神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
1）针对loT组寻呼的连接场景，在下一代移动通信网络中应用NB-IOT技术的基础之上，将网络优化的重点放到尽可能地保证1oT设备的随机接入性能上。为此，本文提出一种基于时隙散射的1oT组寻呼随机接入优化策略。首先为1oT组寻呼的连接场景建立基于排队论的数学模型：接着通过数学公式推导山初始状态时散射到各个时隙的1oT设备数，从而得出具体的时隙散射算法。系统仿真结果表明，本文提出的方案在1oT设备数增加时，依然能够有效地保证1oT设备的随机接入性能。2）针对具有特定功能的10T混合连接场景，将网络优化的重点放到保证时延敏感度高的业务的随机接入性能上。为此，本文提出一种基于前导码组合的随机接入优化方案。主要的思想是用不同的前导码组合来表征不同业务的优先级，从而避免了静态或半静态前导码分配方案的缺点。本文给出了组合两个前导码的具体方案并推导出相应的不同优先级业务的接入性能公式，通过系统仿真可以得到，本文提出的方案在保证低优先级业务吞吐量的同时能够有效地保证了高优先级业务的时延需求。与此同时，本文提出的方案适用于具有不同时延敏感度的H2H与loT混合连接场景3）针对海量连接的1oT业务连接场景，在未来5G移动通信系统的服务定制化平台下，将网络优化的重点放到提高系统资源利用率上。本文根据1oT包小而多的特点，提出聚合策略，并给出具体的包聚合逻辑。针对多小站交叉覆盖的区域，提出基于1oT流量聚合的资源分配机制。实验仿真表明，针对1oT小包的聚合模块能够有效地节省系统资源，提高系统的资源利用率。
上传时间： 2022-06-19
上传用户：默默
最新网络通信协议手册
标签： 网络通信协议
上传时间： 2013-06-12
上传用户：eeworm
数字通信网络
上传时间： 2013-08-01
上传用户：eeworm
基于网络的塑料异型材挤出模ＣＡＤ系统的研究
上传时间： 2013-04-15
上传用户：eeworm
汽车覆盖件模具设计与制造
上传时间： 2013-04-15
上传用户：eeworm
Visual+C++网络通信协议分析
上传时间： 2013-06-03
上传用户：eeworm
清华大学计算机系网络课程 .chm
上传时间： 2013-07-06
上传用户：eeworm
无线传感器网络 WSN(SunLiMin)
上传时间： 2013-04-15
上传用户：eeworm
语音与数据集成网络
上传时间： 2013-07-02
上传用户：eeworm
