内外源注意的无人系统智能感知应用研究

针对未来无人系统智能化以及多无人系统协同感知与认知发展需求,亟需解决信息过载以及跨平台多源感知信息融合的科学问题,本文提出通过研究仿生内源性和外源性注意力的调节作用机理, 探索多源注意机制对无人系统智能感知系统调节作用机制,对其映射异构多源感知器与行为决策控制的作用机理进行研究；结合采用脑认知能够联合来自不同感官通道的线索对外部世界中的物体和事件实现快速高效信息过滤和异构多源认知,并采用不同的参照系来表征物体的特征和位置,构建一种基于仿生多源注意机制的智能感知与信息处理框架,对工程化实现无人系统智能感知与认知系统具有一定的设计参考价值。     

运用滑窗定阶的噪声子空间分解

地面接收的导航信号易受人为干扰,用空时二维阵列处理可有效抑制接收信号中的干扰。多级维纳滤波（MWF: Multistage Weiner Filter）可用于空时二维处理以避免大矩阵特征分解,但噪声子空间估计不准。对此本文提出一种方法:首先用经典MWF粗略估计噪声子空间维数,然后运用滑窗逐步找到噪声和白噪声子空间的分界点,最后用MWF的综合部分即可算得最优权值以进行抗干扰处理。仿真证明该方法在噪声子空间估计上比传统MWF方法具有更高的区分度,并且获得更优的抗干扰效果。由此得出结论:该方法能够大幅提高噪声子空间估计的鲁棒性,增强空时二维阵的抗干扰能力。      

基于蚁群信息素辅助的Q学习路径规划算法

当Q学习应用于路径规划问题时,由于动作选择的随机性,以及Q表更新幅度的有限性,智能体会反复探索次优状态和路径,导致算法收敛速度减缓.针对该问题,引入蚁群算法的信息素机制,提出一种寻优范围优化方法,减少智能体的无效探索次数.此外,为提升算法初期迭代的目的性,结合当前栅格与终点位置关系的特点以及智能体动作选择的特性,设计Q表的初始化方法;为使算法在运行的前中后期有合适的探索概率,结合信息素浓度,设计动态调整探索因子的方法.最后,在不同规格不同特点的多种环境中,通过仿真实验验证所提出算法的有效性和可行性.