置信息对RFID使用加权KNN算法;仿真结果表明:组合定位纠正了INS的累计误差和漂移,实现了自主可靠的连续定位,提高了定位精度,极大程度上优化了系统性能。     

无线传感中的WPSO-DVHOP算法在节点定位中的研究

节点的定位一直都是无线传感网中的重要研究对象,针对使用传统算法定位节点容易出现估算不准确,定位精度低,算法自身局部收敛速度快等缺点,提出一种基于权值粒子群优化(WPSO)算法,首先分析了采用锚节点估算未知节点的距离与真实距离误差,采用最小二乘法的距离修正值策略,其次针对粒子群算法的收敛速度不足,提出了采用权值来调节粒子的速度,改进后的算法对节点定位误差进行修正。在仿真平台Matlab上的实验说明WPSO算法相对于基本的定位算法,粒子群定位算法相比提高了传感器节点定位精度,从算法的收敛性,节点定位的精度以及能量消耗等方面说明该算法具有一定的有效性,如何能够更好进行权值的设置使之能够更加有效提高算法的效率是下一步研究的重点。     

工程装备嵌入式软件测试环境平台技术研究

在个人导航和基于位置服务（LBS）领域,如何实现成本低廉、高可靠性、高精度、连续的室内定位仍是研究的热点。然而依靠单一技术的室内定位结果很难满足上述定位要求。文章用粒子滤波（PF）对INS和RFID技术进行融合。对低精度INS使用行人航迹推算算法（PDR）,其中步数和步长由峰值检测和Weinberg算法分别测算;根据位置信息对RFID使用加权KNN算法。仿真结果表明：组合定位纠正了INS的累计误差和漂移,实现了自主可靠的连续定位,提高了定位精度,极大程度上优化了系统性能。     

基于DCT算法的种子点相位解包算法

移相干涉术由于其高精度被广泛应用在光学元件的面形测量上,而由移相算法得到的相位数据被包裹在[-π,π]之间。基于区域生长理论的相位解包算法(种子点法)可以高精度地实现连贯区域的相位解包,基于离散余弦变换的最小二乘解包(DCT)算法可以实现矩形区域的相位解包,而实际测量中,经常会碰到被测件的有效区域为非矩形的分离区域。因此,在分析前两种算法优缺点的基础上,提出了基于DCT算法的种子点相位解包算法。首先运用DCT算法对整个包裹相位进行解包,然后运用种子点法分别解包各分离区域,再通过DCT算法求得的种子点干涉级次实现各分离区域解包相位的统一。实验结果表明,该方法克服了种子点法和DCT算法的缺点,可以准确、快速地实现分离区域干涉图包裹相位的解包,且比这两种算法具有更好的稳定性和更高的精度。     

一种基于算法融合的红外目标跟踪方法

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标.由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大.本文提出一种针对红外日标跟踪的融合算法,该方法融合直方图和不变矩的特点.首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仪为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差;其次,利用边缘小变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度.实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度.     

ART算法中射线矩阵加权的BPT算法

提出-种在混凝土层析成像中对ART算法的射线矩阵的加权方法.利用BPT算法得到的低分辨率图像作为迭代初始值,并将其图形信息作为ART射线矩阵的加权系数.充分利用低分辨率图像的图形信息和数值信息,同时对高速异常单元和低速异常单元进行加权成像.计算机模拟试验表明,与传统的ART算法相比提高了反演数据的准确性和迭代速度;在走时数据误差不大于0.5%时,是对传统ART算法的-种较好的改进方法.     

快速傅里叶算法在哈特曼夏克传感器波前重构算法中的应用

提出了一种应用快速傅里叶变换算法提高哈特曼－夏克波前传感器波前重构实时性的快速算法，在根据波前斜率值应用最小二乘法估计波前相位的过程中，应用快速傅里叶变换算法进行方程的对角化和相位值的解耗，算法精站度，稳定，空间分辨率越高，算法实时性的优越性就越显著。     

一种实现负荷均衡的动态波长分配新算法

提出了一种新的动态波长分配算法:负荷均衡法.新算法将负荷均分到各个波长上,使各段链路上预留的波长资源最大化;同时,更加准确地考虑了分配波长对于整个网络的影响,将分配波长对整个网络的影响降低到最低程度.仿真结果表明:新的算法能更好地提高网络的性能.     

Exact Equivalence between Quantum Adiabatic Algorithm and Quantum Circuit Algorithm

We present a rigorous proof that quantum circuit algorithm can be transformed into quantum adiabatic algorithm with the exact same time complexity. This means that from a quantum circuit algorithm of L gates we can construct a quantum adiabatic algorithm with time complexity of O(L). Additionally, our construction shows that one may exponentially speed up some quantum adiabatic algorithms by properly choosing an evolution path.     

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法.该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息.在各个子频段采用NAS-RIF算法进行复原.针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项.在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数.分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB.实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高.     

基于CT-RAG和学习量子粒子群的云计算任务-资源分配算法

目前已有的云计算任务-资源分配算法仅针对独立任务进行同构资源分配,同时在分配时未考虑任务优先级；为了克服其缺点,提出了一种基于虚拟CT-RAG(Task-Resource Assignment Graph in Cloud Environment, CT-RAG)和学习量子粒子群的任务-资源分配模型；首先,定义了虚拟CT-RAG图和任务优先级,并描述了采用其获取任务-资源分配方案初始解的方法；然后采用具有学习能力的量子粒子群在可行解空间中寻优,通过为粒子安装学习机,粒子在每轮迭代的过程中根据适应度的变化情况自适应地调整动作选择概率,从而加快获取全局最优解和加快收敛速度；仿真实验表明:文中方法能有效地解决云计算环境下依赖型任务的异构资源调度,获取了全局最优解356.67,较其它方法具有较大的优越性。