基于自主运动状态估计及信息交互的多移动机器人协作定位

主要研究了未知动态环境中多移动机器人利用环境信息交互完成协作定位的问题.考虑移动机器人自身运行状态对协作定位的影响,提出基于自主运动状态估计的协作定位周期自适应选择算法.为避免机器人相互直接观测需要配备特定标识的局限,并充分利用处于同一场景中多机器人观测信息的可交互性,论文提出基于MbICP算法的多机器人观测信息交互方法,同时利用扩展Kalman滤波实现多机器人变速运行中的协作定位.通过应用于Pioneer3-DX机器人平台所获得的协作定位实验结果及数据分析,验证了所提方法的有效性和实用性.     

低维特征空间中基于旋转图像的三维环境模型配准方法

近年来,异类机器人之间(如飞行机器人和地面机器人)的协作成为机器人学研究发展的一个新的领域.异类机器人协作的难点之一是协作环境建模,而由于所获得的环境模型具有不同的观测视角和尺度,其环境建模中的模型配准是一个难点和关键.目前,能够适用于大视角差、大尺度差场景配准的方法并不多,基于旋转图像的配准方法被认为是一种可行方案,但其中存在的计算负担大和在野外环境中的鲁棒性差使得其也很难在实际系统中应用.基于此,面向三维点云环境模型,以旋转图像为基础,提出了一种新的基于低维特征空间的模型配准方法.首先,通过引入模型曲率、旋转图像熵值和激光反射强度3个特征构建了一个三维特征空间,得到候选对应点集合.然后,在候选对应点集合中利用旋转图像的方法查找正确的对应关系,实现模型配准.由于低维特征空间的引入,基于旋转图像特征的对应点搜索区域大大减小,因此算法计算效率得到了极大改善.同时由于引入的新特征与场景旋转图像特征的互补性,算法的鲁棒性和精确性也得到了提升.这些性能改进最后通过实验得到了验证.     

多基站协作通信系统的频偏补偿策略

在多基站协作通信系统中,为了获得空间分集或复用增益,协作基站同时同频向多个终端发送数据,而终端同时同频收到多个具有不同频偏的信号．基站或终端不能通过预补偿或后补偿方法独立解决多基站多用户频偏补偿问题．针对这一难题,本文提出基于最大可容忍剩余频偏的收发联合补偿策略．仿真结果表明：该策略虽然不能完全消除多基站多用户频偏,但可将其控制在可容忍范围内．     

鞅逼近与预解式表示收敛的几个定理

通过引入平稳遍历Markov过程的鞅逼近和S_t(f)的预解式表示, 给出并证明了S_t(f)存在鞅逼近当且仅当预解式表示收敛, 对于Markov链有相应的公式化结果. 表明通过预解式构造平稳遍历Markov过程加性泛函的鞅逼近方法在此意义下具有普遍性.     

Raptor码在下行协作无线蜂窝系统中的研究

不同于传统的采用固定码率编码的协作中继系统,在发送端不知道信道状态信息(channel state in formation,CSI)时,提出协作蜂窝系统下行链路中使用无限码率Raptor码及分布式空时分组码(distributed space-time block code,DSTBC)的新方案,并研究该方案有效性、可靠性和健壮性的问题。理论分析和仿真结果证明,当发送端不知道CSI时,结合应用Raptor码和DSTBC,即使在低信噪比(signal-to-noise ratio,SNR)环境中仍能降低总传输时间及能量消耗,给无线蜂窝系统带来显著的性能增益。     

CWNs中机会协作传输策略及其差错性能分析

在主用户和感知用户共存的认知无线网(cognitive wireless networks, CWNs)中,针对如何在保证主用户有效传输的同时满足感知用户无线业务通信要求的问题,提出了一种基于频谱感知的机会协作传输策略。在瑞利衰落信道下对所提方案进行理论分析,给出了协作传输与非协作传输策略下平均误比特率的解析表达式,理论分析和仿真结果表明,相对于传统非协作传输而言,机会协作传输策略的差错性能得到明显改善。     

智能协作技术在交通管理中的应用

从现代城市交通管理的特点和传统控制方法的不足出发出发,提出了一种基于多a-gent的智能化交通管理系统,阐述了它的工作方式并给出了结构设计。     

基于专家系统的防空火力分配模型

利用人工智能的原理,模拟军事专家的思维活动,建立基于专家系统的防空火力分配模型.该模型具有自学习功能,可自动获取和修改知识库中的知识,具有很好的实用性,可随时与用户进行交互.用产生式规则和原型表示可拦截条件及多目标优化分配原则等知识,采用了虚拟飞行时间作为综合威胁判断准则和可调整的分配始线和分配终线,能较好地满足实际需要.     

故障模糊预测系统开发环境的思想及其实现

针对故障诊断的现状和发展,本文探讨了故障模糊预测系统的开发环境,并研究了系统的知识表达方式和推理控制策略。     

基于时间序列特征表示与信息融合的ICU患者死亡风险预测

ICU中患者的死亡风险预测被认为是重要临床预测任务之一,准确地预测ICU患者的死亡风险可提供有关患者的病情信息,便于及时采取措施来干预,同时有助于有限医疗资源的有效分配.ICU患者病情不稳定,需要密切的监护,大量临床数据被相关监测设备采集、记录和保存,为ICU患者的相关临床决策提供重要参考.以ICU患者30天死亡风险预测为研究目标,基于重症监护医疗信息市场Ⅲ数据库,构建ICU患者死亡风险预测模型,分析相关影响因素,以支持医疗实践中的临床决策.首先提取相关患者数据并进行预处理,采用多种统计量对时间序列特征进行表示;随后选取基分类器,基于融合遗传算法和模拟退火算法的混合优化算法对相应基分类器进行特征选择,基于信息融合思想采用集成学习方法将分类器以装袋方式进行集成,采用真实数据对模型进行验证,并基于准确率、F₁评分和AUC三个评价指标与经典死亡风险预测模型进行比较,展现出较好的性能;最后基于信息融合对ICU患者死亡风险重要影响因素进行分析,发现集中趋势类统计量更为重要,为临床决策提供参考.