煤矿井下WSN容错性时间同步算法的实现

为了提高井下时间同步精度,针对无线传感器网络对节点同步精度要求高、鲁棒性强以及时间同步协议普遍容错性较低的特点,提出一种面向煤矿井下的无线传感器网络容错性时间同步算法。该算法结合煤矿井下结构的特殊性,采用动态选举时间基准节点和避免重复发送策略,增强了网络的可扩展性,对于新加入节点可迅速收敛。在洪泛时间同步协议算法的基础上,利用概率统计学中的残差分析理论改进线性回归算法并进行差错判断,剔除井下异常数据点对拟合曲线的影响,抑制由异常数据导致同步误差的大幅度跳变,提升无线传感器网络(WSN)同步算法的容错性和可靠性。实验证明,该算法可在网络拓扑不断变化的情况下达到一定的同步精度,可保持网络稳定性,满足井下同步精度需求。     

煤矿井下基于虚拟Radio-map及Markov链的定位算法

为了在煤矿井下获得更高的定位精度,提出一种基于虚拟Radio-map及Markov链的定位方法。结合井下复杂环境,采用信道衰减模型及线性插值法实现了动态衰减因子,建立虚拟Radio-map的同时降低了工作量;考虑到每处采样点接收信号强度分布先验假设和统计特征,在线阶段采用基于贝叶斯准则框架的加权核函数算法,为每个样本数据赋予一个以自身为"核心"的函数,构建的概率密度分布避免了确定模型带来的误差,从而提高了定位精度;为进一步优化定位结果,考虑先验概率对贝叶斯后验概率的影响,提出了基于高斯模型的Markov链定位算法,抑制了运动目标位置的大幅度跳变,使目标定位更加精确。实验表明,所提算法可以通过较低数据采集工作量达到一定的定位精度,满足井下目标定位需求。     

基于二维卷积神经网络的无线局域网室内定位系统

为改善现有无线局域网（Wireless Fidelity, WIFI）室内定位算法的精度与复杂度问题,提出了一种基于二维卷积神经网络（2D-Convolutional Neural Network,2D-CNN）的WIFI室内定位算法。该算法将在线阶段的复杂性转移到离线阶段,在线阶段中仅使用2D-CNN网络进行训练;在离线阶段中,采集定位区域各采集点可接收到的所有无线接入点（Access Point,AP）的接受信号强度（Received Signal Strength Indicator,RSSI）值,并根据其计算峰值,二者结合构成位置指纹图像。再使用滑动窗口进行数据集扩充,最后将其引入到2D-CNN网络模型中进行训练,建立定位模型并完成定位。实验结果表明,在当前室内环境中,该算法的平均定位精度达99.58%,证实了不同参数、优化算法及模型架构选择的正确性。     

黄河三角洲地物遥感分类研究进展与趋势

黄河三角洲地物种类众多,利用各种技术对黄河三角洲的地物进行分类与识别,有助于对该地区的资源进行合理的利用,同时对该地区的可持续发展具有重要的意义。本文对目前主要用于黄河三角洲地物遥感分类的卫星数据以及分类方法进行梳理和分析,总结了前人研究的不足,最后对黄河三角洲复杂地物分类方法的未来发展趋势进行了展望,对我国黄河三角洲地物的遥感分类以及动态监测提供参考和借鉴。