无线移动传感器网络的分布式目标跟踪算法

为了满足无线移动传感器网络(WMSN)的目标跟踪应用要求,提出了一种分布式目标跟踪算法,可使用节点引导保证WMSN的网络动态连通性;在传统分布式数据融合体系结构的基础上结合平均一致性滤波器实现了低通信开销的优化分布式数据融合．仿真结果表明,该算法在WMSN中目标跟踪效果良好,且数据融合性能优于传统分布式数据融合算法．     

认知无线电网络中基于检测概率的主用户定位算法

为了解决认知无线电网络中次用户对主用户进行定位的问题,提出了一种加权最小二乘的迭代定位算法。采用两状态马尔可夫模型作为主用户头像模型,能量检测作为次用户的感知模型。该算法可以在不干扰主用户正常工作的情况下,利用次用户之间的合作感知结果进行定位,并估计出主用户的三维地理位置位置信息。提出了一种可以降低定位算法复杂度的简化算法。通过对定位问题进行了理论分析,求出了均方误差的Cramer-Rao理论下界。仿真结果表明,算法的均方误差非常接近理论下界,能有效地估计主用户的三维位置信息,提高定位精度。     

基于节点认证的物联网感知层信息安全传输机制的研究

文章分析了传统物联网信息传输系统在感知层的信息传输的安全问题,应用MD5等算法在采集端点与信息采集节点之间以及信息采集节点与隔离保密节点之间增加身份认证和加密机制,实现感知节点的身份认证和信息加密,使物联网感知层的信息传输更加安全和可靠。     

一种双网络架构的煤矿监控系统

针对煤矿井下环境复杂和矿井检测节点、检测参数种类众多的情况,提出了一种双网络架构的煤矿监控系统。该系统根据监控对象的不同,采用不同的网络进行数据传输,视频流数据采用以太网传输,矿井环境监控数据采用CAN网传输;双网络共用同一条物理线路,具有所有监测对象整体组网、统一检测、网络利用率高等优点。     

基于近场聚焦波束形成方法的声场定位研究

海洋环境中的声场定位,是水声学研究领域中的一个经典问题,尤其是用于海区警戒来监听敌方潜艇的近场定位问题.以往的近场定位研究,通常使用线列阵模型,利用常规聚焦波束形成方法进行定位处理,不仅出现了“左右舷模糊”问题,而且对信号定位不甚理想.为此提出基于半圆阵的四阶累积量MUSIC近场聚焦波束形成算法.通过仿真比较了多种聚焦波束形成在近场线列阵和圆阵条件下的定位性能,结果表明,半圆阵成功地解决了直线阵列出现的“左右舷模糊”问题,基于四阶累积量的MUSIC近场聚焦波束形成可以达到更为平滑的背景以及较小的旁瓣级,定位性能明显优于基于MVDR算法的聚焦波束形成高分辨率被动定位方法.     

无线网络通信中离群失联节点定位仿真分析

无线网络节点中的离群失联节点在进行通信时信号质量不稳定,需要对离群失联节点进行准确定位,以提高无线网络通信质量.离群失联节点的信号特征与正常节点的信号特征相比有很大差异,传统的定位方法,在进行定位时需要将离群失联节点的信息都传送到参考节点才能得到定位信息,对于参考节点的依赖程度较大,导致定位的准确度和速度都较低.提出一种概率离群失联节点定位方法.对节点之间的距离进行测量,测量结果符合高斯函数,能够利用概率密度函数来描述,通过求解概率密度最大值,能够实现离群失联节点定位,避免了传统定位方法的弊端.实验证明,利用改进的离群失联节点定位方法,能够快速准确的对离群失联节点进行定位,定位准确率较高.     

有向传感网络中通信节点分类方法研究与仿真

研究有向传感网络通信节点的分类优化问题.网络通信节点众多,在很多属性上有着较强的相似性.传统的通信节点分类方法多是运用属性上的相似性进行分类,没有考虑通信节点的传播方向,有向传感网络中的通信节点分类忽略了传递方向,造成分类过程较为粗糙,结果不准.为了避免上述传统算法的弊端,提出了一种基于密度自适应粒子群算法的有向传感网络通信节点分类方法.利用信息熵方法能够建立自适应粒子群,并且对粒子群中的粒子进行更新,保证粒子群的多样性,提高通信节点分类算法的局部寻优能力,从而完成有向传感网络的通信节点分类.实验结果表明,利用改进算法进行有向传感网络的通信节点分类,能够提高分类的准确性,从而满足实际有向传感网络的需求.     

Survivability-oriented optimal node density for randomly deployed wireless sensor networks

The survivability is usually critical for wireless sensor networks,which are often deployed in the unattended harsh environment.Lots of technical schemes to improve the survivability depend on the redundant resources of the sensor networks.The amount of resources is usually determined by the node density during the deployment phase.For the random deployment and random node failures,the quantitative relation between the survivability and the node density is studied.Based on the conditional survivability,the node density to meet the required survivability level is presented.Finally,the survivability for unpredictable failures and the optimal node density to maximize the price–performance ratio are also discussed.     

基于点线特征融合的视觉惯性SLAM算法

针对目前视觉SLAM方法鲁棒性差、耗时高,使系统定位不够精确的问题,提出了一种基于点线特征融合的视觉惯性SLAM算法。首先通过短线剔除和近似线段合并策略改进LSD（line segment detection）提取质量,以提高线特征检测的速率和准确度;然后在后端优化中有效融合了点、线和IMU数据,建立最小化目标函数进行优化,得到更精确的相机位姿;最后在EuRoC数据集和现实走廊场景进行了实验验证。实验表明,所提算法可以有效提升线特征提取的质量和速度,同时有效提高了SLAM系统的定位精度,获得更为丰富的点线结构地图。     

语义线特征辅助的动态SLAM

动态环境干扰是视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）领域内一个亟待解决的问题,场景中的运动对象会严重影响系统定位精度。结合语义信息和几何约束更强的线特征辅助基于传统ORB特征的SLAM系统来解决动态SLAM问题。首先采用深度学习领域的优秀成果SOLOv2作为场景分割网络,并赋予线特征语义信息;完成物体跟踪和静态区域初始化后,使用mask金字塔提取并分类特征点;再使用极线约束完成动态物体上点线特征的剔除;最后融合静态点线特征完成位姿的精确估计。在TUM动态数据集上的实验表明,提出的系统比ORB-SLAM3的位姿估计精度提高了72.20％,比DynaSLAM提高了20.42％,即使与近年来同领域内的优秀成果相比也有较好的精度表现。