国家自然科学基金(61371124) 作品数:6 被引量:20 H指数:4 相关作者: 袁健 王海 更多>> 相关机构: 中国人民解放军 中国人民解放军国防信息学院 中国人民解放军73903部队 更多>> 发文基金: 国家自然科学基金 江苏省自然科学基金 更多>> 相关领域: 电子电信 更多>>
A Localization Algorithm Based on Compressive Sensing by K-nearest Neighbor Classification In this paper, we propose a novel framework of localization algorithm based on Compressive Sensing(CS) by KNea... Sixing Yang Yan Guo Xi Liu Dawei Niu Baoming Sun关键词:OFF-GRID 非授权频段LTE与WiFi的共存技术综述 被引量:5 2019年 近年来,智能无线设备呈现爆炸性增长的趋势,但是频谱资源有限,逐渐无法满足人们日益增长的流量需求。非授权频段LTE技术被学术界和工业界视为缓解通信系统容量压力的关键技术之一,但当前非授权频段主要由WiFi技术使用。由于LTE和WiFi技术接入机制的不同,在非授权频段直接进行LTE通信势必会对WiFi网络产生不可忽视的影响。因此,非授权频段LTE技术首先要解决与WiFi的友好共存问题。主要概述了当前几种主要的非授权频段LTE技术的特点及发展现状,指出了各个非授权LTE技术的优缺点,同时总结未来研究中该技术可能的发展方向。 周昆 秦子超 李艾静 孙静怡关键词:LTE WIFI On Calculating Channel-Based Connected Dominating Sets for Efficient Broadcast in Multi-channel WMNs In Wireless Mesh Networks(WMNs),many applications are based on broadcast,such as the public security informati... Zhang Mao Hai Wang Chao Dong关键词:WMNS BROADCAST MULTI-CHANNEL EHOLSR: An Enhanced Hierarchical OLSR Protocol for Heterogeneous Mobile Ad-Hoc Networks In order to fit well into the heterogeneous MANET,various protocols have been proposed, and these protocols ca... Zhang Mao Hai Wang Chao Dong基于稀疏贝叶斯学习的协同进化时间序列缺失数据预测算法 被引量:2 2019年 针对大多数已有算法在预测协同进化时间序列中的缺失数据时只适用于缺失数据较少情况的问题,提出了一种高效的缺失数据预测算法。首先,应用压缩感知理论,将协同进化时间序列中的缺失数据预测问题建模成多稀疏向量恢复问题;其次,从稀疏表示向量是否足够稀疏和感知矩阵是否满足有限等距特性两个方面分析了模型的性能;最后,针对协同进化时间序列的特点设计了一种基于稀疏贝叶斯学习的高效恢复算法,该算法可以通过学习得到部分支持信息,从而同时解决多个稀疏向量的恢复问题。仿真结果表明,所提算法可以同时有效地预测出多个时间序列中的缺失数据。 宋晓祥 郭艳 李宁 余东平关键词:缺失数据 无人机网络中基于位置预测的最优中继选择 被引量:4 2020年 为了解决无人机(unmanned aerial vehicle,UAV)协作通信网络在完成任务时由于高机动性而会影响链路状态的问题,提出了一种基于UAV位置预测的信道中继选择算法。根据卡尔曼算法预测出UAV下一时刻的位置,提前判断链路优劣性,使更换UAV中继节点的时机更为精准。通过UAV源节点到UAV中继节点以及UAV中继节点到UAV目的节点的瞬时信道状态信息(channel state information,CSI)选出备选UAV中继节点集合。最优的备选UAV中继节点由贪婪算法计算而得。仿真结果证明了此方法的有效性,链路中断的概率比随机选择算法降低了10%,且链路更加稳定。 陈娅婕 王兵兵 秦蓁 王欣婷 李艾静 王海 袁进关键词:中继选择 协作通信 基于压缩感知的时间序列缺失数据预测算法 被引量:6 2019年 数据缺失在时间序列采集过程中频繁发生,已经严重阻碍了精确的数据分析.然而,现有的缺失数据预测算法多是从采集到的数据中发现某种规律,从而预测缺失的数据,并不适用于缺失数据较多的情况.基于此,提出了一种基于压缩感知的缺失数据预测算法.首先,该算法利用时间序列的时域平滑特性设计稀疏表示基,从而将缺失数据预测问题转化成稀疏向量恢复问题.其次,根据未缺失数据的位置特点设计了与稀疏表示基相关性低的观测矩阵,从而保证了算法的重构性能.仿真结果表明,即使数据缺失率高达90%,所提方法依然可以非常有效地预测出缺失数据. 宋晓祥 郭艳 李宁 王萌关键词:时间序列 缺失数据 压缩感知 基于变分贝叶斯推理的多目标无源定位算法 被引量:4 2018年 为提高多目标无源定位的精度和鲁棒性,文中提出了一种基于变分贝叶斯推理的多目标无源定位算法。该算法首先建立分层的混合高斯先验模型以诱导目标位置向量的稀疏性;然后,利用变分贝叶斯推理的方法估计该先验模型中隐藏变量的后验分布;最后,根据目标位置向量的后验分布估计目标的位置。仿真结果表明,该算法较传统的基于压缩感知的多目标无源定位算法具有更高的定位精度以及更好的鲁棒性。 余东平 何谢 齐扬阳 赖荣煊 袁健