一种考虑实际运动约束的高斯过程运动规划方法

基于梯度优化的高斯过程运动规划器GPMP2的算法运行时间短,通过概率推理来优化机器人轨迹,可得到平滑的无碰撞的轨迹。然而该算法并未考虑轮式机器人如四轮车辆等的最小转弯半径等运动约束,使规划出的轨迹在轮式机器人实际行驶中受限,为此,该文提出一种加入最小转弯半径等运动约束于GPMP2算法的运动规划方法,以规划出考虑机身尺寸的机器人运行轨迹。实验结果表明,该文算法的路径规划成功率提高了4.5%,所规划的轨迹与实际运行轨迹符合度较好。     

基于动态障碍物的机器人避障路径规划方法

针对传统机器人路径规划只适用于障碍位置固定的环境中,无法避开动态障碍物的问题,提出一种融合动态障碍物信息的机器人避障路径规划方法.对传统动态窗口法(Dynamic Window Approach,DWA)进行改进,融合动态障碍物信息与机器人运动学分析,来解决机器人在动态环境下的避障问题,并与改进的A*算法融合,来保障机器人路径规划的全局最优性.实验结果证明,所提出的方法在动态环境下适应度高、安全性强,具有一定的应用价值.     

粒子群算法优化的智能机器人无线充电方法

目前机器人传统直插式充电方式存有布线复杂、灵活性差,且不适用于易燃、易爆等特殊环境等问题,无线充电技术的应用有利于促进机器人智能化方向发展。为提高机器人无线充电效率,设计了一种基于无线通信技术、定位技术、无线充电技术的机器人智能无线充电系统;为提高粒子群算法全局寻优能力,引入鸽群优化算法地图、指南针算子和地标算子,提出了一种粒子群-鸽群融合定位算法对机器人充电位置进行定位优化;实验数据表明,设计算法具有较高的定位精度,较快的收敛速度,有利于机器人获取最佳充电位置,提高充电效率。     

一种改进RRT的多机器人编队路径规划算法

多机器人路径规划是机器人领域的一个热点问题,相比于单机器人路径规划,其算法难度和复杂度都有所增加,在规划时需要兼顾多机避障、相互协作等难点问题.本文提出一种改进快速扩展随机树的多机器人编队路径规划算法,用于解决多机器人在复杂环境下的编队路径规划问题.针对多机器人在编队规划中的位置约束问题,定义机器人之间的领航-跟随结构,并对机器人队形建模.针对规划过程中编队朝向变化问题,建立搜索树扩展方向与队形方向之间的联系,通过调整队形方向改变规划时的编队朝向.针对具有质点模型和非完整约束动力学模型两种不同模型的多机器人系统,分别进行了仿真实验.仿真结果表明该算法在处理多机器人编队路径规划问题时可以取得良好的效果.     

基于混合智能算法的机器人避障路径规划研究

为提高智能机器人在市场内的使用率,优化机器人的使用性能,开展基于混合智能算法的机器人避障路径规划方法的设计。结合动力学扰动行为的分析,获取机器人不同关节有效运动参数,通过对不同运动姿态的有效融合,建立机器人障碍规划运动学模型;基于栅格法,对障碍物环境进行网格划分,基于蚁群算法,定位机器人避障最优参数,以此实现对避障路径规划中参数的设定;利用OAO的局部定位与全局检索能力,构建一个环境障碍物随机树,将其与蒙特卡洛算法进行融合,进行机器人规划初步行进路径的设计。实验结果证明,设计的路径规划方法,在实际应用中,可以起到缩短并优化避障路径的作用,以此种方式,提高机器人行进的速度与效率。     

基于改进球面向量粒子群优化的UAV航迹规划

针对无人机在复杂环境下受到多种威胁时的航迹规划问题,提出一种改进的基于球面向量的粒子群优化算法(ISPSO)。利用融合压缩因子和异步变化学习因子的ISPSO算法,通过粒子位置和速度同无人机转角和爬升角的对应关系,高效地搜索无人机的构形空间,找到成本函数最小的最优路径。为了评估ISPSO的性能,从真实的数字高程模型地图中生成2个基准场景,仿真结果表明,该算法优于基于球面向量的粒子群算法。     

自恢复蒙特卡罗定位算法

机器人定位技术作为智能机器人领域的重要技术,是机器人进行自主规划和导航的重要前提。为解决机器人运动过程中的绑架问题,在蒙特卡罗定位(Monte Carlo localization, MCL)算法的基础上,提出了基于激光雷达似然域模型的定位可靠度评判算法以及基于惯性导航单元的定位自恢复模型。定位可靠度评判算法对机器人是否发生绑架问题进行判定,当发生绑架问题后,首先基于惯性导航单元的测量数据进行位姿预估计,然后基于预估计的位姿构建粒子重分布模型,最后进行粒子滤波得到重定位的结果,达到了对机器人绑架判定和自恢复定位的目的。经过实验测试和对比,该算法可以对绑架问题进行高效的判断,具有更高的恢复效率和准确度。     

基于大数据的机器人激光全局定位算法

为提升复杂环境下机器人激光全局定位效率,增强全局定位效果,提出基于大数据的机器人激光全局定位算法,通过TOF激光测距仪测量机器人与目标物间距离,采用大数据技术中的卡尔曼粒子滤波算法,递推预测机器人运动状态,并在递推过程中,引入TOF激光测距仪测量的距离值,改进机器人运动状态中的卡尔曼增益和滤波误差协方差,获取机器人状态预测值:卡尔曼增益和滤波误差协方差;依据两个状态预测值,采用基于卡尔曼滤波的自定位方法,通过运动模型和感知模型分别进行机器人的位姿概率分布预测以及更新,实现机器人激光全局定位。实验表明:采用此算法进行机器人全局定位时位置误差以及方位误差都较小,全局定位的均方根定位误差小于2.5 cm,可实现机器人高效、精准全局定位。     

粒子群蚁群融合算法的火灾救援路径研究

为获取最优的救援路径,以提高救援的有效性和实时性,文中提出了一种粒子群蚁群融合算法。该算法在分析影响路径选择因素的基础上,运用模糊数学中的层次分析法评定了道路的权重,建立了消防灭火救援模型;使用粒子群算法快速获取次优解,将此次优解作为蚁群算法的初始信息素增量,并将求解出各段路径权重矩阵引入到优化后的蚁群算法状态转移概率的求解模型中来,再利用这种改进后的状态转移规则,且考虑行车速度时变性的基础上求解出模型的最优解。实验结果表明,该方法可以完成最佳救援路径的规划。     

复杂环境下多机器人协同覆盖搜索路径规划

为提高复杂环境下多机器人协同搜索的覆盖效率及适应性,提出一种多机器人协同覆盖搜索路径规划策略。首先,在目标区域中利用协同进化粒子群优化(CCPSO2)算法进行传感器位置部署;其次,利用改进的K-means方法对传感器部署点进行聚类,实现有效的任务区域划分;最后,以部署的传感器位置为路径点求解旅行商问题(TSP),获取每个机器人的封闭路径,从而实现协同覆盖搜索。实验结果表明,所提算法能够在保证良好避障和覆盖周期最小化的同时,为每个机器人获得更均匀的覆盖路径,实现多机器人的有效协同覆盖搜索,且能够有效适应外部复杂环境,具有良好的鲁棒性。     

基于CHMM的雷达海面回波建模与分析方法

高分辨率雷达以低擦地角观测粗糙海表面时杂波幅度明显增强,产生海尖峰效应。海尖峰与平稳海杂波的统计特性差别显著,使用单一概率密度函数(PDF)的传统统计建模方法难以精确描述回波特性,尤其在回波中包含目标信号时,这种不适应更为严重。该文将连续型隐马尔可夫模型(CHMM)用于海杂波建模,把海面回波分为平稳海杂波、海尖峰和目标回波3个状态,使用高斯混合密度模型(GMDM)建立各状态观测值的连续PDF表达式,使用Baum-Welch算法对CHMM的参数进行计算和重估。同时,修正了基于GMDM的CHMM观测值状态联合概率公式,解决了GMDM参数迭代求解过程中的分母下溢出问题,为海杂波建模与分析提供了一种新的方法。最后对实际雷达采集数据的分析证明了该方法的有效性。     

基于二维概率密度函数比较的SAR图像变化检测方法

该文将传统区域统计分布特征变化检测方法拓展到2维特征空间,提出一种基于2维概率密度函数比较的SAR图像变化检测方法。该方法首先将观测区域内相邻像素的灰度值组合成2维观测矢量,而后采用2维Gram- Charlier展开式对观测矢量在不同时相图像中的2维概率密度函数分别进行估计,在此基础上,借助K-L散度理论对2维概率密度函数在不同时相图像间的变化大小进行定量分析以实现变化检测。实验结果表明,与传统方法相比,该文方法具有更优的检测性能。     

SAR 图像相干斑抑制中的像素相关性测量

像素相关性(Pixel Relativity, PR)测量是权重平均相干斑抑制算法中的关键技术,该文从3 个方面对SAR图像中的PR 模型进行了研究。首先,该文论述了比值PR 模型的合理性,提出了两种新的比值PR 模型(对数高斯模型与像素相似概率模型),并将SAR 图像概率密度函数与比值概率密度函数转化为比值PR 模型|然后,为了对4 种PR 模型应用于相干斑抑制的性能进行比较,设计了基于PR 的权重最大似然滤波器|最后,针对相关性最大值位置不为1 的PR 模型存在的辐射保持能力差的问题,提出了模型最大值位置校正的方法。理论分析与实验表明了提出模型及最大值位置校正方法的有效性。      

Distribution of Path Loss for Wireless Personal Networks Operating in a Square Region

Path loss plays fundamental roles in system design, spectrum management, and performance evaluation. The traditional path loss model has a slight inconvenience; it depends on the unknown distance. In this letter, we explore the probability distribution function (PDF) of path loss in an indoor office environment by randomizing out the distance variable. It is shown that the resulting PDF is not Gaussian‐like but is skewed to the right, and both the PDF and the moments are related to the size of the office instead of the unknown distance. To be specific, we incorporate the IEEE 802.15.4a channel parameters into our model and tabulate the cumulative distribution function with respect to different room sizes. Through a simple example, we show how our model helps a cognitive spectrum user to infer path loss information of primary users without necessarily knowing their transmitter‐receiver distance.     

Design of Probability Density Function Targeting Energy Efficient Network for Coalition Based WSNs

Energy consumption is one of the important issues in wireless sensor network that rely on non chargeable batteries for power. Also, the sensor network has to maintain a desired sensing coverage area along with periodically sending of the sensed data to the base station. Therefore, coverage and the lifetime are the two important issues that need to be addressed. Effective deployment of wireless sensors is a major concern as the coverage and lifetime of any wireless sensor network depends on it. In this paper, we propose the design of a Probability Density Function (PDF) targeting the desired coverage, and energy efficient node deployment scheme. The suitability of the proposed PDF based node distribution to model the network architecture considered in this work has been analyzed. The PDF divides the deployment area into concentric coronas and provides a probability of occurrence of a node within any corona. Further, the performance of the proposed PDF is evaluated in terms of the coverage, the number of transmissions of packets and the lifetime of the network. The scheme is compared with the existing node deployment schemes based on various distributions. The percentage gain of the proposed PDF based node deployment is 32\(\%\) more than that when compared with the existing schemes. Thus, the simulation results obtained confirm the schemes superiority over the other existing schemes.     

基于子带合成的超宽带雷达杂波建模与仿真

该文利用子带合成和广义平板模型,分别在不同的入射角和相对带宽条件下进行超宽带雷达地杂波建模、仿真,并对杂波统计特性进行分析.首先根据地形将地面划分成若干个小区域(称为广义平板);把超宽带信号划分成一系列子带(窄带);然后得出各子带信号在平板模型下的杂波反射系数(),最后通过子带合成的方法获得超宽带雷达地杂波模型.通过仿真发现,超宽带雷达地杂波随着入射角或相对带宽变化时,杂波的统计分布也跟随变化;但超宽带雷达杂波的概率密度函数曲线具有"低重心和重拖尾"的共性,且随着相对带宽的增加,拖尾加重.仿真结果证明了"频率分割子带合成"法的可行性.     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

基于分数阶矩估计的非参量CFAR检测

该文针对杂波背景中的CFAR(恒虚警率)检测问题,提出了一种新的CFAR检测器Blind-CFAR检测器。该检测器通过估计杂波的分数阶矩,获得杂波的最大熵概率密度函数估计,进而确定CFAR检测门限。以Weibull杂波为例,仿真验证了Blind-CFAR检测器的有效性。由于采用了非参数估计方法,Blind-CFAR检测器具有结构简单、通用性好等优点,并可应用于未知杂波背景中的目标检测。     

基于平面波叠加模型的混响室莱斯场环境模拟

从经典混响室的平面波叠加模型出发,针对已有的概率统计模型不能模拟莱斯分布场环境的情况,建立了改进型的平面波叠加模型。为了验证该模型的有效性,用蒙特卡洛方法仿真了不同K因子下的各场量的概率密度函数(PDF),并用理想PDF进行拟合。并进一步验证了当莱斯K因子为零时,莱斯分布场模型退化为经典混响室的场模型。最后考虑了模型的抽样参数(平面波叠加数和搅拌器位置数)对仿真结果的影响,确定最佳的抽样样本,从而获得稳定的PDF曲线。     

Spread spectrum watermark detection in DRT-domain

The traditional correlation-based detector is optimal only for Gaussian data, but the Laplacian Probability Density Function (PDF) is more appropriate to model the coefficients in the Discrete Ridgelet Transform (DRT) domain. An additive maximum-likelihood detector based on the Laplacian PDF is analyzed and the theoretical result of its performance is given. The experiments show that the error of the Laplacian model for the DRT coefficients of many images is smaller than that of the Gaussian model. The experiments also prove that the Laplacian detector is superior to the tradi- tional correlation-based detector.