传感器网络中基于LQI均值的功率控制方法

邻近图的功率控制方法是传感器网络拓扑控制中的一个重要研究方向。对比分析了PRR,RSSI和LQI等几种链路质量衡量指标的优劣,将LQI均值作为邻近图中邻节点的距离度量,构造链路质量邻近图LQPG,并对所构造的链路质量邻近图进行了仿真实验。结果表明,LQPG有着较低的平均节点度,在链路变化情况下,网络有着较低的平均功率,从而有效地延长了网络的生存期。     

涡轮泵状态监控及传感器故障识别的新异类检测方法

为了在故障样本稀缺、故障模式不完备的情况下监控涡轮泵状态,并剔除传感器失效故障造成的虚警,提出用于涡轮泵状态监控及传感器故障识别的单类支持向量机新异类检测方法。该方法以正常状态为目标类构建单类支持向量机检测器,用于检测涡轮泵是否出现异常;以传感器故障为目标类构建单类支持向量机检测器,用于判断检测到的异常是否属于传感器故障。对涡轮泵试车数据的分析结果表明了该方法的有效性。     

对两种中制导方法的性能研究

现在已应用的中制导技术包括惯性中制导和半主动中制导,文中先简介了几种有代表性的复合制导空空导弹的发展情况和其中制导方法,然后,从实际应用的角度对这两种中制导剂方法进行了比较详细的分析研究和比较,最后讨论了采用这两种中制导的导弹对飞机及火控系统的影响。     

地磁匹配算法研究框架和组合匹配策略

以空中无人平台为背景,研究了地磁辅助惯性导航系统。分析了地磁匹配的特点,给出了一维匹配的概念。从特征空间、相似性度量、搜索空间、搜索策略等四个方面对一维匹配进行了分析,建立了一个地磁匹配方法研究的框架。通过简化惯导解算过程,将一维地磁匹配归结为一个带补偿过程的仿射变换,并提出了一种基于等值线约束的组合匹配算法。该算法兼顾了匹配的全局搜索能力和局部定位能力,能在飞行过程中在线进行。在仿真和车载实验中,对算法的匹配精度、速度、适应性进行了分析和验证,检验了算法的有效性和可行性。     

自适应LMS和相关算法在GMI磁传感器信号检测中的应用

在GMI磁传感器的研制中,微弱磁场信号经常淹没于电路固有噪声中。当非晶丝GMI(GiantMagneto-Impedance)磁传感器的输出信噪比小于0dB时,常规的峰值检波方法无法检出传感器信号。针对此问题,提出了一种新的微弱信号(信噪比小于0dB)检测方法,利用LMS自适应滤波算法提取非晶丝GMI磁传感器输出信号的特征参数,将该特征参数与理想参数进行相关运算,并根据相关值的大小来确定信号大小,从而实现对微弱磁信号的测量。仿真结果表明,采用LMS自适应滤波算法和相关分析相结合的方法,对于传感器输出信噪比等于-10dB的微弱信号,根据相关值与外磁场大小的对应关系,仍然可以确定外磁场大小。     

基于禁忌算法的无线传感器网络PEGASIS算法改进

为了减少无线传感器网络节点能耗,延长网络生存时间,在PEGASIS算法的基础上,针对PEGASIS算法中节点之间容易产生长链和簇头选择没有考虑节点剩余能量的问题,提出了一种基于禁忌算法的PEGASIS算法改进。建链阶段采用禁忌算法代替原有的贪婪算法,防止了长链的产生,减小了节点传输距离;同时引入基于剩余能量的簇头选择机制,均衡了节点之间的能耗,延长了节点的生存时间。仿真结果表明,改进算法较PEGASIS算法第1个节点的死亡时间延长了约7倍,半数节点的死亡时间也得到了延长,从而提高了整个网络的生存时间。     

求解传感器网络最大生存时间的最大流算法

节能是传感器网络研究的中心问题之一,目的是延长网络的生存时间。因此对于一个给定网络,很自然地关心它的最大生存时间是多少。从网络最大流的角度分析这个问题,给出了求解传感器网络最大生存时间确切值的算法。     

捷联惯导系统异步锁存计数器设计

介绍了采用FPGA芯片实现揭联惯导系统异步锁存计数器的设计方法,对计数器的性能进行了分析、测试。     

高精度惯测组合标定误差分析

惯性测量组合(IMU)标定误差分析对于惯性导航系统性能评估、误差分配和器件设备选型具有重要意义,但目前关于高精度IMU标定误差的定量讨论很少。借助四元数旋转矢量理论建立了转台轴正交度误差和转角控制误差模型,结合IMU测量误差的表示,定量分析了一种典型多位置标定编排方式下的标定误差。仿真结果和捷联惯性导航系统的试验结果证实了标定误差分析的正确性。     

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。