Axial Micro-Strain Sensor Based on FM-FBG via Dual-Mode ML-FMF in Sensor Networks

An in-fiber axial micro-strain sensor based on a Few Mode Fiber Bragg Grating (FM-FBG) is proposed and experimentally characterized. This FM-FBG is in inscribed in a multi-layer few-mode fiber (ML-FMF), and could acquire the change of the axial strain along fibers, which depends on the transmission dips. On account of the distinct dual-mode property, a good stability of this sensor is realized. The two transmission dips could have the different sensing behaviors. Both the propagation characteristics and operation principle of such a sensor are demonstrated in detail. High sensitivity of the FM-FBG, ~4 pm/με and ~4.5 pm/με within the range of 0 με - 1456 με, is experimentally achieved. FM-FBGs could be easily scattered along one fiber. So this sensor may have a great potential of being used in sensor networks.

用于位置信息辅助复杂人体行为识别的新型深度学习框架

随着近年来智能生活理念的普及和可穿戴终端技术的快速发展,基于传感器数据的人体行为识别(human activity recognition,HAR)已引起广泛关注,并且具有重要的学术研究和商业应用价值。该文研究了增强HAR模型对用户日常简单行为(simple activity,SA)和复杂行为(complex activity,CA)的识别,并提出了一个深度学习(deep learning,DL)模型。首先,使用两个可公开获取的数据集UCI HAR和Shoaib CHA,并对其进行标准化处理。其次,使用所提出的模型提取各种动作的特征,进行人体行为识别。鉴于用户行为和位置之间的高度关联,通过独热编码技术将位置信息集成到数据集中,以提高模型的分类性能。此外,将所提出的模型与8种经典机器学习(machine learning,ML)算法和6种DL算法进行了对比。最后,评估了不同行为类型对HAR模型识别性能的影响。实验结果表明,所提出的模型在UCI HAR和Shoaib CHA数据集上的最高分类准确率分别达到了96.77%和99.13%。通过向数据集添加位置信息,HAR模型对SA和CA的分类准确率得到了显著提高。

STATCOM中传感器故障的容错控制策略研究

针对H桥结构的STATCOM中直流侧电容的电压传感器故障,提出了基于数据驱动的软闭环容错控制策略。此方法选取电容电压、系统输出电流为原始信号,根据历史运行数据建立多核最小二乘支持向量机(MLS-SVM)预测模型。利用MLS-SVM模型的预测输出和实际传感器输出的残差信号建立传感器故障检测与判决机制。当传感器故障后,采取MLS-SVM模型的预测输出代替实际传感器的检测值作为闭环系统的反馈输入,实现软闭环容错控制。在一台三级联静止同步补偿器试验样机上进行了试验和分析,结果表明该方法具有良好的准确性和实时性。

基于协议同步水下传感器网络目标协同定位算法

为了解决水下目标的定位问题,讨论了一种基于水下传感器阵列网络的目标协同定位算法。该算法在实现水下节点同步的基础上,通过建立目标位置与距离差测量值的统计模型后依据最大似然准则完成目标定位。定位算法的实现采用分布-集中相结合的处理方法,在提高定位精度的同时大大节省了水下节点通信能耗。通过仿真实验验证了算法的有效性和可行性,实验结果表明该方法具有较好的同步及目标定位精度。

基于人工鱼群算法的声矢量传感器阵列的最大似然DOA估计

在阵列信号处理中,极大似然法(ML)对波达方向(DOA)估计有很好的性能,但由于多维非线性搜索的计算复杂,很难应用于工程中。为了降低ML方法的计算复杂度,提出了一种改进人工鱼群算法(AFSA)的声矢量传感器阵列的ML-DOA估计方法。仿真结果表明,与基于遗传算法(GA)、粒子群优化算法(PSO)和微分进化算法(DE)的ML-DOA估计相比,该算法具有更快的收敛速度、更低的RMSE、更低的计算复杂度和更稳定的性能。

基于改进KH-ANFIS 的海洋溶菌酶发酵过程软测量

针对海洋溶菌酶发酵过程菌体浓度在线检测难以实现,离线测量不能反映发酵过程当前变化等问题,提出了一种基于改进磷虾群—自适应模糊神经网络软测量(HLKH-ANFIS)建模方法;首先利用自适应莱维飞行策略对传统KH进行改进,从而提升算法的全局搜索能力;同时利用跳变技术(HOT)对KH算法位置更新公式进行改进,提高算法的局部寻优能力,然后利用改进的KH算法对自适应模糊神经网络反馈进行优化,改善其过度修正和计算量大的问题;最后建立基于HLKH-ANFIS的海洋溶菌酶发酵过程菌体浓度软测量预测模型,仿真分析表明:相较于KH-ANFIS预测模型,HLKH-ANFIS模型的误差较小,具有更好的预测能力,能够满足ML发酵关键参量的在线预测需要。

无线传感器网络中ORAWLS算法

为提高无线传感器网络(WSNs)节点定位的估计精度,提出了一种优化参考锚节点的加权最小二乘算法(ORAWLS)。基于理论均方误差最小化,优化参考锚节点,进一步完善系统性能。仿真验证表明:对比最大似然(ML)算法和线性最小二乘(LLS)算法,ORAWLS算法能够有效地提高定位精度,并表现出良好的系统性能。

传感网环境下传感器信息建模与注册方法研究

如何对传感器资源进行重新组合并用于发现来实现高级的信息共享是目前亟待解决的问题。本文针对目前传感器的建模现状和发现机制现状,选择传感器模型语言(Sensor ML)实现传感器信息的建模。针对Sensor ML用于发现机制的Profile规则,提出了面向处理的传感器抽象模板建模方法。并且使用传感器实例注册(Sensor Instance Registry,SIR)客户端传感器信息模型。基于本文提出的方法,采用自主设计开发的传感器建模软件SensorModel完成了对传感器的快速实例化建模,应用SIR客户端完成了对所建传感器信息模型有效的注册和发现。