通信信号调制类型的三角矩特征盲识别

针对盲环境下的通信信号调制类型识别困难的问题,提出了一种新的信号盲聚类算法,该算法利用采样信号的瞬时频率作为训练样本,以方向数据统计理论为依据提取分类特征,利用该特征参数在二维特征平面实现了多种不同通信信号的调制类型识别.该方法不仅能实现类间识别,同时也能够实现类内识别.仿真实验结果表明,该算法简单高效,识别率较高,鲁棒性较好,具有较强的实用性和可行性.     

基于带权无向连接图的子装配体识别方法研究

子装配体识别是解决大规模装配序列规划问题的有效方法之一.为了高效、自动地识别子装配体,根据零件联接类型,建立了装配体的带权无向连接图模型.通过边权值的设定,使得装配体的带权无向连接图能够提供Ⅰ型和Ⅱ型子装配体识别所需的联接信息.将带权无向连接图与装配体的干涉矩阵和支撑矩阵相结合,设计并实现了Ⅰ型和Ⅱ型子装配体的识别算法.与有向连接图模型中子装配体识别算法相比,能够有效消除识别过程中对两种类型子装配体的冗余判断.实验结果表明,识别算法能够有效的进行两种类型子装配体的识别.     

基于压电薄膜传感器的机器人触觉识别系统

为了使机器人通过触觉感知外部环境信息,弥补视听交互信息缺失的不足,根据聚偏氟乙烯（PVDF）材料的压电效应设计开发基于触觉传感器和卷积神经网络的机器人触觉识别系统,能够根据所采集的触觉信号识别出材质类型. 提出基于渐进式级联卷积神经网络的触觉识别算法. 该算法基于卷积神经网络提取机器人传感器的信号特征,包括经过短时傅里叶变换的触觉数据频谱图和信号表征周期内的时域特征. 为了解决特定材质识别混淆的问题,利用K-Medoids聚类算法和动态时间规整（DTW）距离度量算法将分类过程区分为粗、细2个层次,构建渐进式分类模型. 实验表明,设计的触觉传感器对物体材质的平均识别正确率约为97%,机器人能够成功识别触摸到的真实材质,为下一步的探索交互任务奠定基础.     

新型人工地标的设计、识别、定位及应用

人工地标是机器人定位与导航的重要辅助手段。设计了一种基于QR Code(quick response code)技术的新型人工地标,该地标不仅能存储丰富的环境信息,还能为机器人提供有效的方位信息。为了让机器人能够在远距离找到人工地标,设计了基于颜色和形状的快速识别算法。利用消影线原理设计了定位算法,可在机器人摄像机坐标系中快速、准确地定位人工地标。给出了机器人远距离搜寻、识别、定位及读取人工地标的控制方案,为机器人自主定位及导航奠定了基础。实验表明,该人工地标识别距离远、识别速度快、定位精度高,在复杂室内环境下仍能有很高的识读效率和很好的稳定性。     

复合快速成形中支撑生成研究

针对复合快速成形中支撑生成的需求,提出了一种基于支撑线的支撑生成算法.该算法首先求出待支撑形状下表面轮廓线中被其他表面支撑的支撑线;然后利用该支撑线识别出悬臂,顶篷,孤岛等不同类型的待支撑形状,并考虑待支撑形状的几何特性和材料强度确定出需要添加支撑的区域和支撑数量,采用Parasolid建模核心生成支撑实体完成了上述算法的系统实现.应用实例表明,该算法能够准确地找出各类待支撑形状并能自动生成适量的支撑.     

自适应权重更新的两步定位算法

在室内环境中,影响定位精度的测量误差包括接收设备自身引起的误差以及信号非视距传播和多径效应所引起的测量正偏差.针对室内环境中测量数据包含测量误差服从正均值高斯分布的特性,提出了一种自适应权重更新的两步定位算法.该算法使用卡尔曼滤波和自适应权重更新的加权最小二乘算法进行两步定位,通过对每个测量距离分配不同的权重,克服了固定权重分配需在特定环境下方能获得良好定位精度的缺点.仿真结果表明,该算法定位精度优于两步定位算法和EKF算法,且对环境适应性更强.     

采用Hilbert谱相关性的特定辐射源识别技术

在点对点场景下,提出了一种基于Hilbert谱的特定辐射源识别(SEI)算法.该算法采用Hilbert谱相关性作为识别特征对辐射源进行分类.进而研究中继场景中的识别问题,在此场景下,源辐射源的指纹特征将叠加中继的指纹特征,所提算法有效地推广至该场景并论证.此外,还验证了算法在非高斯噪声、衰落等非理想信道条件下的识别性能.仿真结果表明:该算法在点对点和中继场景下均具有良好的识别性能,在非理想的信道条件下具有较好的健壮性.     

小世界效应加速生物地理学优化的社团识别算法

为提高基于优化方法的网络社团结构识别算法的有效性,设计一种利用小世界效应加速生物地理学优化过程的网络社团结构识别算法. 首先基于矩阵随机编码建立网络社团识别生物地理学优化框架,在栖息地中全局进化地搜索对应于最大化模块度的网络社团划分. 然后,给出基于小世界效应的生物地理学迁移策略,可以加速进化算法的信息交换过程. 最后,运用该算法在现实网络和人工合成网络上进行实验. 结果表明:引入小世界效应能够降低网络社团结构识别算法的收敛时间;在典型现实网络与人工合成网络上运行该算法能够获得较高的模块度值与标准化互信息值;信息交换的拓扑结构能够优化进化算法效率. 应用小世界效应加速生物地理学优化的网络社团识别算法具有较好的可行性与有效性.     

改进模板匹配的快速识别算法

为解决噪声导致的模板图像误匹配问题以及提高算法的识别速度和准确率,提出一种改进模板匹配的快速识别算法。该算法使用改进的低通滤波器对图像进行降噪处理,并使用改进的加权Hamming Distance,对图像进行相似度检测,降低算法的复杂程度,最后使用阈值和同伦骨架加快算法识别的运行速度。通过对不同背景下的噪声图像进行实验,该算法在目标识别过程中有很好的识别效果,对噪声有很好的鲁棒性,并且能够改善算法的运行效率,从而证明了该算法在目标识别过程中的有效性。     

基于改进的YOLOV4的手势识别算法及其应用

针对基于特征提取的手势识别算法准确率低和速度慢的问题,提出了一种基于改进YOLOV4的手势交互算法.利用数据增强的方法解决了手势数据较少的问题,同时优化YOLOV4的网络模型,改变原特征图分辨率使其能够检测到更完整的手势特征,通过K-means算法重新计算先验框的尺寸以提高对不同大小手势的识别率.将该方法与原始的YOLOV4以及Faster R-CNN算法在不同的手势数据集上进行手势识别对比,并进行了手势交互实验.实验结果表明,基于YOLOV4的改进算法手势识别准确率更高,并且能识别复杂场景下的手势,检测速度可以达到32.3帧/s,能够满足实时要求.     

基于慢时间分割的超宽带雷达步态识别

为了解决室内监控时摄像头的隐私泄露问题和可穿戴设备的侵入性等问题,同时针对传统雷达步态识别算法中的行走条件限制问题,提出基于超宽带（UWB）雷达的自由空间步态识别算法.算法沿慢时间轴对目标行走动作产生的雷达步态信号进行分割产生一系列子信号;对于每个子信号,在距离单元上分别进行傅里叶变换得到距离-多普勒图像,这些距离-多普勒图像前后之间存在时序关系;利用方向梯度直方图算法对属于同一个步态信号的一组距离-多普勒图像进行特征提取,采用长短期记忆网络对得到的特征进行时序建模以获取目标身份分类结果. 实验在空旷的室内环境中进行,对四人的步态分类准确率为79.10%. 结果表明所提出的算法对自由空间中不同个体的步态具有一定的区分能力.     

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

基于立体视觉的移动机器人障碍检测算法研究

针对室内导航环境的特点以及匹配精度和匹配算法的实时性问题,本文提出了一种基于区域分割的障碍检测方法。通过区域分割,把图像对应点的匹配问题简化为区域边界点的匹配,提高了匹配的精度。分割后的区域作为一个独立的对象进行处理,障碍物三维信息计算转化为视差的判断,提高了匹配的速度。该算法能够实现在室内环境下的实时障碍检测,不需要利用环境的先验知识,具有较强的自适应性。实验结果表明了该方法的有效性。     

太阳能烟囱热压强化自然通风对室内热环境的影响

自然通风是用来解决夏季室内过热问题常用的技术之一。由于风压通风的局限性,利用太阳能烟囱热压强化自然通风是一种有效的节能方法。研究采用Fluent软件对在不同太阳辐射量下太阳能烟囱强化被动式太阳房自然通风对室内热环境的影响进行模拟。结果表明:在太阳能烟囱的热压作用下,室内空气流动速度受到太阳能烟囱的"烟囱效应"的影响也有明显的提高;室温随着进深和高度方向略有增加但增幅不大;室内压强随着房间进深和高度的增加有所提高,随着太阳辐射能增加而有所降低。因此,利用太阳能烟囱可以提高室内空气的流通速度,且可达到改善室内热环境的目的。     

Fuzzy Logic Supervised Teleoperation Control for Mobile Robot

The supervised teleoperation control is presented for a mobile robot to implement the tasks by using fuzzy logic. The teleoperation control system includes joystick based user interaction mechanism, the high level instruction set and fuzzy logic behaviors integrated in a supervised autonomy teleoperation control system for indoor navigation. These behaviors include left wall following, right wall following, turn left, turn right, left obstacle avoidance, right obstacle avoidance and corridor following based on ultrasonic range finders data. The robot compares the instructive high level command from the operator and relays back a suggestive signal back to the operator in case of mismatch between environment and instructive command. This strategy relieves the operator's cognitive burden, handle unforeseen situations and uncertainties of environment autonomously. The effectiveness of the proposed method for navigation in an unstructured environment is verified by experiments conducted on a mobile robot equipped with only ultrasonic range finders for environment sensing.     

Fuzzy Logic Supervised Teleoperation Control for Mobile Robot

The supervised teleoperation control is presented for a mobile robot to implement the tasks by using fuzzy logic. The teleoperation control system includes joystick based user interaction mechanism,the high level instruction set and fuzzy logic behaviors integrated in a supervised autonomy teleoperation control system for indoor navigation. These behaviors include left wall following,right wall following,turn left,turn right,left obstacle avoidance,right obstacle avoidance and corridor following based on ultrasonic range finders data. The robot compares the instructive high level command from the operator and relays back a suggestive signal back to the operator in case of mismatch between environment and instructive command. This strategy relieves the operator's cognitive burden,handle unforeseen situations and uncertainties of environment autonomously. The effectiveness of the proposed method for navigation in an unstructured environment is verified by experiments conducted on a mobile robot equipped with only ultrasonic range finders for environment sensing.     

室内可见光定位算法研究

针对室内场所定位精度低的问题,本文提出一种基于改进粒子群算法的 RSSI（Received Signal Strength Indication：接收信号强度指示）可见光定位方法。采用莱维飞行算法对粒子群算法进行改进,解决了标准粒子群算法易陷入局部最优的问题,提高了算法的收敛速度和定位精度。在 5m×5m×3m 的室内环境下,经过仿真测试,本文改进后的粒子群算法结合 RSSI 定位方法定位精度可以达到0.038241m,算法稳定度上升,定位精度更高,更适合在室内定位中使用。     

提高NLOS环境下室内定位精度的新方法

针对室内环境下无线信号的功率既可能增强又可能减弱而导致定位测量误差具有正负偏置的问题,提出了一种改进的到达信号强度室内定位算法,利用定位圆环相交,再对相交各点采用加权质心的算法获得移动台位置.仿真结果表明,这种定位方法能有效提高非视距环境下室内定位的精度.     

一种面向室内环境变动的人员目标无源定位算法

现有的基于接收信号强度(RSS)的人员目标无源室内定位算法在定位环境变动的情况下难以兼顾人工工作量、时间消耗和定位准确率。针对这个问题,本文提出了基于迁移聚类和坐标融合的变分自编码器(FusVAE)的室内环境变动下人员目标无源定位算法。在环境变动后,采集少量无标签RSS样本,然后使用本文提出的基于度量学习的半监督模糊C均值聚类(SFCMML)对其进行精确聚类和标签标注,对原有的定位模型进行重训练,只需很小的人工和时间代价就可以使原定位模型在新环境下也具有较高的定位准确率。同时,针对变动后环境下采集RSS样本较少的问题,本文提出了基于坐标融合的变分自编码器(FusVAE),对新环境下的RSS样本进行数据增强,丰富了RSS样本的数量和质量,提高了定位模型的泛化能力。实验结果表明,在环境变动的情况下,本文提出的算法的平均定位准确率可达88.6%,和同领域同类型算法相比,具有较高的定位精度和较好的环境变动适应性,更适用于变动环境下的人员目标无源室内定位问题。     

基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。