基于信息熵TOP SIS法的无线传感器网络节点自定位技术

在无线传感器网络的应用中,节点的定位是一个关键的问题。但是,利用已知节点对未知节点定位的算法存在着定位精度不高,定位计算量大等缺点。针对该问题,提出了一种基于信息熵TOPSIS法的节点自定位算法,该算法利用TOPSIS法按已给的传感器属性进行排序,只取最靠前的3个节点代入标准最小二乘公式中进行计算,既缩短了计算时间,又保证了计算精度。仿真实验证明,该算法是一种有效可行的算法。     

二进制无线传感器网络目标定位解析算法初步研究

针对二进制传感器网络目标定位跟踪问题,提出一种利用传感器位置信息和目标穿过传感器探测区域的时间信息进行解算的解析算法,并对该算法进行了仿真验证。仿真结果表明,相对于目前最常用的线性拟和算法,该算法具有对目标经过的传感器数量要求低、解算精度高等优点。     

位置信息场定位法在低精度测向传感器中的应用

多站无源定位中,测向交叉定位法是一种广泛应用的经典方法,但如何从多个低成本低精度测向传感器获得高精度定位效果的研究相对较少。目标位置信息场定位法在处理多目标定位问题时能够同时确定目标数目和多目标位置,对传感器测量数据具有较好的融合性能。运用目标位置信息场定位法,研究在感兴趣定位区域内用多数低精度测向传感器代替少数高精度测向传感器进行定位,并借助定位算法的GDOP对定位效果进行描述。理论分析与仿真实验表明,目标位置信息场定位法可以用于多数低精度测向传感器测向交叉定位,并且可以达到少数高精度测向传感器同样的定位效果,具有重要的应用价值。     

基于传感器网络数据融合的目标定位方法

针对传感器网络测试系统在战场及终点效应中的应用,探讨了基于多种传感器网络的目标定位方法,提出了采用最优加权融合估计算法将各种传感器的定位信息进行融合处理,并将融合结果与各种传感器计算结果进行比较,结果证明了经融合处理可以大大提高定位精度.     

基于改进布谷鸟搜索算法的多传感器调度方法

针对以往战场环境中目标跟踪背景下多传感器调度算法收敛性差、求解精度低的问题,在CS算法(布谷鸟搜索算法)的基础上,提出了一种基于差分进化的布谷鸟搜索算法.在跟踪目标模型的基础上,以跟踪精度、任务完成率以及传感器资源能源消耗为指标,建立多传感器调度模型;借鉴差分进化思想,对布谷鸟搜索算法进行改进;利用改进后的布谷鸟搜索算法(DE-CS算法)求解传感器调度模型.将DE-CS算法与基础CS算法进行仿真比较,仿真结果表明,改进后的算法在收敛速度和精度方面都得到了有效改善,证明改进后的算法有较好的求解质量.     

多站时差定位中的病态性分析及其改善方法

在多站时差定位过程中,传统定位算法在传感器布站不合理的情况下通常会表现出明显的病态性,其导致定位结果不稳定、精度低。针对此问题,首先分析了时差定位过程中病态性产生的物理场景,并通过奇异值分解揭示了病态性的本质;其次根据时差定位观测矩阵的特征值分布特点,提出了一种改进的多站时差定位改善方法,该方法基于LS估计信息矩阵的条件指标进行奇异值修正,兼顾了目标定位的分辨率与方差,能显著提高多站时差目标定位的精度和稳定性,且没有增加系统和算法复杂度;最后将该算法与传统算法进行了仿真比较,结果证明了该算法优越性。     

次优扩展卡尔曼滤波的无线传感器网络定位算法

针对无线传感器网络节点在定位过程中,由于积累的节点测距误差和定位算法引入的误差会对定位的精度产生较大影响。为此在节点测距过程中,利用卡尔曼滤波算法线性最优的特点,提出了一种适用于无线传感器网络节点定位的次优扩展卡尔曼滤波算法模型。首先在评估坐标的过程中利用卡尔曼滤波的节点自适应调度方法,其次,将上述改进的过程引入到三角定位算法中,最后将引入前后的系统性能进行比较。通过仿真实验表明,该算法提高了测距和网络节点定位的精确度及模型的自适应性,并且减少了计算量和系统的功耗。     

基于K-means-RBF的机载传感器评估

针对传统RBF神经网络存在的高维数据学习训练问题,采用K-means聚类算法设计RBF神经网络数据中心,建立基于聚类RBF神经网络的机载传感器精度评估模型,运用改进的RBF神经网络对机载传感器系统进行精度评估研究.仿真研究结果表明,与传统RBF神经网络评估算法相比,该算法有效减少评估时间,提高预测精度,表明算法是合理和有效的.     

无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

基于改进协方差控制的传感器管理算法

针对传统的基于协方差控制的传感器管理算法使用全遍历方法所造成的计算量大,以及传感器切换频繁的问题,提出了一种基于改进协方差控制的传感器管理算法。该算法在每一时刻首先判断前一时刻所用传感器组是否能够满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为协方差偏差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定一个精度阈值,然后判断滤波协方差是否满足期望,从而决定是否维持当前选择的传感器组。在目标作匀速、匀加速、协同转弯等多种场景下进行了算法性能测试分析,仿真结果表明,该算法不仅在大部分场景下满足目标跟踪精度,而且能够提高传感器管理算法的实时性,同时降低传感器的切换频率。     

基于目标估计协方差控制的传感器资源管理算法

提出了一种基于目标估计协方差控制的传感器管理算法。该算法针对目标对运动状态估计精度的要求,设定相应的误差协方差水平,通过选择达到该水平的最小传感器组合,以实现对传感器的有效管理。仿真的结果表明该算法在维持目标估计协方差达到一定水平的情况下对传感器资源选择有良好的性能。     

基于半定规划的无源跟踪最佳传感器选择

在多站测向定位系统中,观测站与目标的几何位置影响目标定位跟踪精度。以目标估计的克-劳美罗下界(CRLB)行列式最大值为优化指标,在考虑传感器自身的探测能力等实际约束的前提下,建立了无源协同跟踪下最佳传感器选择优化模型。提出了一种基于半定规划(SDP)算法将上述组合优化问题转换为凸优化问题,进行优化求解。仿真结果验证了算法的有效性,与松弛算法和随机选择算法相比,基于SDP的传感器选择可以进一步提高无源协同跟踪的精度。     

基于多目标的雷达组网传感器资源管理算法

在雷达组网系统的多目标跟踪过程中,当目标数量过多时,由于传感器资源不足,无法使用传统传感器的管理方法进行资源分配,且运算时间过长,不满足工程实际需求。针对以上问题,提出了一种新的多传感器多目标跟踪任务快速分配算法,该算法将跟踪目标个数和跟踪目标精度作为优化目标,首先按照设定的分配准则对传感器进行一次分配,最大化跟踪目标个数;然后利用一种基于传感器排序的启发式传感器分配方法进行二次分配,通过控制跟踪目标的协方差水平,使目标的跟踪精度尽量接近期望值。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效快速地分配,既跟踪了更多的目标,又达到了期望目标的跟踪精度,并且在一定程度上控制资源消耗,减少系统的总耗能。     

基于混合优化算法的单分量磁性定位方法

为解决现有磁定位方法的定位精度较大程度上依赖于定位参数初始值估计精度的问题,提出了基于混合优化算法的单分量磁定位方法.首先利用舰船垂向磁场的衰减特性构造了相关系数函数,该函数与测量面上磁场的拟合误差函数共同组成了一种新的多目标规划函数,然后将微分进化算法与方向加速法相结合形成了混合优化算法,再利用该算法通过多目标规划函数确定最优的定位参数解.实验证明,对于未安装定位系统的半合作舰船,该定位方法利用磁传感器所测目标的垂向磁场,能较准确地确定舰船相对于磁传感器的位置,定位结果稳定可靠,定位精度较高.     

基于C3D辅助的战场传感器监视系统设计与实现

首先介绍了战场传感器监视系统的定义和各国现有典型系统。其次针对战场监视特殊的应用环境,利用C3D辅助技术,将相对定位与基于三维地图环境下的绝对定位相结合,通过坐标转换和地图匹配将位置信息直观准确反映在电子地图上,设计了基于C3D辅助的战场传感器监视系统,并对该系统进行了实现。最后通过对3D-MDS(C,D)定位算法的验证结果表明,在长1000m×7m宽的道路上,布撒120个节点,对于速度为3m/s的装甲车定位误差仅为2.1687米。该系统可对定位算法的定位精度进行评测及误差进行修正,防止由于误差累积造成误差放大。     

基于定位原理的雷达与ESM航迹关联算法

雷达与ESM传感器的数据关联是典型的异类传感器数据关联。将交叉定位原理引入到航迹关联算法研究中,将定位原理与统计双门限航迹关联思想结合起来,提高了正确关联率。最后,对该算法进行仿真实验,证明了该算法的正确性和有效性。     

一种高超声速飞行器组合导航新方法

针对传统INS/CNS/GNSS组合导航3个异质传感器进行信息融合主滤波器易发散以及高超声速飞行器的特性,设计了由惯导与卫星导航深组合构成子滤波器1、惯导与间接敏感地平天文导航构成子滤波器2的SINS/CNS/GNSS组合导航新方法;详细推导了基于联邦滤波的位置、速度、姿态组合算法的观测矩阵的具体形式,最后对系统进行了仿真.仿真结果表明,该方法实现了精度和可靠性的有效一致,位置、速度和姿态精度较高,而且滤波器比较稳定.     

舰船电场传感器水下定位方法

为提高船舶电场传感器在水下测量电场时的定位与姿态测量精度,设计了舰船电场传感器新型水下姿态位置测量装置,提出了利用该装置测量舰船电场传感器水下姿态位置的方法,并研究了水下姿态位置数据处理方法和位置、姿态计算方法。通过对水下姿态位置测量装置的测量误差分析,所设计的测量方法位置精度可控制在1m之内,是一种有效的船舶电场传感器水下定位与姿态测量方法。     

基于关联分析的频谱感知信息加权融合算法

针对多传感器协作式感知模式下感知信息融合精度不高的问题,提出了一种频谱感知信息的加权融合算法。采用灰关联分析方法确定不同传感器的权重,利用加权证据理论对频谱感知信息进行融合,减少感知信息中的不确定性因素对融合结果造成的影响。仿真结果表明该算法能有效提高感知信息融合的精度,从而提高频谱感知的准确性和可靠性。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。