基于高斯滤波的三维水声无线传感网络节点定位算法

针对水下环境中因各类干扰源导致的三维水声无线传感网络节点定位精度偏低问题,提出一种基于高斯滤波和拟牛顿法改进的三维水声无线传感网络节点定位方法.该方法基于水下声信号传输损耗(acoustic signal transmission loss,ASTL)模型,首先对传输损耗值(transmis-sion loss,TL)进行采样,其次进行高斯滤波处理,并将处理后的数据代入改进后的测距模型进行距离估计,最后结合多边定位方法,得到最小二乘解即未知节点的估计坐标.将位置方程组求解结果代入拟牛顿算法进行最优值逼近,得到接近实际值的解.仿真结果表明:该方法降低了节点测距的误差,测距结果优于传统测距方法以及基于PF、RF和KF等滤波的测距方法;在定位精度上,与ASTL-GWO、ASTL-SAPSO和ASTL-RQ-PSO定位算法相比,分别提高了约49％,31％和9％.     

一种降低NLOS误差影响的节点定位算法

针对基于测距的节点定位算法在非视距环境下定位精度较低的问题,文章从两个方面对其进行改进:将粒子群优化算法应用于节点定位,并对其参数设置和目标函数选取进行了改进;利用NLOS(Non-Line-of-Sight)测距信息对未知节点可能存在区域进行估计,缩小粒子搜索范围。仿真结果表明,在非视距环境下,改进算法的定位精度和稳定性有明显的改善,是一种可行的无线传感器网络节点定位的解决方案。     

基于半定松弛优化估计的无线传感网络定位

针对复杂环境下的无线传感节点位置定位精度的问题,提出一种基于无迹卡尔曼滤波的半定松弛优化估计（SC-SDP）算法,以实现无线传感器网络中节点位置的准确估计。文章基于半定松弛优化估计定位技术,建立系统模型并将其作为一个优化问题,通过寻找初始非凸目标函数的更低下界来重新阐述优化问题,将非线性和非凸问题分别松弛优化,得到次优化解;采用无迹卡尔曼算法过滤其噪声,获得一个可更准确地捕捉真实均值和协方差的滤波器,并且利用无轨迹转换使高斯输入信号精确到三阶,非高斯输入信号精确到二阶。大量的实验结果分析表明:SC-SDP算法在无线传感器网络的定位误差（RMSE）要优于GM-SDP算法、WLS算法以及CRLB算法的定位误差,提高了无线传感器网络的定位精度;半定松弛化算法的抗干扰性得到改善。     

基于能量UWSAN的最大似然目标定位

文章针对低信噪比下的水下目标定位问题,建立了水下无线传感器阵列网络,该结构包括多个分布式声传感器阵列,它适应于多模态信号处理,既可以利用目标的方位信息,又可以用能量信息.文中提出了用每个阵列接收到的信号能量作为参量完成目标定位并推导了基于能量的最大似然比目标定位方法.数值仿真表明:基于该结构的能量似然函数定位方法,可以有效估计目标的位置,并且比单阵元网络的定位性能和信息传输率上有了较大的提高,尤其是在低信噪比下情况下,可以大大减小估计的方差.     

一种基于博弈论的无线网状网络信道分配算法

为了解决无线Mesh网络中的信道分配问题,提出了一种基于博弈论的信道分配方法。该算法将网络中每一个节点模型实义为一个参与者,每个参与者的策略为信道的分配方案,收益函数的目标为最大化网络信噪比。参与者通过相互博弈来优化收益函数以最大化网络信噪比。针对节点的QoS提出了算法的改进方案。基于NS2的仿真结果表明:2种算法在收敛性、吞吐量和信道接入时延方面都有较好的性能。     

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。     

混合噪声下移动受限水声传感器网络自定位算法

现有的水声传感器网络定位算法需要信标节点辅助定位,测距噪声服从高斯分布,定位成本高,精度低,对此,提出一种混合测距噪声下基于最大后验概率的自定位算法. 首先对受限移动节点的移动模式进行建模以获取节点位置的先验信息,测量节点间距离并基于加性和乘性混合噪声构建似然函数,在贝叶斯框架下将节点位置的先验与似然信息进行融合,通过最大化后验概率得到定位目标函数;然后利用BFGS拟牛顿法对目标函数进行优化求解. 仿真结果表明,相比同类定位方法,所提方法无需信标节点,定位精度高,收敛速度快,且对测距噪声的变化具有鲁棒性.     

基于相交度比的无线传感器网络迭代定位算法

为提高免测距无线传感器网络节点定位算法的性能,针对免测距定位算法利用最小跳路径距离替代节点间欧氏距离,和信标节点近似共线引入较大定位误差的缺陷,提出基于相交度比的无线传感器网络迭代定位算法,首先利用定位单元拓扑分布质量函数选择1-跳邻居参考节点,组成高质量的定位单元;其次采用基于相交度比的距离计算估计距离精度;最后采用双曲线定位方法减少误差.仿真结果表明,在节点均匀随机部署,非均匀C-型分布的网络场景中,与DV-Hop、Amorphous等已有改进算法相比,新算法具有更小的定位误差,可提供更加精确的传感器节点位置.     

单目标多阵列子空间数据融合定位算法

传统的多站角度定位系统需要各站先估计目标到达方向角(DOA),然后估计目标位置,在低信噪比时往往会导致角度估计误差太大而无法定位。提出了一种单目标多阵列子空间数据融合(SDF)直接定位算法。该算法首先通过传统方法对各阵列输出数据进行自相关运算和特征值分解,得到各站的噪声子空间数据,再在监测区域内用量子粒子群算法搜索在各噪声子空间投影的和最小的位置矢量,估计目标位置。仿真实验表明,这种算法在低信噪比下较传统的交叉定位算法有更好的性能。     

一种高精度空间多载波测距新算法

根据空间精密测距的需求,由多载波最大似然传输时延估计算法的表达式,推导了其克拉美罗界;根据似然函数的形式,提出了一种迭代最大似然时延估计算法．计算机仿真结果表明,所提出的迭代时延估计算法收敛速度快,与使用穷搜索的最大似然方法相比,具有复杂度低的特点; 在信噪比为-10dB的恶劣条件下,同基于相位的多载波测距方法相比精度至少提高了2倍; 随着信噪比的增加,性能趋于克拉美罗界．     

基于时反-压缩感知的浅海目标DOA估计算法

浅海波导由于海底海面边界以及不均匀散射体的存在,使得其中声传播极其复杂,对信号处理造成了严重的干扰.本文针对浅海复杂环境下的多途效应对目标波达方向(Direction of Arrival, DOA)估计的不利影响,提出了一种基于时反-压缩感知(Time Reversal-Compressive Sensing, TR-CS)的目标DOA估计算法.该算法针对利用压缩感知(Compressive Sensing, CS)理论进行DOA估计时浅海多径对信道稀疏性的干扰,引入时间反转(Time Reversal, TR)理论对信号进行预处理,将时反处理后的信号再次送入信道,建立了基于时间反转理论的浅海目标DOA估计模型,利用时间反转理论的空时聚焦特性实现了对多途畸变的修正,并且以多径数目作为环境复杂度的度量,在不同复杂度环境下验证了该算法的有效性,最后分析了不同快拍数下该算法的性能.仿真结果表明:在低信噪比、小快拍的浅海条件下,时间反转理论的引入通过对接收信号的再次处理,虽然对计算量提出了要求,但是明显抑制了旁瓣杂波,提高了信道的稀疏性及阵列接收信号的信噪比,改善了复杂浅海环境下的DOA估计性能,并且在多途效应越为严重的环境中,性能提高越为明显.     

移动机器人Markov定位算法的研究——方向传感器建模新方法

为了改善移动机器人Markov定位算法中方向传感器模型的性能,提出基于高斯函数的新概率模型.该模型考虑了方向角周期性问题,对相位进行了转换,利用高斯函数对方向传感器进行了概率建模.将此模型放入Markov算法,与其他传感器组成观测模型,并进行对称环境中的单次定位仿真和复杂环境中的连续定位仿真.仿真结果表明,这种概率模型计算量小,收敛速度快,在大量测量噪声存在下工作稳定.     

局部传感器发射功率约束条件下部分相干检测融合方法

针对局部传感器发射功率约束部分相干检测融合问题,利用偏移系数极大化理论优化系统检测性能,建立了基于多址接入信道传输的多传感器分布式部分相干检测融合模型,该模型将融合中心处相位同步误差建模为服从吉洪诺夫概率分布的随机变量.将局部发射功率约束部分相干检测融合问题转化为一个非线性非凸优化问题,利用非线性优化理论,得到了问题的一维搜索闭合解.蒙特卡洛仿真结果表明:当环路信噪比大于等于10时,文中方法能在低信噪比和低虚警概率情况下显著提高融合系统对目标的检测概率,其检测性能优于传统的基于并行网络拓扑结构的最优似然比方法.     

基于Teager能量算子的语音激活检测

针对大多数语音激活检测(VAD)方法在低信噪比情况下性能急剧恶化的情况,提出了一种基于Teager能量算子(TEO)的语音激活检测方法.它能结合语音增强技术,应用Teager能量算子进行自适应门限判决.实验结果表明,在低信噪比的情况下,该方法能够随着环境自适应门限,具有较高的准确率和稳定性,简单有效.     

低信噪比下突发信号的检测方法

针对低信噪比环境下突发信号检测性能较差的问题,提出了一种基于功率谱倒谱的突发信号的检测方法．该方法首先采用倒谱的最大值作为检验统计量,并利用平滑窗对检验统计量进行平滑;然后,用K均值聚类算法对其分类判决,以区分出信号和噪声;最后,利用基于长度的三态转换给判定结果修正．仿真结果表明,在低信噪比环境下,所提方法具有较好的检测性能和较低的计算复杂度．     

Curvelet Transform-Based Denoising Method for Doppler Frequency Extraction

A novel image denoising method based on curvelet transform is proposed in order to improve the performance of Doppler frequency extraction in low signal-noise-ratio (SNR) environment. The echo can be represented as a gray image with spectral intensity as     

基于环境判别学习的高噪声命令语音识别系统

介绍了一种环境特征判别学习的Robust语音识别方法，该方法基于最小分类错误准则利用梯度下降法迭代地学习环境特征，实现了高噪声背景下命令语音识别系统。在不同级别背景噪声下，分别进行了有关信噪比、基本精度、抗噪能力以及系统对环境改变的适应性等实验。实验结果表明，系统在较高噪声背景下，有很好的识别效果，基本可满足应用领域的需要。     

非理想信噪比估计对Turbo均衡性能的影响

在信噪比估计非理想条件下,给出了一种简单的先验信息模型,使用外信息转移图分析了信噪比估计对基于线性最小均方误差的Turbo均衡系统性能的影响。所给示例表明:在-3~6 dB条件下,长帧的渐进性能对估计偏差并不敏感,而中短帧的不敏感区间则会大大缩小,系统仿真验证了分析的准确性,最后提出了一种新的结合先验信息的噪声方差估计算法,同时应用到Turbo均衡中,并通过仿真验证了算法的有效性。     

Effective DOA Estimation Under Low Signal-to-Noise Ratio Based on Multi-Source Information Meta Fusion

Efficiently performing high-resolution direction of arrival (DOA) estimation under low signal-to-noise ratio (SNR) conditions has always been a challenge task in the literatures. Obvi-ously, in order to address this problem, the key is how to mine or reveal as much DOA related in-formation as possible from the degraded array outputs. However, it is certain that there is no per-fect solution for low SNR DOA estimation designed in the way of winner-takes-all. Therefore, this paper proposes to explore in depth the complementary DOA related information that exists in spa-tial spectrums acquired by different basic DOA estimators. Specifically, these basic spatial spec-trums are employed as the input of multi-source information fusion model. And the multi-source in-formation fusion model is composed of three heterogeneous meta learning machines, namely neural networks (NN), support vector machine (SVM), and random forests (RF). The final meta-spec-trum can be obtained by performing a final decision-making method. Experimental results illus-trate that the proposed information fusion based DOA estimation method can really make full use of the complementary information in the spatial spectrums obtained by different basic DOA estim-ators. Even under low SNR conditions, promising DOA estimation performance can be achieved.