太阳能无线传感器网络节点传输功率策略优化

针对配备太阳能采集设备的无线传感器网络节点,以如何合理使用采集到的能量使得时间期限内点对点传输的数据量最大为优化目的,结合必要的约束条件（能量获取电池只有有限的能量存储能力以及能量因果关系）,建立了数据传输的能量通道优化模型,通过能量通道策略优化算法得到了最优传输功率策略。与当前普遍使用的能量即到即用方法进行了性能对比,仿真发现系统累积传输了更多的数据量,性能提升明显。在此基础上,考虑了实际太阳能获取量与预测值的偏差,提出了改进的能量通道算法,使得其更加适应于实际场景中。     

能量采集型无线传感器网络的高能效路由算法

在能量采集型无线传感器网络中,虽然有能量吸收,但是因能量依然非常珍贵,如何优化路由协议,提高能量利用率,延长网络寿命仍然是值得研究的问题.为求解高能效的路由,提出了一种采用遗传算法的高能效路由算法,建立考虑节点的吸收能量、剩余能量、消耗能量和浪费能量的适应函数,用遗传算法寻找全局最优路径.将该适应函数与3种其他适应函数作对比,其他3种适应函数分别为只考虑路径能耗最小的适应函数,考虑路径能耗与路径上节点的吸收能量、剩余能量的适应函数以及考虑路径能耗与网络中所有节点的浪费能量的适应函数.采用遗传算法解出4种路由,通过仿真分析可知,所提出的路由算法能量利用效率最高.     

基于压缩感知和最小二乘的分布式协作频谱感知

针对认知无线电(CR)集中式频谱感知算法对融合中心要求高,而且对节点失效的容忍性也不高等缺点,提出了一种基于压缩感知的分布式多节点协作算法.认知无线电网络中每个CR节点在接收信号频谱后,首先根据压缩采样理论在本地获取压缩采样测量值,然后利用l1范数约束的最小二乘算法在本节点估计频谱,把在此节点估计的频谱传给下一相邻节点,以此进行迭代优化直到算法收敛.理论分析和仿真结果表明,所提算法不仅计算复杂度低,收敛速度快,而且精确重构性能好,可靠性较高.     

卫星导航中XFAST捕获的降计算量去模糊处理算法

卫星导航系统中,采用扩展复制重叠法(Extended Replica Folding Acquisition Search Tech-nique,XFAST)对长PN码进行直接捕获时,粗捕后得到的对齐码相位存在重叠模糊度.为减少去模糊处理的计算量,提高捕获速度,提出了一种新的去模糊处理算法.新算法在得到粗捕对齐码相位结果后,先对本地码序列重新按照对齐相位进行排列、分段、段内循环移位等操作,然后进行段间叠加,再与接收码序列通过FFT-IFFT运算实现循环相关运算,从而确定对齐码相位所在的子码段,得到无模糊度的捕获结果.理论分析与仿真结果证明,该算法可以在分段叠加段数和子段长满足一定关系的条件下,在检测性能满足系统要求下,大大降低去模糊处理的计算量和操作时间,从而提高捕获速度.     

低采样率高分辨率压缩功率谱估计方法的仿真研究

低采样率的宽带功率谱估计在很多领域具有应用价值.采用压缩多核采样结构得到信号的压缩测量值, 然后建立测量值相关函数与信号相关函数之间的关系, 用最小二乘法实现相关函数估计, 最后实现功率谱的估计.该压缩采样方法的等效采样率为M/N·f_s, 可在没有任何对时域或频域稀疏性的假设条件下降低采样率.仿真分析表明, 该方法的系统噪声与加性噪声性能比周期图法略有降低, 但只要系统设计合理, 对于一定信噪比的信号, 系统噪声与加性噪声基本可以忽略, 并给出了对应的理论分析.估计分辨率与周期图法相比, 等效长度相同时略有提高; 由于本文方法降低了测量值的数目, 对于一定长度的数据来说, 估计分辨率得到了极大的提高.本文方法适用于低信噪比信号的低采样率高分辨率功率谱估计.     

GPS窄带干扰的压缩感知多级原子库估计

全球定位系统(GPS)窄带干扰抑制常用的方法是用频域变换估计干扰频带,然后用频率内插或外推滤波削弱干扰信号的影响.为缓解在干扰频带探测阶段较高的信号采样率和频域变换所带来的高计算量的压力,提出了一种新的利用多层级原子库进行窄带干扰频带估计的方法.分别研究了多种GPS窄带干扰在傅里叶基、原子库稀疏表示基下用压缩感知重构进行干扰频率估计的方法.用Monte Carlo仿真分析了不同的信噪比、搜索步长和测量值数目条件对压缩感知构造过完备原子库方法进行窄带信号频带估计效果的影响,验证了文中提出方法的有效性.理论分析表明:所提方法与传统频域变换方法相比,具有能够极大减少测量值与计算量的优点.     

一种优化的卷积神经网络调制识别算法

针对非合作接收条件下信号的调制识别问题,提出了一种基于循环谱特征和深度卷积神经网络的自动调制分类算法。该算法首先利用二值化、形态学操作等技术对循环谱数据集预处理,提高网络泛化能力;然后将数据集输入到卷积神经网络模型中,经过网络的特征提取实现分类识别。在网络中添加残差块网络增大感受野,提高特征提取能力。采用Dropout、优化函数等技术优化网络结构,防止训练过拟合。仿真结果表示,与传统方法和现有的一些深度学习调制识别方法相比,该算法在低信噪比条件下有更高的准确率,具有明显的抗噪声优势,是一个有效的调制识别算法。     

采用宽窄巷结合的LAMBDA解算方法的北斗多频差分定位技术

目前,常用的多频整周模糊度解算方法有TCAR(Three-Carrier Ambiguity Resolution)、CIR(Cascading Integer Resolution)和LAMBDA(Least-squares Ambiguity Decorrelation Adjustment)这3种.其中TCAR和CIR方法均利用载波相位的宽巷组合易于整周模糊度解算和窄巷组合可减小噪声的特点进行整周模糊度的解算.但是它们的整周模糊度解算性能相对于LAMBDA而言较弱,而且需要预设相关矩阵.针对这一问题,本文提出一种宽窄巷结合的LAMBDA整周模糊度解算方法用于北斗多频的差分定位.该方法在采用LAMBDA算法的基础上,充分利用宽巷组合和窄巷组合的特点,通过使用宽巷组合快速有效解算出的整周模糊度来约束窄巷组合求得的整周模糊度,以达到整周模糊度的快速准确解算的目的,同时通过窄巷组合定位模型的低噪声特点实现较高的定位精度,可有效的提高北斗多频差分定位中整周模糊度的解算效率和定位解算的精度.本文通过在北京航空航天大学楼顶的实际测试数据进行验证.结果表明,采用北斗三频进行定位解算时,宽窄巷结合的LAMBDA整周模糊度解算方法能在比窄巷组合收敛时间减小一半的情况下,实现与窄巷组合相同的3mm定位精度.     

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能,提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法.该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术,首先在压缩域中进行递归最小二乘运算,然后利用压缩感知重构算法得到未知参数向量的估计值.提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计.理论分析和仿真结果表明,该算法一方面降低了RLS分布式协同估计算法的计算量,另一方面保持较快的收敛速度与良好的均方误差性能.