室内超宽带非视距协同定位算法

超宽带以其高分辨率和抗多径的特点,成为室内定位技术的突出代表．室内环境复杂,接收的定位信号中多径干扰和非视距NLOS传播,会产生严重的非视距NLOS效应,导致传统的定位算法出现较大偏差．为了克服NLOS误差的影响并得到满足室内定位的精度要求,提出将带校正因子的WLS算法和Taylor算法相结合,通过协同定位来抑制非视距误差．结果表明：在多种环境下,改进的算法都能够较好地抑制NLOS误差干扰,基本满足了室内定位的精度要求,具有健壮性强的特点．     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

基于无线传播信道特征的非视距识别技术

复杂的室内环境中存在的各种无法躲避的障碍物会导致无线定位的测距精度较低,其中最主要的因素是存在非视距传播,因此识别信道状态是否为非视距对室内定位精度较为重要.提出一种基于信道信息的视距/非视距信道识别方法：首先对信号进行过滤,获取重要的信道抽头;然后提取过滤后信号的峰值,并计算其功率;最后通过计算得出该信道信号的峰均比,并联合假设检验对信道状态进行判决.仿真结果表明,峰均比特征在视距/非视距信道上有明显差异,可以作为识别视距/非视距信道的特征.该特征的视距识别正确率达到93.56%,非视距识别正确率达到87.23%,比使用峰度特征在视距场景下的识别正确率提高了2.65%,非视距正确率提高了0.71%.使用本算法在定位过程中进行验证,能够有效降低定位误差,提高定位精度,说明该算法的识别效果较好,具有一定的应用前景.     

基于非视距鉴别的室内移动节点跟踪算法

NLOS环境是影响室内移动节点跟踪的关键因素之一.为了降低NLOS环境对室内移动节点跟踪的影响,提出一种自适应跟踪滤波算法.该算法首先基于典型室内环境非视距偏置误差的时间变化特性分析,建立修正偏置扩展卡尔曼滤波来估计距离量测中的非视距误差;然后根据估计结果对LOS/NLOS环境进行鉴别;最后联合NLOS鉴别算法和修正偏置扩展卡尔曼滤波建立自适应跟踪滤波算法.数值仿真结果表明,该算法在室内环境具有较好的跟踪精度和较强的自适应性.     

室内非视距环境下基于改进多维标度的优化定位算法

研究了室内非视距环境下无线传感器网络的节点定位问题。在优化估计框架下,首先提出待优化误差函数,并基于改进多维标度(MDS-MAP)方法,分析误差函数中未知变量的耦合关系,最后提出基于改进MDS-MAP的优化定位算法。该算法仅依靠节点间的测距信息进行定位,无需环境先验信息,因此适用于未知、复杂环境下的无线传感器网络。同时该算法无需角度、信号强度等冗余量测信息来辅助定位,对硬件要求较低,从而降低了定位成本。通过仿真比较,所提出的基于改进MDS-MAP的优化定位算法的有效性得以验证。在仿真过程中,采用聚类分析方法对不同基站数目下的节点定位精度进行分析。根据仿真结果,在节约定位成本的前提下,当基站数目达到6个时,能够实现三维空间近似最优定位。     

一种抗非视距误差的组合定位算法

为解决移动机器人在NLOS 环境下定位系统误差大和稳定性差的问题,提出一种抗NLOS误差的N-CTK组合算法。首先在Chan-Taylor协同算法基础上,融入卡尔曼滤波算法,提出一种CTK组合定位算法,然后基于TDOA测量值构建NLOS误差模型,引入NLOS误差转化因子,融合扩展卡尔曼滤波算法,并结合所提CTK组合算法,最终获得标签的估计值。实验测试表明：LOS环境下误差为6cm时,N-CTK组合算法相比CTK组合算法的累积分布函数提高了13.5%,NLOS环境下误差为15cm时,N-CTK组合算法相比CTK组合算法的累积分布函数提高了55%,定位精度明显提高。     

基于深度置信网络的超宽带信道环境的分类算法

对超宽带信道环境进行分类、识别,对于实现特定场景分析以及无线网络的优化具有重要意义。针对这一背景提出了一种基于深度置信网络(deep belief network,DBN)的信道环境分类方法,对不同的信道场景特征进行提取、分类。实验结果表明:提出的算法能有效地实现信道环境的分类识别。     

一种无线定位非视距误差消除算法研究

在分布式多天线的基础上,提出一种新型非视距误差消除算法,并将其应用于传统的时间到达（time of arrival,TOA）定位。利用含多天线的天线组,测量出导致产生非视距传播的散射体的位置,将这些散射体看作虚拟基站,测量出移动台的坐标,完成无线定位。通过对算法的仿真结果分析表明,该算法能有效地消除非视距误差,比一些传统算法具有更高的定位精度。     

在非视距环境下数据融合的无线定位算法

从数据融合以及增加测量参数两个不同角度分别介绍了非视距环境下定位的方法.数据融合基于基站选择的方法,通过3层融合得到位置估计,而增加测量参数则是基于经典TDOA/AOA混合定位,在测量方程中加入校正因子,通过逐步迭代的方法逐步减小非视距影响,从而提高定位精度.仿真表明:非视距环境下,增加测量参数的定位精度要高于数据融合,并且方法比较简单.     

非直达波定位跟踪扩展Kalman滤波算法的改进

针对蜂窝系统移动定位中扩展卡尔曼(EKF)受非直达波(NLOS)影响大,文章提出了一种改进扩展卡尔曼滤波(MEKF)算法;MEKF算法对标准的EKF进行改进,通过加大LOS基站测量值的权值能有效抑制NLOS导致的误差,显著地提高定位精度。文章对算法本身进行了分析,并给出了仿真结果。     

低空无线信道小尺度衰落特性研究

针对复杂情况下低空无线信道特性,选取近山地城镇环境视距和非视距2个场景在2.4 GHz频率下开展实地低空无线信道测量活动,分别收集1 200组信道的多径幅度值,结合统计性方法分析其对应的均方根时延扩展与莱斯因子2种小尺度衰落特性,并进行拟合。测试结果表明：2种场景的均方根时延扩展平均值分别为255 ns、1 429 ns,莱斯K因子平均值分别为3.8 dB、0.32 dB,前者莱斯K因子大于0 dB的比例为58.68%,说明该环境下莱斯信道为主;后者大于0 dB的比例为10.16%,说明该环境下瑞利信道为主;拟合的结果表明：均方根时延扩展Gamma拟合,莱斯K因子正态拟合,最后得出了对应的概率密度分布函数。     

基于假设检验的NLOS确定及最小残差定位算法

针对室内非视距传播会降低定位精度的情况,提出基于假设检验的NLOS确定算法,并在此基础上提出基于粒子群优化算法的最小残差定位算法.通过联合信号接收强度模型和到达时间模型,利用假设检验的方法确定当前信号是否受到非视距污染.仿真结果表明,与标准差分析法相比,所提出的方法具有计算量小、不需要太多的传播模型参数等特点,具有较高的正确率.在确定信号传播环境后,在非视距干扰比较严重的情况下,提出了基于粒子群优化算法的最小残差定位算法,定位精度优于加权最小二乘法和Fang氏算法.     

一种基于交互投影原理的快速自适应横向传播建模算法

针对最小均方建模算法用于长记忆有限脉冲响应滤波器模型时收敛速度慢的问题,提出了基于交互投影原理的横向传播建模算法(简称为TPLMS算法).该算法将滤波器按质因数分解为多组滤波器组合,从最短的子滤波器分组开始迭代,逐步过渡到原滤波器,在每一时刻,采用最小均方算法顺序求解分组内各子滤波器的权系数.在迭代过程中,由于滤波器的长度缩短,从而可采用更大的步长,使权系数以更快的速度收敛.随着子滤波器长度的逐步增加,可以逐步减小迭代步长,从而得到较低的失调误差.仿真结果表明,TPLMS算法的收敛速度优于传统的最小均方算法和变步长最小均方算法.该算法收敛速度快,特别适用于长记忆有限脉冲响应滤波器模型的自适应建模.     

基于MMSE光正交频分复用系统信道估计算法研究

由于自由空间光通信的信道是随机的大气信道,光信号在其中传播必然会受到灰尘、雨滴、雾等粒子散射的影响,为了提高系统抗噪声干扰能力,在原有LS信道估计算法的基础上,设计了基于MMSE算法的光正交频分复用系统信道估计流程,并通过Monte Carlo方法对其进行了仿真验证,结果表明MMSE信道估计算法可以很好地改善系统性能.     

智能化电器测量与保护算法的研究

智能化电器的微机测量和微机保护功能要用合适的算法实现．分析了智能化电器测量与保护的采样方法，介绍了均方根算法、半周积分算法和傅氏变换算法的原理与特点．     

基于小波阈值的浮动车数据消噪算法

研究通过小波函数选取等策略来构造一种适合于浮动车原始数据去噪的小波阈值去噪算法.数据去噪是浮动车数据进行交通信息研究的基础性工作,小波分析对于掺杂噪声信号的数据去噪有不可比拟的优势,本文通过构造新的阈值及阈值函数进而以信噪比、均方误差为指导对浮动车数据的去噪结果进行分析来确定小波基函数及小波分解层数,以此研究出针对于浮动车数据的小波阈值去噪的有效算法.通过本文构造的小波阈值算法使得浮动车数据去噪前后与遥感微波检测器（RTMS）数据的相关性提高10%以上,能够有效去除浮动车数据中的噪声.      

基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.     

基于X滤波最小均方算法的冲击振动自适应逆控制

针对冲击振动控制的自身特点及已有算法的缺陷，提出了冲击振动的自适应逆控制方法。该方法能够根据不同的负载特性自适应地调节逆控制器参数，在时域实现了冲击振动控制，完全克服了频域方法中低频分辨率低、易产生溢出的问题。同时，针对X滤波最小均方(LMS)算法运算量大、收敛速度慢的缺点，提出了一种快速X滤波LMS算法，运用批处理技术，使码元间的平均计算量减小。试验表明，该方法使控制精度提高了约50％，明显优于已有的控制方法。     

一种基于质点动力学原理的快速自适应建模算法

针对自适应逆控制技术中最小均方(LMS)算法建模速度慢的缺点，基于重力场中超曲面上质点的动力学原理，提出了一种快速自适应建模算法．该算法的特点是将滤波器权系数的迭代求解过程类比为重力场中超曲面上质点的运动，在质点的自由运动微分方程中加入比例阻尼项，使各模态的阻尼系数均接近于临界阻尼，从而使权系数以较快速度收敛，并利用质点微分方程中的非线性项实现变步长迭代，明显提高了自适应维纳滤波器的权系数收敛速度．仿真试验结果证明该算法优于LMS算法．该算法运算代价小，收敛速度快，可替代LMS算法用作自适应逆控制的建模工具。     

基于遗传算法的优化DCT 图像压缩方法

为打破传统DCT(Discrete Cosine Transform)变换矩阵统一的束缚, 从离散余弦变换DCT 的基本原理及特点出发, 针对图像信息对DCT 变换矩阵进行优化处理, 实现对图像的高效压缩。将图像进行DCT 压缩后重构并与原图像进行比较; 利用遗传算法求最优解使其均方误差最小以优化DCT 变换矩阵的系数; 以优化后的变换核对图像进行处理。实验结果表明, 对线性边缘、纹理特征图像小分块处理基于遗传优化DCT 的算法在种群个数为40 ~ 60、字符串长度为8、交叉概率为0. 7 ~ 0. 8、变异概率为0. 007 ~ 0. 008 时, 图像压缩效果达到最佳。