去蜂窝大规模MIMO-NOMA上行链路用户分组及AP选择

针对去蜂窝大规模MIMO-NOMA系统上行链路的用户分组和AP选择问题,提出了一种最大信道相关性用户分组方案和基于有效信道增益的AP选择方案。首先,最大信道相关性用户分组方案通过统计学和皮尔逊相关系数分别计算出任意2个用户之间的有效信道增益差和信道线性相关性。然后,以任意2个用户差值最小化为目标对用户进行分组。在用户分组结果的基础上,先根据用户信道质量对用户进行排序,再基于有效信道增益为每个用户选择可连接的AP。实验结果表明,基于最大信道相关性的用户分组方案能够降低多用户间的干扰水平,显著提高系统总频谱效率和通信的公平性。同时,基于有效信道增益的AP选择方案能够减少用户间干扰和降低系统计算的复杂度,有效提高了系统总频谱效率。

无线流媒体应用中端系统切换触发机制和AP选择策略的研究与实现

对无线局域网(WLAN)中节点(Station)切换过程进行了研究,提出了一种适合流媒体应用的端系统快速切换解决方案.该方案在3个方面进行了改进:通过设置动态切换阈值避免节点的频繁切换;使用平滑因子降低无线信号强度的时变不确定性;利用探询时延选择合适的接入点(AP).该方案无需对现有AP进行修改,具有较强的可扩展性能.在实际WLAN环境下进行了实现和测试分析,表明该方案能有效地减小切换时延,改善了流媒体在WLAN中的应用.

基于可靠AP选择和深度置信网络的室内定位算法

受非视距传播等影响,基于位置指纹的室内定位精度不高。针对此问题,提出一种基于可靠AP选择和深度置信网络(DBN)的室内定位算法。离线阶段利用改进K-means算法将定位区域划分成若干子区域,并依据Fisher准则和AP缺失频率,选取分辨能力强且可靠的AP节点作为子区域的训练节点,最后采用DBN模型对各子区域参考点数据进行训练;在线阶段根据接收信号强度判别测试点所属类簇,并利用训练好的DBN模型在线估计测试点位置。实验结果表明,与WKNN、M-WKNN以及PSO-ANN算法相比,改进算法在定位精度和稳定性方面均有所提高。

基于DMF-AP选择的射频指纹定位方法

针对位置指纹库定位技术,在离线阶段指纹数据质量低和指纹数据存储量大的问题,提出了基于动态均值的FisherAP(dynamic mean Fisher,DMF-AP)选择算法。该算法首先在离线阶段根据AP节点RSS局部相似性,采用K-means算法将定位区域划分成多个子区域,然后在每个子区域采用Fisher-AP选择策略过滤掉性能较差的AP节点,选出判别能力强并且稳定性高的AP节点,重构指纹数据库,达到有效降低数据库的存储量并提高指纹数据质量。通过与MaxMean选择算法、InfoGain选择算法、稳定AP选择算法进行实验仿真对比,结果表明,采用动态均值的Fisher-AP选择算法在定位精度和指纹数据库的存储量上取得了较好的性能表现。

基于有效AP选择和多分类LDA的室内定位算法

为了解决室内定位中纵向位置信息缺失的问题,提出了基于有效AP选择和多分类LDA的室内定位算法。离线阶段,采用基于稳定性及差异性的AP选择算法,提取指纹区域的有效AP集合,并利用多分类LDA算法对有效AP集合在不同纵向位置的指纹数据进行训练,得到纵向位置信息识别模型。在线阶段,将与离线有效AP子集相同的AP信息输入纵向位置信息识别模型,得到识别结果,然后利用基于指纹库分区的定位算法完成在线指纹平面定位。仿真结果表明,所提算法的纵向楼层识别准确率可达到98%。

基于WiFi的室内定位中AP选择方法研究

该文对现有室内定位中的AP(Access Points)选择算法进行了研究。首先,从时间、地点、方向等方面对AP信号造成的影响进行了实验分析,得出AP选择的重要性。其次,从国内外的研究现状出发,对基于WiFi的室内定位中AP选择算法进行了分类和对比分析,讨论算法的优缺点,分析显示室内定位算法的研究注重定位精度和能源消耗之间的平衡,最终得出结论。

WLAN指纹定位中AP选择策略研究

基于WLAN(Wireless Local Area Network)网络的指纹定位技术是当前室内定位领域的研究热点。随着WLAN网络的普及,特别是在商场、高校、写字楼等环境中,AP(Access Point)的布置已经非常密集,终端可视AP数量很多,为WLAN定位提供了良好的基础。但是,由于遮挡以及AP节点故障造成的信号不稳定等因素,导致使用全部可视AP节点进行定位不一定能得到最好的定位结果。因此,在定位计算中对AP节点进行适当的选择是必要的。针对此问题,提出了四种AP节点的选择策略,并通过实际搭建的WLAN定位网络对所提的AP选择策略进行了实验验证。结果表明:对AP进行选择是必要的;恰当的AP选择策略能有效提高定位精度。

自适应AP选择无线室内定位算法

针对接收信号强度的无线室内定位算法中无线接入点(AP)具有相关性和区域性问题,提出自适应AP选择无线室内定位算法。针对AP具有相关性,在线阶段提出基于互信息和信息熵的AP选择算法,联合衡量AP子集内所有AP间的相关性,搜索包含有效位置信息最多的AP子集。对于AP的区域性问题,离线阶段对参考点高斯邻域内原始RSS采样数据进行最小二乘高斯曲线拟合,并提出优先度函数衡量AP性能。最后,采用KL散度实现待定位节点位置估计。与WKNN、MLE算法相比,该算法有效地提高了无线室内定位精度。

基于改进AP选择的融合随机森林室内定位算法

针对复杂室内环境下接收信号强度(RSS)值和维度发生变化的问题,提出一种改进的接入点(AP)选择方法并融合随机森林(RF)分类算法进行实时室内定位.在离线阶段应用改进的AP选择方法,并使用AP的RSS数据方差以及AP出现频率来衡量AP稳定性并选取前m个稳定的AP.在处理方差时会经拉普拉斯平滑,以避免出现方差为0的情况,并以此构建初步的指纹数据库;在在线阶段利用集成学习中的RF来对分类结果进行投票表决得到最终位置信息,并将改进后的算法同传统RF,改进后的AP选择融合加权的K近邻算法(WKNN)以及基于信息增益(IG)的AP选择算法加随机森林相比较.实验结果表明:文中所提出的方法在定位误差方面较其他三个算法分别下降29.3%、23.2%、17.2%,同时在定位时间方面也有提升.

基于WiFi室内定位的AP综合选择策略分析

随着WiFi技术的快速发展与普及应用,利用WiFi进行室内定位已成为当前室内定位领域研究的热点。目前室内AP布置已经非常密集,WiFi信号无处不在。但是室内AP布设存在不均匀、冗余及遮挡现象,这严重影响了WiFi室内定位的精度,同时也增加了计算过程中的复杂度。本文针对AP的选择问题提出了一种综合AP选择策略。该策略融合了方差过滤、最大平均值及互信息方法,考虑了AP信号波动性、信号区域性和AP相关性。试验结果表明:采用AP综合选择方法实现AP组合的最优化,通过WKNN定位算法对定位性能进行评估,发现AP综合选择方法定位精度明显改善,定位平均误差为0.6292m,标准差为0.2483m,与最大平均值和信息增益算法结果相比平均误差均减少0.4m以上。

基于信息区分度的AP有效集构建方法

随着无线网络的广泛应用,面向接受信号强度(RSS)指纹定位的接入点(AP)日益增多,导致一些AP的作用是冗余的,甚至对定位产生不利影响,同时也增加了定位计算的开销。通过对AP进行适当筛选可以一定程度上去除冗余AP,但定位效果会随着AP数量发生较大变化,甚至会增大误差。本文提出一种基于信息区分度的AP有效集构建方法(EID),充分利用指纹信号在不同空间的差异,实现了准确的位置估计。首先,用信息区分度评估AP的定位能力,有效反映出每个AP在不同采样点的区别,展示AP对空间位置的分辨程度。然后,基于AP信息区分度设计更加符合现实环境的增量聚类算法,能根据AP的定位能力得到不同类别的集合并具有较好的鲁棒性。最后,利用点集距离最大原则提出AP有效集选择策略,根据聚类结果和选择要求,选择出合适的AP集合。本文在真实场景下进行实验验证,并与现有的AP选择方法,即基于组判别(GDB)算法、基于软件定义网络(SDN)算法和基于非均匀量化RSS熵(NQRE)算法对比,在减少不低于40%AP数量的情形下,EID将定位精度分别提升了18.7%、11.2%和14.6%。与此同时,本文方法具有更好的稳定性,在95%的情形下定位误差低于1.2 m。

基于无线访问节点选择的煤矿井下定位方法

针对量子粒子群优化-基于阶次序列定位(QPSO-SBL)方法定位精度较低的问题,采用基于信息增益的无线访问节点(AP)选择算法对其进行优化,由此提出了一种基于无线AP选择的煤矿井下定位方法。该方法根据AP的综合可辨识性按照降序对所有AP进行排列,选取前k个AP组成可用AP集合,将可用AP集合作为QPSO-SBL方法的输入量,通过QPSO-SBL方法得出定位结果。试验结果表明,基于无线AP选择的煤矿井下定位方法较QPSO-SBL方法的平均定位误差降低了约10.2%,整体稳定性较强,定位效果较好。

融合压缩感知的指纹信息密度凝聚定位算法

针对传统指纹定位方法指纹库庞大臃肿、信息冗余,数据处理机制单调的问题,提出了一种融合压缩感知的指纹信息密度凝聚定位算法(Fingerprint Information Density Aggregation Positioning Algorithm based on Compressed Sensing,FIDA),实现了压缩采样、信号恢复到指纹建库、在线定位的双领域交叉映射,两者互补增益有效提升了系统定位能力。由空间特征修正聚类算法完成区域模糊划分,自适应场景特征并包容区域边缘失配RP;从有效性、区分度和可测性多尺度综合评价并筛选区域最优AP子集,以凝聚信息密度。定位匹配选择稀疏贝叶斯算法削弱指纹相关性影响,引入信息序列提升近邻RP权重。实验结果表明,所提方案精简指纹信息效果良好,能够有效凝练指纹库价值信息。定位精度显著优于本领域其他算法,相比传统定位算法具有一定优势,具备较高的潜力和应用价值。

波长色散X射线荧光光谱法测定硫精矿中铁、硫、砷、铅、锌

硫精矿作为硫铁矿烧渣的主要原料,铁、硫、铅、锌、砷等元素含量直接影响产品硫铁矿烧渣的质量。在对硫精矿多种元素进行同时分析过程中,传统化学分析存在一定滞后性,对指导生产存在一定的限制。为快速取得可靠结果,实验采用粉末压样,波长色散X射线荧光光谱法(WD-XRF)同时测定硫精矿中铁、硫、砷、铅、锌,根据样品中硫元素含量的差距建立三条工作曲线,采用经验系数法对各曲线进行基体效应校正,同时启用X荧光仪条件选择程序(APS),样品初测后,仪器根据硫的计数率自动选择适宜的工作曲线再测一次出具最终结果。实验发现,粒度74μm的样品在压力为40t、保压25s条件下制备的样片能有效改善粒度效应对荧光强度的影响。方法用于实际样品分析,铁、硫、砷、铅、锌的相对标准偏差(RSD,n=11)分别为0.18%~0.20%、0.24%~0.26%、2.0%~3.9%、4.3%~4.5%、1.8%~2.0%,分析结果和传统化学分析方法结果一致。

无蜂窝大规模MIMO网络下基于联邦学习的用户接入策略及能耗优化

针对无蜂窝大规模多输入多输出(CF-mMIMO)网络中用户如何选择接入点的问题,提出了一种基于信道排序的较差用户优先接入策略。首先,用户进行信道感知后对其信道质量和稳定性进行评估和排序,用户按照信道状态信息的顺序依次选择合适的接入点;其次,考虑到用户的能耗与数据安全等问题,采用联邦学习框架以增强用户的数据隐私安全,并提出一种基于能耗优化的交替优化变量算法,对多维变量进行优化,使系统总能耗最小化。仿真结果表明,相较于传统的大规模MIMO中用户为中心的接入策略,所提接入策略可使用户平均上行可达速率提升20%,信道较差用户的上行速率可提升2倍;在能耗优化方面,优化后的总能耗可降低50%以上。

基于对数正态模型的二次匹配指纹定位算法

针对复杂室内环境WiFi信号不稳定导致指纹定位算法定位精度不高的问题,对AP选择、指纹库构建和定位算法进行研究,分别提出了基于对数正态模型的AP选择方法、RSSI虚拟指纹库构建方法以及基于对数正态模型的二次匹配指纹定位算法。在离线阶段,通过拟合对数正态模型对WiFi信号建模,筛选出最契合模型的AP,并构建RSSI指纹库和虚拟指纹库。在线定位阶段,待定位节点在匹配RSSI指纹库的基础上,利用AP的契合度修正欧氏距离相似度,找出相似度更高的指纹点,初步确定待定位节点区域,接着二次匹配虚拟指纹库进行精准定位。实际环境实验结果表明,本文提出的方法突出了不同AP设备对定位造成的影响,能减少离线阶段指纹采集的工作量,有效的提高了定位精度。

基于K-means^(++)的WiFi指纹定位算法

针对接收信号强度(RSS)的波动性、易受干扰等特征,在匹配算法时易被较远处参考点所干扰,导致定位结果偏差较大,提出了一种基于聚类结果的指纹定位算法。与传统的按参考点处信号强度进行聚类不同,采取了利用K-means^(++)算法按参考点位置聚类的方法。在聚类的结果上,选择RSS均值最大的M个AP,使用有监督的学习算法KNN对测试点进行分类,再用确定性的匹配算法加权K最近邻居法来计算位置坐标。实验结果表明:所提方法在定位性能上比按信号强度聚类的方法有较大提高。

基于WLAN的大型船舶舱体内部指纹定位算法

大型船舶内部结构复杂,传统导航定位技术无法穿透船舱实现舱体内的人员定位需求。本文设计了基于WLAN的舱体内RSS指纹定位方法,在离线阶段,采集并训练RSS位置指纹;在在线定位阶段,将实时采集的数据与离线指纹库中数据进行比对,估算出定位结果。针对船舶舱体结构复杂、封闭空间多的特点,文章在定位的在线阶段和离线阶段,分别提出了贝叶斯分簇定位算法和基于信息增益的AP选择改进算法,并与传统算法进行仿真实验对比。结果表明,本文所提算法能够符合舱体内定位的精度需求,且与原有算法相比,进一步提升了定位精度。

面向机器人场景的带宽保证快速切换技术

802.11规定的切换过程十分耗时,同时移动终端根据接收到的信号强度来选择AP往往不能满足通信带宽的需求,这两点对于需要依靠不间断通信来进行作业的工业机器人十分不利.本文面向工业机器人场景提出一种基于动态无线地图的带宽保证快速切换技术.利用预先建立和下载的无线地图,机器人不需扫描信道即可获得附近可用的AP基站,同时利用服务器实时收集AP的工作负载并向机器人提供AP选择服务,可同时满足低切换延时和带宽保证两个切换目标.本文在网络仿真平台NS3上实现了所提出的快速切换框架,并与已有的切换方案进行比较.实验结果表明,本文方案在任何情况下都优于已有的切换方案,并且只要机器人附近存在带宽可满足的AP,本文方案总是可以关联到最佳的AP.

快速浮选新工艺的研究与应用

德兴铜矿采用混合浮选—粗精矿再磨分离工艺 ,虽然选矿指标处于国内外先进水平 ,但铜精矿品位难以进一步提高 ,钼的回收率也较低。快速浮选新工艺充分利用矿物的解离特性和可浮性差异 ,采用高效选择性捕收剂AP ,实现了大部分铜矿物的快速浮选和早收 ,改善了二段铜硫分离效率 ,提高了最终铜精矿品位 ,大大提高了钼的回收率。