结合分裂Bregman的压缩感知电磁地图重构算法

受限于非协作和采集数据残缺等因素,分布式感知网络难以实现对目标区域电磁态势的全覆盖感知,因此,有必要研究一种依据残缺感知数据重构出目标区域完整电磁态势的技术,进而掌控电磁态势。论文由此提出了一种结合分裂Bregman的压缩感知电磁地图重构算法。该算法基于压缩感知提出了一种滤波式分区正交匹配追踪算法,并用其重构出目标区域内的参考信号接收功率数据,然后再利用分裂Bregman对该数据进行精度提升,最终得到更高精度的数据并绘制出完整的电磁地图。仿真实验表明,重构出的电磁地图和实际情况更接近,且在可用感知节点数量稀少情况下能保证重构数据和实际数据之间的均方根误差低于2.5,算法具有重要的理论意义和应用价值。     

大环境下拓扑化栅格地图的多峰定位研究

通过对室内移动机器人定位研究发现,粒子滤波定位算法在较大的环境下效率低而且定位不准确。为了解决这个问题,提出一种基于拓扑化栅格地图的多峰粒子滤波定位方法。根据室内环境的特征不同,将栅格地图中的不同区域划分为若干拓扑节点。拓扑化栅格地图可以将地图的信息表现得更加简洁。通过对地图中不同的节点进行一次预匹配,来加快机器人定位的效率和准确性,同时为了消弭相似节点带来的影响,最后通过多峰粒子滤波的方法完成机器人的定位。实验结果证明该方法可以有效解决大环境中机器人定位不准确和效率低下等问题,可以帮助机器人实现大环境中的准确而快速定位。     

一种面向区域数据的机会群智感知数据分发策略

面向时空敏感的局部数据,结合区域数据采集的背景,设计了一个基于地图分区的机会式群智感知数据分发策略. 该策略分为四部分:首先对节点进行区域的划分和周期性地采集数据;其次在节点相遇时不同位置属性的节点之间进行边缘节点的判断和位置更新;然后进行时空敏感的区域数据之间的共享和传输过程;最后当缓存区满或缓存数据超过有效时间时进行缓存更新和丢弃过程. 该数据分发策略可以实现针对局部区域数据进行数据采集的目标,同时具有很好的边缘检测控制功能. 仿真实验结果表明:基于地图分区的数据分发算法具有较好的数据采集率与较低的网络开销,可以在性能接近Epidemic算法的前提下,提供可靠的区域数据采集和数据共享功能,且某些条件下性能可以超越Epidemic算法.     

面向区域数据的机会群智感知数据分发策略

面向时空敏感的局部数据,结合区域数据采集的背景,设计了基于地图分区的机会式群智感知数据分发策略:首先对节点进行区域划分和周期性的采集数据,然后判断移动到地图分区边缘的节点状态并进行节点位置更新,最后进行时空敏感的区域数据之间的共享和传输,且在缓存区满或缓存数据超过有效时间时进行缓存更新和丢弃;通过The ONE平台进行仿真实验,研究不同节点缓存大小和不同传输速度下基于地图分区的数据分发策略和Epidemic算法的性能.仿真实验结果表明:基于地图分区的数据分发策略在数据采集率与网络开销方面表现出较好的性能,可以在性能接近Epidemic算法的前提下,提供可靠的区域数据采集和数据共享功能,甚至在某些条件下性能可以超越Epidemic算法,且具有很好的边缘检测控制功能,可以实现针对局部区域数据进行数据采集和共享的目标.     

多电极电磁血液流速仪仿真建模研究

基于电磁流量计权函数理论,将多电极电磁测量方式应用于肢体动脉、静脉血液流速测量。通过将流动截面处划分为不同的区域,利用权函数理论重构流动截面处不同区域内的平均轴向速度值,实现对动脉、静脉血管中互为逆向流动的速度信息测量。在此基础上,通过获取不同位置的弦端电压,利用区域权函数的计算方法,确定流动截面上不同位置的权函数,进而计算流动截面处各个区域的局部轴向平均速度。三维有限元模型仿真和计算结果表明电极的位置、数量以及不同的划分方式重构结果不同,实现了速度重构并测量了局部速度分布。     

无线传感网络可信信息覆盖泰森多边形区域划分算法研究

针对无线传感网络区域划分问题,基于可信信息覆盖模型,设计了一种新的面向可信信息覆盖的泰森多边形区域划分算法。首先,该算法利用节点间的协作感知,通过节点聚类形成节点协作感知盘;然后基于可信信息覆盖模型计算各重建点的权值;最后利用权重泰森多边形图理论设计基于该模型的泰森多边形区域划分算法。仿真实验结果表明,该算法与传统圆盘模型下的泰森多边形法相比较,在相同数量节点下划分的泰森多边形区域数量更少,并且有着更高的覆盖率。     

基于多粒度的异质图表示

异质图表示学习旨在将图中的语义信息和异质的结构信息嵌入到低维向量空间中。目前大多数的异质图表示学习方法主要通过基于元路径、元图和网络模式的采样以保留图中同类型节点间的单粒度局部结构,忽略了现实世界中复杂异质图具有的丰富的层次结构。商空间理论中的多粒度思想可以在不同粒度内捕获节点间的潜在联系。因此,为在异质图表示中有效地保留层次结构的信息,文章提出一个基于多粒度的异质图表示方法（Heterogeneous Graph Representations Based on Multi-granularity,HeMug）。该方法首先基于不同元路径构建多个同质子图,并利用多粒度的粗化思想,将每个同质子图分别粗化形成多个多粒度子网络,以保留异质图中同类型节点在给定元路径下的层次结构。其次,利用多粒度的细化思想,将每个多粒度子网络最粗层通过现有表示学习方法获得的节点表示逐层细化,以得到节点在每个多粒度子网络下的表示。最后,设计注意力机制以融合节点在不同元路径对应的多粒度子网络下的表示。在四个真实数据集上的实验结果表明,与对比算法相比,提出的HeMug获得了更有效的节点表示。     

一种基于信噪比(SNR)比较的感知节点数目优化算法

 协作频谱感知虽然可提高系统的感知性能,但随着感知节点数目的增加,系统资源的占用越来越多,系统传输效率下降.分析了协作频谱感知方法的感知性能,得到协作频谱感知的感知性能与感知节点数目和接收信噪比之间的关系,提出了一种新的次级用户节点的选择方法,该方法有效保证了所选择节点的感知性能,仿真验证了该算法的有效性和可靠性.     

星地认知网络中基于图论的动态频谱划分算法

在星地网络间的多授权用户卫星认知通信场景中,提出了一种基于图论的动态频谱划分过程。首先对图论模型进行介绍,其次分析了多授权用户（地面通信基站）条件下的卫星认知通信场景,根据认知用户（地面卫星用户）的感知范围并利用图论模型确定了其与授权用户间的感知矩阵,然后利用认知用户的吞吐量和授权用户的频谱空闲状态等通信参数,通过迭代的方式得到了最终的频谱接入矩阵,完成了多授权用户条件下的频谱划分。仿真结果表明：该算法可在认知用户的感知能力范围内,将认知用户划分到使其收益最大的授权用户频谱中。     

基于RMT的协作MIMO频谱感知

针对认知无线电技术中的频谱感知问题,将已经广泛应用于无线通信领域的随机矩阵理论（RMT）引入到多认知用户MIMO环境中,提出了基于随机矩阵理论的协作MIMO频谱感知算法。该算法不需要预知噪声的统计特性和噪声方差,而是利用大维随机矩阵特征值的极限分布特性进行频谱感知。新算法充分利用了协作技术及MIMO技术的优点来提高感知性能。理论分析和仿真结果均表明,新算法整体性能优于同类算法和典型的能量检测算法。