采用马氏决策过程和后验克拉美罗下界的多被动式移动传感器长期调度方法

针对多被动式移动传感器协同工作时跟踪精度不稳定等问题,提出了一种基于多步预测的移动传感器长期调度方法。该方法结合部分可观马尔科夫决策过程(POMDP)构建多传感器调度模型,并基于后验克拉美罗下界(PCRLB)建立了传感器调度过程中的单步与长期代价函数;为有效减少计算复杂度,利用大量无迹采样粒子来近似估算长期代价值;通过将多约束非线性调度问题转化为决策树优化问题,可快速获取传感器长期调度方法,并给出了一种基于分支定界技术的改进决策树搜索算法。实验结果表明,所提方法能够实现移动式传感器的合理调度,在决策步长为2时,其目标跟踪精度相较于短期调度可平均提升6.08%;改进搜索算法的求解速度也更加迅速,能够有效满足在线调度的实时性要求。     

多目标跟踪下的分布式MIMO雷达资源联合优化算法

针对现有分布式MIMO雷达资源联合分配多集中于发射端阵元与功率的分配,未同时考虑接收阵元的优化,且缺乏对任意雷达布阵形势下系统跟踪能力和资源需求量估算等问题,提出多目标跟踪下的分布式MIMO雷达资源联合优化算法。首先,计算多目标位置误差的最大值,以最小化该最大值为目标函数;其次,在发射和接收阵元总数量有限、发射总功率给定的条件下,建立收发阵元选取与功率分配联合的资源优化模型;然后,结合启发式搜索算法和连续参数凸近似算法,采用循环最小化的方式对该问题进行求解;最后,在给定大小的实验环境中,对目标运动轨迹确定和随机两种场景进行实验。实验结果表明,系统发射总功率一定时,选取的发射阵元个数要明显少于接收阵元个数。相比于现有MIMO雷达资源分配研究,所提算法能够估算出在任意雷达布阵形势下系统的最低目标跟踪精度、个数和相应的最少资源需求量,对雷达系统的结构设计和资源储备具有一定的参考价值。     

基于FM信号的外辐射源雷达组网系统多传感器选择算法

提出一种基于调频广播(FM)信号的外辐射源雷达组网系统多传感器快速启发式算法,目的是使系统能够动态地协调各部FM信号接收机的使用,进而在资源有限的条件下达到更好的目标参数估计性能。该算法采用相干克拉美罗界(CRLB)作为代价函数,并通过贪婪快速启发式算法对优化问题进行了求解。仿真结果表明,所提算法不仅可以在系统资源有限的情况下提升目标的参数估计性能,而且可以大大减小计算量,具有很强的实用性。     

基于雷达原始幅度数据的目标跟踪性能分析与实现

由于扫描跟踪雷达使用的天线波束在空间中的扩展特性,一个目标可被顺序扫描的波束或同时照射的堆积波束观测到;类似地,雷达信号模糊函数的扩展特性使得理想点目标的回波经过匹配滤波后的输出在时延-多普勒平面上是扩展的,这种空、时、频的扩展特性使得,与同一目标有关的多个波束的多个时延-多普勒采样单元都包含了目标信息,这种效应可以用采样单元的参数、目标参数以及模糊函数、方向图描述.传统的雷达信号处理对这些信息的利用非常有限,为此通过建立原始数据的幅度分布模型描述这些信息,并以此为基础研究基于雷达原始幅度数据进行跟踪的后验克拉美罗限(posteriorCramer-Raobound,PCRB).分析表明,与传统的先估计目标参数后跟踪的方式相比,利用这些信息进行跟踪可以改善跟踪性能.粒子滤波是实现这种跟踪方式的一种可行算法;针对传统实现方法中将回波幅度作为目标状态的一维并对之采样造成的运算量较大的问题,提出了一种避免幅度维采样的跟踪算法,仿真表明,该算法能以较低的运算量获得较好的跟踪性能.     

雷达多目标交叉轨迹跟踪算法

针对雷达跟踪系统中的多目标运动情况,以及目标轨迹交叉重叠导致的目标丢失或跟踪错误等问题,将多目标联合状态下的加权重采样思想引入到标准粒子滤波算法中.对基本粒子滤波算法进行优化,使用离散随机变量模拟目标后验概率,存在多个目标时引入联合状态概念,用关联函数把多个目标的状态变量和观测变量表示出来,把联合状态下的采样数据加入跟踪粒子的权值更新过程,使得粒子能够根据目标间的状态变化准确预测各个目标的后验分布,从而更新目标运动估计值,避免下一时刻粒子采样分布错误.联合加权重采样优化后的粒子能够准确跟踪目标运动,粒子预测和更新也不受目标交叉运动影响,克服跟踪不稳定或跟踪误差较大的问题.仿真结果表明,改进的粒子滤波算法能够达到正确跟踪多个目标的效果,并且目标轨迹交叉时仍然能够保持较高的跟踪精确度.     

非理想信道下的分布式认知多小区波束形成

针对非理想信道下的波束形成问题,将传统稳健波束形成设计推广至认知多小区,在认知干扰和认知用户速率约束下,构造基于最小化认知系统总功率准则的优化问题.通过半定松弛及S-Procedure算法将其转化为凸优化问题,并采用Primal分解将该凸优化问题分解为一组独立的子问题,从而实现了分布式求解,在降低复杂度的同时减少所需的反馈信息.仿真结果表明:算法不仅对信道误差稳健,而且收敛速度很快.     

基于QoS驱动的OFDMA中继系统节能资源分配算法研究

文章研究基于QoS驱动的OFDMA放大转发中继系统节能资源分配算法,目标是在满足各用户业务时延QoS要求的前提下,最小化OFDMA中继系统总功率.基于有效容量模型,首先把OFDMA放大转发中继系统资源分配问题形成为混合整数规划问题,然后通过整数约束连续松弛化,把问题转化为凸优化问题.通过求解该凸问题,推导得到了资源分配的迭代优化算法.仿真结果表明,与已有算法相比,对于各种类型时延QoS要求的无线业务,文章提出的资源分配优化算法均可明显降低系统消耗功率.     

非正交多址认知无线电网络功率分配算法

非正交多址和认知无线电技术能有效提高频谱效率,是新一代移动通信系统的关键技术。针对功率域非正交多址认知无线电网络的能效优化问题,建立了满足次用户最小系统吞吐量和主用户最大干扰的次用户功率分配模型,将子信道吞吐量公式进行分解,得到子信道功率分配系数和子信道功率消耗率2个子问题。针对第1个问题,采取凸差(difference of convex,DC)规划算法将目标函数等效为2个凸函数差形式,并应用一阶泰勒展开式进行连续近似,将非凸问题转换为凸优化问题,从而得到子信道复用次用户最优功率分配系数;针对第2个问题,采用Dinkelbach算法和次梯度算法,利用拉格朗日函数,得到最优子信道功率消耗率。仿真结果表明,所提功率分配算法收敛速度快,时间复杂度低,其平均系统能效性能远优于分数功率分配算法。     

多输入多输出系统特征模发射最小化误码率优化功率分配

在多输入多输出系统特征模发射设计中,基于最小化误码率准则优化发射功率分配问题没有简单的闭式解,求解方法有通用优化算法(如内点法)和Q函数契尔诺夫近似功率分配法.前者计算量大且不能理论分析,而后者只能获得近似功率分配解.文中将此约束优化问题的解用W主分支函数表示,将其转化为求解关于W函数的问题,提出了W函数求解法.利用W函数的简单求解算法,所提出方法能获得更精确的优化功率分配解.数值模拟结果也显示,该方法获得了较其他求解方法更低的系统误码率.     

全局最优的SLNR预编码功率分配算法

针对多用户多输入多输出系统,基于总可达速率最大化原则,研究了基于信漏噪比(signal-to-leakage-and-noise ratio, SLNR)预编码功率分配算法。为解决传统算法仅能通过迭代求解,性能不好的问题,提出了可直接求得全局最优解的解决方案。导出了仅含一种变量的目标函数,将功率分配问题转化为有约束条件的非凸优化问题。为解决这个优化问题,提出一种基于鸟群算法(bird swarm algorithm, BSA)实现全局最优的解决方案;为弥补该算法复杂度高的缺点,提出一种基于几何规划(geometric programming, GP)的近似全局最优算法。仿真表明,基于BSA的算法能够实现最大的系统总速率,且随着发射信噪比、基站天线数及用户数变化,性能提升效果能够得到保持;基于GP的算法,在复杂度与性能方面得到折衷,且相比基于BSA的算法,误码率性能更优。     

基于不完全频谱感知的认知中继网络能量效率研究

针对认知中继网络中基于能量效率的资源分配问题,提出一种基于次用户能量效率最大化的功率分配优化算法,通过建立多重约束条件下的频谱感知和传输联合优化模型,在考虑单位发射速率消耗功率和干扰限制的情况下,利用分数规划将问题中的混合整数非线性规划问题转化为等价的凸优化问题,分析了不同参数对能量效率的影响。仿真结果表明,提出的功率分配优化算法在达到能量效率最优的同时降低了算法复杂度低。     

基于凸半定规划的RSS测距的合作式定位方案

无线传感网中的多类应用均需要准确的定位算法。为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(Received Signal Strength)测距,再利用最大似然ML (Maximum likelihood)估计法求解节点的位置。然而,ML估计为非线性、非凸性,难以获取全局最优解。为此,提出凸半定规划SDP(Semidefinite Programming)的合作式定位方案,利用凸半定规划策略将ML估计转换成凸优问题。同时,该方案考虑两类场景：源节点发射功率已知、未知。针对第一类场景,利用半凸松驰策略,并结合最小化最小二乘法,建立凸优表达式,最后利用CVX求解;针对第二类场景,先建立联合ML估计函数,再利用SDP估计,并结合起来简单的三步骤方案进行位置估计。仿真结果表明,提出的SDP算法的定位精度比SD/SOCP-1、SDPRSS平均提高了近15%至20%。此外,提出的SDP算法在所有场景的误差小于3m的出现概率占0.8,而SD/SOCP-1、SDPRSS算法小于0.5。     

下垫式认知无线电网络的鲁棒功率分配算法

针对认知无线电网络功率分配的参数扰动性问题,提出一种基于保护因子的认知无线电鲁棒功率分配算法.该算法根据实际系统信道参数的扰动性,对授权用户干扰功率阈值引入保护机制进行鲁棒规划,运用Lagrange对偶算法和凸优化相关理论得到最优功率分配,解决了下垫式(Underlay)模式下认知无线电网络信道参数扰动性问题.仿真结果表明,该算法具有较好的鲁棒性,降低了算法复杂度,并提高了认知无线电网络的系统容量.     

基于对偶分解的 MU-CoMP 联合资源分配算法

在MU-CoMP-JT(multi-users coordinated multiple-points joint transmission)资源分配算法中,大多数将功率分配与子载波分配分为独立的2个部分进行独立求解,这样势必会降低系统性能,而实际上子载波分配和功率分配是密切相关的.为了有效地提升系统吞吐量,采用了迫零预编码技术,研究了一种在多个小区和多个子信道之间联合优化用户调度与功率分配的资源分配算法,该算法以最大化用户权重速率为目标,基于对偶分解理论,将原优化问题分解为多个独立优化的子问题.仿真结果表明,该算法与最优的穷尽分配算法相比性能有所降低,但有效地降低了复杂度,同时也能获得较好的性能.     

基于目标检测和图割的多目标跟踪算法

多目标跟踪是智能视频监控中的一个具有挑战性的问题.提出了一种基于运动目标检测和图割理论的多目标跟踪算法.首先,利用码本模型对背景建模,检测运动目标.然后,令一个标签对应一个目标,建立能量方程,把多目标跟踪问题转化为能量最小化的组合优化问题.最后,构造网络图,利用最大流-最小割算法寻找最优解.实验结果表明,所提算法能够处理新目标的进入和原有目标的离开,对多目标之间的遮挡具有较强的鲁棒性.     

基于半定规划的无线传感器网络节点定位算法

针对无线传感器网络节点定位,在最大似然估计(MLE)基础上提出了一种半定规划(SDP)的优化算法.结合有效的锚节点位置选择和比率范围设定,在放宽非凸约束的基础上,采用SDP求解算法,有效减少了误差的影响,得到被测节点的实际位置.改变锚节点的位置可以有效解决锚节点凸壳外的节点位置估计不精准问题.仿真结果表明,提出的SDP算法对未知节点的位置实现了高精度定位,改进了凸优化方法.     

解半定规划的带筛子的正则化方法

研究了求解半定规划问题的一个带有筛子的正则化方法,该方法是基于经典的二次正则化方法,将半定规划问题转化为目标函数为凸的、可微的无约束优化问题。利用筛选信赖域方法来解这个无约束优化问题,并给出算法及其收敛性分析。     

基于改进优先级的相控阵雷达任务调度方法

针对相控阵雷达多目标跟踪中的资源调度的问题,提出基于改进优先级的任务调度方法。该方法将目标对雷达的威胁引入到目标任务优先级设计当中,首先,定义目标威胁度,根据目标和雷达的各项参数指标,将信息熵综合决策与主观权重法相结合,计算出目标的威胁度值;然后,将目标的威胁度值、任务工作方式优先级以及任务截止期进行综合规划,得到目标任务的综合优先级,最后对目标威胁度的计算和任务的调度分别进行仿真。仿真结果表明,方法对目标威胁程度的计算结果符合不同威胁度等级目标跟踪资源分配的需求,对高威胁任务的执行优于传统方法,具有一定的优越性。     

基于OFDM的认知无线电系统最优功率分配算法

在基于OFDM的认知无线电系统中,授权用户会受到认知用户带内子载波带外旁瓣泄漏功率的干扰。这里引入了功率控制参数来调整授权用户的干扰功率约束值,提出了一种认知用户子载波间的最优功率分配算法,通过求解一个凸优化问题来获得最优的功率分配方案。仿真结果表明:与其他算法相比,采用该方法获得的功率分配方案,在满足授权用户干扰功率约束值的条件下,可以使认知用户的信道容量最大化。