基于高度角随机模型的GNSS外辐射源雷达定位算法

针对GNSS外辐射源雷达定位时不同卫星对定位的误差贡献不同的问题,提出基于高度角随机模型的定位算法,理论分析目标位置估计量的克拉美罗界和统计特性,并计算卫星位置误差和地面站位置误差对定位误差的影响。仿真结果表明:所提出算法对不同GNSS卫星的直射、反射路径的伪距差测量值误差进行了合理分配,定位性能达到了克拉美罗界,且不会因为选星方案的改变而大幅恶化。对地面站位置误差和卫星位置误差的分析表明:地面站位置的标准差小于10 cm、卫星位置的标准差小于1 km时对定位总误差的贡献可以忽略不计。

一种基于SO-CNN模型的可见光室内定位优化方法

针对基于机器学习的可见光室内定位方法存在的手工调参、定位精度低等问题,结合蛇优化(Snake Optimization,SO)算法的寻优能力与卷积神经网络(Convolutional Neural Network,CNN)处理复杂非线性问题的能力,提出了一种基于SO-CNN模型的可见光室内定位优化方法。在考虑多径效应影响的情况下,采集每个位置点处的信噪比和对应位置坐标构建指纹数据库,对SO-CNN模型进行训练和测试,以得到最佳定位模型。实验结果表明,在5 m×5 m×3 m的房间中,与未经优化的CNN相比,该方法的平均定位误差降低了35.13%;与反向传播神经网络(Back Propagation Neural Network,BPNN)、多层感知器(Multilayer Perceptron,MLP)、SO-MLP相比,该方法的平均定位误差分别降低了54.75%,48.08%,37.01%。

基于单天线视轴信号传播模型的RFID定位方法

为了解决现有单天线超高频RFID技术在室内静态目标定位中精度不高的问题,本文提出了一种基于天线视轴信号传播模型的RFID定位新方法。该方法首先通过天线纵向扫描确定目标的高度位置;其次,调整天线高度与目标高度一致,然后步进旋转扫描以识别目标的方向角;进一步的,利用麻雀搜索算法优化的反向传播神经网络建立路径损耗模型并用于测距;最后,综合高度、方向角和距离数据完成目标的定位。实验结果表明,在室内环境测试中,所提出的方法平均定位误差为7.2 cm,能够满足一般室内场景下物品的定位需求。

基于强化样本的伪孪生网络图像篡改定位模型

随着互联网不断发展,网络上的篡改图像越来越多,掩盖篡改痕迹的手段越来越丰富。而现在大多数检测模型没有考虑到图像后处理操作对篡改检测算法的影响,限制了其在实际生活中的应用。为了解决上述问题,提出了一种通用的基于强化样本的伪孪生网络图像篡改定位模型。所提模型利用伪孪生网络,一方面学习真实图像中的篡改特征;另一方面通过约束卷积,抑制图像内容,从而能够更加关注篡改残留的痕迹信息。网络的两分支结构可以达到充分利用图像特征信息的目的。模型利用强化样本,可以自适应地生成当前最需要学习的篡改类型图片,实现对模型有针对性地训练,使得模型在各个方向上学习收敛,最终得到全局最优模型。利用数据增强思路,自动生成丰富的篡改图像以及其对应的掩膜,这很好地解决了篡改数据集有限的问题。在4个数据集上的大量实验证明了所提模型在像素级操作检测方面的可行性和有效性。尤其是在Columbia数据集上,算法的F1值提高了33.5%,Matthews correlation coefficirnt(MCC)得分提高了23.3%,说明所提模型利用深度学习模型的优点,显著提高了篡改定位的检测效果。

面向强后处理场景的图像篡改定位模型

针对微信、微博等社交平台对图像进行的压缩、尺度拉伸等有损操作带来的篡改痕迹模糊或被破坏的挑战,提出了一种对抗强后处理的图像篡改定位模型。该模型选用了基于Transformer的金字塔视觉转换器作为编码器,用于提取图像的篡改特征。同时,设计了一个类UNet结构的端到端编码器-解码器架构。金字塔视觉转换器的金字塔结构和注意力机制可以灵活关注图像的各个区块,结合类UNet结构能够多尺度地提取图像上下文间的关联信息,对强后处理的图像有着较好的鲁棒性。实验结果表明,所提模型在对抗JPEG压缩、高斯模糊等常见的后处理操作以及在不同社交媒体传播场景的数据集上的定位性能上明显优于目前主流的篡改定位模型,展现出了优异的鲁棒性。

基于特征集重构与多标签分类模型的谐波源定位方法

传统基于谐波状态估计的谐波源定位方法需要专门的同步相量量测装置,工程应用受到限制。为此,基于电能质量监测装置所采集的非同步量测数据,提出了基于特征集重构与多标签分类模型的谐波源定位方法。利用监测数据的充分统计量来挖掘量测时段的谐波信息,同时利用标签特定特征学习算法重构特征集,从而消除冗余特征以及无关特征对于谐波源定位精度的影响;提出基于邻接矩阵以及灵敏度分析的测点配置方法,结合电路网络拓扑信息实现测点的优化配置;提出基于改进极限学习机的谐波源定位方法,该方法以重构特征集为输入,建立多标签分类模型,实现谐波源定位。通过仿真与算例分析,验证了所提方法的可行性及有效性。

一种弹丸全向入射弹着点定位模型的研究

立靶测量是射击训练及射击比赛中一种常用的弹着点位置测量方法,弹道俯仰角是立靶测量的重要参数之一,其偏差水平是影响测量精度的重要因素。重武器弹丸入射时由于重力、地形等各种因素的影响,使弹丸产生弹道俯仰角,因此以弹丸垂直入射为假设条件的传统T型报靶模型不再适用。针对上述情形,本文以单个激波传感器全向入射理论为基础,提出基于6个激波传感器组成H型阵列的弹丸全向入射弹着点定位模型,解决传统T靶模型传感器数目少、无法求解俯仰角与方位角的问题,以提高测量的精度。对该模型进行数学推导与仿真分析,并应用到靶场实验中进行验证。实验结果表明,通过该模型计算出的弹着点坐标与实际弹着点坐标相比误差较小。因此,该模型能够有效减小弹道俯仰角对报靶系统的影响,更具实用价值。

多特征下室内声源定位的复合模型粒子滤波

为提高混响噪声下声源定位的精度和稳健性,提出多特征复合模型粒子滤波算法。该算法以麦克风接收信号的多特征构建似然函数,采用卷积神经网络提取多假设时延估计图像的深度特征,建立基于支持向量回归的时延估计模型;引入波束输出能量融合机制,弥补单特征不能同时抑制噪声和混响的缺陷。针对说话人运动随机性的问题建立声源跟踪的复合模型,改善说话人跟踪系统的鲁棒性。仿真和实测结果表明:在复合模型跟踪下,多特征算法比可控响应功率时延估计算法位置平均均方根误差减少83%以上;在多特征观测下,复合模型比郎之万模型和随机行走模型位置平均均方根误差减少46%以上;新算法实现了对复杂环境下随机运动声源的有效跟踪。

基于最优模型选择的多信标长基线定位系统误差辨识方法

为辨识多信标长基线定位系统误差,及提高定位精度,针对目标安装多个信标且目标体积不可忽略的情况,构建了多信标体制的长基线水下定位模型。进一步针对测元系统误差中包含的声速误差、时延误差,在多信标体制定位模型的基础上,构建了多类系统误差辨识模型,并结合水下目标定位过程,计算时延残差,构建模型最优检验统计量,给出了系统误差模型的最优选择准则,实现水下目标位置参数和系统误差参数的有效估计。仿真结果表明,该模型最优选择准则可以有效选择合适的系统误差辨识模型,提高长基线水下目标的定位精度。提出的基于最优模型选择的多信标长基线定位系统误差辨识方法可为水下目标定位试验提供理论支撑和有效参考。

基于多应用场景的改进DV-Hop定位模型

针对距离矢量跳(DV-Hop)定位模型定位精度低、优化策略场景依赖性强的问题,提出一种基于函数分析和模拟定参的改进DV-Hop模型——函数修正距离矢量跳(FuncDV-Hop)定位模型。首先,分析DV-Hop模型的平均跳距、距离估计和最小二乘法中的误差原因,引入待定系数优化、阶跃函数分段实验、带等效点的权重函数策略和极大似然估计修正;其次,考虑多应用场景,用控制变量法,分别将总节点数、信标节点比例、通信半径、信标节点数和待测节点数作为变量,设计对照实验;最后,进行仿真定参和整合优化测试两阶段实验,最终的改进策略较原DV-Hop模型的定位精度提高了23.70%~75.76%,平均优化率57.23%。实验结果表明,FuncDV-Hop模型的优化率最高达到了50.73%,与基于遗传算法和神经动力学改进的DV-Hop模型相比,FuncDV-Hop模型的优化率提升了0.55%~18.77%。所提模型不引入其他参量,不增加无线传感器网络(WSN)的协议开销,且有效提高定位精度。

应用消息传递和卡尔曼模型的无线传感网定位跟踪算法

针对无线传感网系统中传感节点的定位跟踪问题,提出了一种基于消息传递和卡尔曼模型的定位跟踪算法。将目标物与多个锚节点之间的测距整理为线性混合模型,通过贝叶斯公式进行因式分解,建立因子图。假定目标物位置随时间连续移动,相邻的定位坐标之间存在潜在的缓变关系,并利用卡尔曼模型挖掘该关系,即将测距、定位和卡尔曼模型整体进行优化。在因子图中选择合适的消息更新规则,对每条边上的消息进行更新计算,形成定位跟踪算法。最后,建立虚拟和实测环境对所提算法进行数值验证。由于将测距、跟踪和卡尔曼模型融合为一个整体进行优化,相比文献中已有方法,所提定位跟踪算法在仿真环境中表现出超过2 dB的性能优势,在实测场景下也具有接近1 dB的性能增益,证明了其有效性。

基于双路径多模态交互的一阶段视觉定位模型

现有的一阶段方法分别提取视觉特征映射和文本特征,并进行多模态推理来预测被引用对象的边界框.这些方法存在以下两个缺点:首先,预先训练的视觉特征提取器在视觉特征中引入了与文本无关的视觉信号,阻碍了多模态交互;其次,现有模型的推理过程缺乏对语言建模的可视化指导.基于上述缺点,现有的一阶段方法的推理能力是有限的.提出了一种提取文本相关视觉特征映射的低阶交互和一种整合视觉特征的高阶交互来指导语言建模,并进一步对视觉特征进行多步推理.在此基础上,提出了一种新的网络结构,称为双路径多级交互网络.在5种常用的视觉定位数据集上进行了实验,结果表明该方法具有较好的性能和实时性.

基于对抗生成网络的缺陷定位模型域数据增强方法

缺陷定位获取并分析测试用例集的运行信息,从而度量出各个语句为缺陷的可疑性.测试用例集由输入域数据构建,包含成功测试用例和失败测试用例两种类型.由于失败测试用例在输入域分布不规律且比例很低,失败测试用例数量往往远少于成功测试用例数量.已有研究表明,少量失败测试用例会导致测试用例集出现类别不平衡问题,严重影响着缺陷定位有效性.为了解决这个问题,提出基于对抗生成网络的缺陷定位模型域数据增强方法.该方法基于模型域(即缺陷定位频谱信息)而非传统输入域(即程序输入),利用对抗生成网络合成覆盖最小可疑集合的模型域失败测试用例,从模型域上解决类别不平衡的问题.实验结果表明,所提方法大幅提升了11种典型缺陷定位方法的效能.

基于模型识别的有源配电网单相接地故障定位方法

分布式电源(distributed generation,DG)大量接入使配电网继电保护面临严峻挑战。单相接地故障发生概率大,但故障信息十分微弱,特别是在DG多样化故障输出特性的影响下,有源配电网单相故障定位的准确性常难以保证。为此,提出了一种基于模型识别的有源配电网单相接地故障定位方法。分析了配电网单相接地故障下DG的输出特性,建立了在不同故障位置下有源配电网的正序增广网络,构建了故障位置关于馈线出口以及DG输出电流的函数,建立了配电网单相接地故障位置模型,利用不同故障位置下短路电流矢量占比系数的差异性构建了新的故障定位判据。通过将单相接地故障定位问题转化为故障位置模型系数的求解问题,提高了故障定位的准确性和实用性。理论和仿真分析表明,在不同故障位置、不同过渡电阻下均能准确定位单相接地故障,具有原理清晰、故障特征量采集便捷、灵敏性和可靠性高的优点。

定位结构损伤的改进跨模型模态应变能法

为了提高结构损伤定位的精度,提出将跨模型模态应变能与小波分析(Wavelet Analysis, WA)相结合的结构损伤定位方法。首先,计算所有单元的跨模型模态应变能指标。其次,对由各单元跨模型模态应变能指标构成的序列进行小波分析,提取高频细节系数后对其进行重构,以得到改进的损伤指标。最后,根据改进指标判断损伤位置。以某平面桁架为例并考虑5%噪声水平进行蒙特卡洛分析。结果表明,改进指标抵抗噪声干扰的鲁棒性更强,能更好地指示损伤位置。

非组合精密单点定位模型参数估计

为了进一步发挥非组合精密单点定位具有的数据利用率高、未放大观测噪声和可估计电离层延迟等优势,提出一种可估计电离层延迟和接收机差分码偏差(DCB)的改进非组合精密单点定位模型:与传统非组合精密单点定位模型估计的接收机钟差参数和DCB进行组合计算,估计出接收机钟差与参与计算的第一频点和第二频点的硬件延迟;利用北京某监测站采集的北斗三号全球卫星导航系统(BDS-3)观测数据,对B1I+B3I、B1C+B2a等2种频点组合分别进行2种非组合精密单点定位计算,估计电离层延迟、接收机钟差、第一频点和第二频点的硬件延迟。结果表明:传统非组合精密单点定位模型定位精度和收敛时间略优于改进的非组合精密单点定位模型;改进非组合精密单点定位模型估计的电离层延迟的平均修正百分比为85.54%,比传统非组合精密单点定位模型估计的电离层延迟高6.43%;B1I+B3I和与B1C+B2a频点组合估计的接收机钟差的RMS分别为0.19和0.21 ns,均值相差0.09 ns,钟差估计精度相当;接收机B1I、B3I、B1C和B2a硬件延迟与标定值都在0.14 ns以内。

基于光纤光栅的配网故障定位仿真模型研究

针对配电网环境复杂,监测的数据容易受到干扰或丢失,从而影响最终的故障定位准确性的问题,文中提出了一种基于光纤光栅技术的配电网故障仿真模型。该模型利用光纤光栅电流传感器来收集电流数据,发挥抗干扰性强、数据不易丢失等优点,通过电流波动来判断故障位置。利用该方法,从源头上提高监测的数据质量,依靠安装在配电网线路上的光纤电流传感器采集电缆中电流,当输电线路上某点发生故障时,计算出故障点相邻的前后两个光纤电流传感器检测到电流波动差值,通过阈值比较来实现故障位置的快速定位。该模型成功应用于某两个供电局,故障判断的准确率达到了98.89%,还考虑了无法确认故障是否真实发生的情况,具备良好的实用性及准确性。

GPS/BDS组合导航系统的精密单点定位模型

为了改善单卫星导航系统由于卫星数量较少,导致定位误差高的问题,设计全球定位系统(GPS)/北斗卫星导航系统(BDS)组合导航系统的精密单点定位模型:线性组合处理GPS与BDS的伪距和载波相位观测值,并构建GPS/BDS组合导航系统的组合观测值;接下来利用协方差成形自适应卡尔曼滤波方法,对组合导航系统导航过程中的卫星钟差、电离层延迟等误差实施滤波;再利用滤波处理后组合导航系统的广播星历,获取卫星轨道以及钟差;然后利用经验模型修正对流层延迟,获取相位观测值与伪距的综合改正数;最后利用综合改正数修正组合导航系统的观测方程,构建精密单点定位模型。实验结果表明,GPS/BDS组合导航系统采用所构建模型进行精密单点定位,不同方向定位误差均低于10 cm,证明了提出模型的有效性。

灰色模型在无人机定位中的应用研究

针对北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)在无人机定位中由于信号过弱或干扰过强而无法正常运行的问题,提出一种基于灰色理论的无人机预定位方法,以解决数据不完整情况下的轨迹坐标预测问题.该方法利用灰色模型GM(1,1)灰色微分的连续性,根据无人机的历史离散数据建立了坐标点预测模型,利用实测数据验证了该模型的有效性,并通过仿真实验量化分析了灰色模型在定位预测的精确度,计算了其误差概率.通过与传统定位方式对比可知,该模型所需要的数据量较少且计算方便,实现复杂度较低.

不同电离层改正模型的SF-PPP定位精度分析

电离层延迟可严重制约单频接收机的定位精度.基于此,本文介绍了四种单频接收机常用的电离层延迟改正方法,包括广播电离层改正模型(策略1),顾及太阳位置的变化全球电离层格网产品(Global Ionosphere Map,GIM)时间旋转内插(策略2),GIM投影函数改正(策略3)和半合改正模型(策略4).同时,选择不同太阳活动期,不同纬度的测站验证不同电离层改正方法的单频精密单点定位(single-frequency point positioning,SF-PPP)定位结果偏差.经过对比分析,得到如下结论:1)总体来说,半合改正模型得到的定位效果最佳,其次是使用GIM产品对电离层延迟进行改正,最后是广播电离层模型;2)在不同太阳活动跃期,不同策略在低纬度测站的定位偏差最大,其次是高纬度测站,中纬度测站的定位偏差最小;3)策略2和策略3在不同太阳活动期不同纬度测站的水平定位平差约0.150 m,三维定位偏差约0.700 m;策略4在不同太阳活动期不同纬度测站的水平定位偏差为0.100 m,三维定位偏差为0.500 m.