基于数字波束扫描定位技术的非线性节点探测器

文中提出一种对非线性目标进行实时大角度定位的非线性节点探测器,利用4×4天线单元实现数字波束形成及不同的波束方位指向,可在较大范围得到探测目标的粗定位;并通过水平与垂直方向的双基线四接收通道来计算回波相位差,得到探测目标的细定位。文中通过创新性地异构FPGA,实现探测器信号处理单元集成数字波束扫描和比幅-比相复合测向的非线性目标实时探测方案,能够在保证实时性的基础上,解决相位法测向过程中相位模糊的问题,并提高探测器的探测范围以及探测目标的定位精度。所提出的探测器具有16组发射4接收通道,扫描范围为±45°,探测灵敏度大于-125 dBm,扫描定位时间为100 ms。整机具备可视化人机交互界面且重量仅3 kg,能很好地满足手持式非线性节点探测的市场需求。

ZigBee无线通信网络入侵探测节点倒追定位方法

ZigBee无线通信网络入侵探测节点定位时,受入侵信号和噪声信号的影响会导致定位误差大、定位时间长和定位能耗高等问题,提出ZigBee无线通信网络入侵探测节点倒追定位方法。采用小波包消噪方法去除入侵信号噪声;利用集合经验模态分解法分解去噪后的入侵信号,筛选入侵信号特征并获取其能量;构建无线传感器网络入侵检测模型,通过模型对入侵探测节点进行感知和倒追定位。实验结果表明,所提方法的定位误差最大值为15,定位时间最大值为26.7 s,定位能耗为40 J,具有较高的准确度和有效性。

基于分块粒子滤波的多节点协同无源探测解算算法

多节点协同无源探测是实现对机动雷达快速定位的有效手段。在空间上分离的多个节点同时无源侦察雷达信号,获取信号到达不同节点的到达时间差(Time Difference of Arrival,TDOA)和频率差(Frequency Difference of Arrival,FDOA)。通过TDOA/FDOA联合解算,完成对目标雷达位置和速度的测量。粒子滤波是一种近似最优的非线性滤波方法,其借助蒙特卡洛模拟可实现对待求参数概率密度函数的近似最优估计。将粒子滤波应用于协同无源探测解算,可实现非参数化的递推贝叶斯滤波,大幅提升无源探测的位置、速度测量精度。此外,还提出一种分块粒子滤波解算算法,通过降低粒子状态矢量维度,提升粒子空间覆盖性,在粒子数量受限的情况下,可进一步提升探测精度。

基于神经元芯片的智能探测节点

介绍了神经元芯片的基本构造和基于神经元芯片的智能探测节点及其在开放式、数字化、多测点的测量与控制系统中的应用原理。

基于极限学习机的火灾探测节点的研究及设计

现有的火灾自动报警系统智能化水平普遍较低,探测器网络集成度和灵敏度不高;同时,由于传输线路故障导致系统的漏报和误报,并且探测信息不能快速处理。针对上述问题,利用极限学习机算法,结合无线传感器网络技术,对火灾探测节点进行研究及设计。所设计的新型火灾探测节点能够准确及时地在火灾初期将火灾检测出来,经过仿真结果显示,该方法能够快速准确地判断火灾现场状况,便于启动相应设备及时将火情控制住。

智能建筑中短程无线探测节点设计

研究了智能建筑中基于TinyOS操作系统的无线网络探测节点的设计方案。给出了节点设计的总体结构框图、硬件的选择及天线设计。讨论了TinyOS操作系统的特点及基于该系统的探测信号的无线收发程序设计。经调试,可实现节点间的无线数据收发。

超低空分布式多传感器探测节点的设计

由于雷达探测存在盲区,低空与超低空飞行的入侵目标给雷达防御系统带来困难与威胁。基于GPS技术、多传感器技术、网络技术及单片机技术设计出一种分布式多传感器探测节点,把远程分布的多传感器探测节点所探测到的信息实时、有效地汇集在一起,实现超远距离的多传感器信息融合,实时进行目标发现,可弥补雷达防御系统存在的漏洞,有效地杜绝雷达防御系统存在的安全隐患。

基于三维数字地图的探测节点优化部署方法

近年来,随着战场来袭目标攻击方式的多样化,开展多节点优化部署方法的研究越来越受到世界各军事强国的关注。介绍了三维地形可视化的基本流程;提出一种获取单个探测节点效能的计算模型;详细描述了探测节点优化部署的方法,并通过STK仿真软件验证了该方法的可行性,可为预警探测系统的部署规划提供一定参考依据。

水声网络探测节点的一种运动目标参数估计算法

文章提出了一种水声网络探测节点的运动目标参数估计方法,即基于模型匹配原理的估计算法。给出了算法的原理和仿真分析。

基于超声波的车位探测节点的设计

利用超声波技术"感知"停车场车位的使用情况,通过无线网络把车位信息传送到汇聚节点,管理停车场内所有车位的使用状况。探测节点由超声波传感器、微处理器、无线射频模块、电源组成。微处理器采用8位AVR低功耗单片机ATmega128L,无线射频模块采用Chipcon公司CC2420芯片。

水声网络探测节点的自主式能量检测器

推导了一种适用于水声无线传感器网络探测节点的自主式被动目标检测器,并进行了仿真验证。

基于固定邻域规模的动态网络影响力最大化探测算法

以往对影响力最大化问题的研究大多是基于静态图进行优化研究,但在现实中,网络数据量随着时间不断增加,系统不可能实时获取到整个网络中节点之间的连接情况。在传统MaxG探测模型的基础上,采用固定邻域规模和节点邻域层级相结合的方式计算节点影响力大小,提出了新的动态网络探测算法RAS-MaxG(regular area scale-MaxG),解决了传统探测算法由于采用度来衡量节点影响力值所导致的节点之间区分性差的问题。最后通过在真实数据集上的实验对比,验证了所提算法在最终影响力覆盖范围方面具有更好的性能表现。

基于即时通信网络的路由节点覆盖控制优化研究

针对传统方法未对路由节点进行预处理,导致路由节点覆盖控制能耗高、控制效率低问题,因此,提出基于即时通信网络的路由节点覆盖控制优化方法。通过相互套接的可扩展主板增加存储空间,提升后续控制效率,随后对邻居探测路由节点做预处理,通过模糊数学和路由节点灰关联规则,获得不同测量方式所得的信息路由节点,使用简单协方差加权、自适应控制相应路由节点。通过研究实验结果可得知:多目标路由节点覆盖控制能够有效解决信息零散性问题,加强基于即时通信网络的整体稳定性,并且控制时间短、错误率低、鲁棒性高,可广泛应用在现实生活中。

双程摆扫激光测距探测成像在输电线路通道监测中的应用

针对传统输电线路通道监测方法忽略了对输电线图像的边缘灰度特征检测,导致输电图像轮廓特征不准确,输电线路通道监测出现较大误差的问题,提出基于双程摆扫激光测距探测成像的输电线路通道监测方法。构建双程摆扫激光测距探测成像模型,采用激光传感器实现对双程摆扫激光测距探测节点部署。利用探测模型提取输电线路通道监测双程摆扫激光图像,检测输电线路图像的边缘灰度特征。采用双边滤波器实现对输电线路通道监测的图像增强和降噪处理,构建边缘轮廓特征检测模型,根据图像差异度融合结果实现对输电线路通道监测。仿真实验结果表明,采用该方法进行输电线路通道监测的可靠性较好,监测自动化水平和视觉成像水平较好,提高了输电线路通道监测方法的自适应性和准确性。

非侵入式光学探测技术加快硅片调试

包括激光电压探测和时间分辨发射技术的非侵入式光学检测方法,有助于设计工程师获取硅片成功,缩短产品进入市场的时间。

基于通信时间分组的PBFT算法改进

针对区块链共识算法中的PBFT(实用拜占庭容错算法)表现出的大量消息广播造成的通信资源浪费和效率低下问题,该文提出了一种基于最短通信时间分组的GBFT共识算法,GBFT算法的实现主要分为分组和共识两个部分。根据节点间的通信时延进行最优分组。共识阶段,先进行组内共识,然后再进行全局共识,大幅度减少了网络开销。

基于PCNC的航路网络拓扑结构鲁棒性优化

空中交通量的持续增长,使得航路网络拓扑结构的脆弱性日益凸显,其鲁棒性优化愈发重要。本文运用复杂网络理论,分析航路网络拓扑结构,提出了优先配置关键结点保护连边(Prefrential configuration node-protecting cycle,PCNC)的方法,该方法基于度值适应度技术,探测出自身及邻居节点度值都大的关键节点,增加连边,配置节点保护环,优化航路网络拓扑结构鲁棒性。以中国大陆地区的航路网络为例,选取其中1017个航路点和1568条航段,探测得到101个关键节点,共配置56条新增连边。结合随机攻击和基于节点度的蓄意攻击,验证得到优化后航路网络拓扑结构对于两种攻击方式的鲁棒性都得到明显增强,且在蓄意攻击下的网络鲁棒性改善效果更好。

基于C8051F系列单片机的无线收发电路设计

基于幅移键控技术ASK(Amplitude-Shift Keying),以C8051F340单片机作为监测终端控制器,C8051F330D单片机作为探测节点控制器,采用半双工的通信方式,通过监控终端和探测节点的无线收发电路,实现数据的双向无线传输。收发电路采用直径为0.8mm的漆包线自行绕制成圆形空心线圈天线,天线直径为(3.4±0.3)cm。试验表明,探测节点与监测终端的通信距离为24cm,通过桥接方式,节点收发功率为102mW时,节点间的通信距离可达20cm。与传统无线收发模块相比,该无线收发电路在受体积、功耗、成本限制的场合有广阔的应用前景。

基于IMM-RUASFF的网络化目标跟踪算法

针对目前网络化目标跟踪算法存在实时性差、精度低等问题进行了研究。首先,基于网络信息共享需求,建立了网络探测节点的目标跟踪模型;其次,网络探测节点目标跟踪需求和实战要求发现目标经常是有多种运动状态并存,而单一模型的滤波器不能满足对机动目标跟踪性能的要求,采用了基于交互式多模型(Interacting Multiple Model,IMM)的有反馈实时更新的异步状态融合算法。最后,针对多个探测节点目标跟踪的状态融合估计问题,提出了一种有反馈实时更新的异步状态融合算法,通过仿真验证了算法的有效性。

基于IMM-UKF的网络化作战目标跟踪算法

针对网络化作战中单探测节点对机动目标的运动模型不确定性导致滤波精度低,为提高目标跟踪的稳定性和精确性,提出了多节点探测跟踪算法。基于网络体系中信息的共享需求,建立网络探测节点的目标跟踪模型;通过网络探测节点目标跟踪需求和实战要求发现目标经常有多种运动状态并存现象,而单一模型的滤波器不能满足对机动目标跟踪性能的要求。因此,探测节点采用了基于交互式多模型(IMM)的无迹卡尔曼滤波(UKF)算法进行状态估计,融合中心将各节点发送的目标状态估计融合后进行状态估计,有效地降低了目标机动造成的模型误差,提高了跟踪性能。仿真结果表明,所提出的算法提高了网络节点对机动目标的跟踪精度,并且收敛速度快,有较强的鲁棒性和实用性。