基于AP布置优化和K-means聚类算法的室内定位研究

传统室内定位中聚类算法被动依赖定位环境中接入点(Acess Point,AP)数量,导致定位效率低、误差大,室内位置指纹定位研究中AP布局是影响定位精度的关键性因素。因此,采用Intel芯片的嵌入式微系统和美国Signal Hound生产的SA44B型测量接收机共同组成传感器网络,根据电波路径损耗建立室内定位的目标函数,采用单纯形法和模拟退火算法融合算法对目标函数进行优化,从而达到最合理的AP室内位置布局,而后改进K-means聚类算法将优化后的AP位置坐标作为初始聚类中心,来提高系统的定位效率和精确度。实验结果表明,与传统K-means算法相比,经过AP位置最优化后的聚类定位算法精度提高了13.8%。

基于变分模态分解算法的单通道无线电混合信号分离

针对复杂电磁环境下单通道无线电混合信号分离困难及分离精度不高的问题,提出2次使用变分模态分解(VMD)算法对单通道无线电混合信号进行分离的方法.首先利用VMD算法对单通道无线电混合信号进行粗分离,并将VMD算法与总体平均经验模态分解(EEMD)算法进行对比,得出前者分离出的信号在时域、频域及信噪比和相似系数等方面均比后者取得的对应结果效果好的结论.然后对VMD算法的参数利用改进的量子粒子群优化算法进行优化,确定所需分量个数和惩罚因子的值.最后对VMD算法分离后的信号使用参数优化后的VMD算法进行细分离.数值模拟和实验信号分析结果均表明,再次分离后所得到的信号精度较利用VMD算法对单通道无线电混合信号进行粗分离时更高,证明了所提算法对单通道无线电混合信号分离的有效性.

与强度无关的位置指纹在线定位改进算法

将现有的研究较热的固定发射端、定位接收端的室内位置指纹定位系统应用到固定接收端、定位发射端的室内无线电干扰源定位中,研究了一种考虑干扰源发射强度的在线定位算法,以克服直接使用以一固定发射强度信号源建立的指纹数据库和现有的在线定位方法无法实现对不同发射强度干扰源定位问题。在分析信号传播模型和现有在线定位方法的基础上,利用强度差的均方差进行定位计算。给出了算法实现依据和流程,对改进的算法进行了仿真和实验验证,结果证明了改进算法的实用性。同时,改进算法的思想对现有的考虑接收端异质的位置指纹定位系统也有一定的指导意义。

基于改进QPSO粒子滤波的信号源定位方法

针对无线电监测车车载仪表采集的测向数据野点较多,导致信号源定位误差较大的问题,提出一种基于改进量子行为粒子群优化(QPSO)粒子滤波的信号源定位方法。首先结合车载测向仪和GPS定位仪采集的测向数据,将信号源位置作为状态量,将到达角作为观测量,建立信号源定位的数学模型。然后采用收缩-扩张系数自适应的QPSO对粒子滤波算法进行优化,改善粒子分布,提高估计性能。最后将改进QPSO优化的粒子滤波算法应用于信号源定位,实验结果表明,当观测数据中存在野点时,该方法能够有效控制观测异常误差的影响,提高定位精度,是一种有效、可行的定位方法。

基于人工鱼群粒子滤波的信号源定位

针对传统粒子滤波算法精度不高、难以满足移动监测车对无线电信号源定位需求的问题,提出了一种基于人工鱼群粒子滤波的信号源定位方法。将人工鱼群算法的优化思想引入到粒子滤波中,通过觅食行为和聚群行为驱动粒子向最优位置移动,改善粒子的分布。结合移动监测车对信号源定位的需要,建立了信号源波达角定位(AOA)的数学模型,在Matlab环境下对人工鱼群粒子滤波算法的信号源定位进行了仿真。实验结果表明,在保证实时性的前提下,该方法定位结果的最大误差为0.101%,定位精度远大于粒子滤波定位方法的估计精度,是一种有效、可行的定位方法。

平台侧位置指纹定位系统中接收端问题的优化

当前室内位置指纹定位系统主要用于对移动端的定位。借鉴其定位机理,研究了对无线电发射端的定位,属于平台侧位置指纹定位系统。从部署接收端的位置以减小定位误差的角度出发,提出了增大参考点之间欧式距离确定接收端位置的方案。同时,提出利用覆盖率的概念确定定位区间的接收端个数以满足区间定位的需求。建立了接收端位置及个数优化问题的数学模型,并用遗传算法和全覆盖原则对优化问题进行求解,给出了优化问题的实现流程。针对不同空间,对优化问题进行了仿真,比较了经验布置接收端和优化布置接收端的定位结果误差及接收端是否满足全覆盖的定位结果误差,验证了所提方法的合理性,对定位前部署接收端的个数和位置有一定的指导意义。

改进萤火虫算法优化粒子滤波的信号源定位

为提高无线电信号源的定位精度,运用粒子滤波方法对其进行定位估计。针对粒子滤波存在的粒子退化问题,提出改进的萤火虫算法优化粒子滤波。首先对萤火虫算法的吸引度公式进行改进,并利用迭代时刻粒子最优值指导个体的移动过程。然后运用改进的萤火虫算法与粒子滤波机制相结合,使粒子趋向于高似然区域,提高粒子的有效性,避免粒子退化,提高粒子滤波算法的滤波精度。最后,将改进后的算法用于无线电信号源定位算法中并进行仿真试验。实验结果表明:该文提出的算法定位结果最大定位误差为0.23%,该算法相比粒子滤波算法的定位精度有很大的提高,是一种有效的、实用性较强的定位估计算法。

超高斯随机振动试验系统及其并行测控技术

针对传统随机振动试验技术不能够精确模拟实际超高斯随机振动环境的问题,设计一种超高斯随机振动试验系统,并给出其并行测控技术。首先构建超高斯随机振动试验的硬件系统;然后对振动加速度信号的峭度与功率谱密度两项指标采用并行修正的控制方法,其中峭度采用均衡算法,功率谱密度采用自适应逆控制的迭代算法;最后利用泊松过程将修正后的峭度与功率谱密度信号合成超高斯驱动信号,以驱动振动试验台。实际振动试验测试表明:驱动信号具有典型的超高斯特性,响应功率谱密度符合±3 dB的允差要求,响应峭度控制在±7%的误差范围,达到更符合实际振动环境的试验要求。

基于小波包和RobustICA的无线电混合信号分离

针对复杂电磁环境下无线电混合信号分离困难的问题,提出将小波包和鲁棒性独立分量分析(Robust ICA)算法应用于较低信噪比且频率接近的无线电混合信号的分离。首先用小波包分析方法对混合信号进行降噪预处理,然后采用盲源分离算法中的鲁棒性独立分量分析算法对降噪后的混合信号进行分离,通过观察分离后信号的波形和频率以及相似系数对分离结果进行定性和定量分析。所提算法与单独采用Robust ICA算法的结果对比表明:所提算法分离出的信号在波形和频率以及相似系数方面均比单独采用Robust ICA算法取得的效果好,从而证明所提算法可以较好地应用于无线电混合信号的分离。