基于多边约束的数据融合网络定位

无线传感网络定位方法近几年来受到广泛的关注。分布式算法是传感网络定位的一个主要要求,它不仅能减小计算和通信负载,同时对络的非连通性有很好的鲁棒性,对测量噪声克服也有一个很好的实现方案。虽然多种测量技术都能实现位置估计,但都存在某些不足。数据融合是一个很好的解决方案。提出了一个数据融合的结构和模糊优化数据融合算法。对每个节点的TOA和RSS数据进行融合。仿真表明位置估计的精度能够得到显著的改进,同时算法的复杂度也得到了降低。     

传感器网络中异常数据实时检测算法

如何实时检测传感器网络中异常数据是一项非常重要的工作。通过对线性自回归的分析法,给出传感器数据流的预测模型及其预测机制。当预测出现失败时,给出了一种预测模型自动调整策略,以降低预测误差。基于该预测模型,提出了一种异常数据检测方法,通过计算当前时刻的预测误差与平均预测误差的比值,比较该比值与预先设定的阈值的大小,以检测该时刻数据是否为异常数据。基于该方法,提出了异常事件检测和数据压缩处理的算法。仿真结果验证了预测模型的正确性和有效性,表明该模型能够实时检测异常事件和压缩数据处理。     

基于仿真数据采集单的仿真评估需求研究

在装备系统仿真与评估领域中,出现了仿真建模与评估需求之间的工作难以协调,难以相互支持的现象。针对该问题,提出了仿真数据采集单的思想,即以评估需求为牵引,建立评估指标,针对底层末级评估指标,建立一个可供评估者与仿真建模者交互协商的平台以使仿真数据采集单能确保仿真可采集,需求可体现。以装甲坦克分队作战效能仿真评估为例,借助仿真数据采集单,仿真执行的结果表明,该方法获得的仿真数据满足了评估需求,也明确了建模仿真的目的。     

属性添加情况下的概念格重构算法

研究在给定的形式背景下,通过逐步添加属性建造概念格的方法.一般地,初始概念格可由部分属性生成.当添加属性时,得到了新节点与它在原概念格中的直接父节点是一一对应的结论.证明了所有新节点在原概念格中的直接父节点,只可能在某个节点和它的子节点中.基于上述性质,给出了添加属性情况下的重建概念格算法.此算法的优点是生成新节点的范围小,构建概念格的速度快.     

多输入多输出问题效率的影响因素分析方法

为挖掘多输出多输出问题相对有效性的关键影响因素,达到控制与管理的这些主要因素能够有效提高其相对有效性的目的,根据多输出多输出问题的DEA效率指标因素与各指标因素之间的灰色关联度大小,确定多输入多输出问题效率的关键影响因素,并通过案例证实该方法的有效性和可行性.     

一种新的地心地固坐标系传感器配准算法

针对多传感器系统进行数据融合的需要,提出了一种新的地心地固坐标系下传感器的配准算法,充分考虑了地球曲率对配准算法本身的影响,当传感器之间相距很远时仍然适用。新算法将传感器配准问题表述成一个关于传感器测量的最小二乘判决函数,然后首次引入Levenberg-Marquarat算法来对其进行优化。最后通过仿真试验对新算法的性能进行了评估,结果说明新的算法对于不同数目的测量值具有良好的一致性。     

基于观测器的丢包网络控制系统控制器设计

针对网络控制系统的数据包丢失(丢包)问题,提出将网络控制系统中的丢包问题看成是被控对象输入矩阵的切换问题和控制器对象输入矩阵的分别切换问题,进而将网络控制系统看成是由矩阵切换决定的切换律未知的切换系统,将丢包等效为切换系统中子系统之间的切换。采用李雅普诺夫函数方法,对每个由矩阵形式决定的子系统设计了基于观测器的状态反馈控制器。利用线性矩阵不等式(linear matrix inequalities,LMI)的可行解给出了计算状态观测器和控制器的参数化方法。最后通过仿真算例验证了该方法的有效性。     

有时延和数据包丢失的网络控制系统反馈控制

针对同时具有网络诱导时延和数据包丢失的网络控制系统,假设数据包丢失率一定,网络诱导时延小于一个采样周期,将网络控制系统建模为具有事件率约束的异步动态系统。提出了使得该系统达到指数稳定的动态输出反馈控制器的设计方法。利用遗传算法获得了NCS的事件衰减率的局部极大值。通过仿真算例证明了该方法的有效性。     

一种基于网格的数据集成服务系统分析

网格技术越来越多的应用于仿真领域中。仿真程序包含很多数据密集型应用,它们需要使用大量分布的数据库资源。如何访问和操作这些异构的数据库资源是应用程序的关键问题。在利用现有的访问网格中异构数据源方法的基础上,提出了基于网格服务的异构数据源集成体系结构,可以在应用过程中动态绑定数据源;同时在选择数据服务的时候采用基于Qos的选择模型,可以有效的避免服务失效的现象。     

自动化系统数据挖掘问题的模拟退火解法

数据挖掘是近年来发展起来的新技术,指挥自动化的辅助决策过程也越来越依靠数据挖掘求解。通过数据挖掘,可以有效地处理海量数据,为正确决策提供支持。模拟退火是一种性能优越的计算智能算法,广泛应用于求解非线性最优化问题。数据挖掘中的数据聚类与模拟退火在本质特性上存在相似,可以将模拟退火应用于数据挖掘。通过蒙特卡罗方法生成随机数据,进行基于模拟退火的聚类分析。算例表明,新方法能够很好地进行数据聚类,具有较好的适用性。