基于信号传播模型的行星齿轮缺齿故障识别

为了研究行星齿轮缺齿时包含微弱故障特征的振动信号在多级齿轮箱系统中的传递特性,先考虑仅由齿轮及转轴构成的"局部系统",采用集中质量法建立齿轮系统扭转动力学模型,依达朗伯原理导出振动微分方程组并求得各级齿轮啮合的振动响应即振动源信号。为了找出振动源信号在整个系统中的传递关系,在上述动力学模型的基础上再考虑包括齿轮箱箱体在内的"整体系统",通过对信号动态传播路径的分析,针对不同测点反映故障的敏感度不同的现象,根据系统辨识理论建立信号传播模型,并运用最小二乘类方法得到振动源信号传至不同测点的传递函数估计,即找到信号在系统中的传递关系。通过分析比较传递函数幅频特性曲线进而选取合适测点,在此测点下行星齿轮缺齿故障特征频率相对明显易识别。

基于移动室内信号传输损耗模型的研究

目前室内信号覆盖是网络优化的重点区域,由于室内建筑物结构本身存在信号屏蔽和吸收的问题,这就会引起无线信号产生较大的传输损耗,信号传输损耗主要通过传播模型来计算。主要介绍了几种常见的室内信号传播模型,并且给出了各个模型的适用环境,为不同场景的室内分布系统提供依据。

基于人工智能算法的无线信号传播损耗预测

由于传播空间中阻挡物对无线信号造成的衰减作用,导致无线信号传播损耗预测的准确性较低。为此,提出基于人工智能算法的无线信号传播损耗预测方法,构建了无线信号传播模型,设置无线信号从发送端到接收端的平均衰减值为路径损耗,在此基础上引入了以阻挡物作用为核心的衰减因子,利用人工智能算法中的粒子群优化算法对衰减因子进行寻优,将寻优结果带入到无线信号传播模型中,实现对信号传播损耗的预测。测试结果表明,设计方法对信号传播损耗预测结果的RMSE、MAPE、MAE和MSE值分别为1.97、5.44、2.11和3.8809,且98.24%的预测样本相对误差均为±5 dBm范围内。

数字地面模型在无线网络设计工程中的应用

信号在实际传播过程中因受地形、地物的影响而衰落 ,无线网络设计工程需要应用精确的数字地面模型数据和准确的信号传播模型 ,对指定站址和小区参数的基站进行覆盖质量预测 ,为网络优化提供依据。本文从地理信息的角度出发并结合工作经验 ,介绍了目前用于无线网络设计的地理数据的表达形式 ,及其在模型计算中的量化。鉴于移动通信专用数字地理信息制作的成本高 ,在实际工作中 ,我们借助相关规划软件 ,用数字地面模型数据和 9999模型对蜂窝小区进行了预测分析 ,在此基础上对如何在网络优化工程中有效地利用地理数据作了试验和总结。

基于改进传播环境参数的室内定位方法

针对传统信号传播模型对环境适变能力差,且定位精度不高的问题,提出一种动态RSSI加权系数模型。在邻近接入点(AP,access point)多次测取信号接收强度(RSS,received signal strength),经过高斯滤波算法对采集的RSSI进行数据滤波处理,再对分组数据赋予加权系数得到待定位节点邻近点RSSI均值。进而合理改进传统信号传播模型环境参数的A,n值估计,得到满足具体环境的动态自适应室内定位精度要求。实验结果表明:该方法适应多变环境的室内定位要求,并提高了定位精度。

基于信号强度的山地“黑广播”移动查找定位算法研究及实现

随着打击力度的加大,"黑广播"呈现高山化趋势,山地环境信号遮挡、反射严重、道路崎岖,信号强度变化剧烈,查找难度大大增加。本文在现有监测条件的基础上,深入分析山地"黑广播"查找特点,通过计算移动查找过程中某些特殊位置的信号强度最大值点,结合电波传播模型,提出了基于信号强度山地"黑广播"移动查找定位算法。实地测试结果表明,算法定位误差较小,可显著提高山地"黑广播"查找定位工作效率。

基于相控阵的WiFi CSI定位系统的性能预测

WiFi作为当前最重要的通信方式之一,基于WiFi信号的室内定位系统最有望在日常生活中得到广泛地部署应用.最新研究表明,当采用WiFi通信过程中获取的信道状态信息(CSI)对目标进行定位时,系统可实现亚米级的定位精度.然而,实验场景下的定位精度受到测试样点位置、WiFi设备布局、天线布局等诸多因素的影响.因为目前仍缺少WiFi CSI定位性能预测方法,WiFi定位系统部署后往往难以获得预期的精度.为此,面向多样化场景提出WiFi CSI定位性能的预测模型.首先,从CSI定位的基本物理模型出发,定义天线对的误差微元函数,并通过对定位空间的分析生成误差微元矩阵以及定位性能热度图;其次,对天线对进行拓展,通过引入多天线融合方法、多设备融合方法构建通用的CSI定位性能预测模型;最后,为了将真实场景地图考虑在内,提出将上述热度图与场景地图相融合的方法,从而实现场景定制化的性能预测.在理论分析的基础上,结合2个不同场景下的实验数据验证了定位性能预测模型有效性.实验结果表明,实际定位精度的变化趋势与理论模型相吻合,通过理论模型分析可将定位精度优化32%–37%.

基于频谱叠加技术的无线侧信道分析方法

在传统的侧信道分析过程中,研究者们在采集信号时需要和目标设备保持极短距离,这使得侧信道分析方法在很多场景中失去了现实意义.于2018年被提出的无线侧信道分析方法则能在数米的距离采集目标设备产生的侧信道信号,成功突破了侧信道分析方法在距离方面的限制.然而,无线侧信道分析方法易受到噪声的干扰.在高噪声环境中,该方法无法采集到良好的信号曲线,进而导致分析失败.为了解决这一困境,本文提出了基于频谱叠加技术的无线侧信道分析方法.该方法叠加多个频段的无线侧信道信号,能够有效消除信号中的高斯噪声,并提升信号信噪比与分析效率.本文建立了相应的信号传播模型,利用该方法在噪声环境中对加密设备进行分析.实验结果表明,频谱叠加技术能够有效地提升信号信噪比,对于侧信道分析效率的提升效果高达31.4%.因此,基于频谱叠加技术的无线侧信道分析方法优于原始的无线侧信道分析方法,成功降低了外界噪声的干扰.

不同场景中VANET路由协议的仿真研究

仿真场景的构建对于车载自组网的性能具有很大的影响。在NS2网络仿真平台中添加了节点城区移动模型和存在障碍物时的无线信号传播模型,建立了VANET的网络模型,分别在三种不同场景中对DSR路由协议的性能进行了仿真分析。结果表明,在真实的仿真场景中VANET的性能有所恶化。达到了较为真实的仿真VANET的目的,得出的结论对VANET的仿真研究具有一定的参考价值。

无线传感器网络中基于能量级加权的质心定位算法

针对无线传感器网络的内在特点以及传统质心定位方法的局限性,提出一种基于能量级加权的质心定位算法——PWC定位算法.它完全基于网络连通性,采用信标节点的能量级信息作为加权因子计算未知节点位置,体现了不同信标节点对质心计算结果的影响.仿真结果表明,该算法减小了平均定位误差,是一种适合大规模传感器网络应用的节点定位算法.

基于高空平台的无线电频谱监测系统研究

对高空平台的高度、载体选择以及监测信号传播模型等进行了研究,提出了基于高空平台的电磁频谱监测系统结构方案,初步估算了检测范围、链路衰耗等关键参数,并和地面频谱监测系统的性能进行了比较,认为基于高空平台的无线电频谱监测是一种非常有发展前途的频谱监测技术。

基于RSS的多目标节点定位算法

为节约成本、提高算法实用性和准确性,提出一种新颖的基于RSS的多目标节点定位算法。通过一个移动信标节点采集RSS信号及其相应位置坐标,构成已知条件,结合高斯混合模型和贝叶斯信息准则等统计模型设计实现多目标高斯混合模型定位算法。仿真实验和实测实验均表明该算法在不预先假设一定区域内传感器节点数量的情况下,能够同时估计传感器节点的数量和位置,具有较好的实用性和准确性。

敌我识别系统建模研究

无论在作战仿真还是模拟训练中,敌我识别系统都是大系统的重要组成部分。对敌我识别系统的模拟目前仅停留在根据应答机平台的红蓝方属性直接给出识别结果,而对多个应答机处于询问范围内一问多答、询问对象超出询问距离等特殊情况都没有考虑。针对敌我识别系统建模现有模型过于简单的问题,在敌我识别系统模型中增加了询问信号传播模型和应答信号传播模型,考虑了询问信号和应答信号在空间传播的真实过程,真实反映了敌我识别系统询问、应答、识别的整个工作过程。利用建立的模型,能够对一问多答、询问超出距离、应答超出距离等特殊情况进行反映,在作战仿真系统或模拟训练系统中逼真地复现敌我识别系统的工作过程。

一种应用在RFID定位的CQPSO-BP室内无线信道建模方法

针对无线信号传播路径损耗模型容易受环境影响而无法正确描述接收信号强度值与距离之间关系的问题,本文提出一种文化量子粒子群优化(CQPSO)算法与BP神经网络结合的新算法,并用其构建室内无线信号传播路径损耗模型.该算法先是通过CQPSO算法实现BP神经网络权值以及阈值的迭代寻优;然后在合理地定义并提取信号样本之后利用BP神经网络建立室内无线信号传播模型.对比结果表明,新算法在数据拟合的稳定性和准确性都优于传统的BP神经网络.通过在RFID定位系统中的实际应用验证了通过新算法建立的路径损耗模型的实用性和稳定性且与传统的定位算法相比定位精度更高.

一种基于卷积神经元网络的室内定位算法

针对智能终端室内定位问题,提出了一种综合信号传播模型和卷积神经元网络的指纹匹配定位算法.该方法首先根据室内信号传播模型为每个定位参考点构建接收信号强度(RSS,received signal strength)指纹数据集;其次,将该指纹数据集变换为灰度图像指纹样本;最后,基于图像样本使用卷积神经元网络训练出分类定位模型.使用智能手机在内廊式室内环境中对本算法的有效性进行测试.实验结果表明,本方法大幅的降低了指纹采集和维护的工作量,在信号传输受到一定干扰时仍能较稳定的保持2米左右的定位精度,优于基于最近邻指纹匹配和信号强度测距定位算法.

基于中继器的无线侧信道分析方法

随着物联网时代的来临,通信设备的安全变得越来越重要.2018年出现的无线侧信道分析技术揭露了无线电安全中存在的漏洞,对物联网安全构成了很大的威胁.然而,无线侧信道分析方法极易受到噪声的干扰.在有噪声环境下,采集到的无线侧信道信号波形往往会出现畸变,导致后续分析失败.为了改善信号波形、提高无线侧信道的分析效率,本文提出了一种基于中继器的无线侧信道分析方法,以提高在高噪声环境下的分析成功率.本文建立信号传播模型,在高噪声环境下进行实验,验证了中继器对于无线侧信道信息信噪比的提升效果.采集得到的数据表明,借助新的分析方法,在同等情况下,可以将原始无线侧信道泄露信号的信噪比提升14倍,分析效率的提升高达81.15%.实验结果表明,基于中继器的无线侧信道分析方法显著地提高了分析成功率,明显优于原始的无线侧信道分析方法.

基于多元线性回归快速迭代的室内定位方法研究

主要研究一种新的室内定位方法。该方法采用传统的信号—传播模型,利用多元线性回归法求出该模型中的相应参数,从而利用该模型求出初始各移动终端的位置;再采用快速迭代法和各移动终端相互校正从而提高定位的精度。实验结果表明,该算法时间复杂度小、收敛速度快,且具有较高的估计精度。

基于BP神经网络和APIT室内定位算法的研究与实现

随着国内外无线通信技术的发展,无线定位技术成为必不可少的一项技术。现有的室外定位技术已日渐成熟,而室内定位技术由于定位精度不够等原因,还有很大发展空间。在分析无线通信模型的基础上,针对室内无线信号传播模型中参数A和路径损耗指数n依经验判断而定导致的定位误差太大问题,利用BP神经网络拟合RSSI-d非线性函数关系,大大缩小了定位误差。在得到对应的距离值后,利用改进的APIT室内定位算法确定盲节点的坐标,并在Zigbee开发平台对该算法进行实现,验证了算法的可行性,减小了定位误差。

一种基于最小二乘法的蓝牙定位方法

针对基于信号传播模型的定位技术,用Matlab拟合对数衰减模型,并使用信号传播模型来计算接收设备到Beacon的距离,选择3个强度值较大的Beacon,使用三角测量法估计测试点位置。考虑到受到干扰的Beacon可能被选择,会影响定位误差。在此基础上,提出可以使用多个Beacon进行定位的方法,用最小二乘法估计位置坐标。实验结果表明,改进后的方法能够有效地降低最大定位误差、减小定位误差的方差及增加定位的稳定性。

基于RSSI的测距研究

基于RSSI信号传播理论模型.分析信号传播理论模型中的射频参数因子分别对信号传播和测距精度的影响。采用最小二乘法对实验采集的数据进行曲线拟合得到RSSI-d关系曲线和公式。