RSSI辅助的蒙特卡罗盒定位算法

针对以蒙特卡罗为基础的几种无线传感器网络定位算法普遍存在定位精度和采样效率低的问题,文中提出了一种RSSI辅助的蒙特卡罗盒定位算法(RAMCB)。通过实验构造出符合实际环境的RSSI和距离区间的映射关系数据库;在定位阶段,未知节点利用来自一跳和两跳锚节点的RSSI值查询数据库,得到与一跳和两跳锚节点的距离区间,利用距离区间建立更为精确的采样箱,以提高采样效率;未知节点根据样本到一跳、两跳锚节点的估计距离和实际距离的差值来动态赋予样本的权值。仿真结果表明:RAMCB算法能有效提高定位精度和采样效率。

基于随机采样的快速非局域均值图像去噪算法

在图像去噪的过程中,针对非局域均值滤波(NLM,non-local mean)去噪方法中存在的运算效率低下问题,提出了一种改进的快速去噪算法。首先,基于蒙特卡罗重要性采样思想,采用Metropolis方法在搜索窗口中对图像的像素点进行随机采样,取代NLM算法在搜索窗口中逐一像素遍历进行加权平均的方法,从而实现了加速。其次,算法在实现加速的过程中一般会影响去噪效果,为了仍保持较好的去噪效果,提出一种改进的权重函数。最后,进行了对比实验,对实验结果从峰值信噪比、运行时间及与原无噪声图像的相似度三个方面进行分析,结果表明,本方法在保持较高信噪比的基础上,处理时间只有标准NLM算法的1/3左右。

基于测距的蒙特卡罗盒传感网定位算法研究

针对以蒙特卡罗算法为基础的无线传感器网定位算法普遍存在定位精度和采样效率低的问题,提出了一种基于测距的蒙特卡罗盒(R-MCB)定位算法。通过测距信息构造修正的包含有约束条件的方形边界框,使用从强约束条件中除去弱约束条件的启发法来提高采样效率,然后进行样本过滤和加权处理,并通过校准减少距离误差实现精确的定位。该R-MCB定位算法允许节点是静止或移动的,并且能够与可进行测距的节点和没有测距能力的节点协同工作。通过在传感器硬件上进行真实模拟定位算法证明,在多数情况下该R-MCB算法的定位误差,均要比WMCL算法(加权蒙特卡罗定位算法)的定位误差低10%左右。

基于局部背景加权和能量约束的多目标检测与跟踪算法

针对标记点处理方法用于多目标跟踪时效果不佳的问题,在标记点方法的基础上,提出一种多目标联合检测跟踪算法。改进的帧间差法用于目标的初步确定,通过局部背景加权进一步确定其与多个目标的标记。考虑动态模型的轨迹一致性问题,对动态目标、长时间跟踪和目标互斥相似等问题进行研究。针对非凸性的能量函数采用可逆跳转马尔可夫链蒙特卡洛进行优化。实验结果表明,在有高斯噪声情况下,与其他跟踪算法相比,该算法的检测和跟踪相似度最高,在卫星图像序列和自采集视频中的精度和召回率也最高,整体性能较优。

线性模型中M检验原假设分布的随机加权逼近(英文)

在线性模型中M-方法可以用于线性假设检验,其中M检验、Wald检验和Rao的计分型检验是最常用的检验准则.但是在计算这些检验的临界值时都涉及到未知参数的估计.在本文中我们利用随机加权的方法来逼近这些检验的原假设分布.结果表明在原假设和局部对立假设之下随机加权统计量的渐近分布与原检验统计量在原假设之下的渐近分布相同. 因此我们不需要对冗余参数进行估计,利用随机加权的方法就可以得到这些检验的临界值,而且在局部对立假设之下可以实现对功效的计算.当取不同的误差分布和不同的随机权时,我们对本文的方法进行了蒙特卡洛模拟.结果表明用随机加权方法来逼近原假设分布是非常精确的.

一类多重积分蒙特卡罗近似求解及其局部加权回归拟合

从概率论角度出发,通过构造随机变量序列及其分布,结合辛钦大数定律和依概率收敛,对一类n重积分的极限问题进行证明;利用多维连续型随机变量数学期望和重积分之间的关系,对n重积分进行离散化处理,在此基础上构造蒙特卡罗算法,并对给出的一类n重积分当n→∞时的极限过程进行模拟计算;在蒙特卡罗法近似计算结果的基础上,利用局部加权回归对计算结果进行拟合,利用R软件给出蒙特卡罗法和局部加权回归拟合过程的可视化,当重积分重数n不断增加时,近似计算结果和回归拟合曲线都能很好地逼近极限值;对一类n重积分极限中的参数进行修正,并将文献给出的在固定区域[0,1]×[0,1]×…×[0,1]上一类n重积分极限的结论推广至一般区域[0,u]×[0,u]×…×[0,u]上,然后利用蒙特卡罗法对一般区域上n重积分当n→∞时的极限过程进行模拟计算,并利用局部加权回归对其进行拟合,从而进一步验证结论的合理性。

最小二乘拟合的蒙特卡罗移动定位算法研究

针对传统蒙特卡罗定位算法由于节点采样效率低导致的定位精度低、定位不准确的缺陷,提出一种改进的最小二乘拟合蒙特卡罗(LSFMCL)定位算法。该算法利用MBC算法优化采样空间,并利用最小二乘拟合节点运动轨迹,对节点位置进行预测,进一步得到最优采样区域,最后提出权值概念并利用预测节点的权值信息计算未知节点的位置。仿真结果表明,与传统算法相比,优化后的算法提升了节点的采样率,提高了定位精度,对于移动节点的定位具有更加广泛的应用前景。