基于GABP-KF的WSN数据漂移盲校准算法

针对无线传感器网络节点容易产生数据漂移的问题,提出了一种新型的跟踪和校准节点数据流漂移的算法。首先使用基于遗传算法优化的BP神经网络对目标节点和其邻居节点间的时空相关性进行建模,以获得目标节点的预测值,再使用卡尔曼滤波器跟踪和校准该节点的数据漂移。针对不同的真实数据集进行仿真实验显示,该方法相较于其他对比方法模型预测精度更高,漂移校准性能更好。实验结果表明,该算法可以精确地校准传感器节点的数据漂移,提高节点数据的可靠性。

基于LSTM-KF的无线传感器网络数据漂移盲校准算法

针对无线传感器网络中传感器节点易发生数据漂移而导致采集数据失准难以使用的问题,提出一种基于LSTM-KF的无线传感器网络数据漂移盲校准算法。根据传感器网络拓扑情况建立连通支配集,以增强传感器节点间的时空相关性;训练LSTM网络,对目标节点与周围节点的测量数据建模;使用卡尔曼滤波器追踪和校准测量数据中的漂移量。仿真结果表明,该算法能够适应不同的拓扑情况,且具有较高的数据漂移盲校准精度,提高了无线传感器网络的数据采集质量。

一种分布式WSN数据漂移盲校准算法

针对无线传感器网络(wireless sensor networks,WSN)中传感器采集数据易产生漂移,影响测量数据质量的问题,提出一种改进的投影恢复网络(projection-recovery network,PRNet)盲校准算法。采用全分布式结构,将校准功能分布在各节点中独立执行。利用测量信号和实际信号训练模型,采用投影层实现信号子空间投影并获得信号观测,通过恢复层恢复信号观测并得到实际信号的无漂估计,完成对测量信号的校准。仿真结果表明,与PRNet及支持向量机结合卡尔曼滤波器算法相比,改进算法训练收敛速度较快,数据漂移盲校准性能较好。

一种合成宽带数字波束形成相控阵通道幅相误差的校准方法

在对相控阵雷达数字化单脉冲和差波束形成原理研究的基础上,给出了单脉冲比的提取模型。对通道幅相误差与角度估计精度的关系进行了分析,结果表明通道幅相误差将导致和波束主瓣畸变,增益降低,进而影响角度测量的精度;在利用合成宽带信号进行距离高分辨成像时,通道的幅相误差将会导致高分辨距离像的畸变。针对通道误差的校准提出了一种不需要注入参考信号的盲自适应校准方法,利用接收信号作为参考信号,采用改进的NLMS算法求取校准权值,在校准过程中进行通道延迟的补偿。仿真结果证明了该方法的有效性。