基于ASGSO-BP的RFID定位方法研究

将自适应步长的萤火虫优化(ASGSO)算法与BP神经网络相结合,形成基于ASGSO-BP的无线信道建模方法。采用数据拟合性能较好的ASGSO-BP网络,构建在室内环境下传输无线信号的路径损耗模型,以提高估算信号传输距离的准确性。利用得到的模型和RFID阅读器检测接收到信号强度值的距离,并将该距离用于LANDMARC算法,进行三维空间的室内定位。仿真实验效果显示,采用该方法可显著提升无线信号室内定位的精度及自适应性,对促进智能网联车辆技术的发展具有重要意义。

基于ASGSO-SVR模型的瓦斯传感器故障诊断

针对现行煤矿瓦斯传感器常见的卡死、冲击、漂移等故障,运用支持向量回归机建立多传感器数据融合的瓦斯浓度预测模型,详细研究影响该预测模型精度的相关参数选择方法,提出用ASGSO算法自适应优化支持向量机预测模型参数的算法,将模型预测结果与现场实测瓦斯浓度相比较得到残差δ,用于对瓦斯传感器故障的诊断。用现场监控数据对该方法进行离线仿真实验,得到残差信号的变化曲线。通过选择合理的阈值,判断传感器是否处于故障状态。结果表明,ASGSO算法参数优化对提高SVR预测模型的精度有很大帮助,此方法对瓦斯传感器的常见故障的诊断是正确和有效的。

基于ASGSO算法的改进DV-Hop算法

针对无线传感器网络定位技术中DV-Hop算法在最后阶段计算待定位节点坐标时定位精度低的问题,提出了一种基于自适应步长萤火虫优化算法的改进DV-Hop算法(ASGSODV-Hop)。该算法将DV-Hop算法在估算节点坐标阶段所使用的最小二乘法用ASGSO算法代替,采用ASGSO智能算法的自适应迭代寻优对DV-Hop算法定位求解的问题建立特定的适应度函数并进行多次迭代计算实现优化,最终使待定位节点坐标与真实值更为接近。仿真结果表明,该算法的平均定位误差约为23.58%;相比于传统DV-Hop算法,ASGSODV-Hop算法可在无需附加通信开销的情况下使定位误差降低约46.49%,提高了节点的定位精度。

基于自适应步长萤火虫-多重信号分类算法的低空目标波达方向估计

该文针对传统多重信号分类算法(MUSIC)不适用于低空多径环境下目标波达方向(DOA)估计且谱峰搜索计算量大的问题,在解相干基础上,提出一种基于自适应步长萤火虫算法的多重信号分类算法。该方法通过对快拍数据协方差矩阵虚拟平滑实现多径信号的完全解相干和满秩相关矩阵的构造,利用自适应步长萤火虫算法实现谱峰搜索和目标角度估计。仿真结果表明,新方法能够在无孔径损失的情况下较好克服低空多径效应影响,快速、精确地估计目标波达方向。