信息与控制杂志

信息与控制杂志2020年第6期

• 切换拓扑下时变非线性多智能体系统的一致性

  赵广社, 张文慧, 高雷涛, 李国齐, 王鼎衡, 马凡波

  为了解决联合切换拓扑是任意有向网络结构的马尔可夫切换拓扑下多智能体系统一致性的问题，提出了一种对任意网络结构进行的构造方法，针对构造后的网络，设计了一种一致性协议，研究了时变非线性多智能体系统的“领导-跟随”一致性问题.首先，通过引入一个虚拟领导者节点与联合切换拓扑中最少数量的领导者连接，对任意有向网络结构进行构造，使所构造的网络拓扑包含有向生成树；其次，设计了具有动态增益的一致性协议，并引入一致性误差和状态变换，将系统的一致性问题转化为时变参数的设计问题；进一步，基于李亚普诺夫稳定性理论，分析了马尔可夫切换拓扑下时变非线性多智能体系统稳定性；最后，仿真示例说明了理论结果的有效性.

• 高阶非线性系统新型固定时间收敛抗扰控制

  刘鹏, 陈前, 黄强, 杨峤, 蒲明

  针对高阶非线性系统的传统back stepping控制存在控制误差收敛时间无穷大、在靠近原点附近收敛速度急剧减缓、存在未知扰动和系统建模误差情况下鲁棒性较弱等问题，提出一类高阶非线性系统的新型固定时间抗扰控制.为此首先提出并证明一种新的固定时间收敛李雅普诺夫定理，其收敛时间存在不依赖于状态初值的固定上界，且具有相比现有李氏定理更快的收敛速度.再将该结论和传统的back stepping控制结合，并采用非线性干扰观测器高精度地估计出未知外扰动和建模误差的复合项，增强控制器鲁棒性、快速性，并减小稳态误差.最后将提出方案应用于倒立摆，结果表明提出方案的优越性.

• AoA-ToA目标跟踪的偏差补偿卡尔曼滤波算法

  林杰, 齐望东, 刘鹏, 赵跃新

  在以到达角（AoA）和到达时间（ToA）作为观测量的目标跟踪中，已有的非线性卡尔曼滤波很难同时兼顾低计算复杂度和高跟踪精度.针对该问题，提出了一种简单有效的偏差补偿卡尔曼滤波算法（BCKF）.该算法首先利用AoA和ToA的等价几何关系对非线性观测方程进行伪线性化，得到伪线性卡尔曼滤波（PLKF）.为解决PLKF面临的偏差问题，BCKF从理论推导了偏差构成项以及分析各项偏差的影响，然后补偿由伪线性观测噪声向量和观测矩阵相关性引起的偏差，实现更准确的状态估计.复杂度的理论分析和滤波性能的仿真结果表明，相较于其他滤波算法，BCKF以较低的计算开销实现了更高的跟踪精度，低噪声情况下可达到后验克拉美罗下界，并且收敛速度快，不容易受到初始误差的影响.

• 基于视觉SLAM的任意路径场景重建的优化

  杜振龙, 马芸, 李晓丽

  同时定位与地图构建(SLAM)在计算机视觉和机器人领域有着重要作用，也为VR/AR应用提供了基础技术支持.在面对特征较为单一或复杂的景物时，传统SLAM系统的前端特征匹配模块因特征点过于稀疏或过于稠密，较难生成准确的相机轨迹和场景重构结果.本文提出一种基于视觉SLAM的任意路径场景重建改进算法，前端线程采用Hessian矩阵对图像进行特征提取和匹配，对感兴趣区域施以仿射变换识别相邻帧特征点以提高匹配效率，进而降低相机轨迹和场景重构的原始误差；后端优化线程减小标记点次数优化特征点数目，并运用局部和全局BA (bundle adjustment)方法对相机运动轨迹分段优化，降低系统误差，提高相机轨迹优化效率.所提方法可在场景实时添加三维物体.实验结果表明，改进的视觉SLAM算法比传统的SLAM算法具有更好的实时性能.

• 基于LBP与双时空神经网络的微表情识别

  姜万, 周晓彦, 徐华南, 李大鹏, 安浩然

  针对传统微表情识别方法识别率低及过程复杂等问题，设计了一种浅层的双时空多尺度神经网络TSTNet（Two-Stream spatial-Temporal Network）模型.利用局部二值模式（LBP）提取SMIC和CASMEⅡ微表情数据库的纹理特性，将其输入到组合的3维卷积神经网络（3DCNN）与卷积的长短期记忆网络（ConvLSTM）中同时提取时间和空间信息，在模型中加入丢弃算法并多路提取特征，减小过拟合风险的同时学习更丰富的特征.在SMIC和CASMEⅡ微表情数据库上的识别率分别达到了67.30%和65.34%，与现有的深度学习方法相比，该模型提高了网络的训练速度与微表情的识别率.

• 多语言机器人深度学习模型构建

  叶楠, 寇丽杰

  为了将中英文对话机器人已有的神经语言程序（NLP）能力拓展到更多语言，满足混合语言人机交互场景需求，分析了新语言特性预处理机制，提出了一种多语言机器人深度学习模型.通过多任务联合训练翻译模型构建、引入判别器对抗训练、词向量语料共享、本地化挖掘映射向量空间、跨语言知识蒸馏技术等创新方法，实现了不同语言环境下的知识迁移和自动迭代.实验结果表明，跨语言模型在单语测试和混合语言测试上均达到了预期结果，证明了该模型的有效性.

• 六足机器人攀爬楼梯的路径优化步态控制

  何豪, 宋兴国, 曹中清, 高宏力, 张小龙

  针对C型腿六足机器人攀爬楼梯的步态研究，基于影响机器人攀爬成功性与效率的关键因素分析，提出了一种实现优化攀爬路径的步态控制方法.构建了C型腿六足机器人攀爬楼梯过程的仿真环境与力学模型；研究了机器人底盘与楼梯面呈最大角度时，其质心位置对其攀爬楼梯的决定性作用；分析了机器人中间足与楼梯面的接触位置对机器人运动效率的重要影响.当六足机器人步态满足连续攀爬楼梯的基本条件时，其攀爬路径被分成两个部分进行优化，进而研究了机器人路径优化时的步态.仿真和实验验证结果表明了所提的步态能使C型腿六足机器人成功并高效地爬升多级楼梯，验证了该步态的可靠性和有效性.

• 基于水循环算法的开关磁阻电机性能优化

  金爱娟, 苏俊豪, 李少龙

  针对由于开关磁阻电机的双凸极结构和磁路饱和非线性特性引起的转矩脉动较大及性能较差的问题，提出了一种基于转速控制和转矩控制的联合控制策略对其性能进行优化.首先，设计了一种基于水循环算法（WCA）优化的小波神经网络（WNN）控制器，根据该控制器设计了速度控制器，用于对未知参数变化和外部负载扰动带来的系统控制误差进行在线调节.此外，在内环，采用改进的直接瞬时转矩控制（DITC）直接对转矩进行调节，尽可能地减少转矩脉动.运用Simulink搭建仿真模型并与其它控制算法进行对比.最后，在Maxwell中基于实际电机参数搭建电机模型，利用Simulink及Maxwell的联合仿真进一步验证算法的有效性.仿真结果表明，所提出的方法能够有效地应对外部负载扰动等情况，具有很强的鲁棒性.

• 改进滑模观测器的永磁同步电机矢量控制

  祝新阳, 曾国辉, 黄勃, 刘瑾, 韦钰

  为了解决传统滑模观测器在永磁同步电机转子位置和转速估算时存在的抖振问题，提出了一种改进滑模观测器的永磁同步电机矢量控制方法.通过改进传统滑模观测器，设计了全阶滑模观测器，省去了传统滑模观测器在转子角度和转速估算前需要增加的低通滤波器.为了解决抖振问题，在改进滑模观测器中使用sigmoid函数作为切换函数，有效减小了抖振.引入模糊控制，根据转速和反电动势的关系，将转速和转速的变化率作为控制量，滑模增益作为输出量，从而柔化了控制信号实现了减小抖振的目的.转子角度和转速估算采用了改进型锁相环提高了锁相环的精度.仿真结果验证了改进观测器的有效性，对比传统滑模观测器将抖振减小了54.75%.

• 一种基于机会转发的认知无线传感网路由协议

  王楚晴, 郑萌, 梁炜, 马超凡, 宋敏

  由于认知无线传感器网络的高度频谱动态性，传统的路由协议存在实时性差和能耗高的问题.为此，提出一种基于机会转发的认知无线传感器网络路由协议.其主要创新性在于将短导频采样和机会式路由结合，并设计同时考虑主用户保护和转发时延的认知实时转发条件.该协议通过导频采样技术支持休眠-唤醒机制，可有效减少认知节点的串听和降低节点的占空比；采用认知实时转发条件，可在保护主用户的同时，保证数据的实时、可靠传输.此外，所提路由协议是分布式路由协议，数据的路由过程只需要局部信息，路由开销明显降低.大量仿真表明，所提的路由协议较传统路由协议在能耗与时延指标方面有较大提升.

• 基于变分模态分解和优化递归最小二乘的自适应波束成形算法

  李波, 陈百菊

  针对递归最小二乘（recursive least square，RLS）算法中存在的权值收敛较慢、零陷较浅等问题，提出了一种优化的RLS（optimized recursive least square，ORLS）波束成形方法.通过将线性约束最小方差（linearly constrained minimum variance，LCMV）算法中的线性约束部分加入到RLS算法中，解决了RLS算法中权值收敛速度较慢等问题.针对RLS算法在信噪比较低，遗忘因子较小的情况下，对噪声比较敏感且收敛误差较大的问题，提出了一种基于变分模态分解（variational mode decomposition，VMD）和ORLS的自适应波束成形算法.首先，该算法采用VMD对阵列接收信号进行降噪；然后，再利用ORLS算法进行波束成形.仿真结果表明，与传统的RLS算法相比，该算法具有较小的均方误差和较快的收敛速度，并且有更深的零陷，抑制干扰的能力更强.

• 基于Mask R-CNN模型的胸片肺结节检测性能评估

  储春洁, 王佳雯, 韩雅琪, 陈胜

  针对传统计算机辅助检测（Computer-Aided Detection，CADe）肺结节系统根据经验提取的特征难以区分部分真实结节和骨质结构，造成检测结果假阳性较高的问题，引入Mask R-CNN模型用于胸片中肺结节的检测.结合基于对比度限制自适应直方图均衡化（contrast limit adaptive histogram equalization，CLAHE）和多段活动形状模型（multi-segment active shape model，M-ASM）的预处理，增强肺结节特征.模型中使用残差网络101（ResNet-101）和特征金字塔网络（feature pyramid network，FPN）提取特征.针对日本放射技术学会（Japanese Society of Radiological Technology，JSRT）公开数据库的测试，基于Mask R-CNN的CADe方案在平均假阳性（false positives，FPs）为5.0时的灵敏度为93.57%，假阳性为2.0时的灵敏度为78%.与其它方法比较，该方案能够检测出大多数肺区以外的肺结节（10/14）.

• 新型互补序列的构造及其在正交频分复用系统中的应用

  张烁瑜, 高军萍, 李琦, 王丹

  正交频分复用（OFDM）系统存在峰均比（PAPR）过高以及对定时偏移敏感的问题，编码技术的应用可以有效地应对这些问题.为此，本文基于完备序列和Hadamard正交矩阵，结合新型映射关系，提出一种新的16QAM（quadrature amplitude modulation）周期互补序列的构造方法.该方法可直接由二元序列生成十六元序列，并且能够根据完备序列和Hadamard正交矩阵参数的不同，灵活生成多种不同参数的互补序列.该序列因具有良好的相关特性，可以有效降低系统中的PAPR.同时，本文在新型互补序列的基础上，结合恒包络零自相关（CAZAC）序列对训练序列进行设计，采用共轭对称结构，提出一种复杂度较低的同步改进算法.仿真结果表明，与经典同步算法相比，改进算法在低信噪比的情况下仍可实现正确同步，副峰对主峰的影响较小，均方根误差小，能够提高系统定时精度.

• 基于奇异谱分析与长短时记忆神经网络的电厂存煤量短期预测

  孔雯, 车权, 赵慧荣, 彭道刚

  针对火力发电厂存煤量预测精度不高的问题，提出了一种基于奇异谱分析（SSA）和长短时记忆（LSTM）神经网络的多变量多步预测模型.考虑电厂历史数据和温度的影响，以奇异谱分析或小波分析（wavelet analysis）对数据做平滑处理，剔除数据中的噪声成分，作为LSTM神经网络的输入向量进行仿真测试.结果表明，相比于普通BP（back propagation）神经网络、循环神经网络（RNN）和小波分析与LSTM结合算法，本文采用的基于奇异谱分析和长短时记忆神经网络的多变量多步预测模型精度更高.

• 两阶段算法求解多车场车辆路径问题

  李洋, 胡蓉, 钱斌, 金怀平

  提出了一种两阶段算法（TSA）用于求解多车场车辆路径问题（MDVRP）.两阶段算法的第1阶段为分解阶段.多车场问题具有更大的可行解区域，为有效控制问题的求解规模并合理引导算法在优质解区域搜索，在该阶段提出了一种融合最近邻算法的混合高斯聚类算法（HGMA），将多车场车辆路径问题分解为一系列单个车场车辆问题.两阶段算法的第2阶段为问题求解阶段.在该阶段提出了一种增强蚁群算法（EACO）求解分解后的各子问题，进而获得原问题的解.在增强蚁群算法中引入了信息素挥发系数控制因子进一步动态调节信息素挥发系数，从而有效地控制了信息素的挥发，提高了算法的全局搜索能力，并且设计了基于多种变邻域操作的两阶段变邻域局部搜索（TVNS）来增强算法的局部搜索能力.在不同规模问题上的仿真和对比实验验证了所提两阶段算法的有效性.