多半径误差修正自适应布谷鸟优化DV-HOP定位算法

针对WSN节点定位中非测距DV-HOP算法存在较大定位误差,提出了一种多通信半径误差修正自适应布谷鸟优化DV-HOP定位算法(MEACS-D)。采用锚节点多通信半径广播消息,在跳数计数时将跳数小数化,以减小跳数长短不一造成的误差;再用虚拟相交圆几何方法计算一跳内节点与锚节的距离;通过在未知节点选择平均跳距时,加入各个锚节点权重进行计算来减少平均跳距误差;另引入可自适应搜索步长的布谷鸟算法代替极大似然估计法来定位节点坐标,以提高定位精度。通过仿真,在不同锚节点、通信半径、总节点条件下MEACS-D算法较DV-HOP算法和原布谷鸟DV-HOP算法(CS-D)算法定位误差平均下降39.7%、10.6%,证明MEACS-D算法能有效减少定位误差。     

多半径误差修正自适应布谷鸟优化DV-HOP定位算法

针对WSN节点定位中非测距DV-HOP算法存在较大定位误差,提出了一种多通信半径误差修正自适应布谷鸟优化DV-HOP定位算法（MEACS-D）. 采用锚节点多通信半径广播消息,在跳数计数时将跳数小数化,以减小跳数长短不一造成的误差;再用虚拟相交圆几何方法计算1跳内节点与锚节的距离;通过在未知节点选择平均跳距时,加入各个锚节点权重进行计算来减少平均跳距误差;另引入可自适应搜索步长的布谷鸟算法代替极大似然估计法来定位节点坐标,以提高定位精度. 通过仿真,在不同锚节点、通信半径、总节点条件下MEACS-D算法较DV-HOP算法和原布谷鸟DV-HOP算法（CS-D）算法定位误差平均下降39.7%、10.6%,证明MEACS-D算法能有效减少定位误差.      

基于EDV-Hop的免测距定位算法研究

为了更好地提高无线传感器网络节点定位精度,降低定位成本,针对APS算法存在的不足,提出一种新的免测距定位算法EDV-Hop,通过限制跳数实现局部范围内的定位信息提取,同时调整平均每跳距离,以此提高定位精度。在网络随机部署和任意节点密度的条件下估算节点位置,并从精度和有效性两个方面进行度量。仿真结果表明,EDV-Hop算法比DV-Hop具有更好的定位性能,它能够减少节点间通信量,降低通信成本,提高定位精度。     

DV-HOP定位算法改进研究

节点定位是无线传感器网络中的关键技术之一．基于无线传感器网络中DV-HOP定位算法分析的基础上,提出了一种改进算法．该算法通过RSSI测距技术测量点到点的距离,并在多跳网络中对累加距离进行广播,最后在节点位置估计过程中引入了加权质心算法进行定位．实验结果表明,改进后算法复杂度低,定位精度有明显的提高．     

基于改进DV-Hop算法的无线定位技术

为提高传统DV-Hop定位算法定位精度,分析算法执行过程中计算信标节点平均跳距产生偏小误差导致节点定位精度不高的原因,引入信标节点比例系数、信标节点平均跳距的最大值和所有信标节点平均跳距的平均值三个因子对算法平均跳距进行修正。通过Matlab软件比较节点通信半径和信标节点比例对定位精度的影响,选取一组合适参数,并基于平均跳距修正的DV-Hop算法进行仿真验证。结果表明,改进后的DV-Hop定位算法能有效降低节点定位误差,提高定位精度。     

一种无线传感器网络抗虫洞攻击DV-HOP定位算法

为抵御虫洞攻击,改善定位性能,提出了一种基于安全邻居发现的抗虫洞攻击DV-HOP (distance vector-Hop)算法(secure neighbor discovery based DV-HOP, NDDV).该算法基于虫洞攻击时网络节点间通信跳数出现的异常,依据节点间路径跳数差异检测虫洞,通过搜索发现、滤除各虚假链路,以保障DV-HOP跳数跳距的准确性,减轻虫洞攻击的影响,提升节点定位精度.以变化参考节点比例的方式,对144个节点进行150次定位仿真实验,结果表明,平均节点度数达到5以上,NDDV即能有效滤除虫洞链路,提升节点定位精度;同等定位精度的情况下相比LBDV (label-based DV-HOP localization against wormhole attacks)算法所需的参考节点比例平均低约17.5%.      

基于GRNN神经网络的ZigBee室内定位算法研究

基于固定参数的无线信号传播损耗模型的定位算法,不能很好解决由于多径传播效应和环境复杂性所带来的测距误差问题。提出使用GRNN神经网络来拟合室内RSSI值与距离值之间的映射关系,得到RSSI值与距离值的映射模型,再将定位实验中实测的RSSI值作为训练好的GRNN神经网络的输入层,在输出层得到与RSSI值相对应的距离值,最后使用加权质心算法来进行待测节点的定位。该算法不仅简单而且性能良好,并且不需要额外的硬件。经过Matlab和ZigBee实验仿真验证,与路径损耗模型和基于BP神经网络的定位算法相比,所提出的算法可以提供较好的定位结果。     

基于节点兴趣的混合P2P网络

针对P2P网络在搜索资源时往往无法快速准确的定位目标,提出一种节点兴趣分组以及分层结构的P2P网络结构.网络拓扑在分布时将兴趣相似度高的节点放到一个兴趣组中,节点在搜索资源时就会更准确的定位在离自己距离近的同时也是兴趣最相似的节点上,减少了查询消息的路由转发.同时应用分层的管理,对整个网络中的节点功能细化,使得网络的稳定性和可扩展性得到优化.实验结果表明,采用兴趣分组和结构分层的网络访问延时得到有效控制,搜索成功率也得到提高.该算法在缩短路由跳数的同时还提高了搜索的精准率.     

DV-Hop定位误差模型研究

DV-Hop是无线传感器网络中典型的定位技术,建立DV-Hop的定位误差模型有助于定量分析定位误差,进一步提高WSN的定位精度。首先从理论的角度分析了定位误差与覆盖度的关系,然后通过仿真实验讨论了一定通信半径下局部范围内相对定位误差与覆盖度的关系,并给出相应的数学模型。实验表明:该模型可有效估计基于局部区域定位算法的定位误差。     

K近邻短时交通流预测模型

为了准确预测道路短时交通流,构建了基于K近邻算法的短时交通流预测模型。分析了K近邻算法的时间和空间参数,提出4种状态向量组合的K近邻模型:时间维度模型、上游路段-时间维度模型、下游路段-时间维度模型与时空参数模型。以贵州省贵阳市出租车的GPS数据对几种K近邻模型进行了检验。分析结果表明:带有时空参数的K近邻模型具有更高的预测精度,其预测误差最小,平均为7.26%。基于指数权重的距离度量方式能更精确的选择近邻,其预测误差最小,平均为5.57%。与神经网络和历史平均模型相比,带有指数权重的K近邻模型具有更好的预测精度,平均预测误差仅为9.43%。可见,带有时空参数与指数权重的K近邻模型可作为道路短时交通流预测的有效手段。     

Optimal Sensor Decision Based on Particle Filter

Introduction Multi-sensor tracking technique has receivedmuch attention in recent years. Many tracking sys-tems involve basically active (radar) and passive(infrared tracking) subsystems. The main disad-vantage of infrared search and tracking is the prob-lem of observability and filtering divergence. Actu-ally, quite a lot of research activities have beendone in this field and some researchers more thanonce simulated the feasibility of the approach[1,2].The main idea of the methods is as foll…     

传感器性能退化与结构损伤响应异常区分研究

针对现行结构损伤检测方法仅考虑了环境和荷载对损伤的影响,未考虑传感器因时间和环境变化导致的性能退化从而严重影响损伤诊断率的问题,考虑到传感器性能退化的局部性及结构损伤的全局性,利用最小均方差估计与广义极似然比（GLRT）理论检测结构响应异常,结合统计质量控制图的控制指标超出界限的波动样式判断异常来源,并通过简支梁数值算例验证了本文提出的方法.研究结果表明:利用广义极似然比可以有效检测响应异常,利用控制图可以辨别响应异常来源;传感器性能退化导致控制指标超出界限的波动为非平稳波动,而损伤导致控制指标在一定范围内的波动为平稳波动.      

基于单目视觉的轨道固定桩基准点测量方法

为了提高铁路线路固定桩基准点绝对坐标测量的效率, 提出了一种新的测量方法; 建立了无合作目标的单点测量模型, 采用单目相机采集激光靶标图像, 利用光饱和点重心法提取激光光斑中心; 研究了平面直线成像规律, 构造了基于正交直线的单应性矩阵求解方法, 并对图像进行透视畸变校正; 根据校正后的图像与靶标的几何相似关系, 计算了激光光斑与靶标的横、纵向偏差; 在室内环境下, 进行了靶标图片拍摄的正交试验, 计算与比较了横、纵向偏差。试验结果表明: 在激光光斑和靶标固定的条件下, 保持相机与靶标的距离不变, 改变相机角度拍摄图片, 经过透视变换校正后, 横、纵向偏差与期望偏差分别为0.082、0.254mm; 相机拍摄角度固定, 改变相机与靶标距离拍摄图片, 经过透视变换校正后, 横、纵向偏差与期望偏差分别为0.126、0.014mm; 在相机的角度、相机与靶标的距离都改变的情况下, 拍摄的图片经过透视变换校正后, 横、纵向偏差与期望偏差分别为0.329、0.064mm; 可见3组试验的横、纵向偏差与期望偏差的误差均小于0.5mm; 系统的水平距离测量误差范围为±1.52mm, 高程测量误差范围为±0.67mm, 根据轨道检查仪性能指标, 线路水平距离误差范围为±3.0mm, 高程误差范围为±2.5mm, 因此, 本文的测量方法精度满足轨道测量要求。水平距离测量误差完全由激光测距仪和倾角传感器决定, 而高程测量误差是由激光测距仪、倾角传感器与激光点和靶心的偏移量共同决定的。      

A new self-localization method for wireless sensor networks

Many applications of wireless sensor networks can benefit from fine-grained localization. In this paper, we proposed an accurate, distributed localization method based on the time difference between radio signal and sound wave. In a trilateration, each node adaptively chooses a neighborhood of sensors and updates its position estimate with trilateration, and then passes this update to neighboring sensors. Application examples demonstrate that the proposed method is more robust and accurate in localizing node than the previous proposals and it can achieve comparable results using much fewer anchor nodes than the previous methods.     

灰色最小二乘马尔可夫链预测算法

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。将灰色模型预测方法GM（1,1）、最小二乘法与马尔可夫链预测相结合,提出灰色最小二乘马尔可夫链改进预测方法,并且针对我国能源消费总量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色最小二乘马尔可夫链改进方法是个好算法,更有利于决策者的经济决策行为。     

近断层地震地面运动峰值衰减规律研究

研究近断层区域地震动的峰值衰减规律,可以为近断层区的地震危险性分析和工程结构抗震设计提供关键性基础数据．基于包括中国“5．12”汶川地震在内的全球23次地震事件中的338条近断层地震动记录,引入考虑震级和断层距影响的地震动衰减模型,采用最小二乘法对峰值加速度、峰值速度及峰值位移进行了回归分析,得到了近断层区域地震动峰值的衰减关系．与其他学者所提出的衰减关系的对比表明,文中提出的峰值衰减模型可更准确地揭示近断层区域地震动峰值的衰减变化规律．     

基于岭回归-马氏距离的隧道围岩分类预测方法的研究

基于岭回归与马氏距离判别法的基本原理,选取岩石质量指标RQD、完整性系数Kv、单轴饱和抗压强度Rw、纵波波速Vp、弹性抗力系数Ko和结构面摩擦系数f作为评价指标,通过岭回归分析确定其权重系数,根据权重系数的大小剔除权重较小的指标,最终采用Rw,Ko和f建立马氏距离判别模型,并利用广东省某隧道工程进行模型检验。结果表明：岭回归-马氏距离判别法预测结果与实际相吻合,从而验证了岭回归-马氏距离判别法用于围岩分类预测是可行的。最后,运用建立的岭回归-马氏距离判别模型对东深供水改造工程隧洞围岩进行预测,经计算分析发现,所选洞段围岩判别结果与《水工隧洞设计规范》（SL279-2002）的分类结果一致,进一步证明了该方法用于隧道围岩分类预测的合理性及有效性。     

基于最小二乘法提高准同步采样谐波分析的准确度

通过研究准同步采样法谐波测量准确度与频率偏差的关系,分析同步偏差较大时,其基波与谐波的测量准确度不高的问题,提出基于最小二乘法提高准同步采样法谐波测量准确度的方法,该方法具有简单可行、运算速度快、准确度高的优点.计算机仿真及实际的配电综合测控仪中的应用表明该方法能有效提高测量谐波的准确度.     

On-line detecting of transformer winding deformation based on parameter identification of leakage inductance

Transformers are required to demonstrate the ability to withstand short circuit currents. Over currents caused by short circuit can give rise to windings deformation. In this paper, a novel method is proposed to monitor the state of transformer windings, which is achieved through on-line detecting the leakage inductance of the windings. Specifically, the mathematical model is established for on-line identifying the leakage inductance of the windings by applying least square algorithm （LSA） to the equivalent circuit equations. The effect of measurement and model inaccuracy on the identification error is analyzed, and the corrected model is also given to decrease these adverse effect on the results. Finally, dynamic test is carried out to verify our method. The test results clearly show that our method is very accurate even under the fluctuation of load or power factor. Therefore, our method can be effectively used to on-line detect the windings deformation.