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。     

加权采样的序列蒙特卡罗滤波技术

在处理非线性滤波问题时,常用的几种通过模型近似或计算近似的滤波方法均在某种特定的情况下具有适用性.近年来随着计算机处理能力的快速发展,提出了序列蒙特卡罗滤波方法,因其在处理复杂的非线性和非高斯问题时表现出强大的潜力而引起广泛关注.详述了序列蒙特卡罗滤波算法的基本思想和原理,对其关键技术进行了归纳分析,并指出了该方法亟待解决的一些难点问题.     

加权随机模拟的时变可靠性分析方法

针对结构时变可靠性的随机模拟分析方法计算代价大的问题,在极值方法的基础上提出基于加权随机模拟的时变可靠性分析策略。时变可靠性分析需要计算在不同时间处的失效概率,通常需要进行多次可靠性分析,计算代价巨大。所提方法通过对常规静态可靠性的随机模拟方法进行改进拓展,运用加权策略分别发展了加权蒙特卡洛法和加权重要抽样法,使之能够高效分析计算时变可靠性问题。所提方法仅需一次常规可靠性分析模拟,即可得到时变失效概率函数估计。采用管状悬臂梁和十杆桁架两个算例进行验证。结果表明,基于加权思想的分析方法在能确保精确度的前提下能够大幅度减小计算量,提高计算效率。     

Adaptive importance sampling for extreme quantile estimation with stochastic black box computer models

Quantile is an important quantity in reliability analysis, as it is related to the resistance level for defining failure events. This study develops a computationally efficient sampling method for estimating extreme quantiles using stochastic black box computer models. Importance sampling has been widely employed as a powerful variance reduction technique to reduce estimation uncertainty and improve computational efficiency in many reliability studies. However, when applied to quantile estimation, importance sampling faces challenges, because a good choice of the importance sampling density relies on information about the unknown quantile. We propose an adaptive method that refines the importance sampling density parameter toward the unknown target quantile value along the iterations. The proposed adaptive scheme allows us to use the simulation outcomes obtained in previous iterations for steering the simulation process to focus on important input areas. We prove some convergence properties of the proposed method and show that our approach can achieve variance reduction over crude Monte Carlo sampling. We demonstrate its estimation efficiency through numerical examples and wind turbine case study.     

基于重要性采样的空时分组码快速仿真系统设计

高效的仿真技术对研究提高军事通信的性能具有重要意义。针对传统的蒙特卡罗仿真时间长的问题,提出了基于重要性采样的空时分组码高效仿真方法,给出了仿真模型和实现流程。仿真和分析结果表明本方法在运行较少的时间内能够获得较好的误码性能。采用该高效仿真方法可以加快军事通信技术研究的进程。     

复杂网络波动扩展衍射欠定采样预测模型

复杂网络环境中对网络波动的准确预测可以有效监测网络环境,防范网络入侵和拥堵。由于在复杂网络受到干扰的可能性更大,其网络波动具有扩展衍射特征,不可预测性强。传统方法中采用自回归移动平均模型进行复杂网络波形预测算法设计,在波动信号的时频重叠调制过程中未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,预测效果不好。提出基于空间扩展自回归移动平均模型的复杂网络波动欠定预测算法,采用LTE线性均衡滤波,进行降噪去除杂波干扰,提取波动序列的扩展衍射特征形成欠定采样样本序列,设计网络波动时空序列扩展衍射点阵,准确预测网络波动的参数信息。以病毒入侵,网络监听和拥塞堵塞等波动产生模型为实例,进行仿真实验,结果表明该算法具有较高预测精度,监测点波动误差较小,实现复杂网络波动状态的动态跟踪和评估。     

基于改进MUSIC算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无需重构原始波形,无需计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。     

Bayesian sampling plans for exponential distributions with interval censored samples

This article studies the problem of designing Bayesian sampling plans (BSP) with interval censored samples. First, an algorithm for deriving the conventional BSP is proposed. The BSP is shown to possess some monotonicity. Based on the BSP and using the property of monotonicity, a new sampling plan modified by the curtailment procedure is proposed. The resulting curtailed Bayesian sampling plan (CBSP) can reduce the duration time of life test experiment, and it is optimal in the sense that its associated Bayes risk is smaller than the Bayes risk of the BSP if the cost of the duration time of life test experiment is considered. A numerical example to compute the Bayes risks of BSP and CBSP and related quantities is given. Also, a Monte Carlo simulation study is performed to illustrate the performance of the CBSP compared with the BSP. The simulation results demonstrate that our proposed CBSP has better performance because it has smaller risk. The CBSP is recommended. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 604–616, 2015     

相参雷达间歇采样灵巧干扰方法

间歇采样转发干扰是针对相参雷达一种有效的干扰方法,它利用脉压雷达匹配滤波特性,能够对雷达形成假目标干扰.首先分析了间歇采样转发干扰方法,指出了间歇采样转发干扰的不足之处,即脉压后干扰能量损失和假目标分布均匀,进而提出了间歇采样灵巧干扰方法,新方法形成的假目标分布不均匀,使得雷达识别真假目标可能性大大降低,仿真实验验证了新干扰方法的有效性.     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。