改进的无线传感器网络无偏距离估计与节点定位算法

针对无线传感器网络中基于跳数的节点定位算法不能满足无偏距离估计、节点定位误差大的问题,提出了一种改进的无偏距离估计与节点定位算法(UEDV-hop,Unbiased Estimation DV-hop)。该算法分析期望距离和跳数的关系,建立一种新的期望距离与跳数模型,根据节点通信半径是否已知分别推导了两种UEDV-hop的求解形式。仿真实验结果表明:所提的两种UEDV-hop算法的估计距离在不同跳数时都近似等于该跳期望距离,算法在距离估计和节点定位精度上相对于DVhop(Distance Vector-hop)算法及基于最小二乘法改进的DV-hop算法都有较大提高,在节点数目等于2 500时,UEDV-hop算法的估计距离误差比DV-hop算法降低了9.5%,定位精度提高了55%。     

基于行为特征的疲劳驾驶检测技术研究

介绍了几类目前常用的疲劳检测技术的优缺点,提出了一种改进的疲劳驾驶检测方法:先通过2次图像投影和形态学方法实现眼睛精确定位;再根据眼睛睁闭时,其眼睛宽高比的差异,提出一种眼睛状态的识别方法;根据PERCLOS方法的判断是否疲劳.算法能够有效减少计算量提高运算速度,并在实验室内取得了较高的精确度.     

对我国高校行政主体定位司法变迁之考察

司法实践显示,因高校对学生受教育权的侵害所引发的高等教育行政诉讼案件,所涉及对高校行政主体资格的证明,先后分别经历了高校为“行政授权机关”、“法律、法规授权组织”以及“法律、法规或规章授权组织”等三个阶段的发展。为保证司法实务与国家立法间的一致性,建议应以当前高校的司法定位作为未来高校立法的参考依据。     

中美新能源汽车政策比较与借鉴

正洛杉矶长达50年的雾霾事件使得民众向政府提出保障生命健康、优化生存环境的强烈诉求,迫使美国政府从此开始了空气污染治理和节能汽车的推广。2014年4月特斯拉纯电动汽车正式进入中国市场,中国新能源汽车发展再度引发社会强烈关注。虽然比亚迪、江淮汽车等中国新能源汽车领军企业在受众定位上与特斯拉区分明显,但特斯拉这款集炫酷与环保于一身的纯电动车还是引起了搅动市场的鲶鱼效应。各国政府都大力扶持作     

声学头模耳道入口处的声场仿真分析

通过有限元仿真分析了声源从不同方向入射时,声学头模耳道入口处声压分布的情况.同时模拟了不同耳道形状下耳道入口处声压分布情况.仿真结果显示:耳道入口处的声压呈现不均匀分布,且分布模态与声源入射方向有关;耳道形状会对声压分布模态有影响,但对差异显著频段影响不大.由仿真结果可推断这种携带声源方向信息的耳道入口处声压分布模态可能是一种听觉方向定位线索.     

基于测距权重的蒙特卡罗定位改进算法

针对传统蒙特卡罗定位算法采样效率低,对锚节点密度要求高的特点,本文基于蒙特卡罗定位算法MCL提出一种改进的移动传感器网络的节点定位算法IMCB.该算法利用历史锚节点信息和RSSI测距,以及运动模型的改进对待定位节点的位置采样范围进行了进一步限制,对有效采样点的权重进行了区分.仿真结果表明:该算法的定位精度相比MCB算法提高了16.6%.     

一种用于室内定位的线性规划算法

针对基于ToA定位中存在的信标节点较少和发送时间不能提前预知的问题,提出了一种新的应用于无线传感网络室内定位的线性规划算法.通过考虑测量值的最小平均绝对值误差,利用线性逼近方法,将一个复杂的、非凸的室内定位问题转换为一个简单的线性规划问题,并用迭代求精的方法求出最优解.仿真结果表明,提出算法计算复杂度低,收敛速度快,可以快速地求出未知节点的坐标;通过和已有的定位算法相比,提出算法在信标节点较少的情况下,仍能保持很好的定位精度,利用较少的节点资源达到比已有算法更好的定位性能.     

北斗高精度相对定位选星方法研究

针对北斗系统中高轨卫星会带来较全球定位系统（global positioning system ,GPS）更为严重的法方程病态性这一问题,分析了双差载波相位观测方程系数矩阵对整周模糊度浮点解解算的影响,结合北斗系统三轨道星座混合的特点,研究了区域北斗高精度相对定位选星方法,以仰角最高的地球同步轨道（geostationary earth orbit, GEO）卫星作为参考星,优先选取仰角高于10°的中地球轨道（medium earth orbit,MEO）卫星,然后按照均匀分布的原则选取倾斜地球同步轨道（inclined geosynchronous satellite orbit,IGSO）卫星。通过对实测数据进行试验和分析,证明了该方法的正确性和合理性,在进行区域北斗高精度相对定位时,能在一定程度上改善法方程的病态性,使模糊度浮点解较快收敛至真值附近,有利于模糊度的快速正确固定。     

有限序列的定位复杂度

该文首先引入了一种度量序列的局部随机性的新指标,这种指标可用来检测序列的局部稳定性,其次,用统计的观点分析了有限序列的稳定性。     

基于点线特征的视觉同时定位与地图构建综述

同时定位与地图构建(simultaneous localization and mapping, SLAM)作为计算机视觉中的热门方向,在无人驾驶、移动机器人等领域中发挥着重要的作用。由于线特征在低纹理环境下的优势,越来越多的研究人员利用点线特征融合的方法提高SLAM系统的精度和鲁棒性。文中首先简要阐述了传统的点特征SLAM系统在低纹理环境下的局限性,并对现有的视觉SLAM综述文献进行了总结;随后,对经典的点线SLAM方案进行了介绍,并总结了点线特征融合在前端、后端、闭环检测中的研究进展;最后,对点线SLAM未来的发展方向进行了展望。