复杂目标的X—样条曲面拟合

在X－样条的算法及性质的基础上讨论了张量积X－样条曲面的算法及性质，并给出了张量积X－样条曲面在复杂目标拟合方面的应用。     

基于复杂网络特征的背包问题优化算法

根据复杂网络演化过程中的小世界现象及无标度特征,提出了基于复杂网络的背包问题优化算法。该算法基于无标度特征的背包问题形成优化空间,通过节点增长和加权节点度偏好连接,产生优化空间网络及其节点度分布;在该优化空间网络中,以小世界网络的聚类及小世界效应为基础,以节点度分布为先验知识,提出局部聚类、小世界效应、链集优化和节点寻优4个算子,实现网络节点连接优化。利用马尔科夫链的相关性质,证明了该算法的收敛性。针对具有相关性的0/1背包问题的实验结果表明,该算法解决组合优化问题是有效的。     

一种基于旋转最小-最大超盒的聚类算法

针对传统聚类算法无法解决复杂分布数据聚类的问题，本文提出了一种基于旋转最小-最大超盒的聚类算法。该算法首先对数据急归一化处理，然后借助旋转最小-最大超盒对样本空间进行划分，从而生成一系列的初始分类，最后利用类别间的可融合度概念将初始类别融合为最终的聚类。仿真结果表明，该算法在无需聚类数目的前提下，对复杂分布数据具有很好的聚类效果，其聚类性能与传统的FCA相比有极大的提高。     

任意理想导电目标的NURBS曲面建模与RCS预估

少量的NURBS参数曲面足够描述任意目标的几何形状,通过Cox-De Boor变换算法可将任意NURBS曲面拆分为Bezier曲面。针对NURBS曲面目标模型,提出了非常适合于工程应用的目标电磁散射建模方法。该方法使用CAD软件(如UG等)进行复杂目标几何建模,通过其IGES接口传递模型数据;应用驻相法计算Bezier曲面上的物理光学(PO)散射场积分,快速、准确地获得任意复杂目标的RCS;讨论了NURBS曲面目标几何建模及其RCS计算中的关键技术。最后通过算例验证了理论算法和计算程序的有效性。     

基于模糊聚类与非线性最小二乘法的径向基网络设计

针对径向基网络构造的关键，径向基函数中心位置的合理选取，利用改进的模糊聚类法给出了径向基网络中心的选择算法，并在此基础上结合非线性最小二乘法，提出了一种新的网络递推学习算法，这种学习算法充分利用径向基网络的二次信息，迭代地确定径向基函数的中心位置和 网络的权系数。通过运用于泵站特性曲面的拟合，证明了该算法的行之有效的。     

基于三维体质心的无线传感器网络节点定位算法

针对无线传感器网络中传感器节点初始位置未知的问题,提出一种基于三维体质心的分布式无线传感器网络节点定位算法.算法假设网络中有一定比例的锚节点(位置已知的节点),利用三维辅助坐标系,建立节点间的通信约束关系和空间几何关系,研究三维空间内包含未知节点的三维体构成方法,确定三维体的多个侧面和曲面来构成曲面三维体;为了减小算法计算量和网络能耗,寻找与曲面三维体对应的由多个侧面组成的平面三维体,通过确定平面三维体的质心来获得曲面三维体质心,从而把曲面三维体的质心作为未知节点的估计位置.该算法是一种完全基于网络连通性的分布式算法,算法设计简单,计算量小,节点间通信开销少.仿真结果显示,该算法适合于各种规模的无线传感器网络的节点定位.     

基于软约束模式的加权最小二乘节点定位算法

当节点初始坐标精度较差时,大多数基于负梯度搜索的最小二乘类迭代定位算法容易陷入局部最优,产生较大的定位误差.作者通过引入网络部署时先验的限制性条件,提出了一种基于软约束模式的加权最小二乘节点定位算法(SCLS).该算法根据2跳邻居节点问必须满足的最小和最大测距限制性条件,在加权最小二乘优化代价函数中引入惩罚项,迫使负梯度搜索往节点真实位置方向前进,从而提高定位算法精度.仿真实验结果显示,SCLS定位算法精度明显优于经典加权最小二乘定位算法.在测距误差较大或节点初始坐标精度较低情况下,SCLS算法具有良好鲁棒性.     

无线传感网中目标定位算法切换门限的仿真

在分析了传感器网络中现有定位算法的基础上,针对主动定位的多普勒法,提出了基于假设检验的运动性检测算法.该检测的目的是发现多普勒法的失效门限,为定位算法的切换提供依据.经仿真,发现假设检验算法能有效判断被定位目标的低速运动状态,其切换门限在1.5m/s左右,高于该速度门限的目标可以使用多普勒法,否则应该采用静止类定位算法.     

基于Tent映射的混沌混合粒子群优化算法

为改善基本粒子群优化算法的寻优性能,通过算法混合,在粒子群优化算法中逐步引入优进策略和混沌搜索机制,以加强粒子群的局部寻优效率和全局寻优性能。并将粒子分为两类,分别执行不同的进化机制,实现协同寻优,从而构建为一种新的混沌混合粒子群优化算法。标准测试函数的仿真优化结果表明,该混合算法对较大规模的复杂问题具有较强的求解能力。算法寻优效率高、全局性能好、优化结果稳定,性能明显优于标准粒子群优化算法以及遗传算法等单一的随机搜索方法。     

多约束下矩形件排样问题的混合求解算法研究

针对板材和玻璃下料过程中存在的矩形件排样问题,提出了一种基于分割匹配算法与改进蚁群算法的混合算法进行求解。建立了以最大化均方利用率和剩余加工时间为目标的排样优化模型;利用蚁群算法作为排样顺序算法确定部分零件的排样顺序以满足零件的加工时间限制,为了提高蚁群算法搜索效率,提出了自适应信息素更新策略,引入基于遗传变异和2-opt变异的混合变异策略来增强局部搜索能力。针对于零件在毛坯上位置的排布问题,为提高毛坯的均方利用率同时又满足一刀切约束条件,提出分割匹配算法进行矩形件排布优化。将改后的算法与其他优化算法用国际标准测试案例和企业实际案例进行对比分析,验证了所提混合算法的有效性。     

复杂环境下多探测传感器协同定位优化布站建模仿真研究

针对复杂环境下多探测传感器网络难以准确协同定位的问题,提出了一种多传感器协同定位优化布站方法。基于后验克拉美罗下界构建了目标定位精度几何稀释因子评价指标,考虑复杂外界环境,分析了起伏地形、杂波干扰和光照对传感器探测定位能力的影响。建立了多传感器协同定位优化布站模型,并采用智能优化算法进行快速求解。仿真实验结果表明：所提方法能够有效提高多探测传感器网络的协同定位能力,对多传感器协同优化布站具有指导意义。      

基于半监督流形学习的WLAN室内定位算法

针对无线局域网室内定位系统中,因参考点密集布设而带来的数据采集、更新及定位匹配运算量增加的问题,提出了一种新的基于半监督流形学习的降维判别嵌入定位算法。该算法利用少量已标记数据和部分未标记数据,通过求解目标函数最优化,对高维接收信号进行维数约减,保留最具判别力的定位特征,然后采用确定性定位算法找到定位特征与位置坐标的映射关系。实验结果表明,算法定位精度高于传统的定位算法,降低了离线阶段的数据采集工作量,便于后期数据库的实时更新。     

Distributed localization for anchor-free sensor networks

Geographic location of nodes is very useful in a sensor network. Previous localization algorithms assume that there exist some anchor nodes in this kind of network, and then other nodes are estimated to create their coordinates. Once there are not anchors to be deployed, those localization algorithms will be invalidated. Many papers in this field focus on anchor-based solutions. The use of anchors introduces many limitations, since anchors require external equipments such as global position system, cause additional power consumption. A novel positioning algorithm is proposed to use a virtual coordinate system based on a new concept--virtual anchor. It is executed in a distributed fashion according to the connectivity of a node and the measured distances to its neighbors. Both the adjacent member information and the ranging distance result are combined to generate the estimated position of a network, one of which is independently adopted for localization previously. At the position refinement stage the intermediate estimation of a node begins to be evaluated on its reliability for position mutation; thus the positioning optimization process of the whole network is avoided falling into a local optimal solution. Simulation results prove that the algorithm can resolve the distributed localization problem for anchor-free sensor networks, and is superior to previous methods in terms of its positioning capability under a variety of circumstances.     

空基外辐射源定位系统的观测站航迹优化

针对空基外辐射源定位(airborne passive coherent location, APCL)系统容易出现可观测性差、定位性能不稳定的问题,提出了观测站航迹优化算法以提高系统的定位跟踪性能。首先，建立APCL系统的二维运动学模型与量测方程,并选取系统可观测度和几何精度因子(geometrical dilution of precision, GDOP)作为优化指标,推导出航迹优化函数。然后，使用加权离散搜索优化算法控制观测站机动至最优观测位置,并以容积卡尔曼滤波(cubature Kalman filter, CKF)为工具,对目标和外辐射源进行定位跟踪。仿真结果表明,观测站采用航迹优化算法能大幅提高系统定位的稳定性,显著减小跟踪估计误差。     

空基外辐射源定位系统的观测站航迹优化

针对空基外辐射源定位(airborne passive coherent location, APCL)系统容易出现可观测性差、定位性能不稳定的问题,提出了观测站航迹优化算法以提高系统的定位跟踪性能。首先,建立APCL系统的二维运动学模型与量测方程,并选取系统可观测度和几何精度因子(geometrical dilution of precision, GDOP)作为优化指标,推导出航迹优化函数。然后,使用加权离散搜索优化算法控制观测站机动至最优观测位置,并以容积卡尔曼滤波(cubature Kalman filter, CKF)为工具,对目标和外辐射源进行定位跟踪。仿真结果表明,观测站采用航迹优化算法能大幅提高系统定位的稳定性,显著减小跟踪估计误差。     

Analysis of unmanned aerial vehicle navigation and height control system based on GPS

According to the characteristic of global positioning system (GPS) reflection signals, a GPS delay mapping receiver system scheme is put forward, which not only satisfies the unmanned aerial vehicle (UAV) guidance localization but also realizes height measurement. A code delay algorithm is put forward, which processes the direct and land reflected signal and outputs the navigation data and specular point. The GPS terrain reflected echo signal mathematical equation is inferred. The reflecting signal area, when the GPS signal passes the land, is analyzed. The height survey model reflected land surface characteristic is established. A simulation system which carries guidance localization of the UAV and the height measuring control through the GPS direct signal and the land reflected signal is designed, taken the GPS satellite as the illumination source, the receiver is put on the UAV. Then the UAV guidance signal, the GPS reflection signal and receiver’s parallel processing are realized. The parallel processing reduces UAV’s payload and raises system’s operating efficiency. The simulation results confirms the validity of the model and also provides the basis for the UAV’s optimization design.     

Cooperative localization against GPS signal loss in multiple UAVs flight

Based on multiple unmanned aerial vehicles(UAVs) flight at a constant altitude,a fault-tolerant cooperative localization algorithm against global positioning system(GPS) signal loss due to GPS receiver malfunction is proposed.Contrast to the traditional means with single UAV,the proposed method is based on the use of inter-UAV relative range measurements against GPS signal loss and more suitable for the small-size and low-cost UAV applications.Firstly,for re-localizing an UAV with a malfunction in its GPS receiver,an algorithm which makes use of any other three healthy UAVs in the cooperative flight as the reference points for re-localization is proposed.Secondly,by using the relative ranges from the faulty UAV to the other three UAVs,its horizontal location can be determined after the GPS signal is lost.In order to improve an accuracy of the localization,a Kalman filter is further exploited to provide the estimated location of the UAV with the GPS signal loss.The Kalman filter calculates the variance of observations in terms of horizontal dilution of positioning(HDOP) automatically.Then,during each discrete computing time step,the best reference points are selected adaptively by minimizing the HDOP.Finally,two simulation examples in Matlab/Simulink environment with five UAVs in cooperative flight are shown to evaluate the effectiveness of the proposed method.     

基于TDOA/AOA混合的高精度室内可见光定位算法

为了提高室内三维空间的定位精度,提出了一种基于联合到达时间差与到达角度(time difference of arrival/angle of arrival,TDOA/AOA)信息的混合定位算法。由于构建的目标函数具有非凸性,采用传统定位算法在目标函数求解过程中会出现局部最优解的问题。因此,针对该问题,将目标函数转成二次约束二次规划问题,通过引入半定松弛(semi-definite relaxation,SDR)方法将目标函数转换为二阶锥规划(second order cone programming, SOCP)问题,寻找全局最优解。其次,针对SOCP无法对凸包外的目标进行有效定位的问题,在该算法的基础上引入了惩罚项,使松弛后的约束条件进一步逼近原始约束条件,解决了定位过程中的凸包问题。数值仿真结果表明:在10 m×10 m×3 m的三维定位空间内,选取40×40个测试点,平均定位误差为1.39 cm,可实现室内三维空间高精度定位。与传统的混合定位算法相比,均能够获得较高的定位精度。     

基于TDOA的无人机集群协同单目标定位

无源定位作为现代信息化战场中电子侦察的重要技术, 可以在自身不辐射电磁波的情况下实现对敌方目标的精确定位。以高灵活性、高安全性的无人机(unmanned aerial vehicle, UAV)集群为接收站, 研究基于到达时差测量的辐射源定位方法。作为高机动平台, UAV集群的位置误差更大, 基于该情况对Chan算法、Taylor算法进行改进, 并提出了一种粒子群泰勒协同的解算方法。与其他方法的定位结果进行对比, 仿真结果表明所提的方法定位精度接近克拉美罗下界(Cramer-Rao lower bound, CRLB), 解决了Taylor算法的初值问题。     

基于RTI双重构的免携带设备目标无线定位

免携带设备定位是利用目标对无线通信链路产生的阴影衰落来估计目标的位置。针对现有算法定位精度有限、计算复杂度高等问题,在无线层析成像(radio tomographic imaging, RTI)的基础上提出了基于双重构的定位算法。该算法利用正则化快速重构的特点,首先对目标进行初步的定位;其次将粗定位区域进行像素精确划分,同时利用链路选择法减少链路个数,降低算法复杂度;最后提出补空间稀疏度自适应匹配重构算法,将目标位置转化为稀疏信号重构问题,完成定位。实验仿真结果表明,与基于RTI的单重构定位算法相比,所提双重构算法能达到较好的定位精度,且实时性更高。