大规模WSNs多层定位模型与误差分析

 针对大规模无线传感器网络的定位问题,提出了一种多层定位模型.首先根据网络中节点的不同应用与软硬件特性将节点划分为多个定位层次,并按照各层次的特性设计相应的定位算法,然后融合各定位层次为整个无线传感器网络的定位.分析研究了各层的定位误差以及层与层之间的误差传播和积累,并给出了降低这些误差的方法.仿真结果表明,分层定位模型能较好地处理误差积累问题,对节点定位误差和测距误差具有一定的容错性,在通信级节点点位误差为0.05、RSSI测距误差为0.3的情况下,相比DV-Hop算法平均点位误差减小16%.     

基于移动代理的WSN压缩数据采集方法研究

为降低网络传输量、延长网络生命周期,提出了一种基于移动代理的无线传感器网络(WSN)压缩数据采集方法,将压缩感知更有效地应用到WSN的数据采集过程中.所提方法根据测量矩阵中的信息对网络中的节点进行分组投影,增加了单次投影的节点数量,自适应地将这些节点划分区域,并派遣移动代理进行分区采集,通过一种基于树的贪婪策略得到移动代理的最优访问路径.仿真表明,所提方法对比SPT(Hybrid-CS)、MSTP和MA-Greedy算法在网络传输量和能耗均衡度上的性能均有显著提升.由此,提出的算法可以有效降低网络通信量,均衡能耗负载,同时缓解测量次数对网络整体能耗的影响.     

基于个体相似度的双种群遗传算法

针对标准遗传算法搜索精度低、容易陷入局部最优解的缺陷,提出一种基于个体相似度的双种群遗传算法。将竞争算子和第二个种群引入标准遗传算法中,在主种群内部利用海明距离计算个体之间的相似度,进行种群内部竞争,保留"种子"个体,而与其相似的个体参与种群之间的交流,从而保持种群多样性。使用经典测试函数对该算法进行了仿真实验,结果表明,该算法能有效抑制"早熟"现象,其全局搜索能力和搜索效果都有了明显的提高。     

多节点协作迭代求精的WSNs加权质心定位算法

为解决无线传感器网络中质心算法对锚节点密度要求较高和定位精度过度依赖锚节点分布的问题,提出了一种多节点协作迭代求精的WSNs加权质心定位算法.该算法采用加权质心估算初始坐标,以请求二跳锚节点的方式增加可用锚节点,由锚节点以多边测距方式估算待定位节点的实际坐标与估算坐标的差值,迭代调整估算坐标,提高定位精度.实验结果表明,与普通加权质心算法相比较,该算法具有更高的定位精度和定位覆盖度.     

一种线型无线传感器网络部署策略

根据矿井线型环境下传感器节点的定位需求,提出一种K(K=3)重覆盖无线传感器网络部署策略,该策略通过使用等腰三角形分区覆盖和传感器节点分组的方法,解决了矿井线型环境下的K重覆盖和网络能耗均衡问题。仿真实验表明,该策略使用较少的分组实现了预定的覆盖度要求,并通过组内节点数的不均匀部署保证了网络能耗的均衡性,与组内节点数均匀部署相比,其网络生命周期提高了53.64%。     

深度残差神经网络高分辨率遥感图像建筑物分割

针对高分辨率遥感图像建筑物分割问题,提出一种Encoder-Decoder的深度学习框架,建立输入图像到分割结果之间的端对端的分割模型。其中Encoder以残差网络为基础,自动提取建筑物的特征;Decoder采用反卷积实现对特征图的上采样,从而完成对建筑物的分割;同时引入批量规范化处理,降低了神经网络权重训练过程中的梯度竞争,从而减小了神经网络的训练难度。实验表明:提出的建筑物分割算法能有效提取建筑物的块状特征和边缘信息,降低复杂道路等干扰的影响,提升建筑物的分割精准度,算法对邻近复杂道路的建筑物、规律性建筑物、单体复杂建筑物等3种典型建筑物的分割精度分别为：0.837、0.892和0.630;F值分别为：0.851、0.879和0.730。同时,多分辨率条件下的分割实验结果表明,该算法对于一定范围内的多分辨率遥感图像具有较好的泛化能力。     

动态场景红外图像的压缩感知域高斯混合背景建模

针对动态场景下红外图像的背景模型构建问题,提出一种基于压缩感知（Compressed sensing,CS）域高斯混合模型（Gaussian mixture model,GMM）的背景建模方法.该方法不是对图像中的每个像素建立高斯混合模型,而是对图像局部区域的压缩感知测量值建立高斯混合模型.1）通过提取红外图像轮廓的角点特征,估计相邻帧图像间的相对运动参数以对图像进行校正与配准;2）将每帧图像网格化为适当数目的局部子图,利用序列图像构建每个局部子图的压缩感知域高斯混合背景模型;3）采用子空间学习训练稀疏字典,通过子空间追踪对可能含有目标的局部子图进行选择性稀疏重构;4）通过背景减除实现前景目标检测.以红外图像数据集CDnet2014和VIVID PETS2005进行实验验证,结果表明:该方法能建立有效的动态场景红外图像背景模型,对成像过程中所受到的场景动态变化、背景扰动等具有较强的鲁棒性,其召回率、精确率、F-measure等性能指标及处理速度较之于同类算法具有明显优势.     

引入加权系数消除ICI的二次快时变信道估计算法

针对高速移动环境下由多普勒频移引起的子载波间干扰（inter-carrier interference,ICI）,提出一种引入加权系数消除ICI的二次快时变信道估计算法。该算法进行两次信道估计,第一次估计用于提供信道状态信息,在保证符号率的前提下消除ICI,第二次估计在ICI消除的情况下进行,可以提高信道估计精度;并对简化的并行干扰消除（parallel interference cancellation,PIC）算法进行改进,基于最小均方误差准则引入加权系数,使得ICI消除后的残余误差最小。仿真结果和理论分析达到很好的一致性,当信道信噪比为0 dB时,归一化均方误差（normalized mean square error,NMSE）性能增益最大约为0.0714,提高了快时变信道估计的精度。     

煤矿井下线型无线传感器网络节点定位算法

针对煤矿井下线型无线传感器网络节点定位精度较低的问题,提出了基于RSSI(接收信号强度指示)的对角差分修正定位算法。该算法在对线型无线传感器网络节点定位的横向和纵向误差进行分析的基础上,首先利用差分原理对测量距离进行修正,并使用极大似然估计法进行初步定位;然后应用信标节点构建煤矿井下巷道模型,在该模型下对移动节点进行横向修正。仿真结果表明,该算法较传统的极大似然估计算法具有较高的定位精度和稳定性,适用于煤矿井下线型无线传感器网络节点定位。     

ARAIM技术研究进展

随着多星座卫星导航系统和双频技术的发展,高级接收机自主完好性监测（ARAIM）技术应用于更高阶段的精密进近成为可能。首先介绍了与 ARAIM 相关的 3 个重要内容：完好性性能要求、完好性支持信息、威胁类型及缓解方法。然后,对ARAIM国内外相关技术研究进行了综述,从故障分类、星座配置和ARAIM可用性及其预测3个方面。最后,结合ARAIM现阶段的发展,对未来的研究进行展望。