面向多状态节点的移动WSNs的区域覆盖可靠性分析

监测区域的覆盖要求和向信宿传输数据的可靠性是多状态节点的无线传感网络(Wireless Sensor Net-works,WSNs)应用的关键.为了量化覆盖要求和数据传输的可靠性,提出区域覆盖-可靠(Area Coverage Reliability,ACR)指标.ACR指标结合WSN可靠、区域覆盖、能耗、信宿的移动、节点的随机值日率以及节点的多状态.并利用Monte Carlo仿真方法,构建能量矩阵评估节点和值日率对ACR的影响.能量矩阵反映了节点的剩余能量、向邻居节点传输数据所消耗的能量以及网络连通率.仿真结果表明,ACR并不随节点数的增加而呈线性增长,但值日率的增加使ACR下降.     

电磁核辐射对WSNs数据传输性能影响的分析

由于低传输时延和高带宽,射频(Radio Frequency,RF)信号广泛应用于无线传感网络(Wireless Sensor Network,WSN)节点间的通信.然而,外界电磁或核辐射影响了基于RF的WSN通信.电磁或核辐射导致节点通信间歇性中断,将此类节点称为故障节点.故障节点可能能够正常感测环境,但会间歇性失去通信能力,这就形成动态的通信黑洞.为此,分析了故障节点对WSN的影响.推导了故障节点行为的数学模型,理论上分析了故障节点对网络能耗及数据包传递率的影响.仿真数据证实,故障节点的存在降低了网络性能.     

基于GM-PHD的低可观测编队目标跟踪方法

考虑到多编队在低可观测情况下存在的目标跟踪问题,提出了一种基于高斯混合概率假设密度(GM-PHD)滤波算法的编队目标跟踪方法.该方法是在修剪融合过程中,先保留剪掉的高斯分量,再对这些分量进行状态外推,利用JS(Jensen-Shannon)散度判断下一时刻状态估计值与外推状态值是否相似,以判断结果体现目标丢失情况,使得真实目标不丢失,解决了低可观测情况下目标易漏检带来的跟踪性能下降问题.然后,利用编队目标的特点,结合密度聚类方法估计出编队整体的状态,避免因状态估计集合中状态值过多影响算法性能.最终,仿真实验结果表明,该方法可以在低可观测情况下有效跟踪编队目标,具有较好的跟踪性能.     

声纳浮标网络节点GPS信息的无冲突共享协议

节点位置信息对声纳浮标网络的建立具有十分重要的意义,利用它可以完成节点身份划分、路由建立等工作.鉴于传统GPS广播方式的低效性,提出了一种GPS共享协议,并利用网络仿真软件OPNET仿真证明:该协议能够以无冲突方式快速实现网络节点GPS信息的共享和拓扑结构的自辨识.同时,针对GPS所固有的定位偏差问题,提出了一种网络节点GPS求精算法,OPNET仿真证明:该算法可提高对网络整体拓扑结构的把握精度.     

节点重要度的网络抗毁性评估方法

为准确评估网络抗毁性,提出了一种改进的节点删除法来评估网络节点重要度,以节点删除对网络拓扑造成的边数和全网效率下降程度为节点重要度衡量指标。综合考虑了节点的连接度以及节点在网络拓扑中的位置,克服了以往节点删除法不适用于网络被分割情况的不足。最后,在节点重要度评估的基础上建立了网络抗毁性测度指标。实验分析验证了该方法的有效性。     

基于POPS和PSR的美军里程碑节点审查方法

里程碑节点审查是美军装备采办过程中的核心控制手段。选取美军在该领域应用的最具代表性的项目成功可能性评审方法(Probability of Program Success,POPS)和项目支持评审方法(Program Support Review,PSR),围绕任务目标归纳出方法的主要思路,从程序步骤、评审内容框架等方面深入探究方法的特点,并从应用条件、使用范围、优点和局限性等方面进行对比分析,最后提出启示建议,为优化我军节点审查方法、提升装备采购过程管控能力提供借鉴和参考。     

基于随机有限集的传感器网络多目标跟踪

利用有限集统计理论对声学W SN下的多目标跟踪进行了研究。首先利用F ISST理论对声学W SN下的多目标跟踪进行建模,然后利用粒子滤波对随机集最优贝叶斯滤波进行近似,提出了一种新的多目标跟踪方法。在粒子滤波执行过程中,为了有效地平衡计算量和跟踪精度,根据目标数目自适应地调整每一时刻的粒子数目。仿真结果表明在监视区域同时出现目标较少的情况下,算法能够及时发现目标的出现和消失,正确估计目标状态和数目。     

提高多管火箭炮发射火力密度研究

为了提高某多管火箭炮火力密度,提出采用两管对称齐射的方法缩短发射时间,减少火箭弹初始扰动的方案。建立多管火箭炮多体动力学模型,根据发射顺序的基本编制原则和考虑火箭炮采用两枚弹同时发射的影响因素拟定射序,对整个发射过程进行仿真,得到火箭初始扰动计算的火箭炮动态特性数据。经与原单发发射时对比,有效提高发射火力密度,并且也有利于提高火箭射击密集度。     

基于复—方向小波变换和视觉表示的图像增强

针对复—方向小波变换具有好的平移不变性、方向选择性、对图像边缘特征的表示比传统实小波要好等优势,提出了一种基于视觉表示统计特性和复—方向小波变换的图像增强新方法。该算法在图像的多尺度复—方向小波变换域内进行动态范围(亮度)修正和局部对比度调整以增强图像。实验结果表明,与目前经典的多尺度增强算法相比,运用本文的算法增强的图像视觉效果好,在边缘和细节处失真小,而且对图像源的变化具有很好的鲁棒性。