浅析无线传感器网络的改进DV-Hop定位算法

节点定位技术在无线传感器网络中广为应用，为了精准定位，可按照距离参数分成测距算法和无需测距算法两大类。本文针对DV-Hop算法在坐标计算阶段中的不足，尤其对节点随机分布、网络拓扑动态变化的应用环境，提出相应改进方案。通过仿真比较改进方案的性能。     

联合V2X通信和最小跳数距离的车辆定位方法

针对传统V2X定位方法定位成功率及定位精度较低的问题,提出了一种联合V2X通信和最小跳数距离的车辆定位方法。车辆利用最小跳数距离估算自身与通信范围外辅助节点间的相对距离,并利用路径相似度因子最高的辅助节点对该误差进行补偿,从而改善定位性能受通信距离约束的局限性。同时,综合考虑距离、辅助节点类型对定位性能的影响,利用加权最小二乘法对车辆位置坐标进行解算,提升定位的精度。仿真结果表明,所提定位方法与V2X定位方法相比,在定位成功率及定位精度方面分别提升38.6%和12.5%,具有一定的应用价值。     

无线传感器网络中检测女巫攻击的节点定位方法

为了有效抵制女巫攻击,在攻击存在的情况下提高无线传感器网络节点的定位精度, 分析、总结了女巫攻击所固有的薄弱环节,提出了基于接收功率验证的检测女巫攻击的节点 安 全定位方法。检测机制分为两步,首先检测节点通过比较接收功率,从所接收的全部信标节 点中选择出距其距离相同的信标节点,列为可疑Sybil节点,然后通过邻居节点间的信息交 互和距离验证,最终检测出攻击节点,利用去除了Sybil节点的信标节点集合实现定位。仿 真实验显示,当存在攻击时,检测成功概率能达到95%以上,定位精度提高了9～11.64 m,表明该方法能有效检测女巫攻击,实现节点安全定位。     

相关性匹配蓝牙信标位置指纹库的室内定位

针对K近邻算法(KNN)在对偏向于某个样本点的未知点进行三角质心定位时定位精度变差的情况,提出了应用相关系数去匹配蓝牙信标iBeacon位置指纹库的室内定位算法。通过比较待定位点和位置指纹库中参考样点的相似程度，并进行数据差异显著性检验，来检验采集的待定位点数据与指纹库数据是否显著相关，然后取相关性较高的样本点进行加权平均匹配定位。实验结果显示，相关系数匹配位置指纹库算法可将2 m以内的定位精度从65%提高到92%，相较于传统的KNN匹配定位算法有着定位精度高、计算量小、定位时间短等优势。     

利用信道状态信息的室内定位技术

多径效应导致基于信号接收强度（RSSI）的室内定位方法精度不高,采用更细粒度的物理层信道状态信息（CSI）可以区分不同路径,提高定位精度。在已有基于CSI室内定位方法的基础上,通过改进对数距离路径损耗模型,得到CSI与传输距离的关系,并结合目标位置所测得的CSI值回归出目标与发射端的距离,最后通过三边定位法预测出目标的位置坐标。实验表明,相比基于RSSI的定位方法以及已有的基于CSI的定位方法,所提方法2 m以内的误差概率提高了将近40%和20%,有效提高了定位精度。     

利用三星时频差的运动辐射源定位与测速方法

针对高轨三星无源定位系统对空中恒定高度运动目标探测的应用场景,提出了一种利用信号到达时差(TDOA)、到达频率差(FDOA)的无源定位与测速方法。详细描述了算法原理、算法处理步骤,利用STK（Satellite Tool Kit）软件结合计算机仿真,分析了时差测量误差、频差测量误差、高程估计误差对定位精度与测速精度的影响。该方法定位精度与测速精度较高,具有一定的工程应用价值。     

一种基于CRS插值的频偏估计方法

针对正交频分复用系统对频率偏移异常敏感导致接收机无法正确解调信号的问题,提出了一种小区特定参考信号(Cell-special Reference Signal,CRS)改进的频偏估计方法。首先,对发送的CRS与接收的CRS进行互相关运算,得到信道估计值;然后,对CRS在频域进行插值,使得每个时隙中不同OFDM符号对应子载波位置的参考信号相同;最后,对两个不同OFDM符号中的参考信号部分进行相关性运算,求出频偏。与基于CRS的频偏估计方法相比,该方法用信道估计值做互相关运算,消除了噪声和多径干扰带来的影响;通过对CRS进行插值,提高了频偏估计精度;通过减小计算相关性的两OFDM符号间的距离,使频偏估计范围由\[-1 kHz,1 kHz\]扩大到\[-1.75 kHz,1.75 kHz\]。     

一种低轨双星窄带信号定位方法

针对低轨双星系统对窄带辐射源无源定位的应用场景，基于双星观测到的辐射源到达频率差，提出了一种多次频差测量联合估计辐射源位置的方法。详细描述了算法原理、算法处理步骤，并通过计算机仿真分析了信号频率、频差测量误差、观测时长等因素对定位精度的影响。仿真分析表明，在观测时间大于20 s、频差测量精度0.1 Hz时，该方法定位精度优于1.5 km，具有较强的工程应用价值。     

一种改进的交互多模型算法

针对交互多模型(IMM)算法对目标加速度估计误差较大的不足,提出了一种改进的交互多模型算法,通过对交互多模型输出的加速度信息进行均值滤波提高对加速度估计的精度.计算机仿真表明,与交互多模型相比,该方法对匀速目标特别是机动目标具有更好的加速度估计能力,且便于工程实现.     

一种新的跳频信号时延估计方法

针对噪声环境下的跳频信号,提出了一种基于稀疏分解的时延估计方法。对跳频信号 采用稀疏分解重构进行了研究,在此基础上,在不同天线下对跳频信号分别进行重构,得到 每跳信号对应的载波频率和时间中心,从而估计出跳频信号的时延。仿真结果表明,在信噪 比大于7 dB时,跳频信号的时延估计误差基本趋近于零,验证了时延估计方法的有效性 。     

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能，提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法。该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术，首先在压缩域中进行递归最小二乘运算，然后利用压缩感知重构算法得到未知参数向量的估计值。提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计。理论分析和仿真结果表明，该算法一方面降低了RLS分布式协同估计算法的计算量，另一方面保持较快的收敛速度与良好的均方误差性能。     

一种超宽带与惯导融合的LSTM室内定位算法

针对复杂环境下的室内高精度定位需求,提出了一种超宽带和惯导融合定位方案。结合位置估计过程可被划分为时间序列预测问题的特点,提出了一种基于长短时记忆(Long Short Term Memory,LSTM) 网络的联合定位算法,并对其总体架构设计、数据预处理方法、网络结构设计、模型训练方法进行了研究。在此基础上,通过仿真和实测实验对联合定位算法进行验证,实验结果表明,该LSTM神经网络联合定位算法的定位精度优于传统TOA(Time of Arrival)、UKF(Unscented Kalman Filter)联合定位算法,适用复杂室内定位。     

强干扰下跳频信号的参数估计

针对通信对抗中跳频信号参数估计问题,考虑存在强干扰的情况下,提出了一种基于时频重心的跳频信号跳周期估计和基于跳频部分接收的跳时估计方法。对于跳周期估计,在短时傅里叶变换（STFT）时频变换的基础上提取信号随时间变化的时频重心,再结合小波变换和谱分析估计出跳频周期;对于跳时估计,采用跳频带宽的部分接收避开强干扰,构造含有跳变信息的参考信号,通过参考信号采用最大似然(ML)方法得到跳时的精确估计。仿真实验表明,算法运算复杂度低,跳频定位精度高,在强定频干扰的情况下仍能有效估计出跳频周期和起跳时刻。     

基于灰狼算法的无线网络组播路由优化

针对无线网络中资源受限的组播路由问题,考虑网络节点的节点度限制和网络链路的带宽约束,以最小化组播路由开销为目标,提出了一种二进制编码方式的基于灰狼优化算法的组播路由策略。在给定的网络拓扑下,基于灰狼优化算法的组播路由策略可以迅速找到一棵包含源和目的节点的最小开销组播树。仿真结果表明,相比于遗传算法,所提出的基于灰狼优化算法的组播路由策略可以得到一棵开销更小的组播树,并且在相同的时间复杂下具有更强的算法稳定性。     

防恶意干扰的VANET双群联合定位算法

传统的无线定位方法直接应用于车辆自组织网络(VANET)时，会被窃听方利用定位信息，从而导致严重的安全隐患。为此，提出基于Bancroft方法的双群组合定位算法,用于保障车辆自组织网络中车辆定位的安全性和准确性。算法利用两个群组的智能车辆节点分别进行定位，利用两组解分别反求伪距值，如果所获得的伪距值与经过节点钟差修正后的原始伪距值基本一致，则认为这一组解为最终的定位结果，从而保证了定位的正确性。同时，双群定位的信息分散性保证了系统整体的安全性。理论分析及算法仿真表明,双群联合定位算法可使窃听方的误码率稳定在较高水平。     

自适应扩散算法的误差性能分析

为了分析分布式协作频谱感知认知网络中融合矩阵、步长等参数对自适应扩散算法的影响,对检测量估计误差性能进行了研究。给出了自适应扩散算法检测量的通用迭代公式,分析了检测算法的数据处理流程;推导了检测量估计误差向量的迭代表达式,利用网络瞬时均方偏差性能和各节点的稳态均方偏差性能评价融合矩阵参数对算法的影响。结果表明,不同的融合矩阵选取原则影响算法的检测性能,可以采用检测量误差估计的方法对算法参数进行研究。     

一种改进的RSSI测距定位算法

针对接收信号强度指示(Received Signal Strength Indication,RSSI)定位模型易受环境影响导致测距误差较大的问题，提出了采用天牛须搜索(Beetle Antennae Search,BAS)优化后向传播（Back Propagation，BP）神经网络拟合测距模型，克服了对数衰减模型易受环境干扰、参数取经验值等问题。首先，利用卡尔曼滤波对RSSI值进行校正，将校正后的数据输入BAS-BP网络拟合出测距模型并通过测距模型输出距离值；然后，利用极大似然估计法求解未知节点的坐标。实验结果表明，与BP模型和粒子群优化的BP模型相比，改进方法收敛速度快，定位精度提高更加明显。     

基于复杂网络理论的企业营销网络鲁棒性分析

基于复杂网络理论,探讨企业营销网络拓扑结构及其演化机制。在此基础上,对企业营销网络鲁棒性进行了分析。企业营销网络的无标度性具有对随机攻击的鲁棒性,以及对于恶意破坏的脆弱性。为了提高企业营销网络对于恶意破坏的鲁棒性,通过改变网络的演化机制,消除其无标度特性,生成节点度指数分布的网络。     

基于分级信息融合的引信多模融合

为了提高引信的准确性, 结合当前微型毫米波雷达、激光传感器、微机电系统（MEMS）传感器对目标的探测能力,提出了一种引信多模融合策略。以传感器受环境影响的主要因素为输入,构建环境影响贝叶斯网络,形成传感器可靠性权重分配;通过建立传感器量测加权融合,形成测距与加速度两级融合综合处理获得目标准确位置信息,从而提高量测可靠性,为准确引爆提供支撑。实验表明该算法可提高测距准确性且对不同环境具有较好的适应性。