基于密度的不规则网络多跳定位算法

针对不规则网络中定位算法性能低下的问题,该文提出了一种基于密度的多跳定位算法。首先,算法在网络初始化阶段,利用局部连接信息获取节点间的估计距离;其次,算法在估计距离误差的帮助下推导出最优加权矩阵,并以此消除累积误差的影响;最后,算法在几何分析的基础上避免并纠正了异常的估计位置。实验和分析均表明,该文算法在不规则网络中具有很高的定位性能。

针对不规则网络的高精度和高效率的多跳定位算法

针对不规则网络中多跳定位性能下降的问题,文章提出了一种高精度、高效率的多跳定位算法。首先,采用高效距离估计方法,获取节点间的估计距离。然后,依据距离估计的误差推导出最优加权矩阵,在其帮助下运用双曲线估计法,消除累积误差的干扰,进而提高定位精度和稳定性。最后,通过节点间的几何关系分析,发现并纠正因锚节点分布不当造成的异常估计问题。性能与实验分析表明,文章方案定位精度高且运行开销低。

基于Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器

应用Kalman滤波方法,在按矩阵加权线性最小方差最优信息融合规则下,提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵,提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比,可提高估计精度.一个带三传感器的目标跟踪系统的仿真例子说明了其有效性.

Genomic Signal Enhancement by Clustering

Weight matrix models for signal sequence motif are simple. A main limitation of the models is the assumption of independence between positions. Signal enhancement is achieved by taking the total likelihood as the objective function for maximization to cluster sequences into groups with different patterns. As an example, the initial and terminal signals for translation in rice genome are examined.