基于网格细胞模型的类脑大尺度空间矢量导航方法

动物和人类可以使用感官中不完整的空间信息来快速定位其当前位置并导航到目标, 为未知环境下的矢 量导航提供了生物模型. 本文针对基于连续吸引子模型和余数系统的大尺度空间矢量导航方法所存在的鲁棒性问 题, 提出了一种基于振荡干扰模型和逐级模糊度确定法的大尺度空间矢量导航方法. 仿真结果表明, 在2%的测量噪 声条件下, 该方法可以在245 m*245 m*sin 60° 的大尺度环境下准确解算出位置矢量, 并且每个维度中位置的解算 精度可以达到1 cm以内, 有效提高了大尺度空间内矢量导航的鲁棒性.     

基于空间探索和认知图构建的生物启发式目标导向导航模型

为实现智能自主运行体面向目标的导航知识生成及运行控制,该文研究了一种基于空间探索和认知图构建的生物启发式目标导向(GO)导航模型,该模型由空间探索、认知图构建和GO导航控制3个部分组成。在空间探索中,将网格细胞(GCs)到位置细胞(PCs)模型和视觉位置细胞生成模型融合后生成的位置细胞表征当前状态,利用Q学习算法实现状态-动作的建立及更新,以此学习面向目标运行的导航知识;然后,在认知图构建中,利用重心估计原理对空间探索得到的知识进行处理,生成各位置细胞状态下面向目标的方向信息;最后,运行体在朝目标的运行中,根据得到的认知图实时控制运行方向,以此实现GO导航。仿真结果表明,该GO模型有效,运行体进行充分的空间探索可生成认知图,并以此实现GO导航,且在运行过程中能有效规避障碍物。     

NCC特征匹配的类脑视觉识别记忆算法

大脑能在较短的时间内以较高的准确率对物体、场景等进行识别;而现有的机器学习算法则可能因图像的微小变化而无法成功识别对象。这主要是因为现有的机器学习算法在识别过程中着重逐层从对象的低级特征提取高级特征,而不能从观察对象的图像中直接提取高级特征。故可建立模型,以Normalized Cross Correlation(NCC)算法对其特征匹配部分进行了区域匹配,通过建立类脑视觉识别记忆模型,对算法的速度、识别率以及对图像灰度变化的鲁棒性进行了仿真分析,验证了算法的可行性,为之后的识别算法提供新方向。      

积雪对仪表着陆系统下滑道的影响分析

机场积雪会造成仪表着陆系统信号畸变,影响着陆安全,在分析仪表着陆系统下滑道形成原理的基础上,根据几何光学理论建立机场积雪覆盖模型,并依据经验问题的抽象模型,通过仿真分析两类典型的地面积雪覆盖情况下仪表着陆系统下滑道性能的变化。     

基于 Q 学习的生物启发式目标导向导航路径规划模型

为解决未知环境中移动机器人面向目标运行时最优路径获取问题，本文提出一种基于Q学习的生物启发式目标导向导航路径规划模型。该模型包括基于Q学习的空间探索、基于认知图运行控制和最优路径选择3部分。首先，在空间探索中，通过位置细胞的放电情况表征位置状态，采用ε动态取值方式进行状态-动作学习，生成认知图，并给出空间探索阶段最优路径。其次，在基于认知图的运行控制中，分别依据最大动作细胞放电率原则和群体动作细胞原则进行运行方向选择，采用多尺度位置更新间距进行位置更新，得到不同认知图下最优路径。最后，对比分析空间探索阶段和运行控制阶段路径规划结果，选取最优路径。仿真结果表明，所提模型可行，采用ε动态取值方式进行空间探索可得到较好的路径规划结果；运行体在充分的空间探索后，可提供可行、有效的面向目标运行的路径。