一种面向位置服务的超宽带室内定位算法

超宽带技术由于较高的测距精度和穿透性能,对于位置服务有着重要的应用价值。在实际的高密度定位环境中,传统的定位算法受非视距误差和多径效应的影响,很难实时准确解算出实际位置坐标。虽然增加基站数量可以有效提高定位的精度,但是其成本也在不断提高。针对超宽带在高密度室内定位中实时性差、定位精度低的问题,提出了一种基于支持向量机的超宽带定位方法,提高了定位的精确性和鲁棒性;给出了基于到达时间差(TDOA,time difference of arrival)的支持向量机模型,重点在于将定位问题转化为分类问题的求解;通过TDOA值和坐标值来建立支持向量机分类模型,利用一对一分类模型实现了坐标值的解算,提高了坐标解算速度。仿真结果表明,在高密度实时定位中,相比于传统的Chan算法和Taylor算法,文中方法在定位精度近似的情况下,实时性要高于传统算法,满足实际定位中低功耗、快速高精度定位的要求。

基于LDPC的联合调度译码算法的研究

针对低密度奇偶校验码(LDPC)动态调度中存在的贪婪性以及非动态调度中译码性能低的问题,提出基于动态调度与非动态调度的联合优化算法(ELNWRBP)。该算法合理分配动态调度算法(NWRBP)和非动态调度算法(LBP)权重占比。NWRBP算法提高译码性能,而LBP算法缓解了动态调度中的“贪婪性”问题。两种调度算法联合使用,在译码性能和译码效率之间达到一种平衡。仿真结果和数据表明:在码字为(1296,1/2)、误码率为3×10^(-5)的条件下,相比于NWRBP算法和LBP算法的性能分别提高了约0.15 dB和0.45 dB。

基于改进特征描述的SLAM动态算法研究

针对原ORB描述符算法匹配精度低、匹配耗时长,动态场景中移动的物体严重影响视觉SLAM系统的定位精度和鲁棒性,以及ORB-SLAM3系统只能构建稀疏点云地图,无法构建稠密地图的问题,提出一种基于BEBLID描述符和目标检测的改进型ORB-SLAM3。在跟踪线程中融合轻量级YOLOv5s动态目标检测网络和动态特征剔除模块,提高系统的定位精度;利用增强高效局部图像描述符BEBLID代替原特征描述算法,与原ORB特征提取方法结合,增强图像的表现力和描述效率,提升特征匹配精度和效率;增加稠密建图线程,根据关键帧与相应位姿完成稠密点云地图的构建。在公开TUM RGB-D数据集上的实验表明,与原ORB-SLAM3相比,本文算法特征匹配精度提高了7%以上;在高动态环境下系统定位精度提高98%以上,在低动态环境下最大提升60%以上,有效提高了系统在动态环境下的定位精度和鲁棒性;并构建了三维稠密点云地图,为后续应用于机器人自主导航、避障和路径规划等工作奠定了基础。

改进预测反褶积抑制探地雷达多次波方法研究

为了避免探地雷达(GPR)在地质勘测中因反射而产生的多次波干扰影响后续的地质解释,需要对多次波进行检测和抑制。针对常见的双曲线反射信号,依据一次波和多次波的形状,通过定位多次波位置,拟合双曲线回波,利用双曲线拟合函数自动控制预测反褶积参数,最后通过反褶积实现了多次波的预测与去除。为测试算法效果,拟定多次波与弱目标回波位置高度重叠且多次波强度与弱目标强度相近的场景,有效去除多次波干扰并尽可能保留弱目标。与传统的预测反褶积处理相比,改进后的方法不仅能将多次波干扰抑制得更彻底,而且还能更好的凸显弱目标的回波。

改进的强跟踪UKF在组合导航中的应用研究

针对强跟踪UKF算法与组合导航紧耦合系统模型不匹配、滤波性能不完善及滤波过程中迭代不稳定等问题,提出一种改进的强跟踪UKF滤波算法,根据强跟踪正交性原理,改进渐消矩阵的求解方法,减少滤波周期中的冗余计算,并重构UKF与强跟踪的结合方式,解决UKF与紧耦合模型不匹配的问题,有效提高强跟踪UKF滤波实际应用中的稳定性。将算法应用于紧耦合系统进行仿真验证,实验结果表明,改进的强跟踪UKF滤波算法可以提高系统的实时性和定位精度,增强系统在复杂环境下的稳定性和鲁棒性。

多频段外辐射源无人机检测实验研究

近年来,基于无源双基地雷达的无人机(unmanned aerial vehicle,UAV)检测手段一直受到中外研究人员的广泛关注,但常规双基地雷达的无人机检测方法需要作参考信号重构和杂波抑制等手段,使得检测算法较为复杂。基于循环谱的检测算法在不经信号重构和杂波抑制下,利用外辐射源雷达的循环平稳特性和循环谱的强抗噪性,可直接提取到旋翼无人机的微动特征。但该方法使用单频外辐射源雷达,在检测的稳定性和连续性上,由于受到目标距离、俯仰角度等因素的影响而显得力不从心,且检测精度不高。从外辐射源信号的循环平稳特性出发,提出基于多频段外辐射源雷达的无人机检测方法。实测实验表明:使用多频段外辐射源检测时无人机回波信号的循环谱等高图识别率要高于单频段外辐射源雷达,多频联合处理能使检测性能更加平稳。

基于图信号处理的频控阵雷达目标定位方法

针对现代雷达应用对目标高精度测角和测距的需求,该文将图信号处理(GSP)应用于频控阵(FDA)雷达目标定位中,提出一种基于图信号处理的频控阵雷达目标定位新方法。首先,基于频控阵雷达几何模型及回波数据间的信号关联性构建回波数据的图信号模型,进而利用图傅里叶变换对上述图信号作图谱分解,构建2维谱峰搜索优化函数,最终有效获得目标的方位角-距离联合估计。仿真实验结果表明,该算法能够正确估计出目标的方位角和距离信息;在相同仿真条件下,算法的估计精度优于同类算法且提升了对弱目标的定位性能。

基于5G的外辐射源雷达模糊函数研究

随着低空空域开放和无人机等航空技术的发展,对城市或郊区等电磁频谱紧张的区域开展低空目标探测愈发重要,采用5G信号作为机会照射源的外辐射源雷达在该领域展现出了广阔的应用前景。相比4G网络,5G波形方案的实现细节发生了本质的改变,因此基于不同外辐射源信号的模糊函数也存在较大差异,而现有文献对基于5G信号的外辐射源雷达模糊函数的相关研究仍然较为缺乏。本文从信号的基本结构入手,采用对比分析的方法,从理论上对5G信号和4G信号在帧结构及物理资源结构等方面存在的差异进行了详细对比;搭建了系统仿真模型,并对基于5G信号的外辐射源雷达的模糊函数进行了仿真实验;最后,针对模糊函数中的各类副峰,分析了该模糊副峰产生的原因以及可能对信号探测性能造成的影响,并对部分副峰的抑制方式进行简单阐述。该文为基于5G信号的外辐射源雷达副峰的抑制提供了新的思路和方向。

复杂环境下基于决策树的数码管识别算法研究

目前基于图像的数码管自动识别方法在复杂的工业环境中存在模型失配、适应性不强、准确度较低的问题。为打通从理论研究到实际应用的路径,提升复杂环境下数码管识别的效率和性能,提出一种能适应复杂环境的、基于决策树的高效数码管识别算法。通过计算灰度图的Tsallis熵和均值,实现不同工作场景的适配,并在此基础上选择预设的算法完成灰度图二值化,利用数字定位算法完成数字区域的分割并进行识别。将该算法应用于实际环境中采集的大量图片,结果证明,该算法较好地适应了复杂工业环境,提供了更精准的识别结果。

阵元与阵间频偏联合设计的FDA解模糊成像

与传统相控阵(phased array, PA)相比,频率分集阵列(frequency diverse array, FDA)可以通过发射窄带信号获得宽带观测效果。然而,FDA波束方向图的距离角度耦合会带来模糊问题,解决耦合问题成为FDA成像的关键问题之一。为解决耦合问题,提出了一种基于阵元内频率偏置和阵元间频率偏置联合设计的FDA结构,阵元内发射多组频率偏移不同的信号,并通过调整阵元内和阵元间的频率偏置将传输能量聚焦在期望的距离-角度区域来实现距离-角度解耦。利用所设计的FDA结构,无需依赖复杂的图像重建算法解决了目标的模糊性问题,实现多目标解除模糊成像。通过仿真实验结果验证了该模型对距离-角度解耦和目标解除模糊成像的有效性。

基于强跟踪的自适应PHD-SLAM算法

同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术使移动机器人在缺乏先验环境信息的条件下,能够在估计自身位姿的同时构建环境地图。然而,在海洋、矿洞等复杂环境中,移动机器人容易受到随机突变噪声的干扰,进而导致SLAM性能下降。现有的概率假设密度(Probability Hypothesis Density,PHD)SLAM算法未考虑随机突变噪声,受到干扰时在线自适应调整能力较弱。为解决移动机器人因随机突变噪声导致状态估计和建图精度降低的问题,本文结合强跟踪滤波器(Strong Tracking Filter,STF)与PHD滤波器,提出了一种基于强跟踪的自适应PHD-SLAM滤波算法(Strong Tracking Probability Hypothesis Density Simultaneous Localization and Mapping,STPHD-SLAM)。该算法以PHD-SLAM为框架,针对过程噪声协方差和量测噪声协方差随机突变问题,本文通过在特征预测协方差中引入STF中的渐消因子,实现了对特征预测的自适应修正和卡尔曼增益的动态调整,从而增强了算法的自适应能力。其中渐消因子根据量测新息递归更新,确保噪声突变时每个时刻的量测新息保持正交,从而充分利用量测信息,准确并且快速地跟踪突变噪声。针对渐消因子激增导致的滤波器发散问题,本文对渐消因子进行边界约束,提高算法的鲁棒性。仿真结果表明,在量测噪声协方差和过程噪声协方差随机突变的情况下,所提算法相较于PHD-SLAM 1.0和PHD-SLAM 2.0的定位和建图精度都得到了提高,同时保证了计算效率。

利用伯努利滤波的多目标机动雷达误差配准方法

传统的组网雷达多目标误差配准方法通常假设数据关联关系已知,但在平台机动的情况下,系统同时存在雷达测量偏差和平台姿态角偏差,且雷达观测过程中会受到杂波干扰,导致数据关联尤为困难。针对这一问题,该文提出一种基于伯努利滤波的多目标机动雷达误差配准方法。首先建立系统偏差的量测与状态方程,然后将系统偏差建模成伯努利随机有限集,利用公共坐标系下的原始量测可实现系统偏差在伯努利滤波框架下的递推估计,有效避免了数据关联问题。同时,为了充分利用多目标量测信息,提出一种修正的贪婪量测划分方法,在每个滤波时刻挑选出系统偏差对应的最优量测子集,利用量测子集中的多量测信息实现系统偏差的集中式融合估计,提高了系统偏差的估计精度和收敛速度。仿真实验表明,所提方法能够在数据关联未知的多目标多杂波场景下对雷达测量偏差和平台姿态角偏差进行有效估计,在平台姿态角变化率较低时,所提方法具有较强的适应性。

基于CF-CNN-LSTM模型的滑坡易发性评价

针对滑坡灾害样本选择以及深度学习模型中的长期依赖、梯度消失、退化等问题,提出了一种结合确定性系数法(certainty factor,CF)、卷积神经网络(convolution neural network,CNN)模型和长短期记忆神经网络(long short-term memory,LSTM)模型的CF-CNN-LSTM深度学习模型。以广西壮族自治区梧州市辖区为研究区,选取高程、坡度和坡向等13种滑坡评价因子,采用CF-CNN-LSTM模型对研究区进行滑坡易发性评价,并与CNN模型、LSTM模型、循环神经网络模型和逻辑回归模型进行对比,利用受试者工作特征曲线(receiver operating characteristic,ROC)、整体准确率等6种方法对模型预测精度进行评估。结果表明:CF-CNN-LSTM模型的ROC曲线的曲线下面积(area under curve,AUC)值为0.953,高于其它单一模型,同时其它5项评估指标均优于单一模型,证明CF-CNN-LSTM模型具有更高的精度,可用于梧州市辖区的滑坡易发性评价工作,能够对该区域的滑坡风险管理提供科学的建议。

无等待与时隙映射复用结合的时间触发流调度方法

工业控制系统中众多应用的正常运行依赖于确定性低时延的网络传输,这一需求推动了时间敏感网络的发展。为保证工业控制系统中流量传输的确定性,提出了无等待与时隙映射复用结合的时间触发流调度方法。首先,对工业控制系统时间敏感网络的通信要素进行建模,通过分析时间触发流的特性,简化了链路、流传输、流隔离和帧隔离等约束条件;其次,使用基础周期作为调度循环时间,实时流采取无等待调度,循环流采取时隙映射复用,从而缩短了门控列表长度;然后,提出了基于数据帧传输区间中点的冲突判别方法,降低了时隙冲突判断的时间复杂度;最后,设计了时间触发流调度优化函数,并基于改进的多目标遗传算法进行求解。实验验证了该方法的正确性与可行性,平均门控列表长度缩短了59.7%。

自适应特征融合的加权响应孪生网络跟踪算法

针对复杂场景下跟踪器难以提取丰富的特征信息导致出现漂移或者跟踪丢失的问题,提出了一种基于自适应特征融合的加权响应目标跟踪算法。首先,使用改进的VGG16网络来提高判别能力;其次,采用残差语义嵌入模块,将深层语义信息引入浅层特征;然后,将浅层特征响应和深层特征响应进行加权融合,提高定位精度和判别能力。实验结果表明,相比基准算法,所提算法在OTB2015和VOT2017数据集上的跟踪成功率和精度等评价指标均获得提升。

基于加法树压缩和乘数编码优化的乘法器设计

定点乘法器是现代信号处理常用的运算单元之一,其整体性能直接决定了系统的竞争力。为了乘法器的计算效率,设计了一种新型高能效有符号数乘法器,使用基4-Booth编码,减少了一半的部分积;另外使用直接求相反数的方法代替传统的取反加一求相反数的方法,使得部分积阵列比特数减少且形状规整,易于压缩。提出的3-2压缩器和半加器相混合的新型树型压缩结构硬件资源开销优化明显,对比现有的乘法器异或门数量下降了14%,二选一选择器数量下降了31%,总面积减少了50%,计算效率大大提高。

基于改进灰狼优化与支持向量回归的滑坡位移预测

针对滑坡位移难以预测、影响因素难以选择等问题,提出一种结合了二次移动平均(DMA)法、变分模态分解(VMD)、改进灰狼优化(IGWO)算法与支持向量回归(SVR)的模型进行滑坡位移预测。首先,利用DMA提取滑坡位移趋势项和周期项,采用多项式拟合对趋势项进行预测;其次,对滑坡周期项的影响因素进行分类,采用VMD对原始影响因子序列进行分解获得最优序列;再次,提出一种结合SVR与基于改进Circle多策略的灰狼优化算法CTGWO-SVR(Circle Tactics Grey Wolf Optimizer with SVR)对滑坡周期项进行预测;最后采用时间序列加法模型求出累计位移预测序列,并采用灰色预测的后验证差校验和小概率误差对模型进行评价。实验结果表明,与GA-SVR和GWO-SVR模型相比,CTGWO-SVR的预测精度更高,拟合度达到0.979,均方根误差分别减小了51.47%与59.25%,预测精度等级为一级,可满足滑坡预测的实时性和准确性要求。

基于Innovus混合放置的布局规划方法优化

随着集成电路后端设计中宏单元数量增多,传统布局规划方法效率低且耗时,而自动布局规划的混合放置(MP)技术存在物理规则违例数量多、电压降大和功耗高等问题。针对传统方式和MP方式的不足,提出了一种优化的MP布局规划方法,通过控制宏单元通道空间和标准单元密度大小、固定边界宏单元位置及脚本修复TSMC芯片集成检查(TCIC)违例的方法解决MP技术存在的问题。研究结果表明,优化的MP方式保留了MP技术的性能、功耗和面积(PPA)优势,且相比于传统方式布线长度优化了28%,时序违例优化了65%,功耗优化了609%。该方案可为多宏单元大规模设计的布局规划提供参考。

基于天牛须种群算法的整周模糊度解算算法

如何快速、准确地固定整周模糊度是载波相位测量中的一个关键问题。为了提高整周模糊度搜索速率,提出了一种基于天牛须种群算法(beetle antennae colony search, BACS)的整周模糊度解算算法。通过与BAS算法、BAS-Nadam算法、LAMBDA算法以及MLAMBDA算法进行解算速率、稳定性的对比实验,在三维模糊度解算时,BACS算法在与LAMBDA和MLAMBDA算法解算成功率相当的情况下,能利用更少的时间搜索到模糊度最优解。为了验证BACS算法在高维模糊度解算以及工程解算情况下是否适用,进行了高维模糊度解算的实验以及单频单GPS系统下BACS算法的应用实验。分析及实验表明,BACS算法能很好保证高维模糊度解算的实时性和鲁棒性,对于12维模糊度解算,平均解算时间0.068 s,解算成功率为92%,对于低维模糊度解算,解算速率更快,解算成功率更高。在单频单GPS系统工程解算中,x、y、z方向定位精度分别为±0.008、±0.01、±0.01 m,能达到厘米级精度定位。

基于载波相位差分的形变监测高精度定位算法

传统载波相位差分算法在形变监测领域适用性不足,实时动态定位(RTK)精度难以满足要求,而载波双差静态相对定位连续解算时形变跟踪性能较低等。针对这些问题,在对动静态算法深入研究的基础上,提出一种基于载波相位差分的动静态自适应融合算法。通过方差变化法实时判断定位结果是否收敛,自适应调节扩展卡尔曼滤波(EKF)状态先验估计过程。在收敛时刻增大位置参数的先验估计误差的协方差值,使EKF后验估计过程倾向于信赖测量值;未收敛时刻通过EKF迭代,使EKF后验估计过程倾向于信赖状态预测值。实验结果表明:相比传统RTK新算法精度有明显提高,水平达±2 mm内,高程达到±4 mm内;相比静态定位则缩减了观测周期,提高了微小形变跟踪性能。