简介:传统的传播算子(PM)算法利用矩阵的线性运算代替特征值分解(EVD)得到噪声子空间,在一定程度上降低了运算量,但在整个空间谱的遍历搜索仍需较大计算量,且在低信噪比的情况下估计性能较差.因此,针对空域的一维信号提出了多重镜像压缩的传播算子(MIC-PM)算法,将整个空域等间距地分为多个切片,将原始噪声子空间通过Hadamard积变换,使之从一个切片镜像映射到另一个切片,得到映射噪声子空间,通过映射得到的噪声子空间与导向矢量的正交性得到真实DOA和镜像DOA.理论分析和仿真实验证明,MIC-PM算法能够将PM算法的运算量大大降低,在低信噪比情况下估计精度有所提高.
简介:对无线传感器网络(WSNs)弱稀疏性事件检测问题进行研究,提出了一种基于并行离散群居蜘蛛优化算法和压缩感知的WSNs稀疏事件检测方案。该方案采用压缩感知(CS)技术进行稀疏事件分析检测,针对事件向量稀疏度未知的特性,设计基于MPI框架的并行离散群居蜘蛛优化算法(PDSSO),重新定义蜘蛛编码方式和自适应迭代进化机制,给出并行转移策略,并将PDSSO应用于CS重构算法中;针对观测字典难以满足约束等距条件的特点,对稀疏矩阵和测量矩阵进行奇异值预处理操作,在保持稀疏度不变的基础上提高了算法重构性能。仿真结果表明,与GMP等检测方法相比,该方案有效提高了WSNs稀疏事件检测成功率,降低了误检率和漏检率。
简介:随着智能手机和无线通信技术的迅速发展,人们对基于室内定位的应用需求日益增多。由于在室内环境下智能手机接收到的信号强度波动性较大,导致基于信号强度值的三角形加权质心定位算法定位精度低。三角形加权质心算法是基于无线测距的定位算法,其定位误差是无线测距不精确导致的。无线测距是根据无线信号传播的衰减模型利用接收信号强度来估计距离。无线信号在室内环境下的传播过程中,由于障碍物的遮蔽效应、信号的反射、多径效应等因素的影响,使得定位节点与参考节点的真实距离越大则估计距离的误差越大。针对以上问题,本文提出一种自适应信号校正定位算法,该算法采用节点间距离公式的导数作为权值参数对距离进行修正,从而进一步提高定位精度。实验结果验证了该算法的有效性,与现有定位算法比较,精度提高35.9%。