基于K最近邻的3D鞋底喷胶路径规划方法

装配机械臂进行3D鞋底自动喷胶是近年来逐渐发展起来的一项技术,主要用以替代人工喷胶,以解决用工短缺及环境污染的问题。利用3D视觉及机械臂实现了鞋底自动化喷胶,在不牺牲精度的前提下速度更快,效果更好。首先,通过线激光传感器扫描得到鞋底的点云信息,基于KNN点云滤波算法过滤噪声点及异常点;其次,结合鞋底点云的分布特点提出一种基于双边极大值的算法用于提取鞋底的边缘轮廓线,然后基于法向量的偏置算法获取鞋底的内轮廓线,即喷胶轨迹。最后,基于轨迹坐标及法向量生成机械臂的6维控制向量实现喷胶路径控制。为基于点云数据的鞋底3D路径规划方法提供了新的思路。     

基于隐马尔可夫模型的动态跳频信道接入算法

针对认知无线电信道接入中存在主用户和次级用户相互干扰、吞吐量下降的问题,提出基于隐马尔可夫模型的动态跳频信道接入算法。由于长时段的数据传输造成次级用户无法及时切换信道,将数据传输时段分为多个跳频时段,构建隐马尔可夫模型预测可用信道,建立跳频信道集合,设计动态跳频序列,使信道接入的效率更高。理论分析与仿真结果表明,该算法能够有效降低各级用户之间干扰概率并显著改善系统吞吐量,增加系统可靠性和信道利用率。     

VoLTE业务丢包率改善新技术与应用

VoLTE业务是基于IMS网络的LTE语音解决方案。其是架构在LTE网络上、全IP条件下、基于IMS Server的端到端语音方案。而丢包率是影响业务感知的关键因素。本文主要分析了QCI1上行NI频选功能、TTI bundling、QCI1预调度、PDCCH自适应、CMR功能等新技术,以改善丢包率。     

基于RF和KNN的地下采场开挖稳定性评估

针对传统地下采场开挖稳定评估方法存在的局限性,引入机器学习方法,提出基于随机森林算法(Random forest,RF)和K-最近邻算法(K-nearest neighbor,KNN)的地下采场开挖稳定性预测模型.以加拿大8个采场为例,首先,获取并分析399组观测数据,其中涵盖了相应的岩石质量分级(Rock Mass Rating,RMR)值、跨度以及对应的稳定、潜在不稳定或不稳定状态.然后将地下采场的稳定性程度进行三分类及二分类,采用10折交叉验证方法进行模型超参数优化,在不作任何假设的前提下,捕捉地下采场开挖稳定性与RMR值、跨度之间的复杂关系.研究表明:二分类结果准确性高于三分类预测结果;在二分类方式下,两种算法的准确率及召回率均高于90％,其中KNN算法的表现优于RF算法;提出的两种方法较先前研究的正确率有很大提升,为开挖稳定性评估提供了可靠途径.     

基于自适应网格的跳频信号参数估计

分析了现有跳频信号稀疏重构算法的基不匹配问题,导致离散字典的稀疏表示能力变差,严重影响稀疏重构算法的性能。针对这种情形,提出了基于自适应网格的变分贝叶斯稀疏重构算法。该方法通过对字典不断地加权聚类和缩放处理,实现字典的自我更新,使得参数网格更加精细化。仿真结果表明,该方法具有良好的抗噪性能和交叉项抑制能力,同时缓解了稀疏重构算法的基不匹配情形,时频聚焦性进一步提高,能够在较低信噪比条件下,获取较高时频分辨率的时频矩阵,可以更精确地完成后续跳时刻检测、跳周期及跳频率等参数估计。