摘要：针对基于命名数据网络的转发策略存在网络拥塞、高延时以及转发命中率低的问题,提出一种区分调度提升树转发策略。将兴趣包进行服务类型和紧急度分类,使用加权循环调度算法对数据包优先级排序,生成优先级队列;针对端口信息、节点内缓存、兴趣包热度等属性进行决策,生成提升树,选择最优端口进行数据转发。使用SUMO软件设计真实道路车辆信息,利用ndnSIM软件进行仿真实验,结果表明:使用区分调度提升树转发策略,能使兴趣包满足率相较于智能泛洪转发策略提升8.9%,平均时延降低25 ms;相较于BREB转发策略提升5.1%,平均时延降低14.6 ms。区分调度提升树转发策略能缓解网络的拥塞,更好地适应车联网拓扑的动态变化,能充分利用车辆节点内的缓存信息,提供更高效的车辆服务。

摘要：针对复杂环境下超宽带(UWB)无线定位系统存在非视距(NLOS)及随机误差的问题,提出一种基于改进Sage-Husa卡尔曼滤波算法(SHKF)的UWB/IMU组合定位方法。首先,设计了一种基于概率密度的提升树,将UWB/IMU特征数据的概率分布密度引入提升树的损失函数中,鉴别出NLOS信号;然后,设计了一种改进SHKF算法,根据新息变化趋势定义自适应因子,实时调整对新息误差修正的策略以调节历史噪声对当前定位的影响,进而提升UWB/IMU组合定位的稳定性和精度。实验结果表明,所提方法将NLOS信号鉴别精度提升至99.12%,定位均方根误差降低至4.30 cm,提升了复杂环境下UWB/IMU组合系统定位精度。