基于信息熵的一种传感器管理算法

通过对目标搜索区域不确定性定量描述的信息熵及信息熵变化而产生的信息增量,本文提出了一种多传感器对多目标进行检测与分类的优化算法,即针对每一检测单元计算该时刻的信息熵及预测下一时刻的信息熵,产生信息增量最大的检测单元就是下一次要搜索的单元.仿真结果证明了该算法的有效性.     

基于权重一致性优化的实时Marginalized粒子滤波算法

针对Marginalized粒子滤波中随机量测噪声对于非线性状态估计精度的不利影响以及线性状态估计中计算量较大问题,提出了一种基于权重一致性优化的实时Marginalized粒子滤波算法.首先,结合量测系统建模中先验信息的提取和利用,通过粒子权重间一致性距离和一致性矩阵的构建,提出了量测提升策略下权重的一致性优化方法,以改善粒子滤波在非线性状态估计中的滤波精度.其次,通过对Marginalized粒子滤波实现中时间更新和量测更新环节的结构优化,给出了实时Marginalized粒子滤波,以降低蒙特卡罗仿真实现下卡尔曼滤波在状态线性估计中的计算复杂度.最后,在两者的动态结合基础上给出了新算法具体实现步骤.利用基于单站雷达目标跟踪仿真场景,分析了算法性能.理论分析和仿真实验结果验证了算法的可行性和有效性.     

基于ARMA的无线传感器网络流量预测模型的研究

无线传感器网络(WSN)的流量预测研究对于WSN管理具有至关重要的意义。基于WSN的特点,结合自回归滑动平均(ARMA)模型,该文提出了一个面向WSN的流量预测算法。仿真结果表明,该算法具有较高的预测精度;利用本算法对WSN的多路径路由机制进行改进后,可进一步提高WSN的生存期。     

无线携能保密网络下的中继协作波束形成算法

本文研究了无线携能通信网络中的多窃听者场景下,基于无线能量收集放大转发中继的协作机密信息安全传输问题.提出了两种低复杂度的零空间波束形成方案.分别利用接收者或窃听者方位先验信息,将待优化的目标矢量投射到接收者或窃听者信道的零空间.与原协作波束形成方法相比,由于降低了待优化目标矢量的空间自由度,本文方法运算复杂度较低.特别的,由于第二种方法目标函数中将窃听者的交互信息迫零,将原始拟凸优化问题转化为凸问题求解,进一步降低了运算量.实验研究验证了本文方法的合理性.     

量测提升卡尔曼滤波

滤波器设计是系统辨识和状态估计的重要基础.卡尔曼滤波通过状态预测和量测更新的实现框架,在最小方差准则下实现对目标状态的最优估计,但在单传感器量测环境中其滤波精度易受量测噪声随机性的影响.本文提出一种基于量测提升策略的卡尔曼滤波算法实现框架,新方法依据当前时刻量测和量测噪声先验统计信息构建虚拟量测,并通过对虚拟量测采样以及融合提升系统量测信息可靠性,进而改善状态估计精度.同时,针对算法在工程应用中实时性、准确性以及鲁棒性等需求,设计了分布式加权融合和集中式一致性融合的两种实现结构.理论分析和仿真实验结果验证了算法的可行性和有效性.     

测量方差自适应的多传感器数据融合算法

针对测量方差预先设定对滤波精度的影响,提出了一种基于时空综合分析在线估算测量方差的方法,以充分利用多个传感器单次采样数据和单个传感器多次采样数据中蕴含的冗余和互补信息。改善了由于被测目标所处环境的先验信息匮乏而造成的建模误差问题。同时根据滤波误差协方差阵具有表示滤波精度的特性,实现系统中各传感器权系数动态合理的分配。最终给出了一种基于测量方差自适应的多传感器数据融合算法。通过蒙特卡罗仿真验证了该算法的有效性。     

测量方差自学习加权下的多传感器数据融合算法

分析了测量方差预先设定对于多传感器融合算法中加权系数分配和状态估计的不利影响，提出了一种测量方差自学习的多传感器加权和滤波算法。该滤波算法能够充分利用传感器每次量测带来新的信息进一步优化测量方差，同时依据优化后测量方差合理地分配权系数和改进状态估计，提高了对状态估计的精度。最后通过仿真计算验证了该算法的有效性。     

基于有向阵元的圆形阵列方向图综合

由于圆形阵列方向图所具有的特性,使得圆阵正得到日益广泛应用,但是圆阵方向图却具有相对主瓣 较高的副瓣电平.为此,本文通过引入有向阵元并适当选取其辐射函数有效地解决此类问题.仿真结果表明:有向阵元 对圆阵方向图及自适应零点形成有明显改善作用,但对线阵基本上无作用.     

MIMO声纳方位估计子空间拟合快速算法

为了充分利用多输入多输出（multiple input multiple output ,MIMO ）声纳的虚拟阵列孔径的性能,针对目标的方位估计问题,提出了一种M IMO声纳系统的目标方位估计方法,该方法由发射阵列发射正交信号,接收阵列首先对接受信号进行匹配滤波,然后构造子空间拟合关系,最后采用马尔可夫蒙特卡罗吉布斯抽样方法解决子空间拟合求解运算量大的问题．仿真研究表明,两目标条件下,采用该方法的MIMO声纳系统方位估计精度在中低信噪比条件下接近MIMO最大似然方位估计,优于其它MIMO阵列方位估计方法,而运算量只是最大似然方法的约1/4．水池试验结果验证了算法的有效性．     

The Robust Design with the Pole Assignment

ＴｈｅＲｏｂｕｓｔＤｅｓｉｇｎｗｉｔｈｔｈｅＰｏｌｅＡｓｓｉｇｎｍｅｎｔＺｈｏｕＱｉｎｇｑｕａｎ（周清泉）；ＷａｎｇＰｉｎｇ；（王平）；ＬｉｕＸｉａｎｘｉｎｇ（刘先省）Ａｂｓｔｒａｃｔ：Ｔｈｅｐｅｐｅｒｐｒｅｓｅｎｔｓｔｈｅｒｏｂｕｓｔｄｅｓｉｇｎｍ...