手机信令的时空密度轨迹点识别算法

手机信令具有时空序列性以及数据量大、采样频率不均、定位精度低与基站振荡等特点,导致传统手机信令聚类方法数据密度分布不均、时空开销大且聚类效果差。提出一种用于手机信令的时空密度轨迹点识别算法。将手机信令数据网格化以统一评估尺度,根据振荡噪声特征对网格簇进行时空联结减少空间不确定性和计算量,结合网络轨迹的曲折性以及移动与停留时间重新定义网格簇内轨迹点时空移动能力,计算网格簇的时空密度以判断用户停留区域,并采集具有移动停留标签的轨迹数据以验证算法有效性和识别效率。实验结果表明,该算法识别精度较改进DBSCAN算法更高,适用于识别手机信令数据停留区域,对复杂轨迹停留区域的识别效果更好。     

深度纯追随的拟人化无人驾驶转向控制模型

目的 在无人驾驶系统技术中,控制车辆转向以跟踪特定路径是实现驾驶的关键技术之一,大量基于传统控制的方法可以准确跟踪路径,然而如何在跟踪过程中实现类人的转向行为仍是当前跟踪技术面临的挑战性问题之一。现有传统转向模型并没有参考人类驾驶行为,难以实现过程模拟。此外,现有大多数基于神经网络的转向控制模型仅仅以视频帧作为输入,鲁棒性和可解释性不足。基于此,本文提出了一个融合神经网络与传统控制器的转向模型：深度纯追随模型（deep pure pursuit,deep PP）。方法 在deep PP中,首先利用卷积神经网络（convolutional neural network,CNN）提取驾驶环境的视觉特征,同时使用传统的纯追随（pure pursuit,PP）控制器融合车辆运动模型以及自身位置计算跟踪给定的全局规划路径所需的转向控制量。然后,通过拼接PP的转向结果向量和视觉特征向量得到融合特征向量,并构建融合特征向量与人类转向行为之间的映射模型,最终实现预测无人驾驶汽车转向角度。结果 实验将在CARLA（Center for Advanced Research on Language Acquisition）仿真数据集和真实场景数据集上进行,并与Udacity挑战赛的CNN模型和传统控制器进行对比。实验结果显示,在仿真数据集的14个复杂天气条件下,deep PP比CNN模型和传统转向控制器更贴近无人驾驶仪的转向指令。在使用均方根误差（root mean square error,RMSE）作为衡量指标时,deep PP相比于CNN模型提升了50.28%,相比于传统控制器提升了35.39%。最后,真实场景实验验证了提出的模型在真实场景上的实用性。结论 本文提出的拟人化转向模型,综合了摄像头视觉信息、位置信息和车辆运动模型信息,使得无人驾驶汽车的转向行为更贴近人类驾驶行为,并在各种复杂驾驶条件下保持了高鲁棒性。     

面向毫米波MIMO的方向图去耦印刷偶极子天线

针对MIMO(Multiple-Input Multi-Output)多天线系统中因耦合导致的天线单元辐射方向图畸变问题,提出了一种基于短路枝节的方向图去耦方法。在偶极子辐射臂和地板之间引入的短路枝节可调节耦合单元辐射臂上感应电流的幅度和相位,进而对天线单元畸变的辐射方向图完成波束纠偏和凹陷修复,实现方向图去耦。在5G毫米波n260频段(37～40 GHz)设计、制作了1×4 MIMO印刷偶极子天线实物,实测方向图的最大辐射方向被纠正到正天顶,实测端口隔离度大于23.5 dB。实测与仿真结果吻合良好,验证了提出的方向图去耦方法的有效性。提出的方向图去耦的1×4毫米波MIMO印刷偶极子天线性能良好、易于实现,可应用于毫米波MIMO系统。     

遗传算法在路径规划上的应用

为了满足出行者能高效快捷地到达目的地, 需要找到一条综合权值最优的出行路径, 再在其上设置指路标志对目的地进行指引. 基于此, 本文首先根据路网的特点, 对交通路网模型进行表述; 接着阐述了遗传算法的基本概念和算法思想, 并以行驶路程和交叉口个数作为出行者路径选择的因素, 定义了行驶路程和交叉口个数综合指标最小的路径为最优路径; 最后, 以广州大学城中山大学为例, 在明确起终点的情况下, 利用遗传算法的方法找到了去往中山大学的最优路径, 验证了遗传算法在路径规划上的有效性.     

考虑学习/遗忘特性的软件项目调度多目标优化方法

人员作为软件项目调度过程中的核心资源,其学习遗忘特性是无法忽视的.借鉴已有学习和遗忘模型,构建学习/遗忘效应与人员技能水平之间的动态关联模型,进而给出考虑人员学习/遗忘效应的软件项目调度多目标优化模型.针对该模型,采用新型调度方案编码方式和不可行解修复方法,给出基于改进NSGA-II的软件项目调度多目标优化方法.面向具有不同项目规模的算例仿真实验表明,考虑人员的学习能力有利于改善调度方案性能,而遗忘效应则会使调度方案的项目总工期和成本增加.因此,在软件项目调度问题中,考虑人员的学习和遗忘效应是十分必要的.     

电动汽车混合储能系统的事件触发无差拍控制

混合储能系统具有高功率密度和高能量密度的性能优势,已经被广泛应用于电动汽车.以电动汽车的电池-超级电容混合储能系统为研究对象,针对传统控制方法中快速动态响应和计算负荷的矛盾,提出一种基于事件触发无差拍控制的方法.该控制方法继承了无差拍控制方法响应速度快、过冲量小的优点,可以在一个控制周期内计算获得最优控制信号,从而充分利用混合储能系统应对复杂工况,以达到稳定母线电压的目的 ;同时,通过引入事件触发控制策略,根据系统状态消除冗余计算,可以在保持控制性能的前提下有效降低计算负荷.基于Matlab/Simulink构建了电池-超级电容混合储能的数字仿真系统,仿真试验结果表明所提出的事件触发无差拍控制具有良好的控制效果:①可以将直流母线电压纹波稳定控制在参考值1.4％,接近传统无差拍控制的1.1％,性能上满足要求;②计算执行平均次数是传统方法的61.2％,计算负荷减小了39.8％;③引入事件触发控制机制,可以有效消除冗余的开关动作,提高混合储能系统的整体效率.最后,围绕中国电动汽车的行驶工况,基于OPAL-RT的硬件在环试验,进一步验证事件触发无差拍控制方法在电池-超级电容混合储能系统的有效性,研究结果为电动汽车混合储能系统的控制提供了一种参考.     

基于多模感知数据的驾驶员房颤检测方法及系统研究

设计了一种针对驾驶环境的房颤自动检测方向盘。该方案利用安装在方向盘上的传感器对驾驶员的心率数据进行采集,将数据上传至云平台后,云平台利用基于深度互学习和判别滤波群算法的神经网络对心率信号进行分类识别,并将识别结果反馈至车辆终端,如果检测到司机有房颤现象,车辆终端则会及时发出警报,协同制动或者提供医疗介入。所提算法在真实数据集上表现优异,能够精确分别出正常心率和房颤。通过在模拟驾驶环境中的实验,所设计的方案可以在不对驾驶员操作造成任何影响的情况下,低延时、高准确性地对驾驶员心率状态进行判断。     

宽带雷达目标散射分布特征融合的检测跟踪方法

宽带雷达目标回波信号由于距离扩展和低信噪比,导致传统宽带检测器对目标分布特性先验要求较高,在目标散射分布特性未知的情况下存在检测跟踪性能快速退化问题。针对此问题提出了一种利用多检测特征融合的宽带检测方法,在无需目标散射分布先验特征的情况下,将多参数径向积累与顺序统计量检测融合判决,有效提高宽带雷达目标检测的稳健性。根据多特征融合检测结果,采用宽带包络相关测距和单脉冲测角技术实现高精度的目标跟踪处理。仿真实验验证了该方法的有效性。     

机器人吸尘器环境建模与路径规划研究综述

介绍了人工智能在机器人吸尘器的环境建模和路径规划的主要方法.详细解析每种算法的特点.并结合实例,根据吸尘器用传感器不确定性的特点,提出了基于信息理论的路径规划方法,给出了研究结果.旨在帮助自主吸尘器研究人员学习环境建模和路径规划的主要算法.     

蓝光钙钛矿发光二极管的性质及性能优化方法

金属卤化物钙钛矿材料具有可调的发光波长、高光致发光量子效率、高色饱和度、低成本和室温溶液加工等优点,有望成为下一代全彩显示和照明领域的有力竞争者。自2014年首次在室温观测到钙钛矿的电致发光效应以来,绿光、红光和近红外钙钛矿发光二极管（Perovskite Light Emitting Diode, PeLED）的外量子效率（External Quantum Efficiency, EQE）已经突破了20%。然而,蓝光PeLED的光电性能仍面临着较大的挑战,这也在很大程度上制约了PeLED的商业化发展。目前,实现蓝光PeLED的方法主要包括卤素掺杂的组分工程和基于量子限域效应的维度工程。综述了近年来三维、准二维和量子点蓝光PeLED的研究和发展,讨论了蓝光PeLED面临的主要问题,并从钝化薄膜缺陷、平衡载流子注入和提升光外耦合出发,归纳了PeLED器件的优化策略,最后总结并展望了PeLED的发展前景。