基于支持向量机的多传感器数据融合算法

提出一种基于支持向量机(SVM)的多传感器数据融合算法提高融合性能,分别用3种核函数作为特征空间的内积。结合扩展卡尔曼滤波器(EKF)和软计算原理,在雷达/红外多传感器跟踪系统中构建一个有效的信息融合框架。引入环境信息使传感器信任度预测适应环境的变化,降低多传感器系统不确定因素的影响;联合测量方差归一化变量(NVMSE)作为支持向量机的输入,训练得到高确定性和高精确度的传感器信任度预测。仿真结果表明,与传统的多传感器数据融合算法相比,该算法性能更佳。

无线传感器网络中一种模糊加权目标定位方法

提出了一种无线传感器网络(WSNs)中的模糊加权定位算法,利用探测节点RSSI值的估计距离为平面离散栅格分配权值,通过比较累计权值搜索出目标坐标,其模糊性使得该方法能够有效地抵抗各种强度的噪声,设定可调模糊度适应不同的衰落信道,在单目标定位中具有非常高的稳定性。针对多目标定位,提出变型的权值模型,设计了去模糊化算法将多个目标坐标提取出来。对实验仿真结果作出了评估,并提出了多目标定位的限制条件。

移动通信宏小区信道模型的信道估计研究

为了有效地削弱无线通信环境中的多径效应并提高信道参数估计的准确性,在散射体非均匀分布下,引入了到达路径物理概念,提出了一种合理的改进型信道模型。此模型能够准确地描述出宏小区环境下的重要空时参数,如波达信号在基站(Base Station,BS)处的到达角(Angle of Arrival,AOA)和到达路径(Range of Arrival,ROA)。同时,由于移动台的移动特性,基站接收信号产生多普勒频移,从而推导出基站处多普勒频移概率分布。将此模型的数值仿真结果与其他信道模型仿真结果进行比较,结果表明参数估计结果符合理论和经验,证明了提出的信道模型更适用于宏小区移动通信环境,延伸了统计信道模型的研究与应用,为仿真无线通信系统提供了有力的工具。

基于遗传算法的参与式感知激励机制的优化

以最大化有效参与者数量和最大化感知区域覆盖率为优化目标,以服务提供者的有限预算为约束,建立参与式感知激励机制多目标优化模型,运用遗传算法对模型求最优解。同经典激励机制优化方法 RADP-VPC-RC和GIA在相同参数条件下的仿真结果进行对比,证实了遗传算法优化模型的有效性和优越性。

施工阶段监理应加强自检资料的管理

通过对监理自检资料目前存在的问题与原因分析，提出了具体的管理方法与对策．

三维空间域统计信道模型及其多天线系统

针对散射体密度均匀与移动台(mobile station,MS)附近无建筑物的情形,建立一个适用于室内微蜂窝环境的3D空间信道模型。通过此几何信道模型,可以正确给出在无线信道中信号在MS处的到达角与到达时间的概率密度函数解析表达式,能够将其应用于多入多出系统信道性能仿真中。将该模型的数值仿真结果与其它文献中信道模型仿真结果相比较,比较结果表明,参数估计结果符合理论和经验,该模型适用于微小区移动通信环境,拓展了统计信道模型的研究与应用,为仿真无线通信系统提供了有力的工具。

防止工程施工招标失误的监理对策

对防止施工招标易失误之处,提出了具体的监理对策与方法.

多传感器数据融合的多准则决策模型

在多准则下考察传感器的融合权重,提出一种新的多传感器数据融合方法.通过多个性能指标折中估计传感器权重,以降低决策的主观性和偶然性;提出从不同融合级别来定义多个准则,定性地提高了多准则的信息量;在没有决策者对各准则偏好信息的情况下,以最小化准则冗余度和最大化评价差异度为原则建立多目标优化模型对准则权重向量优化求解.仿真实验结果表明,相比于单准则和单层次的融合方法,所提出方法具有更低的决策风险和更高的稳定性.