基于干涉效应的无线传感器节点定位方法

针对无线传感器网络中节点定位的需求,提出了一种基于干涉效应的传感器节点定位算法。该方法仅需要利用节点的硬件设备,不需要增加额外的测量设备,各个节点独立进行自身位置估计,实现分布式定位。首先在传感器网络中设置若干个位置已知的网关锚节点和参考接收节点,不同位置两个网关锚节点在某个时隙内发射单音信号,就会在整个定位区域内形成一个干涉效应场。而各个待定位节点通过测量接收的到的干涉信号振动周期数就可以得到自身与各个网关节点距离差。通过多组锚节点分时隙发射单音信号,并配合参考接收节点,通过双曲线定位算法得到自身的坐标。通过对算法进行仿真分析,验证了算法的可行性。     

RSSI理论下无线传感器网络节点定位算法探究

节点定位作为无线传感器网络的一个基础性问题,同时随着微处理技术、网络通信技术、嵌入式计算技术以及传感技术的快速发展和日臻完善,具有超强感知能力、通信和计算能力的无线传感器网络节点的定位技术开始越来越多地受到人们的关注.本文在这一背景下提出了一种基于接收信号强度指示的无线传感器网络节点的自身定位算法即RSSI算法.全文从RSSI算法的介绍谈起,然后对RSSI算法的误差进行了细致的分析,最后就改进的RSSI算法作了详细的说明.     

无线传感器网络节点定位技术综述

无线传感器网络在许多领域有着重要的科研和使用价值,网络中传感器节点自身定位可为无线传感器网络的很多应用提供基础信息,是重要研究方向之一.从无线传感器网络节点定位技术的研究意义与应用价值出发,介绍了节点定位技术的基本原理与方法,并讨论了定位算法的评价标准,最后对节点定位技术的发展方向进行了展望.     

基于DV-Hop的RSSI-Hop算法

在无线传感器网络中,监测到时间之后关心的一个重要问题就是该事件发生的位置。传感器节点能量有限、可靠性差、节点规模大且随机布放、无线模块通信距离有限,对定位算法和定位技术提出了很高的要求。针对随机布放、节点配置低的无线传感器网络,提出一种新的RSSI-Hop定位方法,该方法可以在不增加硬件开销的基础上,有效降低节点能量消耗,较准确地估算未知节点到参考节点之间的距离,减少累积误差,提高定位的准确性。其主要思想是,节点信息根据RSSI强弱,估算各节点到信标节点之间的距离。实验表明,新算法比以前的算法定位更准确。     

基于RSSI的无线传感器网络距离修正定位算法

节点自身定位是无线传感器网络目标定位的基础。无线传感器网络节点定位算法包括基于距离和距离无关两类。其中基于RSSI的定位算法由于实现简单而被广泛使用,但RSSI方法的测距误差较大,从而影响了节点定位精度。提出了一种基于RSSI的无线传感器网络距离修正定位算法。该算法通过RSSI测距,计算近似质心的位置,以此为参考点进行距离修正,然后确定节点的位置。仿真结果表明该算法可以提高节点定位精度。     

复杂生物传感网络的节点优化定位模型仿真

根据复杂生物传感器网络节点的定位和数据监测的需要,构建生物传感网络的模型,设计了基于强跟踪滤波的集中式扩维量化融合算法.该算法采用预加重方法补偿节点之间的系统功率衰减,通过动态跟踪信号功率的变化,得到传感器融合中心最终的节点定位状态信息矩阵;通过强跟踪滤波,提高抗干扰能力,实现传感网络节点定位模型改进.结果表明,采用该算法进行复杂生物传感网络节点定位,能有效提高节点定位的准确性,定位误差较小,定位时间较快,稳健性和抗干扰性较好.     

多节点传感器协同探测技术综述与展望

单个传感器受到战场视角、目标机动、环境影响等因素限制,难以连续有效获取目标高精度位置信息。多个节点平台利用宽带通信网络,建立多传感器协同的战场环境感知能力,可解决单一传感器定位时间长、定位精度较低、连续跟踪性能较差等问题。介绍了多节点协同探测概念及模式,综述了多节点雷达协同、无源探测协同、光电/红外协同以及异构传感器协同等不同类型协同模式的处理算法研究现状,分析了不同方式下的协同处理流程及效能,最后给出多节点传感器协同探测技术发展趋势及展望。     

DV-Hop节点定位算法研究与改进

在节点随机分布的无线传感器网络中,DV-Hop定位算法存在较大的误差。针对DVHop在智能停车场中定位精度不足的缺点,通过研究信标节点间估计距离和真实距离的误差,提出了改进的算法。改进后的算法修改了网络的平均跳段距离和未知节点坐标的估计范围,并用双曲线法取代了三边定位法,采用Max方法布置信标节点,克服了原算法在智能停车场定位中误差较大的缺点。     

基于无线传感器网络的火灾现场定位技术研究

针对目前由消防人员在火灾环境中进行侦察工作的危险性,将无线传感器网络技术应用于消防系统,用具有耐热特性且对温度具有敏感的感知能力的微型传感器在火场中组网,利用DV-hop算法对传感器节点定位,并结合节点处温度变化情况,实现对火场环境的实时监控.经分析得知,基于无线传感器网络的火灾现场定位技术具有很好的可实现性.     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

智能室内定位系统研究

针对现阶段室内定位系统定位精度有限、规划管理困难、系统封闭交互性差等问题,在分析室内定位系统的目标场景和主要定位技术的基础上,提出了一种智能定位系统方案。该智能定位系统通过融合算法实现多种定位技术相结合的高精度定位。结合数据分析和仿真技术实现定位场景的识别,定位系统软硬件规划及定位算法的管理和优化。通过设计开放接口实现定位系统内数据与系统外部应用之间的数据交互,解决定位系统封闭、定位应用不丰富的问题。     

利用时变噪声贝叶斯卡尔曼滤波的室内移动目标定位

基于射频识别的指纹滤波定位技术是当前室内定位中常使用的技术之一。针对该技术存在的卡尔曼滤波算法不能准确适应环境噪声变化,致使定位精度不高的问题,提出了一种适应时变噪声的贝叶斯卡尔曼滤波算法。所提算法结合Sage-Husa滤波模型和贝叶斯模型,实现了过程和测量协方差矩阵的最优化,有效地降低了噪声,提高了指纹滤波定位的精度。实验结果表明,与变分贝叶斯卡尔曼滤波和Sage-Husa滤波相比,无障碍情况下,基于改进算法的定位精度提高了6%以上;有障碍干扰下,则提高了14. 6%以上。     

雷达目标互易性的Frobenius范数修正法

针对雷达目标互易性修正问题,研究了目标极化散射矩阵的Frobenius范数修正法.阐述了Frobenius范数修正法的物理涵义和应用背景,利用拉格朗日乘子法研究了Frobenius修正散射矩阵的求解问题,证明了其与Cameron修正散射矩阵相差一个正标量因子,同时证明了Frobenius范数修正法的局部最优性和唯一性,最后通过仿真实验比较了两种修正算法的性能,验证了文中的结论.     

基于传播算子的卫星导航系统干扰源直接定位方法

针对现有单星定位技术精确度不足问题,提出一种基于传播算子的卫星导航系统干扰源直接定位方法,解决现有技术无法快速有效地定位中高轨卫星干扰源的问题。对卫星接收信号建模,计算每个时刻的接收信号协方差矩阵,通过对协方差矩阵分块,计算得到传播算子,进而得到导向矢量正交投影子空间的估计;然后建立损失函数,通过搜索得到干扰源位置估计结果。理论分析和仿真结果证明,该算法在复杂度大大降低的同时,定位精确度与传统基于多重信号分类(MUSIC)的直接定位算法相当,远优于现有的测向定位技术,具有重要的工程应用价值。     

一种改进的无线传感器网络节点定位技术

无线传感器网络节点自身定位至关重要,在军事和民用领域中有着广泛的应用前景。文中针对传统的网络定位算法。提出的改进算法实验结果表明,算法能够有效地对节点进行定位、减少了误差率。     

多层递推小波算法及其在计算电磁学中的应用

本文给出了一种快速的多层递推小波算法,它能有效地求解由小波展开而获得的稀疏矩阵方程,这种算法利用小波展开的阻抗矩阵的多分辨率表示,将原来的稀疏矩阵方程转化为多个小型矩阵方程进行求解,从而节省求解方程的时间.在本文中,我们以求解二维散射问题为例,将这种算法用于计算电磁学中,数值结果表明该算法比通常的小波算法更快速有效.     

改进的实对称阵特征值分解并行化算法

实对称阵特征值分解在阵列信号处理中有十分重要的作用,例如波达方向估计技术中的MUSIC算法的主要计算量就是在对接收矢量的协方差矩阵进行特征值分解,因此采用并行化算法有重要意义。分析MUSIC算法的硬件实现特点后,提出了一种实对称矩阵特征值分解的并行化算法。采用该算法硬件实现时,并不增加计算复杂度,且计算机仿真结果表明在相同精度要求下,该算法的效率比常用算法明显提高。     

基于改进指纹聚类的WLAN定位优化方法

将K-means聚类算法应用到无线局域网（WLAN）位置指纹定位中,虽然可以缩短定位时间,但是容易降低定位精度。为了解决此问题,提出了基于改进指纹聚类的WLAN定位优化方法。首先根据接收信号强度标准差来优化初始聚类中心的选取,然后对指纹数据进行聚类处理,最后进行在线定位。实验结果表明,与传统的WLAN位置指纹定位方法和K-means聚类定位方法相比,基于改进指纹聚类的定位优化方法不仅缩短了定位时间,还能有效提高定位精度。     

Algorithm for cosine transform of Toeplitz matrices

An algorithm for calculating the 2D cosine transform of a Toeplitz matrix is presented. The algorithm is based on the application of 1D cosine transforms. More specifically, four 1D cosine transforms of size N are needed to obtain the transform of a Toeplitz matrix of size N×N. This is an improvement over previously published algorithms. The algorithm is also simple and regular     

Belief propagation decoding of Reed-Solomon codes; a bit-level soft decision decoding algorithm

In this article we propose the application of Belief Propagation (BP) algorithm as a novel bit-level soft decision decoding (SDD) technique for Reed-Solomon (RS) codes. A brief tutorial on Belief Propagation algorithm is presented. A central issue in the application of BP algorithm to decoding RS codes is the construction of a sparse parity check matrix for the binary image of the code. It is demonstrated that Vardy's technique may be applied to find a sparse parity check matrix for RS codes. However, this technique is not applicable to all cases. The BP algorithm is applied to two test codes. In one case, simulation models show that the BP algorithm outperforms the hard decision Euclidean decoding by more than 2 dB of additional coding gain. The results with the second test code are not as promising.