基于假设检验的NLOS确定及最小残差定位算法

针对室内非视距传播会降低定位精度的情况,提出基于假设检验的NLOS确定算法,并在此基础上提出基于粒子群优化算法的最小残差定位算法.通过联合信号接收强度模型和到达时间模型,利用假设检验的方法确定当前信号是否受到非视距污染.仿真结果表明,与标准差分析法相比,所提出的方法具有计算量小、不需要太多的传播模型参数等特点,具有较高的正确率.在确定信号传播环境后,在非视距干扰比较严重的情况下,提出了基于粒子群优化算法的最小残差定位算法,定位精度优于加权最小二乘法和Fang氏算法.     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

一种基于抗差自适应的交互式多模型定位算法

针对无线传感器网络研究中距离信号传播过程存在的非视距现象，假定无线网络中的视距和非视距信道切换是一种具有两种状态的马尔可夫过程，提出了一种基于抗差自适应的交互式多模型算法，基于蜂窝网络到达时间和信号衰减值，利用抗差自适应扩展卡尔曼滤波器平衡交互式多模型中马尔可夫链的模式信任平衡，得到蜂窝网络中相应基站和移动站之间的平滑距离。仿真结果表明，在相同程度的非视距效应的环境下此算法具有良好的定位精度和稳健性，相较于基本交互式多模型算法其定位精度可提升15%以上，且随着非视距效应程度加深，其定位精度可提升至25%。     

基于极坐标特征的改进模糊C-均值虹膜定位算法

针对非理想情况下虹膜图像定位失败的问题,提出一种新的虹膜定位算法.该算法先使用基于极坐标特征的改进模糊C-均值算法对虹膜外圆半径进行粗定位,再采用圆周差分法对外圆参数进行准确计算.该算法通过使用极坐标作为聚类特征及放宽模糊聚类的聚类条件,提高了虹膜定位算法的鲁棒性.实验结果表明,该方法有效提高了非理想情况下虹膜图像的定位精度.     

多尺度区域特征的细粒度分类算法研究

为了避免复杂背景对精细目标分类的影响,充分利用卷积神经网络提取的目标全局和局部信息进行细粒度任务的研究,提出了一种多尺度区域特征的细粒度目标检测与分类算法.该方法先使用FASTER-RCNN框架训练3个尺度区域的卷积模型进行多尺度目标区域定位,对定位的结果进行包围盒约束和海伦约束以优化提高定位的精确度,然后将提取多个尺度区域的特征进行组合,并用支持向量机训练细粒度分类器.在Caltech-UCSD鸟类数据集和Comp Cars车型数据集上进行实验测试.实验结果表明该算法在Caltech-UCSD鸟类数据集的分类正确率达到82. 8%,比没有使用多尺度区域特征的分类算法提高了7. 5%,比基于部件的分类方法提高了8. 9%;在Comp Cars车型数据集的分类正确率达到93. 5%,比没有使用多尺度区域特征的分类算法提高了8. 3%,比最优的Google Net精细目标分类算法提高了2. 3%,验证了该算法的有效性.     

水声信号的调制方式识别

研究了不同水声信道环境下不同调制方式的水声信号识别算法。该算法利用双谱计算信号的双谱矩阵,并对双谱矩阵进行特征值特征向量分解,将分解得到的最大特征值对应的特征向量作为特征量。文中选取不同水声信道传输的样本信号计算其特征量,将待识别信号的特征量与样本信号的特征量做内积运算,将最大内积值对应的调制方式作为待识别信号的调制方式。实验仿真结果表明,该算法较好地实现了不同信道环境下的水声信号分类识别,在高信噪比条件下能达到90%以上的识别率。     

基于内容的垃圾电子邮件过滤技术研究

提出一种过滤垃圾电子邮件的方法.通过tf-idf特征提取方法提取邮件的词汇特征,采用χ2特征选择方法选取有效的特征,并抽取几个具有明显区分能力的结构方面的特征,利用支持向量机算法对垃圾电子邮件进行自动过滤.对中科院中文垃圾邮件语料库(Cspam)的实验,识别正确率达到82%以上,另外,tf-idf词汇特征和结构特征搭配使用可以提高分类的正确率,表明此种方法能提高垃圾电子邮件过滤的准确性.     

蜂窝网中一种非视距传播的定位技术

非视距传播(NLOS)是蜂窝网定位误差的最主要来源.在定位参数中引入伸缩因子,采用反复叠代的方法,可以减少非视距传播的影响.仿真性能测试表明该方法不需要任何信道环境先验信息且收敛速度快,得到的定位精度接近于利用信道先验信息的平滑和重构技术而得到的精度,适用于未来蜂窝网的定位业务.     

削减NLOS误差的UWB室内定位算法

为了解决非视距（non-line of sight，NLOS）环境下超宽带（ultra-wideband，UWB）室内定位精度低的问题，提出一种基于到达时间差（time difference of arrival，TDOA）的UWB室内定位算法来削减NLOS误差，提高定位精度。利用卡尔曼滤波算法，初次估计移动标签节点与各锚节点间的TDOA值；基于TDOA差值进行NLOS误差判别，依据判别结果对受NLOS误差影响的测量值进行视距（line of sight，LOS）重构，并利用仅受LOS误差影响的历史值更新卡尔曼滤波的协方差阵；利用Chan-Taylor算法进行迭代计算，得到最终精确的定位结果。实验结果表明，在LOS环境下，提出的算法能达到分米级的定位精度；在受NLOS影响的环境下，该算法能有效提高定位精度，减小定位误差，具有更好的稳定性。     

改进的蜂窝网室内定位匹配算法

针对无线信道的动态衰落特性,基于蜂窝网的室内定位存在较大误差,提出一种改进的蜂窝网室内定位匹配算法——基于主成分分析法(principal component analysis,PCA)的子空间匹配算法,不仅保证系统实时性,而且有效地剔除大误差点,提高定位精度.该算法利用无线蜂窝信号非视距传播造成的位置特性构建离线指纹数据库,根据在线接收信号从离线指纹库中提取子指纹库,利用PCA算法对在线实测数据及子指纹库进行有效地降维,构建子空间,并结合加权K近邻匹配算法(weighted K nearest neighborhood,WKNN)估计出多个位置坐标,利用3σ准则对这些位置做筛选,输出最终定位结果.实验结果表明,基于PCA的子空间匹配算法在保证定位实时性的前提下,能有效剔除大误差点,提高整体定位性能.     

一种新的基于WCDMA系统的基站选择定位算法

非视距（NLOS）是影响各种蜂窝网络定位精度的主要原因．提出了一种新的基站选择定位算法，算法基于到达时间差（TD（）A）计算距离．首先利用NLOS环境下距离测量样本的标准差大于LOS环境下的标准差这一前提，判断测量样本中是否含有NLOS误差．然后从测量值中选出含有NLOS误差最小的2个基站，将其重构出LOS测量值，再采用3基站算法进行定位计算．仿真表明，该算法比其他算法在定位精度方面有明显的提高．     

基于基站LOS鉴别的TDOA室内定位算法

针对视距(Line-of-sight,LOS)和非视距(None-line-of-sight,NLOS)混合环境中利用较少的基站信息达到相对精确的三维基站室内定位问题,提出一种基于几何模型的高精度鉴别基站LOS传输算法.该算法通过简化信号传播路径构造空间立体模型,根据基本几何定理筛选出相对最接近LOS的信号传播,并与TDOA定位算法和最小二乘法结合,得到了相对精确的定位信息.理论分析和仿真结果验证,该算法能高效的鉴别出视距传播信号,且计算复杂度相当,具有较好的可实现性.     

基于无监督学习的卫星NLOS信号检测方法

针对复杂环境下NLOS信号接收造成的GNSS定位精度恶化问题,提出了一种基于无监督学习的卫星NLOS信号检测方法.综合考虑了信号载噪比、伪距残差和卫星高度角对于GNSS接收信号的影响,采用k-means++聚类算法将观测数据划分为LOS、多径和NLOS三类,并对NLOS信号进行分离.使用GPS/BDS双系统伪距单点定位对信号分类效果进行了验证.结果表明,采用该方法剔除NLOS信号后定位精度得到了显著的提升.静态实验中,对1 h的数据样本进行聚类,事后定位精度提高了约30%,实时定位精度提高约12%.动态实验中,城市峡谷路段东、北、天3个方向的定位精度分别提高了27.98%、8.06%和3.66%.相较于有监督学习的分类方法,该方法简单有效、易于实现,且无需使用先验信息,能显著降低运算负荷和GNSS设备成本.与传统的阈值法以及RAIM算法相比较,该方法在改善定位的精度方面具有一定的优势.     

基于空域的网格匹配定位算法

提出一种基于空域的网格特征匹配定位算法,利用信号衰减模型,将信号空间的匹配计算变换为距离空间的匹配计算,并计算相似度,选出最邻近的目标网格,最后通过加权计算进行精确求解.该方法有效降低非线性空间匹配带来的位置相似度误差,利用网格匹配算法的思想,进一步降低了定位误差,提高了定位精度,与基于信号强度的K近邻算法和基于信号强度的网格匹配算法相比,所提出的基于空域网格匹配算法降低了定位误差,定位精度提升近10%,满足了目前室内高精度定位需求.     

一种基于CSI的跌倒检测方法

针对传统人体行为识别方法系统搭建成本高、部署复杂且存在侵犯隐私等问题,提出一种使用商用Wi-Fi设备获取信道状态信息CSI进行人体行为识别与跌倒检测的方法.通过提取信道状态信息CSI中的幅度和相位特征作为基础信号,并使用功率谱熵作为新特征建立指纹库.采用基于人工鱼群算法AFSA修正的支持向量机SVM对动作进行分类识别,通过对SVM中的参数惩罚因子和核函数参数进行优化选择达到优化分类的效果.根据真实环境数据验证表明,平均识别率达到94.64%.     

基于脑电信号的ILDB情感特征提取算法

近年来,随着信号处理和机器学习技术的快速发展,基于脑电信号的情感识别越来越受到重视。特征提取是情感识别过程中的关键一步。本文提出了改进的局域判别基(Improved Local Discriminant Bases,ILDB)算法,提取信号局域判别基各子空间的能量和系数均值特征构成特征向量,利用SVM分类器进行分类,通过对特征向量类可分性及分类正确率的评估,表明ILDB算法提取的特征具有可分性且分类正确率较高。ILDB算法的通道最高平均分类正确率达到88%,通道最高平均分类正确率比LDB算法提高4.4%和7.2%,所有通道平均分类正确率比LDB算法提高10.1%和9.8%。     

基于共同空间模式的扫视信号特征提取算法

为了提高基于眼电图(EOG)的扫视信号识别正确率,提出了一种基于共同空间模式(CSP)的扫视信号特征提取算法.该算法首先利用事先标注好的标签数据进行CSP空域滤波器设计,并采用联合近似对角化的方法解决多分类问题;在此基础上,使用该滤波器对原始多导联眼动信号进行空域滤波,滤波输出即为扫视信号的特征参数.在实验室环境中使用支持向量机对上、下、左、右四类扫视信号进行识别,所提算法的平均正确率达到了97.7%.实验结果表明基于CSP的扫视信号特征提取算法在眼动信号分析中呈现出良好的分类性能.     

基于信道特征的超宽带非视距鉴别及定位算法

脉冲超宽带(impulse radio ultra wide band,IR-UWB)测距定位系统中,信号的非视距(non-line-of-sight,NLOS)传播检测及在定位算法中给予误差矫正是提升定位性能的主要方法。为此提出了一种基于信道统计量(channel statistic information,CSI)——峭度(kurtosis,K)和均方根时延扩展(root mean square delay spread,RMS)联合似然比检验(Likelihood ratio test,LRT)区分NLOS状态的算法。该算法首先对IEEE802.15.4a信道的K和RMS的概率分布进行建模,作为标准信道分布;然后对信道的瞬间分布和标准分布的KL散度做LRT检测信道状态。最后利用信道检测结果,提出了一种基于LRT的Taylor(LRT-Taylor)定位算法。仿真结果表明:K和RMS联合的LRT检测法鉴别所有UWB信道环境都有较高的准确率;在移动端(mobile terminal,MT)与锚点(anchor node,AN)间为较复杂的NLOS环境时,LRT-Taylor算法也能获得较高的定位精度。     

CDMA移动定位系统中非视距误差的消除算法

针对非视线传播对无线移动定位精度的影响．首先简要介绍了无线定位技术的原理及方法，对CDMA移动定位系统中测量误差对定位精度的影响，尤其是非视距误差的影响及相关误差消除算法进行了讨论，提出了一种简单有效的残差排序筛选定位算法．仿真结果证明该算法比现有的线性位置线和泰勒级最小乘算法更加有效地提高了移动定位的精度。     

基于无迹卡尔曼滤波的全球导航卫星系统精密定位算法研究

针对城市街道环境中卫星信号容易被遮挡、全球导航卫星系统(GNSS)直接定位精度较差的问题,提出了基于无迹卡尔曼滤波(UKF)的精密定位算法。首先,针对卫星信号在传输过程中由于非视距传播严重影响伪距与载波相位观测值测量的问题,提出利用支持向量机分类算法对信号进行分类,从而获得较为理想的卫星信号。其次,通过数学建模建立周边行人和目标行人之间的联系,利用UKF将周边行人的定位数据作为观测值去修正目标行人的定位误差,从而提高目标行人的定位精度。实验仿真结果表明,该算法能够有效提高城市环境中行人的定位精度。