摘要：随着对PC-1500的广泛应用和二次开发,原附带的CE-150打印绘图机已不能满足测量专业内外业工作的需要。CE-515P是一个与CE-150具有同样功能的四色打印绘图机,对原有用CE-150输出程序将其部份控制换码指令更换后,便可用CE-515P输出,并可利用该机附带插入式不占主机内存的汉卡输出汉字,满足测量专业内外业从记录、计算到成果输出的需要。

摘要：针对非结构化环境下自主式地面车辆(ALV)的负障碍物检测问题,提出一种基于多激光雷达与组合特征的方法.首先,设计了一种具有互补能力的多激光雷达安装方式.其次,提出了基于幅向局部凸性和后沿壁局部密集特征的64线雷达负障碍物特征点对检测方法,以及基于径向距离跳变和后沿壁局部密集特征的32线雷达负障碍物特征点对检测方法.进而从负障碍物的时空融合角度,采用贝叶斯法则对多传感器多帧特征点对进行融合,然后采用DBSCAN(density-based spatial clustering of applications with noise)对融合后的特征点对进行聚类与过滤.最后对数据进行栅格化,提取负障碍物栅格.实验结果表明,本方法在非结构化复杂地形环境下具有良好的负障碍物检测性能.

摘要：一、测距仪周期误差计算程序本程序是专为DM503型测距仪作周期误差测定时的计算程序,其频率波长L=20m,用平台法及射镜每次移动的距离为0.5m。

摘要：针对目前移动自组网(MANET)无法提供成熟的Anycast服务这一问题,提出了一种在MANET中实现Anycast服务的通信模型。此模型提出了无需进行地址重复检测、IPv6地址自动分配的方案以及移动节点加入Anycast组的方法。模型中的Anycast移动组节点在不同子网之间进行切换时,Anycast移动组节点无需进行地址注册也无需建立隧道机制。在模拟环境下实现了此模型,并对模型的数据包接收率等性能参数的实验数据进行了分析和讨论。

摘要：针对目前多机器人协作围捕过程中收敛速度慢、稳定性差、定位精度低的问题,提出一种新的围捕策略.设计出Cross-EKF定位算法,对目标位置的后验估计协方差进行交叉计算,以取得最小协方差区域.以区域边缘点到均值中心最大距离为半径,构建收敛圆,将对动态点的收敛扩展为对动态面的收敛.实验结果表明,系统能快速平稳地收敛该圆,从而实现对目标的精确围捕,该方法具有较高的实用价值.

摘要：在多机器人系统的研究中,基于局部传感和通讯的系统需要特殊的设计。针对许多任务都需要的运动规划能力,一个基于局部传感和通讯的完整框架在文中得到了描述和模拟实现。该框架包括环境模型、一个分布式架构、动态网络通讯模块和规划、协调算法;动态网络通讯模块为协调提供了良好基础,环境模型和规划、协调算法的设计都考虑到了局部传感和通讯的特殊性;对于框架的验证,提出了一个基于黑板架构的仿真模型并做出了实现。

摘要：本文提出了一种基于6LoWPAN的传感器网关,并对网关中的硬件与软件设计进行了详细的论述与讨论。在小型实验平台上对本网关的数据包接收率、平均延迟时间以及平均消耗能量等性能参数进行了比较分析。实验数据表明,本网关能很好地实现无线传感器网络与IPv6网络的互联并保证其连续性。

摘要：该文提出了一种适于说话人辨认的自适应频率尺度变换,基于说话人信息在不同频带中的非均匀分布性质,通过F比衡量不同频率子带对说话人信息的贡献大小,设计自适应频率滤波器,提高贡献大的频带的频率分辨率,降低贡献小的频带的频率分辨率,提取鉴别性特征DFCC。干净语音环境下,不同测试文件的实验表明,该文提出的DFCC特征的识别率比传统MFCC特征平均提高了1.45%,表明特征的稳定性好,对语音内容不存在依赖性;在不同信噪比的噪声环境下,识别率平均提高了6.37%,表明DFCC特征能够充分利用语音频带中包含的说话人信息,具有良好的抗噪性能。

摘要：针对过程径向基(radial basis function,RBF)神经网络结构的优化问题,提出一种可以动态调整隐层结构的优化算法。根据隐层过程神经元的活跃度情况对其进行增删操作,有效解决了过程RBF神经网络结构的设计优化问题。利用梯度下降法对隐层连接权值进行修正,提高网络的逼近精度,对网络的收敛性进行理论证明。对发动机进气控制系统若干故障的识别实验结果表明,该方法具有高效的结构调整能力,使得网络总体具有良好的逼近效率和泛化能力,有效提高了过程RBF神经网络对发动机进气系统故障的识别能力。

摘要：提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法。采用小波网络和RBF网络相结合的四层神经网络结构,克服了传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点,当障碍较多且环境动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点。利用粒子群对神经网络的参数进行训练,在规定的代数内对网络参数优化,使得机器人在移动过程中能够快速响应环境的变化。通过对移动机器人在动、静态不同环境下的仿真实验,证明了方法的有效性。