985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

针对卫星定位系统用于无人机集群时成本高、精度低等问题，本文提出一种基于卡尔曼滤波和概率的无人机集群构型自适应选择算法。在自适应扩展卡尔曼滤波的基础上，基于集群的概念判断适用于卫星定位的领航无人机（主机），剩余的从机（僚机）由相对导航确定与主机之间的位置关系，进而进行绝对定位。仿真实验结果表明：所用的无人机集群构型自适应选择算法可以挑选出适合用于卫星定位的无人机，可以为后续的协同导航提供高精度的位置参考点。

摘要AGV（即自动导向小车）是一种集控制、定位、各种传感器技术于一体的设备。随着智能车技术的不断发展，智能车的应用范围和功能都将大为拓展，现已逐渐用于工业与民用领域。但是由于负载变化、使用环境条件恶劣等原因，在实际运用时AGV小车在定位及控制上依然有许多难点需要攻克。本文即针对上述难点，研究并设计了一种新型的驱动方式和控制系统，利用模糊控制与PID控制相结合的方法，在开机初期误差矫正快，后期平稳，可以迅速跟踪期望轨迹。在实验状态下，运行速度为1米每秒时，0.5米的误差约5秒即可消除，达到稳定状态。引言

引言机器人是当代科学技术的产物，是高新技术的代表。随着微计算机技术的发展，机器人科学与技术得到了迅猛的发展． 在机器人的教学中，由于机器人的价格昂贵，不可能用很多实物机器人进行实践学习，因此机器人仿真实验变得十分重要． 对机器人进行图形仿真，可以模拟机器人的动态特性，帮助研究人员了解机器人的工作空间的形态和极限，更加直观地显式机器人的运动情况，得到从数据曲线和数据本身难以分析的很多重要信息。机器人主要有两大类：用于制造环境下的工业机器人和用于非制造环境下的服务机器人。工业机器人是一种对生产环境和生产条件

摘要对于室内复杂环境来说, 适用于室外定位的 GPS 系统和蜂窝移动网络在室内中的定位精度明显恶化, 无法满足室内用户精确定位的需求。因此, 研究一种适用于室内复杂环境的高精度、环境自适应性强的定位算法成为近年来该领域的热点。本文用真实环境下的信号强度衰减数据作为模型进行对数衰减模型的构建，将原有基于 RSS 数据库­位置的模型转换为 RSS数据库­距离数据库­位置的指纹定位模型，增加模型的可移植性与运行效率。引言随着智能穿戴等嵌入式设备和移动通信技术的发展，LSB1被广泛关注。LBS的核心技术是定位

背景设计一个具有温度自补偿功能的二传感器数据融合智能传感器系统，其结构如图：被补偿的主传感器是压阻式压力传感器，输出值为代表压力的电信号UPU_PUP​,辅助传感器用于监测工作环境的干扰温度T，输出值为UTU_TUT​，UPU_PUP​和UTU_TUT​输入到融合补偿器中，补偿器根据两者的数据综合考虑，输出当前的压力值p′p'p′.本实验要求将补偿器设计成神经网络结构，并将给定的36个数据分为训练集和测试集，进行网络的训练和效果测试。36组数据见表：预期功能温度补偿功能： 可对传感器进行温度

插值介绍信号插值，就是用已知点的测量值估计未知点的近似值。信号插值算法的应用范围有：提高显示效果；节省硬件成本，以软代硬；减少远距离、大量数据通信的需要；进行数据、图像解压缩求解微分方程、积分方程；计算函数值、零点、极值点、导数以及积分。插值与拟合的异同点：相同点：插值已知一些离散点，在一定约束下，求取定义在连续集合上的未知连续函数。在图像上面不同：插值在图像上是一定得通过这些点，而拟合是拟合在图像上是逼近这些点。在几何含义上不同：插值是找到一个(或几个分片光滑的)连续曲面来穿过

背景本文为研究生课程里面的一个作业，题目自选，最后老师也没有让我们提交，所以传上来给大家参考、相互学习，如有疑问请联系850051568@qq.com题目已知某随机分布满足的约束条件如下式：s.t.{x≥0E(x)=1μ s.t.\left\{ \begin{aligned} x &\ge 0 \\ E(x)&=\frac{1}{\mu} \end{aligned} \right. s.t.⎩⎪⎨⎪⎧​xE(x)​≥0=μ1​​求使得熵最大的概率分布。问

均值求解本文介绍平均值、几何均值、调和均值、中位数、截尾法以及众值估计的求解方法，并用matlab对实例进行求解。各值的特点平均值无系统误差和粗大误差时，直接求平均的结果最接近真值，用它来表示测量结果是最为可靠、简单的。估计误差小，能反映出所有的数据特征。易受到粗大误差的影响，属于非稳健估计。计算简单几何均值表示平均增长率或变化率。不具有最佳性、属于非稳健估计。在实际运用中使用的不多调和均值一般用来分析数据含有某因素倒数的影响，如：平均密度、总平均速度、平均寿命等。不具

决策树——信息增益、信息增益率、基尼指数背景——信息量的表示信息熵信息增益增益率基尼系数这是机器学习课上面教的几个概念，在这里记一下笔记，如果大家发现我的理解有误，请指正，谢谢。背景——信息量的表示一般而言,随着划分过程不断进行，我们希望决策树的分支结点所包含的样本尽可能属于同一类别，即结点的“纯度”越来越高、“混乱程度”越来越低。有用的叫信息，想都不要想的事实，不叫信息，或者说信息量很低。用平时我们习惯说的一个词“信息量”举例：eg：外面走过的人是中国人——信息量小。相反，外面走过的人不是中国人

Introduction and thinking of GAGA(Genetic Algorithm) was proposed by John Holland of America in 1970s. GA is simulated natural selection as Reproduction, Crossover, Mutation in DNA. When we calculate the complex questions of optimization, GA will be used

泰勒展开先创建一个不太方便求解的方程sin⁡x=−0.01ex\sin x=-0.01e^xsinx=−0.01ex，并用matlab画出来y=sin⁡x+0.01exy=\sin x+0.01e^xy=sinx+0.01ex和y=0y=0y=0的图像。牛顿法的理解求y:f(x)=0y:f(x)=0y:f(x)=0的解，其实可以理解为求y:F(x)=−cos⁡x+0.01xy:F(x)=-\cos x+0.01xy:F(x)=−cosx+0.01x的极值：牛顿法的基本思想是：在现有极小值点的估计

这是我们一门课的作业，如果你也是在写作业，抄之前麻烦看一下我们是不是一个班的！！问题自选二元非线性函数，例如z=f(x,y)z=f(x,y)z=f(x,y),构建神经网络并对其进行训练，使其在定义域内对此二元函数进行拟合。\section{问题分析}选定二元非线性函数为：z=sin⁡x+0.01eyz= \sin x+0.01e^y z=sinx+0.01eyx∈[0,6],y∈[0,6]x\in [0,6],y\in [0,6] x∈[0,6],y∈[0,6]本题是神经网络类题目，虽然MATL

实验步骤及方法选择被控对象现有一个带有纯延迟的长方体水槽液位控制系统，调节阀与贮水槽有一段较长距离，调节阀开度变化会引起流入水量的变化，但是需要经过一段传输时间τ\tauτ后才能对水槽的液位产生影响，其中τ\tauτ称为纯延迟时间，由物理特性，本题τ\tauτ取111。水槽进水量QiQ_iQi​由进水调节阀控制，出水量QoQ_oQo​根据需求改变。系统的被调节量为水位高度hhh，因水槽为长方体形状，所以其值直接反映了ΔQ=Qi−Qo\Delta Q=Q_i-Q_oΔQ=Qi​−Qo​. 现定义Δh\De