基于模糊航向制导的AUV航迹控制方法研究

提出了基于模糊航向制导的水下机器人间接航迹控制方法，航向制导环采用模糊算法进行最优艏向实时解算，再以此艏向作为期望航向进行航向控制；为提高系统的鲁棒性和自适应性能，航向控制环采用滑模控制器，最终实现AUV的航迹跟踪，最后，根据此方法进行了航迹跟踪试验，结果表明模糊艏向解算器的航迹控制精度要大大高于PID艏向解算器，并且设计方法易于理解，便于工程设计和应用。     

基于干扰观测器的AUV深度自适应终端滑模控制

针对欠驱动自治水下机器人（autonomous underwater vehicle,AUV）在外部干扰和系统内部扰动下深度难以控制的问题,提出基于非线性干扰观测器（nonlinear disturbance observer,NDO）的自适应终端滑模控制方法。首先建立欠驱动AUV在垂直面上的状态方程并对其简化,其次根据简化后的系统状态方程构建NDO对外部干扰进行观测,再结合反步法设计出自适应终端滑模控制器;最后通过李雅普诺夫稳定性理论证明控制系统的稳定性。结果表明：欠驱动AUV最大跟踪误差为0.137 5 m,峰值时间为2.1 s,证明了所设计的控制器能够实现深度控制,降低抖振,具有较强的鲁棒性。     

基于自适应阈值的AUV完全自主温跃层探测方法研究

海洋温跃层是一种重要的海洋现象。本文的研究基于自主水下机器人（Autonomous Underwater Vehicle,AUV）,提出了一种梯度阈值可调的温跃层探测方法,其阈值可根据海洋温跃层分布特性自适应修改,同时针对AUV温跃层探测中水体分层厚度选取的问题,提出了一种根据温度梯度峰值点个数自主确定其大小方法,可实现AUV完全自主探测温跃层。根据AUV外场实验数据,把本文方法同峰值法、平均梯度法以及最优分割法进行了比较分析,结果表明该方法简单有效。     

基于自适应滤波长基线组合AUV定位算法

针对水下环境噪声干扰以及水下时延误差等问题,提出基于自适应滤波长基线组合AUV定位算法。该算法采用长基线组合导航定位系统,以捷联惯性导航系统为主,长基线定位系统为辅,消除时延误差实现误差补偿;再引入自适应滤波算法,使用卡尔曼滤波算法对系统进行信息融合来矫正累积误差实现自适应滤波定位。仿真实验表明,该算法能有效消除水下复杂环境中的噪声干扰对AUV定位精度的影响,提高算法对未知噪声的适应性和定位精度。     

基于自适应多态融合蚁群算法的无人机航迹规划

为解决传统航迹规划最短路径算法易陷入局部最优及复杂地形情况下的无人机航迹规划问题,提出了一种基于自适应多态融合蚁群算法的航迹规划方法。通过对航迹规划问题进行描述,建立数学模型,将自适应和蚁群算法相结合,与多态蚁群形成了全局、局部并行搜索模式,以提高算法寻找全局最优值的能力;提出自适应并行策略和自适应信息更新策略,以提升其全局搜寻能力。仿真结果表明,自适应多态融合蚁群算法较传统蚁群算法和多态蚁群算法具备更好的性能,能有效地提高搜索路径的长度和收敛速度,从而避免在求解过程中陷入局部最优,因此在求解最优航迹规划问题上有很好的应用前景。     

基于模糊算法的AUV避障与姿态控制

为了实现水下机器人(autonomous underwater vehicle,AUV)在水下的避障与姿态的稳定控制,提出了一种基于模糊算法的避障与姿态控制算法.通过分析AUV在水下的水平面和竖直面状况,分别构造满足其水平面和竖直面避障和姿态控制的模糊算法,并设计了相应的控制系统.设计的控制系统主要由2个模糊控制器组成,通过模糊控制器输出AUV的左、右和下潜加速度,利用模糊逻辑系统对其速度进行逼近,并利用AUV的速度信息实现AUV水平面和竖直面的避障与姿态的控制.通过在不同位置放置障碍物构建模拟场景,采用Matlab进行仿真试验.仿真结果表明,设计的基于模糊算法的避障与姿态控制方法能够满足设计要求.     

语音自适应压缩采样匹配追踪重构算法

基于小波分解下的语音压缩编码与重构框架,研究分析了含噪情况下贪婪算法的重构性能和抗噪性能,提出了一种改进的自适应压缩采样匹配追踪算法(ACoSaMP).该算法可在稀疏度未知的情况下,通过设置可变步长分阶段实现对稀疏度的逼近.同时,在每次迭代过程中,用最小二乘法对残差信号进行估计,代替传统CoSaMP算法对整个信号的估计.最后用小波去噪法对合成语音进行处理.实验结果表明:不同压缩比下,该算法的主客观重构效果均优于现有同类算法,对噪声有较强的鲁棒性.     

基于异步航迹融合的乱序数据处理算法

针对集中式融合系统中从传感器到融合中心的传输延迟时间存在差异而导致融合中心出现乱序数据的问题,提出了一种能够处理单步延迟和多步延迟的乱序数据处(ATFOOSM)算法.首先利用乱序时刻(乱序数据的采样时刻)前的滤波结果,通过卡尔曼滤波来获取乱序时刻的目标状态,再采用异步航迹融合的方式实现对当前时刻目标状态的更新.仿真中采用ATFOOSM算法和重新排序算法对单步延迟和多步延迟下的乱序数据进行处理,结果表明ATFOOSM算法能够获得与重新排序算法相近的滤波精度.     

基于LMS的AUV空间避障模拟方法研究

为了模拟自主式水下航行器（AUV）在复杂海洋环境中对未知环境的感知以及避障过程,设计了AUV空间避障模拟试验系统．介绍了模拟平台的硬件结构和参数设计,应用激光测距系统（LMS）模拟水下声纳,建立了AUV空间避障仿真环境,设计了基于Q—Learning的避障算法,并完成了模拟试验．试验结果表明：AUV空间避障模拟平台可以较真实地反映AUV在水下复杂环境中的空间运动,避障算法可行有效．     

基于“当前”统计模型的模糊自适应航迹预测算法

基本的"当前"统计模型由于其机动加速度极限值固定不变,只能描述机动加速度较大的机动目标。因而基本的"当前"统计模型及其自适应滤波算法(CSAF)对机动性较强目标的预测性能较好,而对机动性较弱目标的预测误差较大。针对这个问题,新算法中设计了一种新的模糊隶属度函数,利用机动目标的"当前"加速度来自适应地调整机动加速度极限值,使"当前"统计模型可以描述具有任意加速度的机动目标。最后,运用该算法和CSAF算法对机动目标进行了航迹预测仿真实验,仿真实验结果表明,无论对于机动性较强的目标还是机动性较弱的目标,新算法的预测性能均优于CSAF算法。     

基于飞蛾火焰算法的AUV三维全局路径规划

针对存在静态地形障碍和不规则海流的复杂海洋环境下的自主水下航行器（autonomous underwater vehicle,AUV）全局路径规划问题,采用飞蛾火焰优化（moth-flame optimization,MFO）算法搜索获得能耗最优的无碰路径。首先,将搜索空间栅格化后随机生成一组满足避碰需求的初始路径作为...     

基于混合微粒群算法的智能水下机器人模糊神经网络控制

为减少因水下机器人模糊神经网络控制器参数较多、手工调整困难及主观不确定性因素的影响,提出一种基于免疫理论和惯性权值非线性递减策略的混合微粒群算法.该算法在保持基本微粒群算法处理多峰和多维问题能力的基础上,根据粒子浓度和适应度来动态调整约束因子,同时结合惯性权值非线性递减策略来抑制算法早熟收敛,平衡全局和局部搜索能力.在与GAI、GA及基本微粒群算法的仿真比较试验中,该算法搜索到最佳近优解,且其收敛速度最快.在水下机器人仿真平台上的控制试验表明,基于混合微粒群算法的控制器性能良好,具有较强的抗海流干扰能力.仿真结果证明了该算法的可行性.     

基于均值漂移算法的人脸自适应跟踪

采用自适应人脸方向模板和YCbCr自适应肤色模型,提出了一种新的基于均值漂移算法的自适应人脸跟踪方法。与传统的均值漂移跟踪方法相比,当人脸倾斜时或光线变化时,该方法能更精确地描绘出人脸位置。实验结果表明,在基本上不增加计算量的情况下,该方法能对人脸的倾斜和光线的变化进行很好地自适应跟踪。     

一种基于IDDF的多AUV协同导航算法研究

为提高多自主水下航行器(AUV)协同导航效果,克服由于水声通信限制引起的协同更新频率低,进而导致的先验估计误差大、协同导航效果差,以及大初始化误差条件下协同收敛速度慢的问题,提出一种基于迭代插值滤波(IDDF)的多AUV协同导航算法.该算法将迭代滤波技术与插值滤波(DDF)算法相结合,不仅降低了传统EKF(扩展卡尔曼滤波)算法模型截断化误差对滤波精度的影响,而且通过量测信息的迭代更新,保证了系统在弱可观测条件下量测信息的充分融合.仿真结果表明该算法明显改善了系统的协同导航效果,证明了该算法对于多AUV协同导航系统的有效性.     

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波（EKF）在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波（UKF）算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。     

基于遗传算法的水下机器人大范围路径规划

智能水下机器人（AUV）研究领域中的一个重要问题是全局路径规划，它的目标是在已知障碍物的环境中寻找一条从起始状态到达目标状态的无碰路径。提出一种分层遗传算法来解决大范围海洋环境下AUV的路径规划问题。详细介绍了算法的实现，并进行了仿真实验，仿真结果证明了该算法的有效性。     

基于AR模型的非线性目标跟踪自适应算法

针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归（AR）模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法（EKF）计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器（SRCKF）进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.     

基于QPSO的自适应均衡算法

自适应均衡技术能有效地克服光纤信道的色散和光纤非线性等效应引起的符号间干扰。但传统的自适应均衡算法存在收敛速度慢、稳定性差、均衡效果不理想等缺点,从而使自适应均衡器在高速光纤通信系统中的应用受到限制。提出了一种基于QPSO的自适应均衡算法。仿真实验表明,QPSO具有收敛速度快、计算精度高等优点,将其作为自适应均衡器的控制算法可收到很好的均衡效果,优于传统的控制算法。     

基于H.264运动估计的自适应算法

针对在H.264的多宏块运动估计中,计算繁琐,无法达到实时要求的缺陷,提出一种自适应的运动搜索算法.利用相邻宏块间的相关性和中值预测来更加精确地预测搜索初始点和确定搜索区域.实验表明,在编码性能基本不损失的情况下,该算法减少了搜索的运算量.