基于RBF神经网络的背景估计及红外小目标检测

利用RBF神经网络的函数逼近特性,得到了一种红外图像背景估计算法,进而提出了一种检测红外小目标的方法。利用有目标和没有目标的真实红外图像对此算法进行检测,背景估计效果理想,小目标检测效果理想,证明该算法是可行有效的。     

无人飞行器Ad Hoc网络中容错节点移动控制算法

针对无人飞行器Ad Hoc网络的容错设计需求,基于UAV节点的可控移动特性,提出了一种基于强化边启发的节点移动控制算法.首先采用文化基因算法对给定通信网络对应的拓扑图进行搜索,求解使图获取顶点2 -连通属性所需新增的最小成本强化边组合.以强化边为启发,将连接的节点移动到彼此通信范围内来实现强化边,同时以这些节点为leader,采用基于一致性算法的leader-follower控制算法移动其他关联节点,使变化后的网络为顶点2-连通,从而实现网络容错.仿真实验结果表明算法的可行性与有效性,节点总的移动距离少于用于对比的块移动算法和紧缩算法.     

一种基于改进Bounding Box的移动信标辅助节点定位算法

针对无线传感器网络的节点自定位问题,提出一种利用单个移动信标的定位算法。该方法在传统Bounding Box定位方法的基础上,结合信标的实际通信区域,提出“O-区域”和“S-区域”的概念,通过对新接收到的信标位置分类讨论,进一步缩小未知节点的可能区域。通过仿真比较,验证了该方法的性能优于质心定位法和Bounding Box定位法,同时定位精度与移动信标的通信半径大小有关。     

基于虚拟力驱动的传感器网络节点定位

为了解决传感器网络节点三边测量定位的全局优化问题,提出了一种基于虚拟力驱动的节点最优相对定位方法。该方法建立了满足节点位置最优最小二乘估计需要的虚拟势能场模型,给出了一种基于虚拟势能场梯度的虚拟力定义新方法,证明了利用该虚拟力驱动节点定位的收敛性,提供了保证节点定位结果全局最优的方法。仿真分析表明,基于虚拟力驱动的节点相对定位方法能够解决节点相对位置的最优估计问题。     

战术移动Ad Hoc网络下的分布式位置辅助功率控制算法

针对战术移动自组(AdHoc)网络提出一种分布式位置辅助的功率控制算法(LAPCA),它通过位置预测来推算节点的邻节点数目,进而调整信号发射功率,以保持最佳的网络连通性,由此提高整个网络的有效流量。该算法作为一个独立模块可以方便地与已有的移动自组网络路由协议相结合。采用较为适合战术环境的参考点群组移动(RPGM)模型来产生网络仿真场景,从仿真实验结果来看,几乎在所有的RPGM场景下采用该算法后的网络有效流量相对于纯粹的AODV路由协议都得到了提高。     

发动机传感器数据证实的贝叶斯信度网络方法

针对发动机及其部件试验传感器数据证实的多源证据融合问题,描述了建立贝叶斯信度网络的方法,给出了传感器状态和检验关系式不确定性信息表达方法,发展了自动建立贝叶斯信度网络、计算可信度概率及更新网络的算法;给出了贝叶斯信度网络方法在模型发动机上的应用示例。     

多功能复杂信号侦察可配置计算模型

复杂信号侦察处理是多功能数字阵列雷达(MFDAR)的重要组成部分,可以服务于MFDAR的雷达与通信信号侦察以及电子战等多种用途,其中信号侦察的实时性与功能的灵活适应性是MFDAR的关键。在详细研究MFDAR信号侦察处理特点基础上,提出了两阶段可配置的信号处理流程,构建了基于混合结构的宽带信号侦察可配置计算模型BSRRCM。BSRRCM对"非确定、非单向"的信号流进行了描述,利用"固化典型流程、设置有限配置点"的思想,BSRRCM将应用分解成可完全重配置的典型处理流程和可局部重配置的功能任务序列,快速映射到合适的计算平台上,在确保信号处理实时性前提下使系统获得了动态的灵活配置能力与可扩展性。     

基于一类T-模的模糊双向联想记忆网络的稳定性分析

首先定义了max-T复合模糊算子,建立了一类基于模糊复合算子的模糊联想记忆网络——模糊双向联想记忆,然后系统地分析了该网络的性质,在Hamming距离意义下证明了该网络的平衡点（吸引子）具有Lyapunov稳定性。     

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     

无线传感器网络中基于统计异常的入侵检测

无线传感器网络与传统网络存在较大差异,传统入侵检测技术不能有效地应用于无线传感器网络.结合无线传感器网络的特点,提出一种基于统计异常的入侵检测.入侵检测为传感器节点在正常工作状态下的某些系统特征建立行为模式,并通过统计观测值对正常行为模式的偏离程度来判断是否存在入侵.理论分析及仿真实验表明,提出的入侵检测技术可有效检测入侵,检测算法简洁高效,利于节能,适用于供能紧张的无线传感器网络.