公理化的矩阵半张量积

本文给出矩阵半张量积的一个公理化框架, 它包括矩阵–矩阵半张量积、矩阵–向量半张量积和向量–向量半张量积. 首先, 对目前通用的各类矩阵半张量积的基本性质与应用做一个综述性的回顾. 然后, 介绍一种新近出现的矩阵半张量积, 即保维数矩阵半张量积. 跟普通矩阵乘法一样, 它是多功能的, 即它可同时实现矩阵–矩阵乘积、矩阵–向量乘积和向量–向量乘积这3种功能. 最后, 本文介绍保维数矩阵半张量积的一些代数性质, 包括非方矩阵的Cayley-Hamilton定理, 非方矩阵的特征值、特征向量等.     

有限博弈的矩阵半张量积方法

矩阵半张量积被广泛地应用在有限博弈的研究中,例如:1)演化博弈; 2)势博弈; 3)有限博弈的向量空间分解; 4)基于势博弈的优化与控制; 5)合作博弈等.本文的目的,就是对上述各种应用做一个全面的介绍,包括其原理、主要成果、以及尚待解决的问题.     

一种新的移动机器人气体泄漏源视觉搜寻方法

为提高视觉信息的处理效率,将视觉注意机制引入到特定目标（泄漏源）的搜寻过程中,在此基础上 提出了一种新的基于任务驱动视觉注意机制（TBVAM）的气体泄漏源搜寻方法．该方法分为3 步完成：首先,确定 能有效凸显目标物的对比映射图合并权值系数;其次,当获取实际场景的图像信息后,利用训练得到的权值系数加 权合并不同特征及尺度的对比映射图,得到少数几个可疑目标区域,并结合激光测距信息计算出可疑目标所在的位 置;最后,驱动机器人对可疑目标区域进行排查,通过判断嗅觉传感器检测到的气体浓度是否大于给定阈值确定其 是否找到气体泄漏源．实验结果表明,所提出算法能显著提高对气体泄漏源的搜寻效率．     

可应用于气体泄漏源搜寻的融合算法

多源信息融合算法主要应用于移动机器人对有害气体泄漏源的搜寻。为提高搜寻效率,用视觉传感器和嗅觉传感器共同获取环境信息,其中 嗅觉传感器 采用多气体传感器代替单气体传感器以提高测量的可靠性,测量位置也由单点向多点转变,并选用合适的算法分别实现各级数据的融合,最终决策移动机器人的搜寻方向。数据表明, 加权平均法用于融合同类气体传感器的数据,可减小噪声和仪器故障的影响;最小二乘法可最优估计未知参数,用于反求泄漏源信息,可初步估计泄漏源的位置和流量;概率赋值方式可容纳多种信息途径共同判断泄漏源,从而更合理地确定搜寻目标。     

Petri网信标和陷阱计算的矩阵半张量积方法

本文基于矩阵半张量积(semi-tensor product,STP)方法研究了普通Petri网(Petri nets,PNs)信标和陷阱的计算问题.首先,利用STP方法建立了两个矩阵方程,分别称为Petri网的信标方程(siphon equation,SE)和陷阱方程(trap equation,TE).其次,证明了计算Petri网的信标和陷阱分别等价于求信标方程(SE)和陷阱方程(TE)的非零解.同时,给出了计算Petri网所有信标和陷阱的算法.最后,实例和实验结果说明了本文方法的可行性与有效性.本文所提出的方法对于Petri网信标和陷阱的计算是非常有效的,它只涉及到矩阵的乘法运算.     

基于矩阵半张量积的有限值动态系统的最新进展

布尔网络可以简洁有效地描述作用在有限集上的动态离散模型.然而,随着研究的深入以及一些实际问题的需要,传统的布尔网络已经不能满足建模的需求,由此衍生出多值逻辑网络以及混合值逻辑网络,统称为有限值动态系统.通过矩阵半张量积,有限值动态系统可以转化为便于处理的等价代数形式.鉴于此,对矩阵半张量积以及有限值动态系统的最新发展进...     

布尔网络的分析与控制——矩阵半张量积方法

布尔网络是描述基因调控网络的一个有力工具. 由于系统生物学的发展, 布尔网络的分析与控制成为生物学与系统控制学科的交叉热点. 本文综述作者用其原创的矩阵半张量积方法在布尔网络的分析与控制中得到的一系列结果. 内容包括: 布尔网络的拓扑结构, 布尔控制网络的能控、能观性与实现, 布尔网络的稳定性和布尔控制网络的镇定, 布尔控制网络的干扰解耦, 布尔 (控制) 网络的辨识,以及布尔网络的最优控制等.     

多源融合信息泄漏检测方法

密码设备的侧信息泄漏检测是侧信道分析中的重要技术环节,旨在客观地评估密码设备的物理安全性。不同类型的侧信息在密码设备运行过程中同时存在,仅仅从单源侧信息的视角进行信息泄漏检测难以全面反映密码设备的真实泄漏威胁情况。因此,发展基于多源侧信息的融合信息泄漏检测方法,建立综合利用多源侧信息的泄漏检测方法体系,以期实现对密码设备物理安全性更全面、更客观地评估,是一种现实技术需求。本文基于如何融合利用多个信道的侧信息提出了3种多源融合信息泄漏检测方案：多源简单融合信息泄漏检测、多源时频融合信息泄漏检测以及基于多元T检验的多源信息泄漏检测。其中,多源简单融合信息泄漏检测在时域上组合利用多个信道的侧信息;多源时频融合信息泄漏检测综合利用了多个信道侧信息的时域信息及频域信息;基于多元T检验的多源信息泄漏检测基于多元假设检验方案构造。对比单源的信息泄漏检测方案,模拟实验和真实实验结果表明本文提出的多源融合信息泄漏检测方案可以降低检测出泄漏所需的侧信息数量,提高泄漏检测的效率。     

基于移动机器人的主动嗅觉技术研究

使用移动机器人来定位气味源已经成为一个研究热点,机器人主动嗅觉是指使用机器人自主发现并跟踪烟羽,最终确定气味源所在位置的技术。本文对当前主动嗅觉技术进行概述,并根据生物嗅觉行为介绍一种气味源定位算法,这种算法不依赖某一点气味浓度值,仅依靠气味浓度变化率就可找到气味源。并在高斯模型下对烟羽分布模型进行仿真。     

基于无线传感器网络的气体泄漏源定位机器人设计

如何确定有害气体泄漏源的位置是机器人主动嗅觉要解决的关键问题。围绕移动机器人气体泄漏源定位问题,将Z字形算法和浓度梯度法相结合用于机器人气味源搜索运动控制,使其快速找到气味源。同时,在传统的移动嗅觉机器人上增加了无线传感器定位模块,使操作人员在远离泄漏源的电脑上即可获得气味源的坐标信息。实验证明：机器人可以找到泄漏源,并确定气味源位置,搜索效率比单独使用浓度梯度法高。     

Integrating SLAM and gas distribution mapping (SLAM-GDM) for real-time gas source localization

Gas distribution mapping (GDM) learns models of the spatial distribution of gas concentrations across 2D/3D environments, among others, for the purpose of localizing gas sources. GDM requires run-time robot positioning in order to associate measurements with locations in a global coordinate frame. Most approaches assume that the robot has perfect knowledge about its position, which does not necessarily hold in realistic scenarios. We argue that the simultaneous localization and mapping (SLAM) algorithm should be used together with GDM to allow operation in an unknown environment. This paper proposes an SLAM-GDM approach that combines Hector SLAM and Kernel DM?+?V through a map merging technique. We argue that Hector SLAM is suitable for the SLAM-GDM approach since it does not perform loop closure or global corrections, which in turn would require to re-compute the gas distribution map. Real-time experiments were conducted in an environment with single and multiple gas sources. The results showed that the predictions of gas source location in all trials were often correct to around 0.5–1.5 m for the large indoor area being tested. The results also verified that the proposed SLAM-GDM approach and the designed system were able to achieve real-time operation.     

机器人听觉声源定位研究综述

声源定位技术定位出外界声源相对于机器人的方向和位置,机器人听觉声源定位系统可以极大地提高机器人与外界交互的能力.总结和分析面向机器人听觉的声源定位技术对智能机器人技术的发展有着重要的意义.首先总结了面向机器人听觉的声源定位系统的特点,综述了机器人听觉声源定位的关键技术,包括到达时间差、可控波束形成、高分辨率谱估计、双耳听觉、主动听觉和视听融合技术.其次对麦克风阵列模型进行了分类,比较了基于三维麦克风阵列、二维麦克风阵列和双耳的7个典型系统的性能.最后总结了机器人听觉声源定位系统的应用,并分析了存在的问题和未来的发展趋势.     

面向气味跟踪与定位的机器人变步长搜索算法

面向在地面搜索地下气味源的任务,针对传统六边形路径搜索算法的不足,提出移动机器人依靠气体传感器的气味跟踪与气味源定位变步长搜索算法,并进行了非均匀土壤中实际扩散情况下的计算机仿真,证实改进算法是可行的、优越的和实用的,具有气味跟踪与气味源定位双重功能。     

Mobile robot navigation using vision and olfaction to search for a gas/odor source

This paper presents a new approach to search for a gas/odor source using an autonomous mobile robot. The robot is equipped with a CMOS camera, gas sensors, and airflow sensors. When no gas is present, the robot looks for a salient object in the camera image. The robot approaches any object found in the field of view, and checks it with the gas sensors to see if the object is releasing gas. On the other hand, if the robot detects the presence of gas while wandering around the area, it turns toward the direction of the wind that carries the gas. The robot then looks for any visible object in that direction. These navigation strategies are implemented into the robot under the framework of the behavior-based subsumption architecture. Experimental results on the search for a leaking bottle in an indoor environment are presented to demonstrate the validity of the navigation strategies.     

基于全景视觉的移动机器人地图创建与定位

提出一种高效的基于全景视觉的室内移动机器人地图构建和定位方法. 该方法充分利用全景视觉系统视野广阔、获取环境信息完整的特点, 根据全景图像生成环境描述子; 利用上述环境描述子描述环境, 创建拓扑地图, 将地图表示为环境描述子的集合. 在此基础上, 提出一种基于贝叶斯理论的定位方法, 根据当前全景摄像头的观测值, 利用已生成的地图完成状态跟踪, 全局定位和“绑架”定位. 最后通过实验验证了该方法的有效性, 并给出了计算成本分析.     

不完整地图中移动机器人蒙特卡罗定位研究*

针对移动机器人在不完整地图中定位的问题,提出了一种改进的粒子聚类蒙特卡罗定位(Monte Carlo localization, MCL)算法。在定位过程中,将机器人的位姿分为六种状态,每一种状态对应一个粒子簇。在机器人运动的过程中,这六种状态之间可以相互转移,在计算状态转移概率的基础上,实现了不完整地图中移动机器人蒙特卡罗定位算法。实验验证了该算法在解决移动机器人在不完整地图中定位问题的有效性。     

新的室内移动机器人的实时定位和运动规划方法

提出了一种将传感器信息与先验环境信息融合实现移动机器人定位和运动规划的方法.这种方法选用SICK LMS200型激光扫描测距仪为机器人感知装置,根据室内障碍物的顶点或拐角信息进行定位和运动规划.这种定位和规划方法模仿了盲人在熟悉环境下用拐杖走路的过程,适于室内移动机器人的实时定位和运动规划.