基于用户分布感知的移动P2P快速位置匿名算法

针对移动点对点(P2P)结构下位置隐私保护匿名区形成存在着通信开销大、匿名效率低以及成功率低等问题,提出了一种移动P2P结构下用户分布感知方案,用户在邻域内共享邻域加权密度参数,获取邻域用户实时分布信息,根据用户分布特征为用户推荐隐私参数及候选用户查找半径,帮助用户快速形成匿名区.仿真结果表明,该算法通信开销小,在满足移动P2P网络移动设备节能需求的同时,匿名区生成时间平均在500ms以下,平均成功率达到92%以上.

基于手机数据的城市人口分布感知

提出了一种基于手机数据、考虑手机市场占有率的城市人口分布感知方法,并将该方法应用于美国旧金山湾区;介绍了使用手机数据动态感知城市人口分布的潜在可能,并计算了湾区各个小区白天与夜间的人口数量差。研究结果表明,基于手机数据的城市人口分布感知,对城市突发事件预警、城市交通管控、城市公共资源配置等方面都有着重大意义。

基于FBG的分布感知家居环境监测系统设计

在分析当前家居环境监测现状的基础上,给出了利用分布式光纤布喇格光栅(FBG)传感器进行温湿度和煤气浓度测量的原理,设计了光纤光栅传感系统检测和解调系统,并进行了软件设计。仿真实验表明,系统测量精度和灵敏度高,运行稳定可靠,具有一定的实用价值和应用前景。

基于GM-PHD的目标空间分布感知算法

对边扫描边跟踪的认知雷达,目标的空间分布特性是实现对雷达信号控制的重要依据之一。本文介绍了一种基于高斯混合概率假设密度(GM-PHD)滤波算法的目标空间分布感知方法,利用该算法,可同时实现多目标高虚警环境下的目标数目和目标空间位置以及运动状态的估计。该算法实际是一种对标准GM-PHD滤波器的改进算法,能在新生目标强度未知的情况下完成对新生目标的检测跟踪。实验表明该算法不仅能在未知新生目标强度的情况下检测并跟踪新生目标,且在新生目标速度较大的情况下,该算法对新生目标的检测性能优于标准GM-PHD滤波器。

分布感知集中决策的主动配电网能量管理调控技术研究

随着风、光、储能、电动汽车等不断并入配电网,使配电网由传统单一接受电能的用电转变为发电与用电双重,且配电网中的可再生能源发电具有分散的特点,使传统集中式的数据感知和决策方法面临困境。对此,提出了配电网分布感知、集中决策的主动配电网能量管理调控方式。首先,设计了主动配电网能量管理系统的总体构架;其次,给出了主动配电网多层能量管理系统结构及其特点;第三,提出了多层能量管理大数据分散感知、管理、互动的关键技术;第四,在此基础上,指出了主动配电网各层之间分散协调的调控方法。

冻融条件下路基温度场和湿度场分布式感知试验

搭建土体冻融多物理场感知室内试验装置,布设传统点式传感器和分布式光纤,对土体冻融过程中路基温度场、湿度场和变形情况开展试验监测,探究单端冻结、双端融化条件下土体温度场和湿度场的分布式感知特征,验证主动加热分布式光纤技术的监测效果。试验结果表明,-15℃单端冻结条件下,土体冻结过程按降温速率分为快速冷却、逐步降温、稳定平衡三阶段,冻结锋面逐渐下移,最大冻深约占土柱高度的35%。孔隙水受冻胀迁移力影响向冻结锋面移动,引起冻融前后土体湿度场重分布,并导致土体冻胀变形,变形量为土体最大冻深的7.8%~10.9%。分布式光纤可准确得到冻融过程中土体温度场、湿度场变化特征,识别土体内冻结区域范围,温度、湿度监测拟合优度R2分别达0.98和0.94。

基于纹理特征的分布式视频压缩感知自适应重构方法

面对大规模视频数据带来的全新挑战,具备硬件友好特性的分布式视频压缩感知应运而生。由于传统基于分析模型的分布式视频压缩感知重构方法计算复杂度高,难以满足实时应用的要求,因此深度学习技术被逐渐引入。然而,现有基于深度学习的重构方法忽略了帧的纹理特征,限制了重构性能。由于同图像组中的视频帧具有较高的相似性,因此可以选择相邻视频帧作为当前视频帧纹理特征的参考。为了解决这个问题,提出一种基于纹理特征的分布式视频压缩感知自适应重构网络,命名为TF-DCVSNet。具体来说,TF-DCVSNet利用已重构的相邻帧纹理特征,激活当前重构帧的重构网络模块,进行自适应重构。大量实验验证了TF-DCVSNet的有效性。

基于DWME-KSVD的分布式视频压缩感知编码研究

分布式视频压缩感知编解码(DCVS)是一种全新视频编码方法,其边信息质量直接影响视频重构质量。针对视频重构质量较差的问题,提出运动估计双重自适应加权边信息生成算法(DWME),通过帧插值和运动估计产生的边信息进行自适应加权从而产生一个较为稳定的边信息。利用DWME边信息和K均值奇异值分解(K-SVD)算法训练生成字典,根据训练出的字典进行视频重建。实验数据表明,与双向运动估计字典边信息生成算法(ME-KSVD)、运动估计双重均值字典边信息生成算法(DMME-KSVD)相比,DWME-KSVD算法的峰值信噪比(PSNR)分别提高约0.5dB-1.5dB、0.2dB-0.5dB,具有较好的视频重建效果。

基于分布式压缩感知的改进SOMP信道估计算法

针对多径信道联合稀疏模型,基于分布式压缩感知理论提出了一种适用于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)通信系统的改进同时正交匹配追踪(Simultaneous Orthogonal Matching Pursuit,SOMP)信道估计算法。该算法首先联合多个符号利用比较残差和的方式,在每次迭代中估计各符号信道响应公共支撑集与相应元素直到公共支撑集估计结束,然后对各符号信道响应非公共支撑集单独进行估计,最终得到多个符号的信道响应估计值。仿真结果表明,改进的SOMP算法在JSM-2模型下性能与传统的SOMP算法相近,在JSM-1模型下性能优于传统的SOMP算法与OMP算法。

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit,DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error,LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。

深海远程正交频分复用水声通信簇约束的分布式压缩感知信道估计

在深海远程正交频分复用水声通信中,信道时延较长,导致信道频率选择性衰落严重,传统的压缩感知信道估计算法性能大幅下降。为此,该文利用深海远程信道在一定时间内具有相关性并呈较稳定簇状分布的特点,在分布式压缩感知信道估计中引入簇区域信息,进行簇约束的多数据块联合稀疏信道估计,提出一种簇约束的分布式压缩感知信道估计方法,并在深海开展了定点远程水声通信实验进行验证,实验结果表明,与传统的分布式压缩感知信道估计算法相比,本方法的能够降低50%左右的误码率。

基于分布式感知的氧化铝浓度动态仿真

氧化铝浓度的分布与电解过程的电流效率、温室气体排放及运行稳定性等参数都息息相关。针对传统铝电解多相多场的离线仿真速度响应不及时、对硬件要求高、仿真结果无法在线或直接用于指导生产实践等问题,将离线仿真数据与检测数据有效融合,开展铝电解动态仿真的研究,即基于实时阳极电流信号及未来预测值,结合动态U型曲线关系,在CFD氧化铝浓度的离线仿真结果库的基础上,对氧化铝浓度进行了动态仿真。为最终实现铝电解数字孪生体分布式信号采集-电流预测-氧化铝浓度动态仿真的一体化提供先进思路与技术方法。

基于现场总线的分布式智能机器人感知系统研究

感知系统是智能机器人与人、外部环境实现交互最重要的组成部分 ,本文基于现场总线技术 ,对智能机器人感知系统的总体结构、网络拓扑、软件设计、开放互联。

基于分布式感知的移动机器人同时定位与地图创建

为了创建大规模环境的精确栅格地图,提出一种基于分布式感知的两层同时定位与地图创建(SLAM)算法.在局部层,机器人一旦进入了一个新的摄像头视野,便依据机器人本体上的激光和里程计信息,采用Rao-Blackwellized粒子滤波方法创建一个新的局部栅格地图.与此同时,带有检测标志的机器人在摄像头视野内以曲线方式运动,以解决该摄像头的标定问题.在全局层,一系列的局部地图组成一个连接图,局部地图间的约束对应于连接图的边.为了生成一个准确且全局一致的环境地图,采用随机梯度下降法对连接图进行优化.实验结果验证了所提算法的有效性.

高光谱图像的分布式压缩感知成像与重构

根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的20%时,重构的平均信噪比提高了10dB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星载或机载的高光谱压缩感知成像。

基于一致优化的分布式宽带合作频谱感知算法

在压缩采样的框架下,提出一种基于一致优化的分布式宽带频谱压缩感知算法。算法思想如下:认知无线电网络中每个认知节点首先根据压缩采样理论获取压缩采样,并恢复本地的频谱信息,然后在一跳范围内交换频谱信息。认知节点将获取的邻居节点频谱信息进行加权平均,此加权平均作为频谱恢复一致优化问题的约束,以此来降低计算开销,加速算法的收敛。优化问题通过最优交替方向乘子法迭代求解来获取整个认知无线电网络的频谱估计。给出了算法的收敛性证明,并进行了仿真实验以验证算法的有效性。

WSN中的分布式压缩感知

为了解决传统的压缩感知算法在无线传感器网络中实现的难题,首先研究了用定时器控制ADC进行随机压缩采样的压缩感知技术,实验表明,该方法有效可行。在此基础上提出了基于无线传感器网络的分布式压缩感知算法。该算法通过对随机压缩采样序列的拆分实现分布式压缩采样,最后利用合并后的采样值和CoSaMP算法完成对信号的重构。仿真和实验表明,该方法能够在星型网络拓扑中实现以1/10的标准采样频率下实现信号的重构。

适用于无线传感器网络的层次化分布式压缩感知

分布式压缩感知(Distributed Compressed Sensing,DCS)是在无线传感器网络(Wireless Sensor Network,WSN)中减少数据传输量、降低能量消耗的有效手段。该文面向分簇WSN,提出层次化分布式压缩感知(Hierarchical Distributed Compressed Sensing,HDCS)。在利用簇内DCS消除簇内时间、空间冗余的基础上,利用簇间DCS消除簇间空间冗余,减少簇头的数据发送量。针对分簇WSN采集信号的结构化稀疏特性,建立块稀疏簇内联合稀疏模型与块稀疏簇间联合稀疏模型,提出HDCS观测方案与层次化联合重构算法。仿真结果表明,与普通DCS相比,HDCS在保证重建信号质量的同时,能够有效减轻簇头的通信负担,并显著降低Sink上的信号重构时间。

分布式压缩感知实现联合信道估计的方法

针对无线通信中多个信道之间存在相关性的现象,本文研究了基于压缩感知的联合信道估计。通过选取多个节点与簇头之间的信道为研究背景,本文建立了多信道下的联合信道估计模型,推导了判决门限与信噪比之间的关系,提出了基于门限自适应-正交匹配追踪联合重构技术(TA-SOMP)的信道估计算法,并进行了相应的仿真实验。仿真结果表明:与经典的正交匹配追踪(OMP)算法相比,本文算法所重构的信道与原始信道之间的均方误差(MSE)更小,传输信号误比特率(BER)更低;在相同信噪比环境下,TA-SOMP算法所需导频数量更少,频带利用率更高。

基于分布式压缩感知的宽带欠定信号DOA估计

为解决基于稀疏阵列的宽带欠定信号到达角(DOA)估计问题,该文提出基于分布式压缩感知(DCS)的宽带DOA估计算法。首先,对稀疏阵列宽带信号处理模型进行理论推导与分析,将宽带信号DOA估计建模成DCS问题;其次,利用经典DCS算法实现稀疏阵列上的宽带欠定信号DOA估计;最后,引入网格失配误差,建立包含网格失配参数的DCS模型,并进行迭代求解,实现对DOA和网格失配参数的联合估计。仿真结果表明,该算法能够实现宽带欠定信号DOA估计,较现有成果而言,在保证测向精度的同时,具备分辨率高、运算速度快的优点。