基于改进牛顿法的传感器节点分布式定位方法

    公开(公告)号:CN109561498B

    公开(公告)日:2020-07-10

    申请号:CN201811473534.0

    申请日:2018-12-04

    Abstract: 本发明公开一种基于改进牛顿法的传感器节点分布式定位方法,主要解决大规模传感器网络中的定位问题。首先,根据节点位置和节点之间直接相连的距离信息,将无线传感器网络划分为若干个重叠的子区域,并将子区域的定位问题归结为无约束优化问题。每个子区域可以独立计算。然后,使用分布式算法估计出子区域中未知位置节点的位置并进行局部融合,即:先使用基于单位步长的改进牛顿法估计子区域中未知位置节点的位置;再对重复估计的未知位置节点进行局部融合。实验结果表明,与已有算法相比,该算法具有良好的扩展性,在大规模网络中定位精度更高,能满足大规模无线传感器网络中节点定位需求。

    基于时空特征融合的无线传感器网络数据修复方法

    公开(公告)号:CN110139233A

    公开(公告)日:2019-08-16

    申请号:CN201811472998.X

    申请日:2018-12-04

    Abstract: 本发明公开一种基于时空特征融合的无线传感器网络数据修复方法,首先基于网络数据的时间域图模型和空间域图模型融合建立联合域图模型,然后根据网络数据在联合域图模型中相邻节点数据所具有的强关联性而设计迭代收敛算法,实现修复无线传感器网络数据的目标。通过仿真实验说明,与现有技术相比,本发明所介绍的网络数据修复算法的修复精度较高且收敛迭代次数较少,具有良好的修复性能。本发明为实现无线传感器网络中数据的修复提供了简单有效的解决方案。

    交替FBMC-QAM系统中原型滤波器设计方法

    公开(公告)号:CN108965192A

    公开(公告)日:2018-12-07

    申请号:CN201810928643.0

    申请日:2018-08-15

    CPC classification number: H04L27/264 H04L25/03821

    Abstract: 本发明公开一种交替FBMC‑QAM系统中原型滤波器设计方法,首先假定所围绕的FBMC‑QAM系统中奇偶子载波的合成滤波器组和分析滤波器组分别由四个不同的原型滤波器交替调制而来;其次,将系统中四个原型滤波器的设计描述成一个无约束的凸优化问题,其目标函数是交替FBMC‑QAM系统的符号间干扰(ISI)、载波间干扰(ICI)和原型滤波器的阻带能量之和。基于推导所得的目标函数梯度向量,采用双迭代机制求解优化问题,最终可以得到奇偶子载波中性能更优的合成滤波器和分析滤波器。与现有技术对比发现,本发明设计所得的FBMC‑QAM系统中原型滤波器的阻带能量更低,所得的FBMC‑QAM系统有着较好的性能,可为大型FBMC‑QAM系统设计提供一种有效的解决方案。

    基于迭代计算的时变可分非下采样图滤波器组的设计方法

    公开(公告)号:CN109586688B

    公开(公告)日:2022-10-18

    申请号:CN201811497267.0

    申请日:2018-12-07

    Abstract: 本发明公开一种基于迭代计算的时变可分非下采样图滤波器组的设计方法,首先,基于两维可分图滤波器的性质,设计出具备频率响应的分析滤波器组。然后,把综合滤波器组输出信号的重构问题转换为一个全局最小二乘问题,再将全局最小二乘问题转换为局部最小二乘问题,并采用迭代的方式进行求解。本发明迭代计算方法具有较低的迭代次数,所设计出的时变非下采样图滤波器组具备完全重构特性和具有更好的去噪性能,其分析滤波器组具备频率响应。

    基于时空特征融合的无线传感器网络数据修复方法

    公开(公告)号:CN110139233B

    公开(公告)日:2021-11-09

    申请号:CN201811472998.X

    申请日:2018-12-04

    Abstract: 本发明公开一种基于时空特征融合的无线传感器网络数据修复方法,首先基于网络数据的时间域图模型和空间域图模型融合建立联合域图模型,然后根据网络数据在联合域图模型中相邻节点数据所具有的强关联性而设计迭代收敛算法,实现修复无线传感器网络数据的目标。通过仿真实验说明,与现有技术相比,本发明所介绍的网络数据修复算法的修复精度较高且收敛迭代次数较少,具有良好的修复性能。本发明为实现无线传感器网络中数据的修复提供了简单有效的解决方案。

    基于图上信号粗化的多智能体系统一致性方法

    公开(公告)号:CN109634138A

    公开(公告)日:2019-04-16

    申请号:CN201811495573.0

    申请日:2018-12-07

    CPC classification number: G05B17/02

    Abstract: 本发明公开一种基于图上信号粗化的多智能体系统一致性方法,基于对图上信号降维处理的思想,对多智能体系统构建的初始图信号模型进行超节点的选取和局部集的划分,通过对局部集内的协同获取超节点的信号值,再利用粗化图的拉普拉斯矩阵特征值设计图滤波器系数,超节点的信号经过图滤波器迭代达到平均值后,传输给其邻居节点,使所有节点信号值达到平均一致。本发明可以显著提高一致性收敛速度并降低计算量。

Patent Agency Ranking