摘要:本文使用容积卡尔曼滤波器来处理分布式摄像机网络中的目标跟踪问题.平方根容积信息滤波(Square-Root Cubature Information Filter,SCIF)是容积卡尔曼滤波的一种扩展,其具有有效性和可靠性等方面优势,有利于对多源信息进行信息融合.然而当该算法应用于像摄像机网络这种大规模网络时,如果采用一般的集中式处理,中心节点可能会承受较大的计算压力.针对这个问题,本文首先将平方根容积信息滤波器进行了扩展,提出分布式平方根容积信息滤波器,使其能适应大规模网络.另外在摄像机网络中,由于摄像机装置在一个较大的区域内,由于摄像机观测区域有限,目标可能会出现在观察的盲区,这样就会存在某些摄像机的测量数据无效.针对这个问题,本文提出了平方根容积信息加权一致性滤波器(Square-Root Cubature Information Weighted Consensus Filter,SCIWCF)对状态信息和信息矩阵加权,减小这些无效信息在一致性算法的作用,从而提高整体的滤波性能.仿真实验结果表明,本文提出的算法能够在摄像机网络中对目标进行有效跟踪,在估计精度和滤波器稳定性等方面要优于传统的信息滤波.
摘要:针对L-DACS1(L-band Digital Aeronautical Communication System Type 1)与DME(Distance Measuring Equipment)信号在时域、频域和低阶统计域干扰抑制不理想的问题,本文将L-DACS1与DME时频域交叠的干扰场景建模为确定性信号叠加高斯有色噪声的干扰量化模型,根据两者在高阶统计域的差异特性,提出基于三阶累积量的自适应滤波算法,并引入对数螺线函数改进变步长机制,实现自适应DME干扰消除.仿真结果表明:所提算法具有更高的干扰抑制比和更低的误比特率,但复杂度较高.相关结论可为L-DACS1系统的实际部署提供参考.
摘要:现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩阵反对角线元素和重加权l1范数惩罚获得所有信源的到达角(Direction Of Arrival,DOA)估计.在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计.从理论角度分析了重加权l1范数惩罚算法的重构性能.本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度.计算机仿真结果验证了所提算法的有效性.
摘要:云存储中,应用异地容灾备份的方式,可有效防止大规模停电和天灾发生情况下的数据丢失.目前对于异地容灾能力的保障大多基于云存储服务提供商的合同约束,还没有高效且安全的数据异地容灾能力验证机制.针对此问题,本文提出了一种对云端数据的异地容灾能力进行验证的方案——DPBDL(Data disaster-tolerant Proving Based on Different Location),其核心思想是使用时延与数据可恢复性验证结合的方法,对云端数据的异地容灾能力进行远程验证;并且,对其安全性和性能进行了理论分析与实际测试,分析与测试结果表明该方案能够达到可证明的安全强度,并能较好的判断云端数据的异地容灾能力.