无线层析网络中基于粒子滤波的时变多目标跟踪

研究将粒子滤波（PF）理论应用于无线层析网络中的时变多目标跟踪（MTT）.传统的基于无线层析成像（RTI）的时变多目标跟踪方法存在延迟问题,即与真实的时变目标数目相比,估计所得时变目标数目存在滞后,并且跟踪精度较低.基于PF的时变多目标跟踪方法利用维度可变的粒子来估计目标数目,实现目标跟踪.该方法不存在延迟问题,并且能提高目标的跟踪性能.研究通过在一个9.5 m×9.5 m的监测区域内进行实验来验证该算法的有效性.实验结果表明基于RTI的时变多目标跟踪方法的最佳子模式分配（OSPA）误差为0.485 m,而基于PF的时变多目标跟踪方法的OSPA误差为0.362 m,其性能比基于RTI的方法提高了25%.      

基于Adaboost的无源RFID射频层析成像伪目标识别

被动式定位(DFL)中的射频层析成像(RTI)算法主要运用在无线传感器网络(WSN)中.而物联网的快速普及使得无线射频识别(RFID)网络随处可见,所以本文提出了在无源RFID网络下实现RTI的被动式定位算法.针对多目标情况下的伪目标问题,提出了一种基于Adaboost的机器学习算法来去除伪目标,最终在目标数目未知的前提下实现至少3个目标的准确识别.实验结果表明提出的方法可行性很高,在定位误差为0.7,m时目标识别准确度达到86%,.     

基于KPCA的无线层析成像定位方法

无线层析成像(radio tomographic imaging,RTI)技术作为无设备目标定位(device-free localization,DFL)的主要方式之一,在被定位目标不携带任何定位装置的情况下仍能实现定位,具有广泛的应用前景.但由于接收信号强度(received signal strength,RSS)信息容易受到环境变化和噪声的影响,RTI成像图上往往不可避免地存在着背景噪点,有时甚至还有伪目标出现在图像上.为了提高RTI成像质量,本文提出一种基于核主成分分析(kernel principal component analysis,KPCA)的增强型RTI方法,该方法利用KPCA的学习能力来提取有效受目标影响的链路特征信息,从而达到克服噪声影响和提高定位精度的目的.室内外实验结果表明,该方法的成像质量和定位精度都要优于现有RTI方法.     

多径MIMO CDMA系统中改进的盲空时多用户检测算法

针对多径衰落信道下发射分集采用Alamouti空时分组码的MIMO CDMA系统,提出了一种改进的基于子空间的盲MMSE空时多用户检测算法.结合目标用户特征波形先验知识和多径信道信息对信号子空间进行预处理,然后使用正交性能和稳态性能较好的NOOja算法跟踪信号子空间,并在跟踪初期对信号特征值矩阵进行处理,去除迭代带来的噪声.仿真结果表明这种算法能有效地抑制多径干扰和多址干扰,尤其在低信噪比、远近效应明显的恶劣环境下,有稳定良好的性能表现.     

一种基于锁角环路的DOA估计定位跟踪

为了解决传统移动目标波达方向估计定位跟踪过程中,实时性差、精度低、计算复杂度高的问题,提出一种基于锁角环路的DOA估计定位跟踪算法.该算法采用锁角环路(DiLL)结构实现信号的波达方向(DOA)估计和定位,并实时随信号角度变化自动调整方向,以实现信号方位的跟踪.为了减小非线性和噪声对定位跟踪性能的影响,通过UKF滤波将估计目标信号的干扰消除,以提高信号方位定位跟踪的精度及系统的稳定性.仿真结果表明:该算法能够得到较高分辨率的DOA估计信号,能够对多个移动目标的方位进行有效定位跟踪,系统的精度、效率和稳定性也较高.     

一种基于无线传感器网络的分布式目标跟踪算法

将无线传感器网络与接收信号强度指示测距技术相结合,研究了移动目标的分布式跟踪算法。根据传感器节点与移动目标的相对位置,将节点动态组织成簇,簇头节点作为簇的数据处理中心,利用扩展卡尔曼滤波形成对移动目标位置的本地估计。随着目标的移动,本地估计在簇头节点间传递。仿真结果表明,基于无线传感器网络的分布式目标跟踪算法在精度、收敛性和实时性等方面达到很好的跟踪效果。     

多径CDMA信道盲空时多用户检测器

提出用于多径CDMA信道下的盲空时多用户检测器,它具有同时掏多址干扰（MAI）和多径畸变（MPD）的功能,利用最小均方算法（LMS）和自适应向量跟踪算法分别实现自适应多用户检测和多径接收信号的最佳结合,最后给出计算机模拟结果,验证了模型及算法的可行性。     

多径干扰下GPS弱信号跟踪算法研究

在带有多径干扰的、并且低载噪比的GPS信号下,分析了多径带来的码环误差以及因此引起的伪距误差的原理.在此基础上,考虑在码环跟踪的Strobe鉴相算法中,引入一个修正因子σ,使得码环跟踪时,对一定范围内的短多径起到抑制的作用.由于改进后的跟踪算法没有用到Q路输出,并且原信号为弱信号,因此需要跟踪环路提供好的载波跟踪性能.为此,考虑使用扩展卡尔曼滤波(EKF)算法来替代原有的载波跟踪环路,提高跟踪环路的噪声抑制性能.在此基础上,将EKF载波环跟踪与修正后的码环跟踪结合起来使用,共同进行多径干扰下GPS弱信号的跟踪.     

采用四象限探测器的智能跟踪定位算法

为了提高跟踪定位系统的跟踪精度与响应速度,提出了一种增益可调的快速跟踪定位(GAFT)算法,以实现对目标的快速定位及在信号较弱时的精确定位,该算法首先根据目标在四象限探测器上光斑成像的大小、位置与输出信号间的关系,确定光斑在探测器上的线性变化区间,并在此区间上得到光斑移动与信号变化的对应关系,再实时采集光斑在4个象限上的信号之和,作为目标光斑信号强度,然后计算光斑信号强度的变化率,采用自适应学习的方法得到信号强度的变化趋势,根据该趋势对信号增益进行动态调整,从而提高信号的分辨率和跟踪精度.实验数据表明,GAFT算法在线性工作区间中通过改变光斑半径及调整光斑的信号强度等措施,可以将跟踪精度提高到0.049 7mm.     

无线传感器网络中的移动式目标跟踪

针对传统无线传感器网络进行移动目标跟踪时能耗过高的问题,提出一种基于移动节点和固定节点协同工作的移动式目标跟踪算法.在传统的由固定节点组成的无线传感器网络中加入少量移动节点,对移动目标进行持续性跟踪.通过移动节点和普通固定节点之间的配合,提高监测质量和容错性,在满足既定监测质量要求的前提下,尽可能地减少参与监测的普通固定活跃节点的数量.仿真实验结果表明:所提出的跟踪方法可以有效地降低固定节点的能耗,延长网络生存期.     

基于IMM-UKF方法的机电作动器突发性故障诊断研究

飞机飞行控制系统机电作动器（electromechanical actuator,EMA）的突发性故障会影响到飞机的飞行安全性,甚至导致飞机失控.针对EMA的突发性故障,提出一种基于交互式多模型（interactive multiple model,IMM）和无迹卡尔曼滤波（unscented Kalman filter,UKF）相结合的故障诊断方法.该方法利用UKF不仅能更好地逼近状态方程的非线性特性,而且能使滤波器具有更好的稳定性和更低的计算量要求;利用IMM不仅解决了可测量参数偏少导致的故障诊断困难的问题,而且还改善了发生的故障与预先假设的故障差异较大的情况下故障诊断的快速性和准确性.通过对某型EMA进行故障诊断,仿真结果表明所提出的IMM-UKF故障诊断方法可以实现对EMA部件和传感器故障的快速准确诊断.      

一种基于自适应提升小波变换的GNSS多径抑制方法

在卫星导航定位系统中,多径干扰是影响定位精度的重要误差源之一。在分析研究现有多径抗干扰方法和小波理论的基础上,提出了一种基于自适应提升小波变换(Adaptive Lift Wavelet Transform,ALWT)的多径抑制方法。该方法利用小波分析在时频域将待处理信号局部放大的特性,将待分析信号通过提升小波变换进行自适应多级分解,通过最小方差准则(Least Mean Square,LMS)自适应确定分解级数,在一定的阈值条件下将多径信号排除过滤掉,从而达到多径抑制的目的。Matlab7.0仿真实验中,与窄相关技术和传统小波变换方法(Traditional Wavelet Transform,TWT)相比,该方法通过多级小波级数分解,将多径信号进行局部时频域放大,选取合适阈值判别条件过滤多径信号,再通过小波逆变换还原直接信号,实验证明使用ALWT方法多径抑制效果显著提高。     

扩频通信中多径信道参数估计和跟踪方法

利用ＣＤＭＡ用户在使用ＢＰＳＫ调制信号时的多径信道模型,根据ＰＮ码的特点先用最大似然法估计出信道的冲激响应矢量,再进一步估计出ＲＡＫＥ接收机所需的各多径延和衰减系数等参数,分析和计算结果表明,此方法具有速度快,计算量小和精度高等优点。     

运动声源的双耳录音声像定位效果分析

分析了不同运动方式下双耳录音的声像定位效果,录音采用的声学头模是由中国传媒大学自行研制的,头部尺寸符合中国人的平均生理参数。共录制、评价了三种声源状态下的定位效果：静止、射线运动和横向运动。主观评价实验结果表明运动声源有助于将声像定位在头外,在一定程度上改善了头中定位效应,但声源运动并不能有效地减少声像前后混淆率和上下混淆率。此外,不同的声源运动方式也影响着声像定位的正确率,横向运动比射线运动的声像方向定位正确率高9%。     

基于3DCNN的CSI-cluster室内指纹定位算法

针对室内环境中复杂的多径效应影响定位精度问题,提出一种基于3维卷积神经网络(3 dimensional convolutional neural network,3DCNN)多径程度划分的自校准指纹定位算法。该算法利用MeanShift方法分析定位区域内每一个采样点的信道状态信息数据分布特性,得到其可代表多径效应程度的簇类数量,结合阈值原则将指纹库划分为2种不同多径程度的子库,从而减少多径程度差异较大的指纹点对后续定位影响利用3DCNN深度学习2类指纹子库。在定位阶段,根据校准算法判断待测数据所属子库,并采用相应的3DCNN模型估计位置。通过仿真实验验证,该方法在保证指纹库构建合理性和高效性的同时,在定位精度方面实现了明显的提升,优于与之对比的相关算法。     

基于CNN的超分辨率信道冲激响应室内指纹定位算法

针对室内环境中多径效应影响定位精度的问题,提出了一种基于卷积神经网络(CNN)的室内定位(PI-CNN)算法.以多重信号分类(MUSIC)算法处理后的信道状态信息(CSI)作为特征图像,基于室内环境中不同位置点具有独特多径信息的特点,利用各收发天线间所形成的子信道信息,获得具有更高时间分辨率的多径到达时间,将获取的伪谱信息组成伪谱图像,生成指纹库,再利用CNN进行训练和分类处理.仿真实验证明,在室内环境存在轻微扰动的情况下,该算法具有较好的抗干扰能力.     

动态传感器网络中距离相关的蒙特卡洛定位算法

动态无线传感器网络的许多应用中定位技术具有至关重要的作用,在这种网络中部署区域内的全部节点不断运动.针对动态传感器网络中的定位问题,在蒙特卡洛方法的基础上提出了一种新的定位算法-距离相关蒙特卡洛(DRMCL).该算法通过利用节点的RSSI测距性能减小预测时未知节点可能存在的交叠区域,提高定位精度.仿真结果表明,对比蒙特卡洛和凸规划等现有的移动传感器网络定位算法,提出的DRMCL可以明显提高定位精度,在运动的过程中,定位精度能够达到20%以下.     

基于非线性最小二乘算法的超宽带TOA估计

研究室内密集多径信道环境下的超宽带到达时间(TOA)估计技术.提出一种改进的门限比较TOA估计算法,利用非线性最小二乘算法同时估计多径延时和幅度,采用迭代算法提高参数估计精度,根据判决门限比较结果终止多径搜索过程并估计出TOA.分析该算法在室内多径信道模型中的性能,给出门限的设置方案.仿真结果表明,在不同的信噪比下设置合理的判决门限后,该算法具有较高的估计精度,能够满足精确定位需求.     

GPS/GLONASS/BDS/Galileo数据质量的对比分析

论文采用MGEX（Multi-GNSS Experiment, MGEX）80个观测站点数据,选择数据利用率、周跳比和多路径效应等运用Anubis软件研究了定位性能的定量评价方法。结果表明,GPS、GLONASS和Galileo数据利用率的平均值均大于设置的阈值（80%）,而BDS数据利用率的平均值较低,仅为58.04%;周跳比平均值从大到小依次为Galileo、BDS、GPS和GLONASS;所有频点中,Galileo系统E5频点多路径效应平均值最小,GLONASS系统G1频点多路径效应平均值最大。以定位精度和收敛时间作为定量评价指标,分别选取数据质量不同的观测站进行静态模拟动态单系统精密单点定位解算,分析表明周跳比对定位精度的影响程度更为显著,数据利用率和多路径效应与收敛时长无显著关联,周跳比大的数据收敛快。     

基于改进的RSSI的车间移动节点MCL算法

针对蒙特卡罗定位（MCL）算法在无线传感网络定位精度和取样效率中存在的不足,提出了一种基于接收信号强度指示（RSSI）改进的MCL算法（R-MCL算法）,并对车间移动节点进行定位.通过分析车间移动资源的移动规律,引入RSSI模型测距预测,减少取样区域,从而提高了取样效率和定位精度.仿真结果表明,R-MCL算法在定位精度、收敛速度和计算量等方面的性能均有提升.