力觉临场感时延界限的分析

力觉临场感系统中存在较大的通信时延和力反馈,造成系统的不稳定.本文从建立力觉临场感系统的时延动力学方程出发,利用差分微分方程组,对一维力觉-临场感系统分析一种较简单的情况,即从机械手与环境中的一个弹性体作用,该物体不发生位移而仅产生弹性形变.对力觉临场感系统在弹性环境下的时延稳定性进行分析,讨论了模型中各参数的影响,确定了时延界限的正确性.     

基于凸多面体不确定网络化系统的鲁棒无源滤波

研究一类同时具有时变时延和测量数据丢失的不确定网络化系统的鲁棒无源滤波器设计问题。时变时延假设在一个已知的界内随机变化。测量数据的丢失是随机发生的,假设满足Bernoulli分布随机序列。采用线性矩阵不等式方法,给出了全阶和降阶的鲁棒无源滤波器存在的充分条件。所设计的滤波器使得滤波误差系统是均方指数稳定并满足给定的无源指标。最后数值仿真表明所提方法的有效性。     

基于时延估计的非视域隐藏目标深度定位研究

非视域成像技术是对直接视线范围内看不到的物体（如拐角处的隐藏目标）进行探测并成像的技术,基于飞行时间的成像技术主要是探测深度图,首先需要完成对隐藏目标的深度定位,再对其进行图像重建。提出使用时间延迟估计算法对隐藏目标进行深度定位,并分别进行两组实验,针对不同隐藏目标个数和隐藏目标之间的距离,在不同噪声比下（0、5 dB、10 dB和20 dB）,对隐藏目标的深度定位进行研究。实验结果表明：当隐藏目标之间的距离不断变小时,深度定位误差也在不断增大,隐藏目标之间的最小距离约100 cm（激光脉冲为1 ns）;噪声对深度定位的影响较小,去噪后的误差减少为1～2 cm,表明提出的时延估计算法具有一定的抗噪能力。     

无人艇自适应航迹跟踪控制策略研究

针对无人艇航迹跟踪过程中操舵造成的速度损失以及转向导致的跟踪误差变大等问题,提出了一种自适应航迹跟踪控制策略。在制导环中,采用自适应接纳圆策略,根据各航迹段之间的夹角自适应调整航迹点的接纳圆半径,设计了自适应视线制导律,提高了无人艇转向时的跟踪精度;在控制环中,提出了基于模型预测控制的航向及航速解耦控制策略,该策略首先将航向模型与航速模型的耦合项视为时变扰动,提出了一种新的时延估计方法,然后通过航向控制器进行预测,最后在航速控制器中对时变扰动进行补偿,减小了速度损失。之后,通过MATLAB仿真平台对算法的可行性进行验证。实验结果表明,所提出的自适应航迹跟踪控制策略跟踪精度更高、收敛速度更快、抗干扰能力更强、能耗更少。     

基于边端协同的CNN推理加速框架

基于卷积神经网络(CNN)的移动应用程序通常处理的是计算密集型任务,然而传统的云推理和端推理方式在低时延和高准确率方面仍面临着挑战。针对以上问题,提出了一种基于边端协同的CNN推理框架,它能让一个端设备和多个边缘服务器协同工作以提供CNN推理服务。该方法综合考虑高度动态的网络带宽和设备负载情况,分步决策出模型多个最佳分割位置以优化计算和通信权衡。基于硬件测试平台的实验评估表明,相较于3种流行的CNN推理方法,该方法实现了14.3%～67.5%的推理加速,提升边缘服务器的计算资源利用率100%。     

基于RTCP的流媒体服务器速率动态适配研究

研究并实现了一种基于实时流控制协议RTCP的流媒体发送速率适配方法,通过接收RTCP RR包及RTCP NADU包得到关键控制参数--丢包率、抖动、空闲缓冲区大小,对这些参数设置阈值来决定服务器端发送速率的切换方向,切换后的发送速率则通过决策器对估算的网络带宽与根据控制参数调整的发送速率相运算得到.实践证明:本方法具有抗振荡性、带宽预测性、能快速响应网络状况变化、有效控制缓冲区上溢或下溢的优点.     

引入突触修饰非对称时窗的神经元感受野自组织模型

视觉通路中一些简单神经元的时空响应特性在动物出生前已基本形成,在缺乏视觉经验的情况下,视觉系统是怎样发育出这些神经元感受野的？以Wimbauer的时延网络为基础,引入神经生物学中最近发现的突触修饰非对称时窗,修改了Hebb学习规则,提出一种4层前馈网络模型。模型能自组织生成时空响应特性更为丰富的神经元感受野,并能对脊椎动物视觉系统中反差极性敏感型神经元的形成机制做出解释。这种网络模型比Linsker网络和Wimbauer的时延网络更具普适性。     

相控阵多址系统中通道间群时延不一致性分析

首先从数学公式分析了多用户相控阵通信系统的通道时延将会引起调制数据过零点出现偏移;再针对多通道时延不一致的情况,通过理论和仿真分析发现,如果空分处理前不进行通道间时延均衡而直接进行数字波束形成处理,会使得输出信号失真,系统误码性能恶化.     

一类非线性随机网络系统的均方指数稳定控制

研究了一类非线性随机网络控制系统的均方指数稳定控制问题.通过在网络诱导时延的时变区间插入分点,把网络诱导时延转化为满足区间Bernoulli分布的随机变量,并根据随机变量在不同区间上的取值,利用T-S模糊方法建立了网络控制系统新模型.把线性矩阵不等式方法应用到新模型的处理中,得到了时延依赖的指数稳定条件,给出了模糊控制的设计方法,并对一类具体的网络系统进行了数值计算和模拟仿真.