LAD准则下的无线传感器网络节点定位方法

多维标度算法广泛应用于无线传感器网络的节点定位。经典的MDS算法通过构造距离平方矩阵(非相似性矩阵)和进行双质心变换,在相似性空间中根据最小二乘准则进行求解。若测量噪声为高斯白噪声,经过变换后,相似性矩阵中元素的误差不再服从高斯分布,基于LS的估计不再是最优的。针对这一问题,用最小绝对值偏差准则改进MDS算法代价函数,对无线传感器网络节点定位进行研究。仿真结果表明,该方法具有良好的稳健性,比经典MDS算法具有更好的定位性能。     

相干分布式目标一维波达方向搜索迭代估计方法

在信号源角分布函数具体的数学形式未知的情况下,基于角分布函数共轭对称性约束条件,提出了一种相干分布式目标一维波达方向搜索迭代估计方法,该方法不用多维参数搜索,并适用于角信号分布函数形式不同的分布式目标同时存在的情况。     

一例大学班级哀伤辅导实例及思考

某大二学生因病突然在寝室逝世,此后其所在班级的同学陷入了情绪和行为困扰中。该校学生心理辅导中心的老师在了解事件背景后,设计并实施了一次哀伤辅导,协助该班同学处理了丧失和哀伤,合理宣泄,从负性事件中获取正面意义,取得良好效果。该文呈现了完整的哀伤辅导过程,可为学校处理类似事件提供参考,并进一步探讨了高校在应对和处理此类突发事件中的相关事宜。     

利用信源先验特征的混合测向算法

基于特征分解的子空间类测向算法均要知道信源个数,但在小快拍数、低信噪比,且信源间的信号强度差异明显的场合中,传统的AIC信息准则和MDL准则均不能准确判断信源个数。这直接恶化了基于特征分解类算法(如MUSIC法)的测向性能。针对该问题,提出了一种利用信源先验特征的混合测向算法。该算法既利用了信源在角度上呈稀疏分布的信息提高了信源数判决的准确性,也利用了信源的非圆特性改进了测向性能。计算机仿真证实了该方法的正确性。     

模糊支持向量机的非直达波抑制算法

针对支持向量机中由于噪声和野值带来的过拟合问题,提出了基于模糊最小二乘支持向量机(fuzzy LS-SVM)的抑制非直达波的移动定位方法。利用一种基于支持向量数据域描述的模糊隶属度函数模型,根据样本到特征空间最小包含超球球心的距离来确定模糊隶属度。仿真结果表明了该方法的稳健性,提高了LS-SVM的抗噪声能力。     

虚拟阵的TOA定位算法

为了改进经典的多维标度测量(MDS)定位法中一次测量一次定位的精度不高的缺陷,提出一种新的动态MDS虚拟阵定位算法,该算法简单,计算量小,便于实时处理。仿真结果显示在虚拟测量次数多于4次时,该算法性能明显优于Chan+虚拟阵定位算法及经典的MDS定位法,并且虚拟次数越多,该算法的性能越好。经典的MDS定位法相当于测量次数为1的无虚拟时的该文算法。     

稳健非线性LMS非视距定位算法

在蜂窝移动定位中,非视距波(NLOS)是影响定位精度的主要因素,NLOS的传播会给距离测量值增加较大的正性误差。传统的线性滤波器主要是针对高斯分布的误差,并不能有效地处理NLOS误差。该文提出一种非线性LMS算法TOA测量结果进行重构来消除NLOS的影响。该算法将NLOS误差视作冲激性噪声,通过对LMS算法中的代价函数的非线性化来抑制TOA测量值中的NLOS误差,仿真结果证明了该算法的有效性。     

分布式信号源波达方向估计方法

在多径导致的局部散射信号条件下,利用信号源的一阶近似,提出了一种新的分布式信号源波达方向估计方法。新方法不仅改善了波达方向估计性能,且适用于空间信号分布的函数形式未知、分布函数形式不同的分布式信号源同时存在或其他较复杂的空间信号分布情况。     

基于盲信号分离的分布式目标DOA估计方法

在分布函数未知或数学形式不同的分布式目标同时存在的情况下,研究了一种基于盲信号分离的相干分布式目标一维搜索ＤＯＡ估计方法。仿真实验结果表明,这种分布式目标ＤＯＡ估计方法具有分布参数门限现象,ＤＯＡ估计性能对其他信号源的分布参数不敏感。