基于平方位置误差下限的优化功率分配方案

在无线传感网络中,节点定位是基于位置的应用基本要求。然而,现多数文献仅关注定位精度,而忽略了能量消耗对定位精度的影响。为此,针对基于接收信号强度RSSI(Received Signal Strength Indicator)定位方案,提出基于平方位置误差下限SPEB(Squared Position Error Bound)的优化功率分配SPEB-OPA(SPEB-Based Optimal Power Allocation)方案,目的在于最小化能量消耗。在SPEB-OPA算法中,将SPEB作为评定定位精度的参数,并推导出SPEB表达式,然后建立优化功率分配的目标函数,并考虑到锚节点位置存在误差。仿真结果表明,提出的SPEB-OPA方案极大地减少了功率消耗。当误差门限T=8时,SPEB-OPA方案的功率消耗比统一功率分配UPA(Uniform Power allocation)方案减少至50%。

一种新的卫星导航信号码跟踪误差下限

卫星导航系统的精确定位是基于导航信号传输时延的精确估计,码跟踪误差是评估时延精度的重要参量之一。对信号的接收机码跟踪过程进行了理论研究,系统推导了相干延迟锁相环的跟踪误差。针对克拉美罗界(Cramer-RaoLower Bound,CRLB)只有在高信噪比时才能提供准确估计的问题,提出了一种新的码跟踪误差下限,称为MZZB(Modi-fied Ziv-Zakai Bound),该下限把码时延作为概率密度已知的随机变量,在更宽载噪比范围内提供更加紧密的下限。计算机仿真分析了BPSK-R(1)与BOC(1,1)信号的CRLB与MZZB异同,得出克拉美罗界只有在高信噪比时才能提供准确的估计,而MZZB在更宽范围信噪比下提供更加紧密的下限。

椭圆齿轮流量计的使用及误差调整

前言 目前,石油库在经营石油产品过程中,普遍使用流量计发油。因为流量计精度较高,精度受被测介质的粘度、温度、密度、压力波动影响较小,易于安装,操作简便,检修容易,对仪表前后直管段要求不高,只需在流量计入口处安装一个过滤器就可投入使用。

利用方向角信息辅助雷达目标跟踪

传统雷达仅能提供目标的方位和距离量测,由于可利用的信息相对较少,跟踪精度很难进一步提高。利用现代雷达的高分辨探测能力,提出了一种基于距离像识别信息辅助目标跟踪的模型,并结合求根不敏卡尔曼滤波技术得到了一种高性能跟踪算法。该算法根据距离像识别结果得到目标方向角的测量,进而通过增加观测量的维数来提高目标的跟踪能力。不同条件下的仿真结果表明,利用方向角信息辅助的跟踪算法收敛速度快,跟踪精度高,且复杂度与传统算法相当。

基于距离像长度特征辅助的雷达目标跟踪

传统雷达目标跟踪仅利用角度和距离数据,由于获取的测量信息较少,跟踪精度受限。本文利用现代雷达所具有的距离高分辨能力,提出了一种基于距离像长度特征辅助的跟踪模型,并结合先进的非线性滤波算法得到了一种高性能目标跟踪算法—FAT-UKF。该算法将目标的运动状态与距离像长度信息联系起来,通过增加观测量的维数来提高雷达的跟踪能力。对典型实例的计算机仿真结果表明,基于特征辅助的跟踪算法不仅收敛速度快,且能有效突破传统跟踪算法的理论误差下限,大大提高了雷达跟踪系统的整体性能。

基于Stackelberg博弈的无线定位网络功率分配方案

针对采用超宽带(UWB)信号进行测距定位的无线协同定位网络,建立目标节点信号发射功率与网络均方位置误差下限的函数关系模型。在目标节点发射总功率受限的情况下,基于Stackelberg模型,结合粒子群算法,对目标节点的发射功率进行优化分配。仿真表明,提出的功率优化分配方案相比功率平均分配方案,使网络均方位置误差下限降低了3%,实现网络定位精确度的提高。

无线定位网络的联合功率带宽优化分析

针对功率和带宽受限的无线定位网络的定位精度易受节点测距信号的发射功率和有效带宽的影响的问题,提出一种无线定位网络联合功率带宽优化分配的算法:引入均方位置误差下限作为网络定位精度的评价标准,形成一个采用超宽带测距技术进行定位的无线定位网络,并将协同定位的思想引入定位网络;同时建立无线定位网络均方位置误差下限与节点发射功率和有效带宽的函数模型;将功率带宽优化问题建模为一个非凸优化的问题,采用粒子群算法进行求解。仿真结果表明,该算法可以降低定位网络的均方位置误差下限,从而有效提高定位网络的定位精度。

基于三维封闭式测距球动态调整的WSN定位

为提高无线传感器网络(WSN)源节点定位算法的性能优势,提出一种考虑扩展三维测距球RSS算法的WSN节点定位方法。首先,通过对接收信号强度(RSS)的测量,提出非模糊闭合估计方法,对无线信道阴影噪声下的源位置进行几何定位;其次,针对测距中的测量误差,将动态调整方案应用于定位算法中,通过对RSS的多次测量,得到源定位误差的下限;最后,数值模拟结果表明,该估计方法优于传统的最小二乘估计方法,特别是在参考传感器节点接近共面的不利情况下,与接近局部化下限的最大似然估计方法相比,该方法计算量小,且对局部化精度影响不大。