搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于广义似然比判决的混沌信号重构方法

任子良 秦勇 黄锦旺 赵智 冯久超

基于广义似然比判决的混沌信号重构方法

任子良, 秦勇, 黄锦旺, 赵智, 冯久超
PDF
导出引用
导出核心图
  • 由于传感器网络的自身特征和节点的资源受限,使得对观测信号的处理必须考虑量化和能耗等因素,而引入的量化噪声同时增加了系统整体噪声的复杂性.针对传感器网络中整体噪声统计特性难以准确数学建模的特点,提出了一种基于代价参考粒子滤波的混沌信号重构算法.算法采用容积点变换以获得相对准确的更新粒子,并将局部重构信号的代价增量构建为广义似然比函数,用来选择传感器网络中的有效工作节点.仿真结果表明:所提算法可实现混沌信号的有效重构,且在噪声统计特性未知时性能要优于容积卡尔曼粒子滤波算法;算法同时能够通过选择不同的广义似然比阈值,实现网络能耗和重构精度的折中.
      通信作者: 冯久超, fengjc@scut.edu.cn
    • 基金项目: 国家自然科学基金(批准号:60872123);国家自然科学基金委员会广东省自然科学基金联合基金(批准号:U0835001)和广东省高校科技创新计划基金(2013KJCX0178)资助的课题.
    [1]

    Rawat P, Singh K D, Chaouchi H, Bonnin J M 2014 J. Supercomput. 68 1

    [2]

    Qi H, Wang F B, Deng H 2013 Acta Phys. Sin. 62 270 (in Chinese)[祁浩, 王福豹, 邓宏2013 物理学报 62 270]

    [3]

    Sun B, Ahmed F, Sun F, Qian Q, Xiao Y 2016 Int. J. Sensor Networks 20 26

    [4]

    Galka A, Wong K K F, Stephani U, Ozaki T 2013 Int. J. Bifurcat. Chaos 23 1350165

    [5]

    Hao X C, Liu W J, Xin M J, Yao N, Ru X Y 2015 Acta Phys. Sin. 64 080101 (in Chinese)[郝晓辰, 刘伟静, 辛敏洁, 姚宁, 汝小月 2015 物理学报 64 080101]

    [6]

    Chen H B, Tse C K, Feng J C 2008 IEEE Trans. Circ. Syst. Ⅱ:Express Briefs 55 947

    [7]

    Wang S Y, Feng J C 2008 J. Electron. Inform. Technol. 30 89 (in Chinese)[王世元, 冯久超 2008电子与信息学报 30 89]

    [8]

    Hu Z H, Feng J C 2010 J. Southwest Univ. (Natural Science Edition) 32 146 (in Chinese)[胡志辉, 冯久超 2010 西南大学学报(自然科学版) 32 146]

    [9]

    Wang S Y, Feng J C 2012 Acta Phys. Sin. 61 170508 (in Chinese)[王世元, 冯久超 2012 物理学报 61 170508]

    [10]

    Naqvi S M, Yu M, Chambers J A 2010 IEEE J. Select. Topics in Signal Process. 4 895

    [11]

    Chen H B, Feng J C 2010 J. Southwest Univ. (Natural Science Edition) 32 124 (in Chinese)[陈宏滨, 冯久超 2010 西南大学学报(自然科学版) 32 124]

    [12]

    Huang J W, Feng J C 2014 Chin. Phys. B 23 070504

    [13]

    Chen H B, Tse C K, Feng J C 2009 IEEE Trans. Parall. Distrib. Syst. 20 886

    [14]

    Míguez J, Bugallo M F, Djurić P M 2004 EURASIP J. Adv. Signal Process. 2004 2278

    [15]

    Míguez J 2007 Signal Process. 87 3155

    [16]

    Míguez J 2007 Digit. Signal Process. 17 787

    [17]

    Lu J, Shui P L, Su H T 2014 IET Signal Process. 8 85

    [18]

    Hu Z T, Pan Q, Yang F, Cheng Y M 2009 Systems Engineer. Electron. 31 3022 (in Chinese)[胡振涛, 潘泉, 杨峰, 程咏梅 2009 系统工程与电子技术 31 3022]

    [19]

    Shui P L, Shi S N, Lu J, Jiang X W 2016 Digit. Signal Process. 48 104

    [20]

    Lu J, Su H T, Shui P L, Zhou Z G 2013 J. Xi'an Jiaotong Univ. 47 93 (in Chinese)[卢锦, 苏洪涛, 水鹏朗, 周忠根 2013西安交通大学学报 47 93]

    [21]

    Arasaratnam I, Haykin S 2009 IEEE Trans. Autom. Control 54 1254

    [22]

    Heinzelman W B, Chandrakasan A P, Balakrishnan H 2002 IEEE Trans. Wireless Commun. 1 660

  • [1]

    Rawat P, Singh K D, Chaouchi H, Bonnin J M 2014 J. Supercomput. 68 1

    [2]

    Qi H, Wang F B, Deng H 2013 Acta Phys. Sin. 62 270 (in Chinese)[祁浩, 王福豹, 邓宏2013 物理学报 62 270]

    [3]

    Sun B, Ahmed F, Sun F, Qian Q, Xiao Y 2016 Int. J. Sensor Networks 20 26

    [4]

    Galka A, Wong K K F, Stephani U, Ozaki T 2013 Int. J. Bifurcat. Chaos 23 1350165

    [5]

    Hao X C, Liu W J, Xin M J, Yao N, Ru X Y 2015 Acta Phys. Sin. 64 080101 (in Chinese)[郝晓辰, 刘伟静, 辛敏洁, 姚宁, 汝小月 2015 物理学报 64 080101]

    [6]

    Chen H B, Tse C K, Feng J C 2008 IEEE Trans. Circ. Syst. Ⅱ:Express Briefs 55 947

    [7]

    Wang S Y, Feng J C 2008 J. Electron. Inform. Technol. 30 89 (in Chinese)[王世元, 冯久超 2008电子与信息学报 30 89]

    [8]

    Hu Z H, Feng J C 2010 J. Southwest Univ. (Natural Science Edition) 32 146 (in Chinese)[胡志辉, 冯久超 2010 西南大学学报(自然科学版) 32 146]

    [9]

    Wang S Y, Feng J C 2012 Acta Phys. Sin. 61 170508 (in Chinese)[王世元, 冯久超 2012 物理学报 61 170508]

    [10]

    Naqvi S M, Yu M, Chambers J A 2010 IEEE J. Select. Topics in Signal Process. 4 895

    [11]

    Chen H B, Feng J C 2010 J. Southwest Univ. (Natural Science Edition) 32 124 (in Chinese)[陈宏滨, 冯久超 2010 西南大学学报(自然科学版) 32 124]

    [12]

    Huang J W, Feng J C 2014 Chin. Phys. B 23 070504

    [13]

    Chen H B, Tse C K, Feng J C 2009 IEEE Trans. Parall. Distrib. Syst. 20 886

    [14]

    Míguez J, Bugallo M F, Djurić P M 2004 EURASIP J. Adv. Signal Process. 2004 2278

    [15]

    Míguez J 2007 Signal Process. 87 3155

    [16]

    Míguez J 2007 Digit. Signal Process. 17 787

    [17]

    Lu J, Shui P L, Su H T 2014 IET Signal Process. 8 85

    [18]

    Hu Z T, Pan Q, Yang F, Cheng Y M 2009 Systems Engineer. Electron. 31 3022 (in Chinese)[胡振涛, 潘泉, 杨峰, 程咏梅 2009 系统工程与电子技术 31 3022]

    [19]

    Shui P L, Shi S N, Lu J, Jiang X W 2016 Digit. Signal Process. 48 104

    [20]

    Lu J, Su H T, Shui P L, Zhou Z G 2013 J. Xi'an Jiaotong Univ. 47 93 (in Chinese)[卢锦, 苏洪涛, 水鹏朗, 周忠根 2013西安交通大学学报 47 93]

    [21]

    Arasaratnam I, Haykin S 2009 IEEE Trans. Autom. Control 54 1254

    [22]

    Heinzelman W B, Chandrakasan A P, Balakrishnan H 2002 IEEE Trans. Wireless Commun. 1 660

  • [1] 孔德智, 孙超, 李明杨, 卓颉, 刘雄厚. 深海波导中基于采样简正波模态降维处理的广义似然比检测. 物理学报, 2019, 68(17): 174301. doi: 10.7498/aps.68.20190700
    [2] 朱留华, 郑容森, 田欢欢, 韦艳芳. 自动巡航的混合交通系统的能耗. 物理学报, 2011, 60(12): 128901. doi: 10.7498/aps.60.128901
    [3] 田欢欢, 康三军, 梁玉娟, 薛郁. 元胞自动机混合交通流模型的能耗研究. 物理学报, 2009, 58(7): 4506-4513. doi: 10.7498/aps.58.4506
    [4] 康三军, 薛郁, 温坚, 田欢欢. 混合交通流元胞自动机FI模型的能耗研究. 物理学报, 2010, 59(11): 7693-7700. doi: 10.7498/aps.59.7693
    [5] 梁国龙, 陶凯, 王晋晋, 范展. 声矢量阵宽带目标波束域变换广义似然比检测算法. 物理学报, 2015, 64(9): 094303. doi: 10.7498/aps.64.094303
    [6] 郭力仁, 胡以华, 王云鹏, 徐世龙. 基于最大似然的单通道交叠激光微多普勒信号参数分离估计. 物理学报, 2018, 67(11): 114202. doi: 10.7498/aps.67.20172639
    [7] 梁家源, 滕维中, 薛郁. 宏观交通流模型的能耗研究. 物理学报, 2013, 62(2): 024706. doi: 10.7498/aps.62.024706
    [8] 郭静波, 李佳文. 二进制信号的混沌压缩测量与重构. 物理学报, 2015, 64(19): 198401. doi: 10.7498/aps.64.198401
    [9] 游荣义, 陈 忠, 徐慎初, 吴伯僖. 基于小波变换的混沌信号相空间重构研究. 物理学报, 2004, 53(9): 2882-2888. doi: 10.7498/aps.53.2882
    [10] 唐 芳, 邱 琦. 混沌系统的辅助参考反馈控制. 物理学报, 1999, 48(5): 802-807. doi: 10.7498/aps.48.802
  • 引用本文:
    Citation:
计量
  • 文章访问数:  392
  • PDF下载量:  252
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-09-07
  • 修回日期:  2016-11-20
  • 刊出日期:  2017-02-20

基于广义似然比判决的混沌信号重构方法

  • 1. 华南理工大学电子与信息学院, 广州 510641;
  • 2. 东莞理工学院计算机与网络安全学院, 东莞 523808
  • 通信作者: 冯久超, fengjc@scut.edu.cn
    基金项目: 

    国家自然科学基金(批准号:60872123)

    国家自然科学基金委员会广东省自然科学基金联合基金(批准号:U0835001)和广东省高校科技创新计划基金(2013KJCX0178)资助的课题.

摘要: 由于传感器网络的自身特征和节点的资源受限,使得对观测信号的处理必须考虑量化和能耗等因素,而引入的量化噪声同时增加了系统整体噪声的复杂性.针对传感器网络中整体噪声统计特性难以准确数学建模的特点,提出了一种基于代价参考粒子滤波的混沌信号重构算法.算法采用容积点变换以获得相对准确的更新粒子,并将局部重构信号的代价增量构建为广义似然比函数,用来选择传感器网络中的有效工作节点.仿真结果表明:所提算法可实现混沌信号的有效重构,且在噪声统计特性未知时性能要优于容积卡尔曼粒子滤波算法;算法同时能够通过选择不同的广义似然比阈值,实现网络能耗和重构精度的折中.

English Abstract

参考文献 (22)

目录

    /

    返回文章
    返回