基于模糊聚类的异类多传感器数据关联算法

针对异类传感器观测空间不一致的问题，提出了基于模糊聚类的异类多传感器数据关联算法．该算法首先通过在不同传感器的观测空间上建立多目标运动状态的投影，将多传感器多目标关联问题分解为多个单传感器多目标的关联问题，再对单传感器采用模糊聚类的方法求解关联概率，实现了在密集杂波环境中多目标的数据关联和精确跟踪．该算法降低了多传感器多目标跟踪的复杂性和计算量，有效地解决了异类多传感器可用公共信息少的问题．仿真结果表明，该算法的跟踪误差要小于传统的联合概率数据关联算法，且具有更优越的跟踪性能．     

基于BP神经网络的压力传感器非线性校正方法

采用BP多层前馈神经网络及其改进算法对传感器特性进行补偿，有效地改善了BP传统算法收敛慢、容易收敛到局部最小点的缺陷，并编制了训练程序．结果表明，经BP改进算法处理后，传感器性能大幅度改善，网络的收敛速度更快，精度更高．     

任意噪声相关异类传感器非线性系统状态矢量融合

基于线性无偏最小方差估计理论，提出了一种任意相关噪声异类传感器非线性系统状态矢量融合算法．该算法考虑了过程噪声和测量噪声以及测量噪声之间的相关性和传感器系统结构的不同性，增加了描述多传感器融合系统的信息量，通过局部估计的组合构造新的变量以去除局部状态之间的相关性，采用顺序滤波的方法减小了异类多传感器融合系统全局状态估计的计算量．仿真结果表明，由于考虑了过程噪声和测量噪声以及测量噪声之间的相关性，状态矢量融合算法比噪声不相关融合算法具有更好的跟踪性能，航迹跟踪的精度得到了改善．     

多传感器稳健融合跟踪算法

讨论了多传感器融合跟踪的稳健性算法．针对集中式多传感器的融合跟踪结构,采用统计方法和随机逼近方法分析了传感器最优权的选取原则,得出了传感器融合对公共测量噪声没有影响的结果．依据最优选取原则给出了两种自适应融合跟踪算法,算法能在线适应传感器性能的变化,并使融合方差最小．采用典型航路进行了算法仿真,结果验证了理论分析的合理性和工程应用有效性．     

基于递归神经网络模型的传感器非线性动态补偿

讨论了递归神经网络模型在传感器非线性动态补偿中的应用，给出了递归神经网络模型的结构及相应的训练算法．递归神经网络模型本身具有动态映射能力，其结构仅与输入层和中间层的节点数有关，且不需要知道被补偿传感器的结构特性(如输出、输入的最大延迟)等先验知识，简化了动态补偿器的结构设计．采用递推预报误差算法训练神经网络，具有收敛速度快、收敛精度高的特点．实验结果表明，经过补偿后的传感器具有期望的输入输出特性，应用递归神经网络对传感器进行非线性动态补偿是一种行之有效的方法．     

WSN随机调度覆盖算法的子集划分最优解

随机调度覆盖算法实现对传感器进行随机调度，是利用传感器之间的覆盖冗余来延长网络的寿命．为此采用概率模型对随机调度覆盖算法进行分析，并且当被监测区域的面积和监测时间给定以后，在覆盖强度、传感器密度、能量节约和网络寿命的约束条件下，求解出随机调度覆盖算法中的子集划分和传感器数量的最优解．     

移动焊接机器人坡口自寻迹的切人角算法

为正确建立位姿调整轨迹规划的坐标系，研究了移动机器人在自寻迹过程中的关键问题——切入角的计算．结合工程应用实际，基于激光视觉传感器并根据不同的焊接坡口形式提出了3种切入角算法，同时分析了每种算法的利弊和适用场合，并重点讨论了激光视觉传感器扫描坡口方式的切入角算法．该算法不严格依赖坡口加工精度，也不需要知道确切的坡口形式，提高了算法的实用性和可靠性．试验结果表明，所提出的3种切入角算法是切实有效的，能够满足实际焊接工程需要．     

基于Kalman滤波的一阶微分参量估计方法的研究

基于迭代Kalman滤波算法,提出了一种微分参量的估计方法,并将其应用于腕力传感器的一阶力微分信号的提取处理中．通过对观测信号建立AR模型和递推的使用Kalman滤波算法,有效地抑制了噪声强度从而提高了微分参量的计算精度,克服了直接计算法误差较大的缺点,同时还避免了因加装速度传感器而对原腕力传感器动态性能造成的影响．文中讨论了在均匀分布的背景噪声下如何估计原始信号的一阶微分参量的问题,并给出了仿真结果．试验表明该方法具有良好的计算精度和较强的收敛性．     

无线传感器网络多目标关联覆盖

针对多目标网络覆盖中传感器节点和目标的关联关系,依据数据挖掘中的关联规则挖掘技术,设计了多目标关联覆盖算法MTACA．考虑到能量的有效性,利用关联规则挖掘方法动态地确定目标集合和传感器节点集合,通过节点集合工作状态的转换完成目标的完全覆盖,延长了网络使用寿命．同时,改进了适应区域覆盖的PEAS算法,使其适应多目标覆盖的应用．通过仿真对MTACA和改进的PEAS算法进行了性能分析．结果表明：MTACA算法和改进的PEAS算法在目标完全覆盖能力和网络使用寿命上明显优于随机部署网络;MTACA算法在目标完全覆盖能力、网络使用寿命、网络剩余能量以及节点间能量消耗均匀性上明显优于改进PEAS算法．     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法，精关联是联合概率数据关联(JPDA)算法的推广，JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点；其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法，MNJPDA算法能克服计算量爆炸问题，基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．     

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义.在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法.该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,通过调整传感器...     

室内障碍环境下空气质量监测异构WSN部署

针对室内空气质量中污染性气体众多、浓度分布不均，单一传感器无法有效监测，而且室内障碍物会对传感器部署位置造成影响的问题，通过改进北方苍鹰优化算法（improved northern goshawk optimization, INGO）对障碍下异构传感器进行部署研究。首先，采用SPM混沌映射对种群进行初始化，以解决原始北方苍鹰算法初始化种群多样性不高、覆盖率低、冗余度高的问题；其次，使用非线性步长权重改进Lévy飞行策略，对种群位置进行更新；最后，融合柯西变异和反向学习，解决算法后期种群易陷入局部最优的问题。结果表明，改进的优化算法在无障碍和障碍环境下覆盖率分别达到了94.2%和93.0%，与其他学者在无障碍环境下提出的算法进行对比，覆盖率分别提高了0.8%，1.2%，2.8%，7.1%。INGO算法能够对室内障碍环境下的空气质量监测传感器进行最优部署，为室内空气质量监测等复杂环境异构传感器的部署问题提供科学依据。     

基于差分算法的异构移动节点分布优化策略

针对监测区域中目标非均匀分布的情况,提出一种解决异构移动无线传感网络环境中节点布局的差分优化策略.该策略以网络的有效覆盖率为优化目标,指导种群进化,加快算法收敛速度.仿真结果表明差分优化算法能快速有效地实现异构移动无线传感节点布局优化.与虚拟力算法相比,差分优化策略不仅网络覆盖率高,且收敛速度快,耗时少.     

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义。在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法。该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,通过调整传感器节点的主感方向,减少网络感知重叠区和感知盲区,实现覆盖增强。仿真实验表明,该算法简单、高效,优于传统的覆盖增强算法。     

无线传感器网络多重覆盖算法

针对区域覆盖中存在多个不同覆盖质量需求的目标覆盖的混合覆盖问题,提出了一种满足多个目标不同覆盖质量需求且兼顾区域覆盖的多重覆盖算法（WMCA）．该算法在覆盖有效的虚拟力算法（CEVFA）的基础上,假设被监测目标对节点有引力作用,建立了节点和被监测目标之间的联系,打破了传统的目标覆盖中指定节点覆盖特定目标的局限性;同时,弥补了现有以VFA为主的区域覆盖方法中,仅能提供区域覆盖或者目标覆盖而没有将二者综合考虑的不足．不同节点密度下的仿真结果表明：WMCA在满足特殊热点目标监测的前提下,最大限度地兼顾了网络的区域覆盖质量;相对于随机部署,其平均覆盖质量提高达15．99％,有效地利用了网络资源．     

异构传感器网络成本最优节点部署机制

针对异构无线传感器网络中节点的高密度部署情况,研究了异构传感器节点的优化部署问题。提出一种基于遗传算法的异构节点成本优化部署方法。算法以网络的容错性和覆盖性为约束条件,以部署的成本为目标函数进行优化计算得到保证网络覆盖和网络容错性所需的节点位置和节点类型。算法既适用于布尔传感模型,又能应用于概率传感模型。仿真结果表明该算法能快速收敛于最优解,降低网络部署的成本,是一种可行的异构无线传感器网络节点部署的解决方案。     

基于协同进化粒子群算法的无线传感器网络节能优化覆盖算法

针对当前无线传感器网络覆盖算法存在能耗较高、节点大量冗余的缺陷,提出一种基于协同进化粒子群算法的WSN节能优化覆盖算法.以WSN的网络覆盖率、剩余能量和冗余程度为优化目标,建立粒子群优化模型.采用遗传算法的交叉变异算子,加强算法寻优能力.仿真结果表明,新的算法在提高能量利用效率的同时维护了良好的网络覆盖率,有效延长了网络生命周期,达到了节能优化覆盖的目标.     

基于多目标遗传算法的无线传感器网络重新部署方法

研究节点动态移动以增强覆盖率,同时考虑节点的最大移动距离最小化.通过引入虚拟合力对基因进行变异,提出一种基于NSGA-II框架的改进的多目标遗传算法,达到网络覆盖率与节点移动距离之间的平衡.实验证明,该结果能得到较分散的前沿占优解.     

面向客运车站环境监测的WSN覆盖策略

客运车站环境的监测对于保障车站安全运营和为旅客提供舒适出行具有重大意义.基于无线传感器网络(WSN)的客运车站环境监测全覆盖策略,依据被监测区域中已部署的传感器节点对区域进行Voronoi划分,计算Voronoi图中三角形的覆盖比,提出基于Voronoi三角形覆盖比的全覆盖算法,该算法通过逐个添加新的传感器节点修复覆盖空洞.仿真结果表明:所提算法在实现监测区域全覆盖的同时能够有效减小由于大量部署传感器节点所造成的覆盖冗余.