摘要：在实际应用中,一大类的多智能体系统可由二阶和三阶模型描述.鉴于此,研究二阶和三阶多智能体系统在无向图下的一致性和收敛率优化问题.针对在离散时间下的智能体,采取一个定常的控制协议.首先,给出多智能体系统达到一致性的充要条件以及一致性状态的显示表达式;然后,将快速一致性问题转化为收敛率的优化问题,利用劳斯判据的方法得到二阶和三阶系统最优收敛率和控制增益的直接求解公式;最后,通过仿真实验对理论结果的有效性进行验证.

摘要：四旋翼无人机的轨迹跟踪控制容易受到风扰和测量噪声的影响,针对上述问题,提出了一种基于扩展状态卡尔曼滤波(extended state based Kalman filter,ESKF)的模型预测控制(model predictive control,MPC)方法。首先,采用牛顿-欧拉方法建立风扰影响下的四旋翼无人机动力学模型;然后,位置控制采用基于误差模型的MPC方法,利用ESKF估计风扰并对控制量进行前馈补偿;采用反馈线性化方法将姿态动力学模型线性化,并设计基于ESKF-MPC的姿态控制器;最后,仿真结果表明测量噪声方差为0.0001时该方法的位置跟踪均方误差比自抗扰控制方法的误差小0.013 m,当方差大于0.0001时自抗扰控制方法使得系统不稳定,而本文的方法仍可以实现较好的位置跟踪。

摘要：深度学习是解决5G无线信道建模中参数学习问题的有效手段,但学习网络的超参数选择对网络性能的影响较大,而常规的手动调参方法往往难以达到令人满意的学习效果,为此提出一种基于卷积神经网络(CNN)的5G无线信道参数学习方法,其中CNN网络超参数采用贝叶斯优化进行自动设置。利用仿真软件Wireless InSite建立了5G无线通信室外场景数据集,针对不同信道参数设计了相应的卷积神经网络,通过实验对比分析了贝叶斯自动寻优和手动调整超参数的学习效果,结果表明本文方法优势明显。

摘要：滤波器组框架理论是应用数学、信号处理、图像处理和数字通信等领域的重要问题之一,对滤波器组框架的分析和设计问题进行研究有着重要的科学意义和应用前景.近年来,随着高维非规则化数据信息大量涌现,很多学者开始研究图信号处理的滤波器组方法.因此对滤波器组框架理论及其在图信号处理中的应用进行了综述研究.首先对传统滤波器组框架理论的基础知识进行概述,总结滤波器组框架分析与设计方法;然后重点介绍两类图信号处理架构以及图滤波器组的最新研究成果;最后对未来的研究进行展望.