基于改进蝴蝶搜索算法的DGPS整周模糊度快速解算

为了快速准确地解算差分全球定位系统(DGPS)整周模糊度,提出了一种改进蝴蝶搜索算法(IBOA)求解整周模糊度。首先在蝴蝶优化算法(BOA)的香味系数中加入一个自适应权重,弥补BOA算法觅食行为中较弱的搜索能力;其次使用动态切换概率权衡BOA算法中全局搜索与局部搜索的比例;最后在全局搜索和局部搜索阶段引入新的迭代位置更新策略,提升了算法全局搜索能力和跳出局部最优能力。与最小二乘模糊度降相关平差算法(LAMBDA)算法进行1000个历元数据的解算对比实验,结果表明所提算法的平均搜索成功率比LAMBDA算法提高了5.07%。

一种互相关法联合STFT的时间差测量算法

为了解决传统互相关法和二次相关法在低噪声情况下误差较大且具有±1个采样周期的理论误差问题,提出一种互相关法联合STFT的时间差测量算法。首先,使用传统互相关法对接收的2路信号的时间差进行粗测,将其中1路信号延迟相应的时间;然后,以某1路信号为基准,在一定时差范围内,对另1路信号进行短时傅里叶变换,通过不断比较基准信号和滑动信号的频域特性是否相同,来判断滑动后信号和基准信号的相对延时是否为0。实验结果表明,在低信噪比环境下,和二次相关法相比,新算法提高了时差测量的精度。

边缘计算中利用改进型遗传算法的任务卸载策略

提出一种基于改进遗传算法(Improved Genetic Algorithm,IGA)的边缘计算任务卸载策略。针对边缘计算系统包含大量ECN(Edge Computing Node)和用户且任务具备结构化的特性,构建系统模型,并且详细分析用户延迟与能耗成本。将系统中的任务卸载决策转化成以成本最小化为优化目标的完全多项式非确定性(NP)问题。使用IGA求解NP问题,实现任务的高效卸载,其中使用整数编码、基于知识的交叉、种群分割的变异等操作提高算法的寻优能力。基于Python平台对所提策略进行实验论证,结果表明,种群数量设为35、迭代次数为350时,IGA的性能表现最好,且所提策略在用户设备总成本、ECN资源利用效率、执行时间等方面均优于其他对比方法。

基于时频对消的跳频信号盲检测算法

针对低信噪比下跳频信号检测概率低问题,提出一种基于时频对消的跳频信号盲检测算法。根据跳频信号与定频信号的不同时频特性,利用短时傅里叶变换,理论上分析推导了跳频信号、定频信号和高斯白噪声的时频对消比,根据时频对消比差异性,得到三元假设检验规则;针对实际脉冲噪声背景,利用分数低阶短时傅里叶变换代替短时傅里叶变换估计得到时频对消比,实现了未知先验信息条件下跳频和定频信号的同步检测。计算机仿真结果表明,当跳频信号检测概率高于0.8时,相比于功率谱对消法,该算法改善信噪比大于1.5 dB以上。该算法抗噪声功率不确定性较强,实现简单。

一种用于DGPS整周模糊度解算的混合策略麻雀搜索算法

针对麻雀搜索算法(SSA)在计算差分全球定位系统(DGPS)整周模糊度过程中出现的全局搜索能力弱、易陷入局部最优等问题,提出了混合策略麻雀搜索算法(HSSSA)。首先,通过引入Circle混沌映射初始化种群,提高初始种群的多样性,增强算法的全局寻优能力;其次,将粒子群算法中各个粒子的速度策略引入发现者位置更新公式中,提升算法寻优能力;最后,使用高斯变异策略对最优麻雀位置进行扰动,增强了跳出局部最优的能力。将所提算法应用于9个不同特征的基准函数进行实验,结果表明,HSSSA算法有着良好的寻优精度和收敛速度。在GPS/BDS实测数据的3000个历元的解算中,相比传统LAMBDA算法和SSA算法,HSSSA算法有着更高的解算成功率,可达99.2%。

基于LQI权重和改进粒子群算法的室内定位方法

为解决无线传感网络节点在室内定位中由非视距和多径传输等因素导致定位误差较大的问题,提出了基于三角函数的粒子群算法。针对RSSI波动性引起的测距误差,利用LQI和RSSI值之间的关系对RSSI值进行优化,提出了基于LQI权重的RSSI测距算法。改进的粒子群算法相比较于标准粒子群算法优化了权重模型和速度更新策略,避免陷入局部最优值情况。在对算法进行仿真实验后,进一步将其运用到Zigbee平台的定位实验,通过实测实验证明该算法在测试环境下平均定位误差在0.5 m以内,相比于LSE和标准PSO算法,获得较好的定位效果。

具有自学习能力的变异蝙蝠优化算法及性能仿真

针对标准蝙蝠算法进化特点,提出了具有自学习能力和个体变异的蝙蝠优化算法,该算法中全局最优个体具有自学习能力,使全局最优解在小范围内进行自我优化,能够引导算法中个体进行深度搜索;同时算法中每个个体动态的成比例形成变异群,依据贪婪选择机制,保护了优良个体,避免个体退化。通过以上算子的融入来提高算法的优化精度和收敛速度,避免算法早熟。通过对基本标准函数的测试,验证了算法具有寻优能力强,搜索精度高的优点,能有效的跳出局部最优,一定程度上弥补了算法高维弱势的缺陷,对于工程中复杂的优化函数有较大的使用价值。

IMU辅助的室内单星定位方法

惯性导航系统(INS)是以惯性器件测量位置参数的定位系统,但随着时间的累积,系统的定位精度逐步变差,产生累积误差现象。基于无线传感器网络(WSN)的定位技术通常需要3个锚节点进行定位,但在室内复杂环境中,系统会处于锚节点欠定状态,此时需要辅助定位方法解决室内欠星定位问题。针对上述定位系统的不足,提出了一种基于IMU辅助和场景分析的多信息融合室内单星定位方法,该方法可通过场景分析的约束条件逐步消除IMU在室内环境下的累积误差效应,并通过单星定位技术进一步优化定位目标的位置信息。经过地下车库实验验证,本方法平均定位精度是0.75 m,定位误差有97.5%的概率在2 m以内,能满足室内亚米级高精度导航定位的要求。

广义延拓插值模型在RSSI测距方法中的应用

室内无线传感器网络定位通常采用基于信号强度指示RSSI(Received Signal Strength Indicator)的测距方法,但由于室内信号反射、阻挡严重,同时不同硬件之间存在性能差异,导致RSSI随距离的衰减模型难以精确表述。本文提出一种基于广义延拓插值的RSSI测距模型,通过对实测数据进行拟合和插值,构造出能够反映实测环境下的衰减模型,避免了大尺度衰减模型中环境衰减因子难以由经验值给出的问题,同时也减小了不同硬件间的性能差异带来的影响,相比传统的大尺度衰减模型测距精度得到很大改善。

S频段低信息速率卫星通信系统的探索和实验

介绍了目前卫星通信的频段分布并对其进行了对比;对S频段卫星通信给出了链路预算,并进行了卫星移动通信的探索和实验,通过低信息速率的短报文和语音通信设备的研发,对低速率卫星移动通信进行了验证和分析。结果表明,采用全向天线的S频段低信息速率的卫星通信系统完全可以在处理突发事件的应急通信中发挥作用,并具有成本低、终端简单、应用方便、安全可靠等优点。

蝙蝠算法的Markov链模型分析

针对当前蝙蝠算法的性能改进缺少严谨的收敛性证明,导致算法的改进不具备明确的理论意义的问题,从数学概率以及蝙蝠算法状态转移满足Markov过程的角度为出发点,通过建立合理的Markov链模型研究蝙蝠个体状态的转移行为,论证蝙蝠群体状态空间具有可约性和齐次性,从理论上证明蝙蝠算法满足随机算法的收敛准则,保证算法能100%收敛到全局最优解。

基于改进双系统协同进化算法的无线传感器网络节点定位

为进一步提高无线传感器网络(WSN)中节点的定位精度,提出了一种双系统协同进化(BCO)算法。改进算法利用粒子群优化(PSO)算法快速收敛的特性和混合蛙跳算法(SFLA)较高的寻优精度的特性,在较少的迭代次数内快速收敛且实现深度搜索达到较高的精度。仿真实验结果表明:在应用双系统协同进化算法对测试目标函数进行求解时,能非常接近最优解;同时将该算法应用到基于接收信号强度值(RSSI)测距的节点定位中,预测位置与实际位置的绝对误差在0.05 m范围内;相比基于RSSI的分步粒子群算法(IPSO-RSSI),其定位精度至少提高了10倍。

多智能体蝙蝠算法在无线传感器中的应用

针对无线传感器网络(WSNs)节点的定位误差较大的问题,提出了一种新的具有局部搜索能力强的多智能体蝙蝠算法。改进算法中对寻优蝙蝠个体融入多智能体技术,通过邻域竞争合作算子以及自学习过程提高了算法全局搜索能力,避免算法陷入局部最优,加快算法的收敛速度。通过对标准测试函数的仿真,改进算法相比于其他算法,寻优精度和进化效率得到了较大的提高。随后采用多智能体蝙蝠算法求解无线传感节点定位问题,仿真结果表明改进算法减少了测距误差对定位精度的影响,提高了未知节点定位的精度,为无线传感网络节点定位的实际应用提供理论参考。

改进的PSO与ACO混合搜索GNSS整周模糊度算法

针对蚁群传统算法在计算GNSS整周模糊度过程中由于缺少初始信息素而产生搜索效率低下问题,提出改进的粒子群(PSO)与蚁群(ACO)混合搜索GNSS整周模糊度算法。在搜索初期,由于改进粒子群算法具备收敛速度快的优势,进行粗搜索获取次优解,并以此来初始化改进蚁群算法的信息素分布,最后完成整周模糊度的细搜索。基于经典算例和实测GPS/BDS数据进行了仿真对比实验,结果表明,改进的混合算法比单算法可以更快地收敛于最优解,搜索效率要明显优于LAMBDA算法,且解算的基线精度可以控制在3 mm以内(RMS),有效性和可靠性得到了较好的验证。

一种顾及加权水平精度因子的室内宽带定位算法

基于锚节点测距的室内定位系统的精度受测距误差和锚节点的空间布局等多方面的制约,当存在障碍物的时候,即使离定位点较近的锚节点,测距误差依然很大。为了提高测距精度,并且选择最优的锚节点参与定位,提出了基于正弦调频信号的室内定位信号模型和顾及加权水平精度因子的室内选星定位算法。该算法既充分考虑定位锚节点的空间布局,又可赋予测距误差较小的锚节点在位置解算过程中更大的权重。仿真结果验证了正弦调频信号用于测距的优越性以及该定位方法的鲁棒性,并且显示基于正弦调频信号和加权水平精度因子室内定位算法的定位均方根误差在0.15 m以内,可实现高精度的室内定位功能。

几种信号调制样式识别方法的分析与比较

信号调制样式的识别是近年来信号处理领域研究的热点问题 ,其中对于统计量方法的研究更为集中。通过对信号调制样式识别的统计量方法 ,包括基于信号时频域瞬时参数的算法、谱相关算法的仿真与比较 ,这里提出一种将瞬时幅度的统计信息与频点个数相结合的新算法 ,将谱估计方法应用到这一领域。试验表明 ,这种新算法具有很好的识别效果 ,在信噪比不低于 10dB的情况下 ,正确识别率可以达到 90 %以上。

一种基于相位信息的MSK软件解调方法

首先介绍了数字调制信号(包括PSK,FSK,QPSK,OQPSK和MSK等)的演化背景,然后重点介绍了MSK 的调制解调原理,提出了一种基于瞬时相位信息的MSK解调方法,并进行了仿真实验,实验结果证明了该方法的有效性。

新工科背景下的《随机信号原理》课程的教学改革设计

大数据、人工智能、网络空间安全等新工科专业为传统工科专业建设引入新技术提供了新途径,促进了传统工科专业向新工科专业转化。文章从《随机信号原理》这一专业基础课入手,进行了适应新工科模式的课程教学设计,让学生在专业学习中提升创新能力、科学素养。

一种改进型柔性形态学边缘检测算法

该文作了基于数学形态学的图像边缘检测算法的研究。利用形态学基本算法的图像处理特点,对常用的边缘检测算法以及传统的形态学边缘检测算法加以分析和比较,指出各自的特点以及不足。再结合几何算法,运用到二值灰度图像边缘检测中,基于边缘检测的经典算法与柔性滤波特性,提出了柔性形态学边缘检测算法及优化算法,完成图像的边缘检测及去噪处理。

基于OMP算法的宽带频谱感知

频谱感知是认知无线电的一项关键技术,其能够检测出未被主用户占用的频谱空穴供次用户接入使用,提高频谱利用率。宽带频谱感知要求对数GHz的带宽进行检测,过高的采样速率、大的数据量对现有的硬件设备提出了巨大的挑战。本文利用宽带频谱的稀疏性提出一种基于OMP算法的宽带频谱感知方法。该方法利用MWC采样实现对宽带模拟信号直接压缩采样;利用自相关矩阵对称分解特性和主用户信号独立性,得到有限维压缩采样信号模型,利用AIC/MDL准则估计稀疏度作为OMP算法迭代停止的条件,大大减少了算法复杂度;该方法不需要重构接收信号的PSD,直接在时域根据低速率采样信号,检测被占用信道。仿真结果表明,当带内信噪比大于9dB时,频谱检测概率高于90%。