基于标签分布构造的异构数据集年龄估算

现有年龄估算方法的性能度量主要是基于训练集与测试集独立同分布的假设。为了能更好地符合实际场景以及更好地评估年龄估算方法的泛化性能,提出一种异构数据集评估协议,即在年龄估算时更关注训练集与测试集具有的不同分布和特征情况。此外,为了提高基于卷积神经网络的年龄估算方法的拟合能力,在充分考虑相邻年龄特性的基础上,通过将年龄估算问题建模为基于高斯模型的标签分布学习,提出一种新颖的损失函数。理论分析与实验结果皆说明本文方法的有效性与鲁棒性。     

基于反应扩散方程的水平集结构拓扑优化方法与实现

为实现更加先进的拓扑优化算法,研究采用反应扩散方程的水平集结构拓扑优化方法,通过理论推导给出算法中的参数选择建议.该方法允许在拓扑优化过程中生成新的孔洞,初始结构无须包含孔洞,不需要重新初始化步骤,从而可提高算法的收敛性.针对传统拓扑优化中主要采用体积约束、以柔度最小为目标和体积保留率设定存在一定主观性的问题,探究不同体积保留率下的结构应力水平的变化规律,结果显示可以依据结构最大应力水平与体积保留率的变化规律确定最优体积保留率.     

What localizes beneath: A metric multisensor localization and mapping system for autonomous underground mining vehicles

Robustly and accurately localizing vehicles in underground mines is particularly challenging due to the unavailability of GPS, variable and often poor lighting conditions, visual aliasing in long tunnels, and airborne dust and water. In this paper, we present a novel, infrastructure‐less, multisensor localization method for robust autonomous operation within underground mines. The proposed method integrates with existing mine site commissioning and operation procedures and includes both an offline map‐building process and an online localization algorithm. The approach combines the strengths of visual‐based place recognition, LIDAR‐based localization, and odometry in a particle filter fusion process. We provide an extensive experimental validation using new large data sets acquired in two operational Australian underground hard‐rock mines (including a 600m‐deep multilevel mine with approximately 33 km of mapping data and 7 km of vehicle localization) by actual mining vehicles during production operations. We demonstrate a significant increase in localization accuracy over prior state‐of‐the‐art SLAM research systems and real‐time operation, with processing times in the order of 10 Hz. We present results showing a mean error of 0.68 m from the Queensland Mine data set and 1.32 m from the New South Wales Mine data set and at least 86% reduction in error compared with prior state of the art. We also analyze the impact of the particle filter parameters with respect to localization accuracy. Together this study represents a new approach to positioning systems for currently deployed autonomous vehicles within underground mine environments.     

A two‐stage searching method for continuous time‐delay systems identification

This paper presents a novel method to estimate the unknown parameters of continuous‐time systems with time delay. In the proposed method, the time delay and plant parameters are estimated separately. To estimate the time delay, a one‐dimensional searching method with variable step size is proposed to improve computational efficiency. The searching method consists of two stages: the coarse stage and the refined searching stage. To analyze the convergence of the searching method, the concept of significant interval is proposed. By defining the significant interval, a sufficient condition for global convergence of the searching method is provided. Based on the two‐stage searching method, a novel identification algorithm is developed in which the simplified refined instrumental variable for continuous‐time models algorithm is used to estimate the plant parameters. Simulation results demonstrate that the proposed identification method can estimate the unknown parameters of continuous‐time system with time delay efficiently. The estimation results under different noisy conditions verify the reliability and robustness of the proposed method. The applicability of the developed identification method is demonstrated by a practical example.     

中继协同无人机辅助的认知无线电网络安全通信

针对中继协同无人机（UAV）辅助的无线通信网络,提出一种基于认知无线电网络（CRN）的物理层安全通信方案。利用二次发射机协同解码转发中继向目的接收机发送机密消息,将UAV用作移动干扰器发送干扰噪声,以降低窃听者的解码能力。在不影响主用户通信的前提下,通过联合优化UAV的飞行轨迹和发射功率提高系统的平均保密率,采用基于连续凸逼近的算法求解近似凸规划的保密率最大化问题。仿真结果表明,相较于优化功率和优化轨迹这两种传统方案,该方案能够进一步提高CRN系统通信的安全性。     

标注Petri网中的最小初始标识估计

为获得制造系统初始化时的最小资源以实现最优资源分配,利用标注Petri网对系统进行建模,并研究标注Petri网的最小初始标识估计问题。给定一个标注Petri网,在不可观测变迁组成无环子网的情况下,基于动态规划提出一种新的最小初始标识估计算法。在观察到给定的标注序列后,放宽不可观测变迁发生个数的限制,并根据该算法构建节点的演化过程。当出现相同的发生数向量时,仅保留当前极小的初始标识估计,并通过节点的演化过程对极小初始标识估计的托肯总数进行对比。为验证算法的有效性,给出一个制造系统的标注Petri网模型实例,最终得到的最小初始标识为［1000］^T,且对应的变迁发生序列为t₁t₃t₄t₆,满足给定标注Petri网的结构要求。实验结果表明,与传统基于动态规划的算法相比,该算法获得的最小初始标识估计具有更小的托肯总数。     

基于三个定向天线RSS的二维到达角估计

在室内定位设计中,接收信号强度（RSS）容易受到发射功率、信号衰减和多径环境等因素的影响。在锚节点天线高于被测节点天线的应用条件下,提出一种基于RSS的二维到达角（AoA）估计方法。将三个定向天线作为锚节点的波束切换天线且三个波束的方向图重叠,在测向技术中的和差法理论基础上,从多径信号分析和克拉美罗下界推导的角度出发,论证当AoA处于方向图重叠区域时RSS差分处理对于多径和噪声干扰具有一定程度的抑制作用,并研究该抑制效果与波束切换天线参数之间的关系。仿真结果表明,在单个锚节点条件下,该方法在约150 m²的定位区域范围内获得的平均AoA估计误差为4.3°,具有较高的AoA估计和定位精度。     

基于Wi-Fi信道状态信息的行走识别与行走参数估计

行走是日常生活中最常见的行为之一,它的特征可以反映人的身份、健康等重要信息.例如,行走的速度、方向、步数、步长等细粒度的参数可以为室内追踪、步态分析、老人看护等情境感知应用提供关键信息.因此,在近几年中,利用环境中已有的Wi-Fi信号对行走进行感知受到了研究人员的广泛关注.为了利用Wi-Fi信号感知行走,当前的方法都需要进行大量的行走数据采集,通过经验观察或者离线学习,提取信号特征来识别行走以及估计行走参数.由于缺乏理论指导,所提取信号特征较为间接且往往包含与环境和感知目标相关的冗余信息,所以当环境和感知目标发生变化时,系统需要重新进行学习,使其难以被应用于无线环境易变的真实场景中.不同于以往工作,首次在不需要任何预训练的情况下,利用环境中已有的Wi-Fi信号实现了在连续活动中对行走行为的精准识别,并且能够同时精确地估计行走的速度、方向、步数、步长等多维信息,为上层情境感知应用提供关键的上下文信息.特别地,通过分析人在行走过程中产生的多普勒效应和Wi-Fi信道状态信息（channel state information）之间的关系,建立基本的多普勒速度运动模型,揭示了行走行为和信道状态信息变化之间的理论关联.同时,基于该模型,通过多重信号分离（multiple signal classification）算法从信道状态信息中提取出了与环境和感知目标均无关、仅与人运动状态相关的信号特征——多普勒速度.最后,通过深入研究多普勒速度和人的行走真实速度之间的映射关系,提出了基于多普勒速度的行走识别与细粒度的行走参数估计方法,且经过在不同环境中、由不同实验者进行的大量实验也表明了行走识别和行走参数估计方法的准确性和鲁棒性.其中,对于行走识别的准确率达到了95.5%,行走速度大小估计的相对中位误差为12.2%,方向估计的中位误差为9°,步数统计的准确率达90%,步长估计的中位误差为0.12m.     

基于前向纠错的自适应网络传输机制

针对无线网络中的传输控制协议（TCP）因为丢包触发丢包重传机制而导致传输性能大幅下降的问题,提出了一种基于前向纠错的自适应传输机制（AdaptiveFEC）。该机制通过前向纠错来减少数据段的丢失,以避免触发TCP的丢包重传机制,从而达到提升TCP传输性能的目的。首先,根据当前的网络状况以及当前连接的数据传输特征确定当前时间段中的最优冗余段比例;然后,利用TCP数据段中的数据段序号信息实时进行网络状况的估计,从而根据网络波动来动态更新冗余段比例。大量实验结果说明,在20 ms的往返时延以及5%丢包率的传输环境中,相较于静态的前向纠错机制,AdaptiveFEC能够使得TCP连接的传输速率平均提升42%,当运用在文件下载的应用中时,所提机制能够使得下载速度提升至原来的两倍。     

基于局部概率抽样的标签噪声过滤方法

分类学习任务中,在获取数据的过程中会不可避免地产生噪声,特别是标签噪声的存在不仅使得学习模型更复杂,而且容易造成过拟合并导致分类器泛化能力的下降。标签噪声过滤算法虽然在一定程度上可以解决上述问题,但是仍然存在噪声识别能力较差、分类效果不够理想以及过滤效率低等问题。针对这些问题,提出一种基于标签置信度分布的局部概率抽样方法来进行标签噪声过滤。首先利用随机森林分类器对样本的标签进行投票,从而获取每个样本的标签置信度;然后根据标签置信度的大小,将样本划分为易识别样本和难识别样本;最后分别采用不同的过滤策略对样本进行过滤。实验结果表明,在标签噪声存在的情况下,所提方法在大多数案例上能够保持较高的噪声识别能力,并且在分类泛化性能上也具有明显优势。