《移动智能自主系统》PDF下载

  • 购买积分:21 如何计算积分?
  • 作  者:(印)Jitendra R. Raol,(南非)Ajith K. Gopal
  • 出 版 社:北京:国防工业出版社
  • 出版年份:2018
  • ISBN:9787118115949
  • 页数:765 页
图书介绍:移动智能自主系统(MIAS)是一个迅速兴起并广泛发展的研究领域,本书主要介绍机器人理论和典型机器人,但就MIAS的实现目的而言,MIAS不应该也不能仅限于传统机器人。本书主要内容:路径和运动规划、在动态环境中的避障、移动机器人大脑的直接控制、传感器与图像数据融合、机器人的自主决策与行为建模、水电式米娜机器人技术、智能天线自适应算法、自主微型飞行器的控制方法、基于模糊神经网络与容错的自动着陆式飞机、基于同时定位估计的H∞滤波器。

绪论 1

参考文献 8

第1部分 MIAS基础概念 9

第1章 神经-模糊-遗传算法-人工智能范式 9

1.1 引言 9

1.2 人工神经网络 10

1.3 前馈神经网络 13

1.3.1 学习算法 14

1.4 递归神经网络 16

1.4.1 一些RNN变异型 16

1.5 基于Hopfield神经网络-RNN的参数估计 17

1.6 模糊逻辑和模糊系统 19

1.6.1 模糊推理机/系统 23

1.7 遗传算法 25

1.7.1 典型的遗传算法过程 27

1.7.2 遗传编程 29

1.8 与人工神经网络相结合的理念以及分类 29

1.8.1 结合人工神经网络的模糊逻辑方法输出或结果的分类 30

1.8.2 与人工神经网络的输出/结果相结合的基于GA的方法 30

1.8.3 GA-FL混合方法 31

1.9 机器人技术中模糊神经遗传算法的一些可能应用 31

1.9.1 基于人工神经网络摄像头:机器人协同 31

1.9.2 机器人的人工神经网络路径规划 32

1.9.3 GA-FL综合合成 32

1.10 人工智能 33

1.10.1 像人类一样思考 33

1.10.2 像人类一样行动 33

1.10.3 理性思考或理性思维 33

1.10.4 理性行为 33

1.10.5 AI前景 34

1.10.6 智能代理 35

1.10.7 智能MIAS/机器人系统 36

参考文献 37

第2章 机器人运动的数学模型 38

2.1 引言 38

2.2 机器人空间定位 38

2.2.1 机器人位置 39

2.2.2 机器人及其连杆定位 39

2.2.3 旋转矩阵 40

2.2.4 齐次变换 41

2.3 机器人运动学 42

2.4 动态模型 43

2.4.1 运动方程 43

2.5 机器人的行走 44

2.6 概率机器人运动模型 45

2.6.1 测距法 46

2.6.2 航位推算法 47

参考文献 48

第3章 移动智能自主系统中的数据融合 49

3.1 引言 49

3.2 为什么MIAS需要数据融合 50

3.3 MIAS数据融合方法概述 51

3.4 结束语 58

参考文献 58

第4章 图像配准与融合 60

4.1 引言 60

4.2 图像配准 60

4.2.1 图像配准的步骤 62

4.2.2 卫星图像配准 65

4.2.3 文献综述 66

4.2.4 卫星图像配准方法 70

4.3 图像融合 79

4.3.1 图像融合模式 80

4.3.2 不同级别图像融合 80

4.3.3 图像使用方法 81

4.3.4 图像融合性能评价 81

4.3.5 利用模糊逻辑的图像融合 82

4.3.6 图像融合的Ⅱ型模糊逻辑 84

参考文献 85

第5章 利用离散余弦变换的多传感器图像融合方法 89

5.1 引言 89

5.2 离散余弦变换的基础知识 90

5.3 多分辨率离散余弦变换 91

5.4 多传感器图像融合 94

5.5 融合质量评价指标 95

5.6 彩色图像融合 97

5.7 结果与讨论 101

5.8 结束语 104

参考文献 104

第6章 使用频谱框架的运动分割 106

6.1 引言 106

6.2 运动分割的主要方法 107

6.3 运动矢量的计算 108

6.4 最大似然框架 109

6.5 运动分割方法 110

6.5.1 运动检测 110

6.5.2 运动估计 113

6.5.3 谱框架聚类算法 113

6.6 结果讨论 114

6.7 结束语 118

参考文献 118

第7章 具有丢包链路的多智能体系统编队控制 120

7.1 引言 120

7.2 问题描述 122

7.3 基于估计的编队控制算法 124

7.4 在发生数据包丢失事件中传送数据以获得最佳估计 127

7.5 结果与讨论 128

7.6 结束语 131

参考文献 131

第2部分 MIAS与机器人 134

第8章 机器人传感器与仪表 134

8.1 引言 134

8.2 传感器分类 135

8.2.1 电容和电感器件 136

8.2.2 压电换能器 137

8.2.3 压力传感器 137

8.2.4 弯曲/挠曲传感器 137

8.2.5 声纳传感器 137

8.2.6 红外传感器 137

8.2.7 光敏电阻/光电导体 138

8.2.8 车轮传感器 138

8.2.9 速度传感器 138

8.2.10 视觉传感器 139

8.3 其他传感器及其特点和应用 139

8.3.1 触摸(触觉)传感器 139

8.4 传感器的显著特性 140

8.4.1 精度 140

8.4.2 准确度 140

8.4.3 重复性 140

8.4.4 分辨率 140

8.4.5 灵敏度 141

8.4.6 线性度 141

8.4.7 测量范围 141

8.4.8 频率响应 141

8.4.9 可靠性 141

8.4.10 接口 141

8.4.11 传感器的尺寸、重量和体积 141

8.4.12 环境条件 142

8.5 执行器和效应器 142

8.6 信号调理 142

8.7 信号/数据通信和传感器网络 143

8.8 机器人仪器 144

8.9 微电子机械传感器系统 144

8.10 智能传感器 144

参考文献 145

第9章 机器人导航与制导 146

9.1 引言 146

9.2 机器人导航 149

9.2.1 惯性导航 150

9.2.2 固定信标定位 150

9.2.3 光成像与超声成像 150

9.2.4 光学立体视觉 150

9.3 机器人制导 151

9.3.1 有线制导机器人 151

9.3.2 画线制导机器人 151

9.3.3 航位推算 151

9.3.4 触觉检测 152

9.3.5 距离检测 152

9.4 导航任务的总结 153

9.5 导航与制导的应用数学 154

9.6 模糊逻辑控制的移动机器人跟踪 155

参考文献 155

第10章 机器人路径及运动规划 156

10.1 引言 156

10.2 经典方法 158

10.2.1 路线图法 158

10.2.2 单元分解法 159

10.2.3 势场法 159

10.2.4 数学规划法 159

10.3 探试法 159

10.3.1 人工神经网络 160

10.3.2 遗传算法 160

10.3.3 模拟退火法 160

10.3.4 粒子群优化算法 161

10.3.5 蚁群法 161

10.3.6 协同机制 161

10.3.7 小波理论 162

10.3.8 模糊逻辑 162

10.3.9 禁忌搜索 162

10.4 机器人路径规划 163

10.4.1 空间配置 163

10.4.2 图表 164

10.4.3 广度优先搜索 164

10.4.4 Dijkstra算法 165

10.5 其他算法 165

10.5.1 Bug算法 165

10.5.2 势能函数 166

10.5.3 A*算法 166

10.5.4 D*算法 167

10.5.5 聚焦D*算法 168

10.5.6 D*算法简化 168

10.6 图形表示 169

10.6.1 网格表示 169

10.6.2 可视图 169

10.6.3 四叉树 169

10.6.4 方向表示 170

10.7 动力学算法 170

10.7.1 动态Bug算法 170

10.7.2 A*算法 171

10.7.3 次优A*算法 171

10.7.4 D算法 171

10.7.5 机器人运动轨迹规划 172

10.8 A*算法与模糊逻辑组合 172

10.9 多Agent系统路径规划 173

10.10 A*算法路径规划问题图表 174

参考文献 174

第11章 失序测量丢失数据问题 176

11.1 引言 176

11.2 背景问题的信息 177

11.2.1 系统和模型描述 178

11.2.2 用于延时测量的融合过程 179

11.3 现有的各种方法 180

11.3.1 OOSM 180

11.3.2 多重插补方法 181

11.4 仿真实验 184

11.4.1 实验Ⅰ 184

11.4.2 实验Ⅱ 187

11.5 探讨OOSM实验与结论 189

参考文献 190

第12章 动态与不确定环境中基于遗传算法的移动机器人路径规划 193

12.1 引言 193

12.2 二维平面中路径的表示 194

12.3 动态障碍物的表示 196

12.4 沿坐标轴的矩形框组成的障碍物 196

12.5 基于遗传算法的路径规划的实现 198

12.5.1 数值仿真案例 199

12.6 基于GA的运动规划 200

12.7 结束语 202

参考文献 202

第13章 机器人时态逻辑运动规划 203

13.1 引言 203

13.2 自主性的重要性 204

13.3 一般问题定义 205

13.4 时态逻辑概述 206

13.4.1 线性时态逻辑 206

13.4.2 计算树逻辑 207

13.4.3 时间计算树逻辑 208

13.4.4 概率时态逻辑 210

13.5 机器人验证概述 211

13.5.1 运动规划方案合成 211

13.5.2 运行验证 216

13.6 分析 218

13.7 建议方法 220

13.8 案例研究 222

13.9 未来可能性 224

参考文献 225

第14章 军队路径查寻问题的约束规划求解 228

14.1 引言 228

14.2 路径查寻方法概述 229

14.2.1 解决动态路径查寻问题的D*算法 230

14.3 约束满足问题综述 233

14.4 军队路径查寻约束满足问题 233

14.4.1 解决军队静态路径查寻的约束满足问题 234

14.4.2 解决军队动态路径查寻的约束满足问题 235

14.4.3 MUPFP_D*算法 236

14.5 结束语 243

参考文献 243

第15章 移动车辆的同时定位和映射 245

15.1 引言 245

15.2 SLAM问题 246

15.2.1 SLAM的概率形式 246

15.2.2 SLAM结构的观察 247

15.3 SLAM问题的解决方法 248

15.3.1 SLAM的收敛 248

15.3.2 计算方面 248

15.3.3 数据关联 250

15.3.4 非线性 251

15.4 用于SLAM的数学公式 251

15.4.1 数学模型 252

15.4.2 地图表达 252

15.5 依据H-∞滤波器的移动机器人SLAM 253

15.5.1 健壮滤波 253

15.5.2 H-∞范数 253

15.5.3 H-∞滤波器 254

15.5.4 数学模型 254

15.5.5 H-∞后验滤波器 255

15.6 数据仿真结果 255

参考文献 260

第16章 机器人和移动车辆架构 262

16.1 引言 262

16.2 架构设计 262

16.2.1 系统可靠性 262

16.2.2 泛化特征 263

16.2.3 系统适应性 263

16.2.4 系统模块 263

16.2.5 自主行为 263

16.2.6 健壮性 264

16.2.7 任务执行的可扩展性 264

16.2.8 反应性 264

16.2.9 人工智能 264

16.2.10 机动性 264

16.3 机器人传感—规划—行为范式 265

16.3.1 传感 265

16.3.2 规划 265

16.3.3 行为范式 265

16.4 机器人架构 266

16.4.1 基于功能的架构 266

16.4.2 基于行为的架构 266

16.4.3 混合式架构 267

16.5 基于行为的架构中的协调功能 268

16.6 分层方法 269

16.7 集中式与分布式架构 269

16.8 架构的开发工具 269

16.9 四维/实时控制模型架构 270

16.10 一种可选择的混合架构 270

16.11 结束语 271

参考文献 271

第17章 多机器人协调 273

17.1 引言 273

17.2 从单机器人到多机器人的控制 273

17.3 MRS的挑战 275

17.4 协调在MRS中的必要性 275

17.5 从局部交互到全局协调 276

17.6 通过环境的交互 277

17.7 MRS设计与分析 277

17.8 MRS控制器的原理综述 278

17.9 多机器人软件架构 278

17.10 多机器人协调的实时框架 279

17.11 机器人组的控制 280

17.12 结束语 280

参考文献 281

第18章 具有生物脑的自主移动机器人 283

18.1 引言 283

18.2 人工神经网络的制备 285

18.3 实验装置 285

18.4 结果 288

18.5 机器学习范式 291

18.6 结束语 291

18.7 未来研究方向 292

参考文献 293

第19章 移动机器人制造中的安全有效自主决策 296

19.1 引言 296

19.2 机器人架构:分类与选择 296

19.3 RCS-RMA的组成 299

19.3.1 RCS计算节点 299

19.3.2 RCS层的控制算法 301

19.4 机器人系统的自主安全管理 301

19.4.1 系统安全分析与不确定性 302

19.4.2 在RCS中的安全集成 304

19.4.3 减少不确定性概率的应用 306

19.4.4 为什么选用POMDP 307

19.5 案例研究:移动机器人应用 308

19.5.1 任务分解 309

19.5.2 控制算法的实现 310

19.5.3 四层移动机器人的应用 310

19.5.4 RCS中的安全等级 317

19.6 目标检测与避碰算法 317

19.6.1 目标检测 318

19.6.2 计算障碍位置坐标 319

19.6.3 动态地图更新 319

19.7 RCS节点上的POMDP工艺开发 323

19.7.1 POMDP模型 323

19.7.2 RCS计算节点中的POMDP开发 324

19.7.3 RCS节点上改进POMDP的价值判断 325

19.7.4 RCS节点上改进POMDP中的环境模型 327

19.7.5 RCS节点上改进POMDP中的行为产生过程 328

19.7.6 RCS节点上改进POMDP中的感觉处理过程 329

19.8 基于POMDP的决策算法的开发 330

19.8.1 障碍状态/传感器状态估计 333

19.8.2 障碍状态估计 335

19.8.3 POMDP的解决方案:整合目标和安全相关的决定 338

19.8.4 由POMDP解决方案提供的行动决策选择 338

19.8.5 降低POMDP求解计算的复杂度 342

19.9 测试与评价 345

19.9.1 POMDP模型开发的测试结果和评估 345

19.9.2 导航与防撞的结果与评估:安全决策过程评估 346

19.10 结论与未来工作 353

参考文献 354

第20章 无人机避障反应的局部综合制导与控制 358

20.1 引言 358

20.2 无人机样机的六自由度模型 360

20.3 避障的瞄准点筛选 363

20.3.1 “碰撞锥”结构 363

20.3.2 瞄准点计算 364

20.3.3 剩余飞行时间计算 365

20.4 速度矢量方向与动态方位角 366

20.4.1 速度矢量的电流和预期方向 366

20.4.2 瞄准点计算 367

20.5 局部IGC规划 368

20.5.1 协调转弯的滚动角 369

20.5.2 外环回路的机身速率 369

20.5.3 外环回路的表面变形控制 370

20.5.4 速度控制 371

20.5.5 执行器输入的动力学与设计 371

20.6 数值结果 372

20.6.1 纵倾条件 372

20.6.2 方案1:单障碍物 373

20.6.3 方案2:两个障碍物 377

20.7 结束语 381

附录:空气动力系数 382

参考文献 384

第21章 用于自主智能设备的阻抗控制机电一体化系统 385

21.1 引言 385

21.2 冗余驱动的机械阻抗控制 387

21.2.1 机械阻抗控制的运动传递方法与方案 389

21.2.2 冗余驱动执行器的建模 390

21.3 控制策略 391

21.4 实验结果与讨论 394

21.5 具有反驱动执行器的串、并联机器人 397

21.5.1 具有驱动冗余的串、并联机器人运动学建模 398

21.5.2 冗余驱动上的刚度模型 399

21.5.3 所需末端执行器的柔度条件 401

21.5.4 柔度规范的方法 404

21.6 结束语 406

参考文献 406

第22章 微产品制造中Hydro-MiNa机器人的微型与纳米操作技术 408

22.1 引言 408

22.2 Hydro-MiNa机器人技术 409

22.2.1 在微/纳米操作领域关于功能任务制定的统一方法 409

22.2.2 局部微纳操作的时压结构合成 411

22.3 Hydro-MiNa机器人的微米与纳米操作系统 413

22.4 具有高分辨率成像和力反馈的机器人传感与控制 414

22.5 结束语 416

参考文献 417

第3部分 MIAS/机器人的联合技术 419

第23章 闭环回路、不稳定车辆的实时系统辨识实时系统,闭环中的不稳定车辆的辨识 419

23.1 引言 419

23.2 后失效估计的应用 420

23.2.1 SRLS算法 421

23.2.2 后失效分析模型 422

23.2.3 后失效模型估计的结果和讨论 423

23.3 无校准的入射角和侧偏角估计 424

23.3.1 数学模型的拓展 425

23.3.2 短周期结果 426

23.3.3 荷兰滚的结果 429

23.4 实时稳定裕度估计方法 431

23.4.1 不稳定飞机模型的稳定裕度估计 432

23.4.2 稳定裕度估计结果 432

23.5 结束语 433

附录:符号和术语 434

参考文献 435

第24章 移动自主系统智能天线:自适应加速算法 436

24.1 引言 436

24.2 旁瓣对消器的有源抑制 436

24.2.1 传统的广义旁瓣对消器 437

24.2.2 广义旁瓣对消的判定反馈 440

24.2.3 自适应阵列处理的约束 441

24.2.4 仿真结果 443

24.3 抵达方向不匹配分析 444

24.3.1 信号模型不匹配 444

24.3.2 在GSC中DOA不匹配 445

24.3.4 收敛性分析 446

24.3.5 权重步长SINR输出的适应性关系 448

24.4 旁瓣对消的自适应算法 449

24.4.1 权重适应性采用LMS算法 450

24.4.2 新型仿真 452

24.5 盲均衡器和反馈滤波器的旁瓣对消 455

24.5.1 不匹配的DF-GSC盲方法 455

24.5.2 盲均衡的DF-GSC稳态分析 460

24.6 宽频探头抑制 461

24.6.1 宽频信号旁瓣对消器的收敛方式 462

24.7 平面相控阵的干扰抑制 469

24.7.1 辐射模式的生成 469

24.7.2 在恶劣环境下的平面阵列特点 471

24.8 主动消除同一时刻多个期望信号的探测效果 473

24.8.1 同一时刻多个期望信号的适应权重 473

24.8.2 模拟结果 474

24.9 在相干信号环境下消除有效探测 486

24.9.1 自适应阵列处理与多波约束 487

24.9.2 相干信号环境下阵列的性能分析 489

24.9.3 抑制宽频相关来源 494

24.10 结束语 498

参考文献 499

第25章 四旋翼微型飞行器的集成建模,仿真与控制器设计 501

25.1 引言 501

25.2 四旋翼微型飞行器 502

25.3 飞行器动态模型 504

25.3.1 运动学模型 504

25.3.2 力学方程 504

25.3.3 力矩方程 505

25.3.4 转子动力学 505

25.4 控制器设计 506

25.5 飞行仿真 509

25.6 仿真平台和飞行测试 510

25.6.1 平台测试 510

25.6.2 飞行测试试验 511

25.7 结束语 512

附录:符号表 512

参考文献 514

第26章 运用卡尔曼滤波器和平滑器测定移动车辆的发射点与落点 515

26.1 引言 515

26.2 发射点和落点估计 515

26.2.1 卡尔曼滤波 516

26.2.2 RTS 518

26.2.3 落点的预测 518

26.2.4 发射点预测 519

26.3 滤波器性能评价 519

26.4 结果与讨论 519

26.5 结束语 526

参考文献 526

第27章 微型飞行器的新型增稳系统:迈向自主飞行 528

27.1 引言 528

27.2 标准H2最优控制方案 529

27.3 MAV说明和规范 533

27.3.1 MAV介绍 533

27.3.2 机载飞行系统 533

27.3.3 Sarika-1 MAV的纵向动力学 534

27.3.4 开环分析 535

27.3.5 设计规范 536

27.4 结果与讨论 538

27.4.1 健壮性和性能分析 539

27.4.2 扰动分析 539

27.4.3 时间响应分析 540

27.4.4 阵风时间响应与传感器噪声输入 540

27.5 控制器的实时验证:HILS 547

27.5.1 控制器的执行和验证 548

27.6 结束语 550

参考文献 551

第28章 飞机自动着陆的神经模糊容错控制 553

28.1 引言 553

28.2 飞机自动着陆问题 554

28.2.1 安全和性能标准 555

28.2.2 风廓线 555

28.2.3 飞机模型和故障情景 557

28.3 神经辅助弹道追踪控制器 560

28.3.1 基本轨迹跟踪控制器设计 561

28.3.2 最小资源分配网络扩展 562

28.3.3 BFTC性能评价及故障情况下神经辅助BFTC 565

28.4 自适应反推神经网络控制器 568

28.4.1 非线性动态倒置 569

28.4.2 控制器设计方法 570

28.4.3 发生故障时自适应反推神经网络控制器性能评价 573

28.5 模糊神经辅助轨迹跟踪控制器 576

28.5.1 模糊神经网络 577

28.5.2 连续自适应模糊推理系统 578

28.5.3 用于自动着陆问题的SAFIS控制器性能评价 580

28.6 在线连续模糊极端学习机 589

28.6.1 OS-Fuzzy-ELM和SAFIS用于飞机自动着陆系统问题的比较 591

28.7 结束语 599

参考文献 600

第29章 航空航天飞行关键技术应用重构 602

29.1 引言 602

29.2 重要性和相关性 603

29.3 民用航空电子设备 603

29.3.1 联合架构 603

29.3.2 集成架构 605

29.4 集成模块化航空电子设备 606

29.4.1 分区 607

29.4.2 黄金标准 608

29.4.3 重构的体系及其能力 611

29.4.4 可用性和可靠性的技术要求 612

29.4.5 可靠处理器平台的需求 612

29.5 重构机理研究进展 612

29.5.1 重构问题 613

29.5.2 容错 613

29.5.3 冗余管理 614

29.6 增强进程或任务可用性的重构算法 618

29.6.1 重构算法的控制参数 620

29.6.2 重构算法 624

29.6.3 算法阶段 625

29.7 错误检测与控制 628

29.7.1 汉明码扩展与扩展后的行列汉明码 628

附录:符号和术语 635

参考文献 637

第30章 自动目标识别的三种原理研究 641

30.1 引言 641

30.2 图像处理的概念 641

30.3 ATR及其作用 642

30.4 ATR系统 643

30.5 ATR系统的典型传感器 644

30.5.1 红外 644

30.5.2 前视红外 644

30.5.3 合成孔径雷达 645

30.5.4 反向合成孔径雷达 645

30.5.5 光雷达 645

30.5.6 激光雷达 645

30.5.7 毫米波雷达 646

30.5.8 多光谱成像 646

30.5.9 超光谱成像 646

30.5.10 低光电视 647

30.5.11 视频 647

30.6 经典ATR方法 648

30.6.1 经典ATR系统的不同阶段 648

30.7 ATR的统一贝叶斯方法 651

30.7.1 贝叶斯问题构想 652

30.7.2 场景生成和目标表示 653

30.7.3 传感器建模 656

30.7.4 贝叶斯范式 661

30.8 人工智能方法 668

30.8.1 神经网络 668

30.8.2 人工智能基ATR系统 669

30.9 结束语 672

参考文献 673

第31章 吸气燃烧系统故障检测和调节算法新理念的实时实现 677

31.1 引言 677

31.2 综述和背景 677

31.2.1 描述模型和C控制器 677

31.2.2 解析冗余调查 678

31.2.3 反压传感器的FDA 679

31.3 EKF的设计与实现 679

31.3.1 离散时间的KF 680

31.3.2 DTKF状态估计 680

31.3.3 卡尔曼-布西连续时间滤波器 681

31.4 非线性系统的EKF 682

31.4.1 EKF构想 682

31.4.2 ACS动力学 682

31.4.3 应用于ACS的EkF 683

31.4.4 用于EKF的ACS动力学线性化 684

31.5 容错方法和残差生成 685

31.5.1 T07建模 686

31.5.2 残余处理 686

31.5.3 故障调节 687

31.6 对FDA和结果的评估 689

31.6.1 通过结果对FDA算法性能进行评估 691

31.6.2 FDA的实时实施 695

31.7 结束语 697

附录:符号和术语 700

参考文献 701

第32章 模糊逻辑传感器和控制表面故障检测及重构 703

32.1 引言 703

32.2 传感器故障检测、隔离和重构 704

32.2.1 基于卡尔曼滤波的SFDI及重构 704

32.2.2 基于模糊逻辑的传感器故障检测和重构 707

32.3 控制面故障检测和重构 708

32.3.1 EKF实施 709

32.3.2 基于模糊逻辑的控制表面故障检测和重构 711

32.4 仿真结果和讨论 714

32.4.1 传感器故障检测和重构的仿真结果 714

32.4.2 控制表面故障检测和重构的仿真结果 715

32.4.3 使用两种T模和蕴涵方法的灵敏度研究 718

32.5 结束语 720

参考文献 720

第33章 使用二维雷达跟踪目标 721

33.1 引言 721

33.2 高度估计 721

33.2.1 使用多普勒测量 722

33.2.2 特例 723

33.3 垂直机动估计 725

33.3.1 使用多普勒测量 725

33.4 连续跟踪 729

33.4.1 转弯机动 731

33.4.2 实际情况 731

33.5 替代方法 732

33.6 结束语 734

参考文献 734

第34章 使用贝叶斯网络、k-NN模型研发自主机器人的行为 735

34.1 引言 735

34.2 相关的概念和模型 736

34.2.1 贝叶斯网络模型 736

34.2.2 k-NN模型 737

34.3 机器人行为和CAM 737

34.3.1 现实生活中超声波传感器的数据感知 738

34.3.2 机器人行为的贝叶斯学习和推理过程 739

34.3.3 对机器人行为的k-NN建模和推理过程 740

34.3.4 评价方案 741

34.4 CAM的实验评价 741

34.4.1 静态环境下使用BN和k-NN模型时CAM的性能精度 742

34.4.2 动态环境下使用BN和k-NN模型时CAM的性能精度 744

34.4.3 模型平均性能评价的比较 745

34.5 相关工作 745

34.6 结束语 746

参考文献 747

第35章 基于卡普拉斯方法的无序测量建模 749

35.1 引言 749

35.2 卡普拉斯策略 750

35.3 实验结果 751

35.4 结束语 753

参考文献 754

附录A 数值统计概念 755

A.1 备选假设 755

A.2 方差分析 755

A.3 渐近无偏 755

A.4 偏置 755

A.5 二项分布 756

A.6 中心极限定理 756

A.7 x2分布和测试 756

A.8 相关性 756

A.9 协方差 757

A.10 特征值 757

A.11 EM算法 757

A.12 F分布和F测试 757

A.13 最小二乘法 757

A.14 可能性和可能性测试 758

A.15 线性回归模型 758

A.16 最大似然 758

A.17 平均数、中位数和众数 758

A.18 均方 758

A.19 蒙特卡罗方法 759

A.20 多元回归 759

A.21 非线性回归 759

A.22 异常值 759

A.23 泊松分布 759

A.24 概率、概率分布函数和概率密度函数 760

A.25 T型检验 760

A.26 Ⅰ型和Ⅱ型误差 760

A.27 梯度下降法 760

A.28 二次型 761

参考文献 761

附录B 与机器人学相关的软件和算法注释 762

B.1 城市搜救营救仿真(USARSim)教程 762

B.1.1 USARSim系统架构 762

B.1.2 仿真器组件 762

B.2 机器人工具箱 763

B.3 机器人路径规划算法 764

B.4 SIMBAD机器人模拟器 765

B.5 CADAC:使用C+++计算机辅助设计航天理念 765

参考文献 765