Local node selection for localization in a distributed sensor network

This paper discusses a new localized resource manager for a wireless sensor network of bearings-only sensors. Specifically, each node uses knowledge of the target under surveillance to determine whether it should actively collect measurements and how far to disseminate the data in order for the sensor network to maintain track of the target. At each node, the resource manager requires only knowledge of the relative location to the target for itself and the active nodes from the previous snapshot. The decentralized strategy represents a modification to the global node selection (GNS) method that exploits knowledge of the location of all nodes in the network. Simulations show that despite the lack of global network knowledge, the new localized management method is almost as effective as GNS in terms of balancing the tradeoff between energy usage and localization accuracy.     

Global node selection for localization in a distributed sensor network

This work considers the problem of selecting the best nodes for localizing (in the mean squared (MS) position error sense) a target in a distributed wireless sensor network. Each node consists of an array of sensors that are able to estimate the direction of arrival (DOA) to a target. Different computationally efficient node selection approaches that use global network knowledge are introduced. Performance bounds based on the node/target geometry are derived, and these bounds help to determine the necessary communication reach of the active nodes. The resulting geolocation performance and energy usage, based on communication distance, is evaluated for a decentralized extended Kalman filter (EKF) that is exploiting the different selection approaches.     

A Self-organizing Bearings-only Target Tracking Algorithm in Wireless Sensor Network

In the bearings-only target tracking, wireless sensor network (WSN) collects observations of the target direction at various nodes and uses an adaptive filter to combine them for target tracking. An efficient network management is necessary to gain an optimal tradeoff between locating accuracy and energy consumption. This article proposes a self-organizing target tracking algorithm to select the most beneficial subset of nodes to track the target at every snapshot. Compared with traditional methods, this scheme avoids the need for keeping global position information of the network as in greedy selection. Each node judges its future usefulness depending on the knowledge of its own position and using simple mathematics computation. Simulations indicate that this scheme has locating accuracy comparable to the global greedy algorithm. Also, it has good robustness against node failure and autonomous adaptability to the change of the network scale. Furthermore, this algorithm consumes limited energy because only a portion of nodes partakes in the selection at every snapshot.     

基于场景识别的惯性基类脑导航方法

针对无人机导航中惯性器件产生的漂移误差不断随时间累积进而影响导航精度的问题,以仿生类脑导航为研究背景,提出了一种新的导航方法。与传统导航策略不同的是,该方法从周期性校正累积位置误差的角度出发,采用设置位置细胞节点的思路,利用训练好的卷积神经网络模型在细胞节点处进行图像匹配,从而在位置细胞节点处实现惯导位置漂移误差校正。同时,建立节点之间的漂移误差模型,调整误差方程系数,以达到修正漂移误差的目的。最后,基于无人机飞行实验结果验证了该方法对自主导航的有效性和鲁棒性,该方法能够有效提高无人机导航的精度。     

基于惯性导航/无线传感器网络组合的采煤机定位方法研究

采煤机是井下综采工作面的重要设备，采煤机精确定位技术是煤矿生产装备自动化的关键技术之一。为了实现高精度定位满足井下综采自动化作业需求，提出了基于惯性导航/无线传感器网络组合的采煤机定位方法。采用锚节点安置于液压支架上，移动节点与惯导固定安装于采煤机上的配置方案，利用位置已知的锚节点测距信息估计和修正惯导误差，同时实施对安置于推进过程中的液压支架上锚节点（未知节点）位置信息的实时校准，从而达到采煤机高精度定位、无线传感器网络节点动态自动调节的目的。通过试验对所提方法的有效性进行了验证，结果表明，所釆用方法对釆煤机轨迹具有良好跟踪性能，水平定位误差不超过1.57 cm/h。     

冗余系统可靠度预测的网络分析法研究

 网络分析法是计算复杂系统可靠度的一种方法。它所定义的网络只具有简单节点及不重名弧（部件）。本文将此法引申到具有表决节点及重名孤（相关部件）的冗余系统中,并在模型中考虑了覆盖率。算法（RSCA-Ⅲ）除可求冗余系统可靠度外,还可用于任意具有重名弧的网络系统求可靠度。最后,本文对一个四冗余的电传飞行操纵系统进行了可靠度实例预测。其结果证明了模型及算法的正确性,并较适用于工程实际。     

3R定位系统在最佳目标-雷达站几何下的误差传播特性

求解3R定位系统的最佳目标一雷达站几何是CW雷达定位体制研究中的关键问题之一。这种最佳几何是3个雷达天线位于正三角形的顶点,3个天线波束在空间正交。给出了利用最优化方法求解这种最佳几何的目标函数,并给出了3R定位体制的普适性误差椭球的二次曲面方程。研究结果表明,在上述最佳目标一雷达站几何下,椭球形误差二次曲面变为圆球形误差二次曲面。     

Phase and Frequency Transfer Analysis of N Mutually Synchronized Oscillators

A mathematical model and a theory for the phase and frequency transfer between N mutually synchronized oscillators is presented. Mathematical equations are given for evaluating the phase and frequency transfer accuracy achievable. The Fokker-Planck technique is applied and an approximation solution is obtained for the phase difference process between a pair of network oscillators. The case of the three-nodal network is analyzed and it is shown that path delays and network coupling give mean bias error variations and signal-to-noise ratio (SNR) fluctuations in the phase difference process. The analysis is then extended to an N-nodal network to show that the SNR fluctuations tend to stabilize while the mean bias error variations are averaged between nodes as N becomes larger.     

基于轨迹拐点滤波的激光雷达里程计定位算法研究

在GPS拒止环境下，激光雷达里程计可以利用帧间匹配跟踪车辆实现定位，但是定位误差随时间累积的特性造成激光雷达里程计(LO)缺乏持续性。为解决LO的误差累积问题，引入轻量级地图OSM。基于粒子滤波框架，以LO作为运动模型的输入，通过两次筛选提取拐点，利用拐点匹配完成与地图的对齐，并以粒子的均值作为车辆校正后的位置，实现对定位误差的校正。提出了一种新的粒子权重模型，利用不同节点的相似度模型及测量值作为粒子权重的更新依据，避免拐点与路网节点的错误关联导致定位误差加大。经由KITTI数据集上的实验验证，该算法可以有效克服LO误差漂移问题，相较于原始LO定位精度至少提高了49.22%，且具有较好的实时性。     

基于交互式多模型的主被动站跟踪算法

在高斯白噪声下，使用交互式多模型算法融合主动站和被动站量测信息，在各类机动状态模型切换，完成对机动目标的定位跟踪。根据主动站到达目标然后到达被动站的距离和以及目标到达主被动站的方位角和俯仰角信息建立量测模型；在交互式多模型算法的基础上，在常规直线机动模型基础上引入Singer模型，模拟目标机动运动；以几何关系求解得到的目标位置作为目标初始解，相较于其他初始模型，算法具有更好的收敛性。仿真实验表明，在主被动站间距几十千米，目标与主被动站间距几百千米，到达角误差2°左右，到达时间误差20 m左右的情况下，使用交互式多模型算法跟踪目标，收敛误差在百米级别。     

基于动态变结构BP神经网络的目标威胁评估

针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型.该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性.仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计.     

一种基于QoS的自适应混合协同传输方法及性能分析

理想的混合协同传输系统中,所有的中继节点都参与译码,将带来计算复杂度的提高、节点资源消耗的增加以及信息传输时延的增大。针对多节点的协同无线传输网络,提出了一种基于服务质量(Quality of Service, QoS)的自适应混合协同传输方法,并进行了性能分析,给出了系统误码率(Symbol Error Rate, SER)及中断概率的闭合表达式。该方法根据目的节点的QoS需求以及中继节点的信噪比(SNR)门限,动态地调整中继节点的传输模式,能够减小系统能耗,延长节点使用寿命。数值及仿真结果表明,基于中继节点信噪比门限的混合协同传输能够以较低的实现复杂度获得与理想的混合协同传输相近的性能,理论的性能分析结果与实际仿真结果相一致。     

Markov随机跳变系统的传感器系统误差估计

 针对Markov随机跳变系统的系统误差估计问题,提出一种基于马尔可夫链蒙特卡罗(MCMC)和最大似然估计相结合的在线系统误差估计方法。利用最大似然估计给出系统误差等效后验概率分布函数,采用Metropolis-Hastings抽样方法从该概率分布函数中进行抽样;利用系统误差估计和状态估计互为因果的关系,采用期望极大化(EM)方法迭代估计出最优的系统误差;分别对时变和时不变系统误差场景进行仿真分析,结果表明,在考虑系统误差统计特性的同时,所提方法对解决目标运动模型难以建立情况下的系统误差估计问题具有可行性和有效性。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

基于Kohonen网络的动目标实时定位融合算法

为完成对动目标的实时定位测量,有效减小测控装备组网测量实时跟踪定位误差,在建立多定位子系统组网混合式融合结构模型的基础上,利用Kohonen网络的自组织特征映射模型特点,确定各组交会数据的权值,并将其输入1个Kohonen网络进行在线竞争、融合求得目标的位置信息,增强了目标实时位置信息的连续性、完整性,减小了实时定位误差。     

基于注意力模型的视觉/惯性组合里程计算法研究

由于外界环境的干扰和传感器精度的限制,视觉/惯性组合里程计的输入数据存在一定的噪声,这会增加里程计的解算误差,而且误差会随着时间积累。针对以上问题,设计了一种基于注意力模型的视觉/惯性组合里程计算法。该算法使用卷积神经网络和长短时记忆网络分别构建了视觉特征提取器与惯导信息特征提取器,同时引入了两种注意力模型:加权组合网络以及开关组合网络,对视觉特征信息和惯导特征信息的融合噪声进行降噪处理。通过在组合里程计算法中添加闭环校正环节,有效地抑制了里程计误差随时间的积累。对比实验结果表明,设计的组合里程计算法与其他算法相比,无论在性能上还是在精度上都有明显的提升。     

平流层飞艇升降阶段BPNN惯性导航算法

软式平流层飞艇艇体在上升和下降时经常呈堆叠状态，GPS信号会被艇体间歇性遮挡，因而只能采用惯性导航。为保证在飞艇上升和下降过程中，INS/GPS组合导航系统在被艇体遮挡GPS时仍能够提供满足精度要求的导航信息，设计了一种改进的反向传播神经网络(Back Propagation Neural Network, BPNN）惯性导航算法。采用神经网络，根据惯性导航系统在1s内的速度均值和姿态变化量，预估其在1s末的位置误差和速度误差，并对惯性导航结果进行修正。仿真实验和跑车试验结果表明，在GPS失效的30s内，新算法使得位置误差低于15m，速度误差低于0.7m/s，误差相比纯惯性导航降低了85%。     

基于TDMA的联合自适应B-ACK与ACM的MAC协议

采用自适应块确认（B-ACK）减轻频繁握手造成的长延时,通过自适应编码和调制（ACM）来克服 吞吐量下降的问题,提出了基于时分多址（TDMA）的联合自适应B-ACK 和ACM 的MAC 协议,根据误包率 变化,自适应地调整节点接入网络的策略,从而解决现阶段航空无线协同网络存在的吞吐量低和延迟大的问题。     

主动雷达型空空导弹截获概率分析

误差是影响主动雷达型中远距空空导弹武器系统截获得性能的重要因素，通过引入截获目标时间的经验分布函数，提出了基于蒙特卡洛仿真计算导弹截获概率，以及定量评估误差对截获概率影响的方法。仿真结果表明，该方法能够有效分析误差因素对导弹截获得概率的影响，为武器系统误差配置提供计算参考。     

Future architecture of flight control systems

The development of fault tolerant embedded control systems such as flight control systems (FCS) are currently highly specialized and time-consuming. We introduce a conceptual architecture for the next decade control system where all control and logic are distributed to a number of computer nodes locally linked to actuators and connected via a communication network. In this way, we substantially reduce the life-cycle cost of embedded systems and attain scalable fault tolerance. All fault tolerance is based on redundancy. Our philosophy is to cover permanent faults with hardware replication and handle all error processing caused by both permanent and transient faults with software techniques. With intelligent nodes and use of inherent redundancy we introduce a robust and simple fault tolerant system that utilizes minimum hardware and has bandwidth requirements of less than 300 kbits/s, which can be met with an electrical bus. The study is based on an FCS for JAS 39 Gripen, a multi-role combat aircraft that is statically unstable at subsonic speed.