XiaoMi-AI文件搜索系统
World File Search System到达方向
在早期的先天盲人的“视觉”皮层中解码到达方向
< ％31 6（/wrà'dqlho7xuqehuj wudyho ihoorzkls iurp wkhdqg D 35.0 $ judqw irp wkh DQG D -R \ yhqwxuhv judqw wr $
用于估计传入电磁波到达方向的双波段矢量传感器
I. 引言 无线电测向仪 (RDF) 的目的是估计电磁 (EM) 源辐射的入射波的到达方向 (DoA)。RDF 可用于国防以及民用应用，如射电天文学、导航系统和救援设备 [1]。为了估计传入 EM 场的 DoA，通常使用由传感器天线的空间分布 [2] 或传感器的极化分集 [3] 产生的空间相位分集。也有人提出将这两种众所周知的方法结合起来，以提高 DoA 估计的准确性 [4]–[10]。基于空间分集的 DoA 估计包括使用单极化分布式元件阵列测量传入的 EM 场，而极化分集的使用则基于使用由六个天线组成的矢量传感器（例如三个正交电偶极子和三个正交磁偶极子）测量 EM 场分量 [11]。然而，根据 [10]、[12]–[18]，仅测量三个 EM 场分量似乎足以精确估计
AI-WSN：基于蜂群的到达方向估计
人工智能 (AI) 技术是无线传感器网络 (WSN) 中能源利用的最重要考虑因素。AI 通过优化传感器节点的能耗来改变工业运营。因此，它对于提高传感器节点定位精度至关重要，尤其是在不平衡或 Ad-hoc 环境中。因此，本研究的目的是提高传感器节点经常遇到障碍物或障碍物的位置的定位过程的准确性。蜂群优化 (BSO) 算法用于分割传感器节点，以提高锚节点和未知节点对之间的到达方向 (DoA) 估计的准确性。即使在存在不平衡条件的情况下，涉及三个独立蜂群的所提出的 DoA-BSO 也可以识别合理的锚节点以及排列成簇的分段节点。为了获得预期结果，目标函数的设计考虑了锚节点和未知节点对的跳数、能量和传输距离等因素。研究在大规模 WSN 中使用传感器节点对进行，以确定 DoA-BSO 的定位精度。将 DoA-BSO 与传统方法进行比较时，元启发式算法的结果表明，它显著提高了节点的准确性和分割性。
被动声纳中的到达方向估计...
................................................ . ……………………………… ...................................................... 39
通过到达方向验证 ADS-B 定位...
在过去的几十年中，空中交通量显著增加。空中交通管制 (ATC) 需要仔细协调高交通负荷，以满足严格的安全要求。为了提供高质量的 ATC，其运营商依赖于雷达传感器收集的信息。经典的主监视雷达 (PSR) 方法需要大量昂贵且耗能的地面站。为了减少主雷达站的数量，ATC 组织评估了非依赖性使用二次监视雷达 (SSR) 应答器进行飞机定位。自动相关监视广播 (ADS-B) 基于 SSR 模式 S 协议。与常规 SSR 系统不同，SSR 系统主要根据地面站的事先请求广播无线电报，而 ADS-B 使用基于 Aloha 协议随机触发的自发应答器广播。ADS-B 不仅提供高度和身份信息，还传输机载导航系统收集的运载飞机位置信息。此外，还提供地速、航向和许多其他信息。随着配备 ADS-B 的飞机数量不断增加（目前配备 S 模式的飞机中有 65% [1]），该系统在为 ATC 显示器提供信息方面越来越有吸引力。根据实地研究 [2]，大多数 ADS-B 应答器都在广播可靠的定位信息，其中位置的均方根误差 (RMSE)