光纤光栅与分布式光纤感温探测性能研究

传统的火灾自动报警系统工作时需要向现场探测器供电。带电类探测器工作在易燃易爆场所必然存在着不安全因素，而利用光纤光栅及分布式光纤感温探测元件构成的火灾探测报警系统采用光信号测量与传输，实现了探测现场无电检测，从而真正实现了本质安全防爆。在分析光纤光栅与分布式光纤感温探测机理的基础上，通过对比探讨了各自的应用特性。     

基于多蚁群的无线传感器网络路由算法

无线传感器网络的快速发展,对于其路由协议有了更高的要求,关键是在节省能耗的情况下提高数据传输效率.提出了一种基于多蚁群无线传感器网络路由算法,采用多种群并行搜索,并在种群中采用基于目标函数值得启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径,利用蚁群的分布式特点,通过有限寿命蚂蚁的协作在源节点与目的节点之间的运动获取主路径和备选路径,然后根据节点信息适时更新路由表.仿真结果显示MACRA降低了能耗,延长了网络寿命.     

基于认知无线电的无线传感网系统设计与实现

为了提高认知无线电传感器网络(CRSN)中的能量使用效率和性能指标,提出了一种新的基于认知无线电的无线传感网系统,该系统中的传感器节点均使用改进的机会频谱接入路由协议,提出的协议能够更好地增加网络的可扩展性和提高网络性能。构建了精确的信道模型以便评估复杂的室内环境不同区域的信号强度,通过实验模拟对提出系统的性能进行评估。模拟结果显示,相比其他两种路由协议,提出的协议在吞吐量、包延迟及总能量消耗方面表现更佳。     

二元探测传感器网络的递推加权质心目标定位算法

为进一步降低二元探测传感器网络质心定位算法的计算复杂度和通信量、提高定位精度,推导出一种质心算法的递推公式,使用该递推公式可以大大减少定位的计算、存储和通信量;在递推质心公式的基础上,提出了一种基于节点探测到目标的次数的递推加权质心定位算法,从而提高了定位精度.对递推公式和加权质心算法进行了模拟仿真,结果验证了递推公式和加权递推质心算法的有效性.     

基于6LoWPAN与MQTT的无线传感网络设计

针对目前6LoWPAN无线传感网络设计与应用存在的可扩展性较差、与IPv4环境不兼容等问题，设计并实现了基于6LoWPAN与消息队列遥控传输(Message Queuing Telemetry Transport， MQTT)的无线传感网络。其中，无线传感网络节点作为MQTT客户端与MQTT服务器通信，边界路由器通过NAT64(Network Address Translation IPv6 to IPv4)实现无线传感网络节点与IPv4网络的通信。将所设计的无线传感网络应用到智能家居场景，评估了无线传感网络和边界路由器的性能，测试了系统功能的实现。结果表明，无线传感网络具有良好的连通性和稳定性，无线传感节点的数据上传与指令接收稳定可靠，边界路由器工作稳定，系统具有较好的性能。     

基于信息融合技术的复合式火灾探测器

在火灾探测中对单一的火灾特征参数信息进行判断和识别的探测器，易受到环境的干扰，限制了其探测性能，系统的高误报率问题比较突出；复合式火灾探测器采用信息融合技术进行多火灾特征参数信息的判断和识别，提高了火灾探测的可靠性和准确性。介绍了复合式火灾探测器中多传感器的选择。结合火灾探测独特的三层结构（数据层、特征层、决策层）讨论了数据融合技术在火灾探测系统中的应用，并对多传感器在数据层信息融合的模型结构进行了归纳。     

Online process mean estimation using L1 norm exponential smoothing

A basic assumption in process mean estimation is that all process data are clean. However, many sensor system measurements are often corrupted with outliers. Outliers are observations that do not follow the statistical distribution of the bulk of the data and consequently may lead to erroneous results with respect to statistical analysis and process control. Robust estimators of the current process mean are crucial to outlier detection, data cleaning, process monitoring, and other process features. This article proposes an outlier‐resistant mean estimator based on the L₁ norm exponential smoothing (L₁‐ES) method. The L₁‐ES statistic is essentially model‐free and demonstrably superior to existing estimators. It has the following advantages: (1) it captures process dynamics (e.g., autocorrelation), (2) it is resistant to outliers, and (3) it is easy to implement. © 2009 Wiley Periodicals, Inc. Naval Research Logistics 2009     

基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。     

多传感器多目标定位与跟踪技术研究

针对炮兵打击目标的特性和获取目标信息所采用的侦察设施 ,研究了多传感器多目标定位和跟踪问题。在闭圆和聚类概念的基础上 ,提出了一种多传感器多目标融合算法 ,并给出了状态估计的最优解。仿真结果证明了这种算法的有效性。这一模型的物理实现正在进一步研究之中。     

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。