基于粗大误差灰色判别的泰勒级数展开振源定位搜索算法

在利用搜索算法进行振动目标定位时,由于环境复杂性和干扰源频发性,导致时延差测量的一致性差,甚至出现粗大误差,且粗大误差出现的概率急增,而粗大误差的出现严重影响搜索算法的精度和收敛速度.针对这一问题,提出了一种基于粗大时延误差灰色判别和泰勒级数展开的定位搜索算法.算法根据灰色绝对关联度和信号的信噪比确定各个传感器的信度,然后从多个传感器中选择3个信度高的传感器进行定位,估计出振源坐标的初值,据此计算出各传感器的时延差,并与测量时延差作差值,得到多传感器的时延误差序列,再利用粗大误差灰色判别规则,判断并剔除粗大时延误差,最后,利用泰勒级数展开迭代搜索法确定振源位置.该算法能有效提高搜索速度和定位精度,增强了抗干扰能力.     

基于高斯－牛顿法的双基地雷达目标定位

为了提高复合双基地雷达系统对目标的定位精度,以及充分利用冗余信息,提出了基于高斯-牛顿算法的空间目标定位算法。该算法的特点是:使用发、收两站所有的观测数据构成一个非线性最小二乘定位方程,采用精度最高的一组测量子集解算出的定位解作为迭代算法的初始值,使初值逼近真值;给出了迭代算法的具体步骤,并将变步长策略引入到算法中,让迭代步长参数每步动态地变化使目标函数下降;推导了定位误差协方差矩阵的表达式,对定位精度进行了分析。仿真结果表明,该算法提高了迭代的收敛性和目标位置解的准确性,与简化加权最小二乘算法(SWLS)相比有更精确的目标定位解,从而使得整个受控区域内的定位精度有较大提高,定位性能得到优化和改善。     

基于交替迭代的压缩感知多目标定位算法

针对目前的多目标定位算法在定位精度等方面的不足,将交替迭代应用于压缩感知多目标定位方法。该方法首先利用压缩感知理论将传感器感知到的目标信号强度矩阵表示为测量矩阵与稀疏向量的乘积,将多目标定位问题转换为对稀疏信号的重构问题;然后运行传统压缩感知定位算法得到目标的粗略位置估计;最后通过交替迭代对定位结果不准确的目标进行精确定位。交替迭代过程中,采用菱形搜索寻找目标的精确位置。仿真结果表明:与传统的基于压缩感知的定位算法相比,该算法提高了不在网格中心的目标定位精度,改善了多目标间相互影响对定位干扰大的问题,具有较高的多目标定位精度。最后,以重庆某电力公司的室内运维巡检区域作为实验场所,将该方法应用于实际的巡检定位,取得了较好的室内定位结果。     

无线传感器网络节点定位误差的修正和仿真分析

针对传感器节点定位误差大、定位精度不高的问题,提出一种修正最小二乘法的无线传感器网络节点定位误差方法.该方法采用全局搜索能力强的粒子群算法对最小二乘法定位误差进行修正,提高了节点的定位精度.仿真对比实验结果表明,在相同条件下,改进后的节点定位算法的误差低于其他传感器节点定位算法,定位结果的稳定性更高;随着信标节点数的增加,平均定位误差明显减少,有效地提高了传感器节点的平均定位精度和定位速度.     

曲线搜索下新的记忆拟牛顿算法

利用新的曲线搜索方法,提出一种解决无约束优化问题的记忆拟牛顿算法,给出该算法全局收敛的条件并进行数值实验.新算法由曲线搜索确定迭代步长,搜索方向用到当前迭代点信息的同时还用到上一次迭代点的信息,而且搜索方向与迭代步长同时确定,是一种有效的算法.     

一种电力网络潮流计算的综合算法

针对牛顿-拉夫逊法对初值要求严格,迭代速度快的特点,利用电力网的结构特点,使用高斯-塞得尔迭代法的第一次迭代结果作为牛顿-拉夫逊法的计算初值。这样既解决了牛顿-拉夫逊法对初值要求高的问题,又提高了收敛速度。计算结果表明,综合算法在迭代次数和收敛速度上有优势。     

基于声探测的炸点坐标测量技术研究

采用小孔径立体五元阵探测弹丸爆炸声信号,提出一种基于到达时间差(TDOA)的单基阵精确定向、多基阵融合定位的炸点声定位系统。针对采集的爆炸声信号,对比互相关法及阈值法计算时延差时的定向误差;针对爆炸信号因超出传感器最大量程而被削去顶部的波形失真现象,提出一种基于多项式拟合的时延估算方法,给出算法流程图。采用总体最小二乘(TLS)算法进行多基阵定位,详细介绍了TLS算法的推导过程;并通过仿真分析对比了线阵列和环状阵列下的定位误差。通过进行多次户外定位试验,结果表明,该系统定位性能良好,在200 m×200 m范围内定位精度优于1.5 m,满足工程测量需求。     

基于BFGS修正的高斯牛顿光束法平差解算方法

针对高斯牛顿(Gauss-Newton, GN)方法求解光束法平差模型时对初值准确度要求高、应用场景受限的问题, 提出基于拟牛顿法BFGS (Broyden-Fletcher-Goldfarb-Shanno)修正的高斯牛顿算法——BFGS-GN 法。当高斯牛顿法的信息矩阵失去正定性后, 使用BFGS算法对法方程进行补充修正, 可从根本上消除高斯牛顿方法对初值敏感的数学缺陷。在数据集上的实验结果表明, BFGS-GN算法对不同类型的初值具有鲁棒性, 在初值较好的情况下, 所提方法与高斯牛顿法具有相同的精度和迭代效率; 在初值较差的情况下, 高斯牛顿方法 因发散而失效, BFGS-GN算法仍可以收敛到较高的精度。     

无线传感器网络DV-Hop算法改进与性能

为了提高无需测距的跳距矢量(DV-Hop)定位算法在节点随机分布且拓扑动态变化的无线传感器网络中的节点定位精度,在分析DV-Hop算法实现思想的基础上,针对多边定位法计算出的估计坐标存在较大误差的问题,采用泰勒级数展开法构建了坐标值的数值迭代求精算法,并对改进DV-Hop的性能进行了3个方面的仿真研究:确定了算法迭代步长收敛门限值的选择准则,对比分析了选定门限值条件下DV-Hop算法改进前后的定位性能,给出了不同信标节点和网络节点条件下的统计迭代次数,并以此衡量改进算法的计算量和收敛速度。仿真结果表明,合理选择迭代门限值时,通过适当增加定位节点的计算量,改进算法可明显改善定位精度和定位误差稳定性,是一种可行的无线传感器网络节点定位的解决方案。     

基于互相关序列和BP网络的声源定位算法

在基于麦克风阵列的声源定位算法中,一种常用算法的基本思路是通过麦克风接收到信号的相关序列来计算信号之间的时延,进而再根据阵列的结构确定声源的位置。在分析传统的声源定位算法基础上,针对双五元十字阵模型,介绍传统的基于广义互相关相位变换加权(generalized cross correlation-phase transform, GCC-PHAT)时延估计的定位算法,并给出基于GCC-PHAT时延估计和反向传播(back propagation, BP)神经网络的定位算法、基于抛物线互相关时延估计和BP网络的定位算法,进而通过分析影响时延估计的主要因素,提出了基于互相关序列和BP网络的新定位算法,该算法将GCC-PHAT互相关序列最大值点的位置、最大值点及其左右各一点的相关值作为BP网络的输入,通过对BP网络进行训练来实现声源的三维定位。仿真实验表明：与传统的基于GCC-PHAT时延估计的定位算法相比,所提出的各个算法均具有较好的定位效果,后者均比前者的定位精度更高,而且提出的基于互相关序列和BP网络的新定位算法在低信噪比和高混响的条件下,也具有较好的定位效果。     

基于遗传算法和高斯牛顿法的超声回波信号参数估计

在超声回波信号参数估计中,如果高斯牛顿法选取的迭代初值接近参数向量的真实解,则容易找到最优解;如果初始值远离最优解,则高斯牛顿法不收敛或者只收敛到局部最优解。针对高斯牛顿法对迭代初值敏感的问题,提出了遗传算法和高斯牛顿法结合的参数估计方法。该方法充分利用遗传算法善于进行全局搜索和高斯牛顿法善于进行局部快速搜索的优点,首先使用遗传算法求出超声回波信号的参数初值,然后利用这组初值进行高斯牛顿法迭代搜索。仿真结果表明,基于遗传算法和高斯牛顿法相结合的方法,具有收敛速度快、精确度高的特点。     

一种基于遗传算法的组播路由选择方法

提出了一种基于遗传算法的组播路由选择方法·该方法首先寻找所有满足时延限制条件的路径,组成备选路径集,然后以代价最小为优化准则,在备选路径集中采用遗传算法求解最优解·为保证算法的收敛速度快,遗传算法的交叉操作使用了相同链路保留的方法·最后,进行了仿真实验,并与其他算法做了比较·实验表明,该算法收敛速度快,可靠性高,能够满足多媒体网络对实时性的要求·尤其是在网络规模较大时,本算法可大大减小路由计算时间·     

基于极快速模拟退火与网格逐次剖分的微地震定位算法研究

提高微地震定位的可靠性是水力压裂微地震监测中的关键环节,现有的震幅叠加网格逐次剖分定位方法在处理高频微地震信号时容易出现定位失常。针对上述问题,本文在基于网格逐次剖分定位算法的基础上对定位算法进行了改进,提出了极快速模拟退火与网格逐次剖分联合的微地震定位算法。该方案首先采用极快速模拟退火算法在三维目标区域内搜寻能量聚焦较高的圆形区域,然后再利用网格逐次剖分方法在区域内寻找能量聚焦最大值点。合成数据实验表明,当微地震信号频率在100Hz~200Hz时,其定位可靠性与计算效率明显优于现有的网格逐次剖分算法。     

基于极坐标捕捉机制的移动传感网信号定位算法

为解决当前LTE-5G领域内移动传感网信号定位算法存在的定位精度不高、定位时间过长及定位能力较差等不足,提出了一种基于极坐标捕捉机制的移动传感网信号定位算法。首先,通过逆向频率变换及角度矩阵映射,设计了一种抗噪能力较强的信号接收模型,使其能够结合正交处理的方式来抑制信道噪声干扰,以降低定位过程中因噪声而导致精度不高的问题。随后,联合预设极坐标中心与频率-拓扑关系,构建了一种环定位结构,充分利用sink节点性能不受限的特点来快速捕获信号发射位置,提高定位精度,减少定位时间。仿真实验表明:与常用的正交环定位算法(Orthogonal Loop Location Algorithms,OLL算法)、双源定位算法(Dual-source localization algorithm,DSL算法)相比,本文算法定位精度高,定位时间短等优势,具有很强的实际部署价值。     

基于Wigner-Ville时延分析的传感器网络定位方法

到达时间差(TDOA)定位是根据各个传感器接收信号的时差来实现目标定位的,时延估计的准确程度直接影响到定位的精度。从信号能量角度出发,根据Wigner-Ville变换得出一种时频能量分布,通过对应频率下能量的最大值来确定信号的到达时间,进而确定出时间差,同时计算了振动信号在实验介质中的传播速度,最终实现了振动定位的目的。试验结果表明,基于WVD时频能量分析的方法有利于减少实际测量环境下的振动源定位误差,从而提高定位的精度。     

基于进化策略方法求多项式的根

针对传统算法如牛顿迭代法在求多项式的根的过程中,只能对某一有限的区间求出数值解,对于一个根、重根或者是选择迭代初始点等问题的解决也不是很理想的弊端,提出一种在整个实数域(或复数域)上进行求根的进化策略算法.该算法充分发挥进化策略的群体搜索和全局收敛的特性,有效的解决了传统算法在求解过程中存在迭代初值选取难的问题,而且对系数为复(实)系数的高阶多项式求根的问题同样适用.模拟实验表明,该算法收敛速度快,精度高,比一般的求多项式根的智能算法还要好,是一种求多项式根的有效方法.     

混合型方程组的数值解法

针对混合型方程组提出一种新的迭代算法.新算法有如下特点：第一,收敛速度快,同Newton迭代法一样,新算法具有二阶收敛速度; 第二,计算成本低,新算法低于Newton迭代法.在对新算法的收敛性进行严格证明的同时,数值实验还证实,新算法对初始解与精确解的接近程度的要求也比Newton迭代法有所降低.     

室内定位中K-means聚类算法奇异值的优化处理

针对室内定位聚类算法中的奇异值出现较多的场景,按照以往聚类算法大多将其删除或替代为聚类平均值,这往往使得奇异值附近的定位误差陡增。研究采集阶段接入点(acess point,AP)端加入嵌入式滤波处理单元,采用格拉布斯(Grubbs)准则处理采集的信号以减少检测奇异值;然后在定位运算中改进了K-means聚类算法。首先根据模型函数鉴别运算中产生的奇异值,将奇异值线性化处理后由支持向量机(sport vector machine,SVM)对于奇异点进行分类;再将其进行K-means聚类划分。在不剔除奇异值的情况下,使得定位区域中的参考点合理利用,从而提高了整体累计误差的置信水平。研究中将剔除奇异值的K-means聚类算法作为比较对象,实验中采用美国Signal Hound公司的SA44B型频谱仪测量接收机组成传感器网络,可以使得K-means聚类算法的定位精度提高11.3%,证明在实际定位应用中是很有效的。     

基于ARM的机器人走迷宫控制系统与算法设计

针对智能机器人所走迷宫的尺寸与迷宫格的多少,通过ARM控制机器人步进电机的步进角度及转动状态结合红外传感器的检测信号,通过智能算法的设计改变传统的搜索过程使搜索整个迷宫变为搜索到终点即停止搜索,以最大程度的减少搜索时间,降低搜索过程中的错误.并且改变以往的转弯方式使在原地转变为行进中转弯,这种转弯方式可以减少行进时所用时间,试验结果表明,此智能算法设计不仅可以完成传统算法设计所能实现的功能,而且可以大大减少搜索时间.     

基于分布式光纤温度传感器的热源定位方法

分析了光纤温度传感器在温度探测中的优势,讨论了基于反斯托克斯／斯托克斯比值的分布式光纤温度传感器的信号处理方法．提出了一种基于信号时移的估计和分布式光纤温度传感器阵列源信号来解决平面或球面热源定位的信号处理算法．根据平面和球面波前的不同,可以分别利用远场算法和近场算法来确定热源的位置,仿真实验证明算法可行．