局部放电在线监测电流传感器的等效电路及其参数计算

局部放电在线监测是保证电力设备正常工作的重要手段。从变压器理论出发 ,提出了局放脉冲电流传感器等效电路及其参数计算方法 ,所提出的方法已成功地应用于实际局放在线监测传感器的设计中     

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。     

基于区块链的地学大数据管理

随着地理观测技术、计算机网络和地理信息系统、社会调查统计的迅速发展,具有空间位置的自然环境数据正在急剧增长,上升到大数据级别。而传统的数据库已经无法满足现有地学大数据的规模和增长速度。在资源访问方面,人们更加担心数据安全与隐私保护问题。由于数据交易的双方和交易中介都是互不信任的,这显然不利于数据的共享与流通,将阻碍地学大数据产业的发展。常用地学数据管理系统主要由单一机构进行维护管理,在多方用户参与的情形下,由于无法信任数据库中的数据,每一方用户都需要一个专用数据库,这样不同数据库之间数据的差异将产生繁琐的争议。区块链的到来却给这一问题的解决带来了希望,区块链技术实现了不完全可信网络环境中的可信数据管理,具有去中心化、防篡改、不可抵赖、完整性等特性,从而为解决目前依靠中心或第三方机构存在的高成本低效率和信息安全问题提供了切实的方法。本文从区块链的共识机制、智能合约、身份验证、数据溯源等方面进行阐述,并重点分析区块链如何解决流通和共享数据的问题,让地学大数据真正得以广泛应用。     

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。     

基于Ptolemy Ⅱ的传感器网络建模与仿真

提出了一种基于传感器网络的目标定位系统的模型,利用PtolemyⅡ建模仿真平台完成该传感器网络目标定位系统的系统级行为描述,同时对该目标定位系统进行建模与仿真,分析了传感器网络目标定位系统的诸多影响因素,并对仿真模型进行了命中率性能测试。测试结果表明,传感器网络目标定位系统对于传感器节点的功耗及信息时间同步窗口具有敏感性,符合传感器网络目标定位系统应用特性,Ptolemy嵌入式系统级设计方法学对指导传感器网络系统设计具有重要意义。     

短消息传送GPS位置数据的高效数据压缩方法

车务管理信息化系统中需要将战车行驶中的运动位置数据通过移动短消息方式定时向管理中心传送。受短消息数据包容量的限制,每条短消息可携带的车辆GPS位置数据量有限。少量的GPS位置数据难以重现车辆运动轨迹,但频繁发送短消息,费用又较高。为满足车辆运行轨迹重现所需大量密集车辆位置数据的需求,提出了一种专用于车辆位置数据压缩传输方法,可使传送数据量提高30多倍,解决了频繁发送车辆位置短消息费用高的问题,已应用到车辆动用管理系统中。     

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。     

国外潜艇无人机系统的发展与作战使用

潜艇的优势在于隐蔽性和突击性.但是,潜艇的感知能力限制了潜艇性能的进一步扩展.潜艇无人机系统的出现为潜艇能力的扩展提供了一种手段.针对潜艇作战能力的需求,介绍了潜艇无人机系统的发展状况,分析了潜艇无人机系统的关键技术,并给出了潜艇无人机系统的两种作战使用方式.     

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     

基于神经网络信息融合技术的卫星定姿算法

姿态确定系统是卫星姿态控制系统中的重要组成部分,卫星姿态确定的精度直接影响卫星控制精度.为得到高姿态精度,针对由惯性测量单元(Inertial Measurement Unit),红外地平仪和太阳敏感器组成的卫星姿态确定系统,分别采用BP网络算法和径向基(RBF)网络算法对不同的姿态敏感器的输出数据进行融合,并用STK(Satellite Tool Kit)数据进行了仿真.仿真分析结果表明这两种学习算法均可以提高卫星定姿精度,相对而言,RBF网络无论是精度上还是收敛速度上均优于BP网络.