【摘 要】
：
针对无人机室内定位问题,提出了一种基于惯性导航系统(INS)和WIFI指纹定位技术的四旋翼无人机的室内定位方法.该方法首先利用WIFI模块测量的信号接收强度信息,根据WIFI指纹定位原理求出该定位时刻下的无人机位置;同时,利用惯性传感器信息计算出INS定位下的无人机位置,结合两种定位结果得出更为精确的位置.最后,通过实验验证了INS定位和WIFI指纹定位相结合的无人机室内定位方法的有效性,且该方法较两种单独定位方法的定位精度更高.
【机 构】
：
上海电力大学电子与信息工程学院,上海200090
论文部分内容阅读
针对无人机室内定位问题,提出了一种基于惯性导航系统(INS)和WIFI指纹定位技术的四旋翼无人机的室内定位方法.该方法首先利用WIFI模块测量的信号接收强度信息,根据WIFI指纹定位原理求出该定位时刻下的无人机位置;同时,利用惯性传感器信息计算出INS定位下的无人机位置,结合两种定位结果得出更为精确的位置.最后,通过实验验证了INS定位和WIFI指纹定位相结合的无人机室内定位方法的有效性,且该方法较两种单独定位方法的定位精度更高.
其他文献
天然气分布式能源是一种贴近终端用户的先进供能技术,具有能源利用效率高、多能供应能力强、供能保障效果好、污染排放低等优势,有非常好的发展前景.为推动国内天然气分布式能源产业发展,国家和地方制定了配套的产业鼓励政策,促进了经济发达区域天然气分布式能源产业发展,但因缺乏先进的开发思维、建设成本和运维费用高、上网电价低等因素,导致天然气分布式能源缺乏竞争力.应通过创新开发思维、创新开发模式、创新运行管理和创新技术研发,提升该技术市场竞争力,推动天然气分布式能源产业长期良性发展.
根据PIE技术基本原型,将软件系统中的对象抽象为PIE技术中的位置概念.以此作为模型的考察粒度,提出了扩展PIE模型.结合随机图理论,建立了基于扩展PIE的软件可测试性计算模型.
疲劳状态检测对于保护电力工作人员的安全具有重要作用.深度学习虽然已经成为面部疲劳状态检测方面的重要方法,但是其检测结果的准确性还需要提高.针对这一问题,提出了一种新的电力工作人员疲劳状态识别系统.该系统通过对采集到的视频图像使用人脸检测算法确定电力场景中工作人员的面部位置,利用YOLOv4-tiny目标检测算法提取眼睛部位的视觉特征,建立检测模型,以提升视觉特征的辨别能力;采用PERCLOSE准则分析眨眼频率并结合打哈欠的频率和瞌睡点头频率来判断电力场景中工作人员是否疲劳.实验结果证明了所提的基于深度学习
在能源转型战略不断发展的背景下,虚拟能源站以其能够实现多种能源耦合互补的特性,成为了高效清洁的能源载体,同时也为能源站的规划、配置、运营等提出了更高的要求.针对虚拟能源站,从经济性、能效性、环境效益、可靠性4个方面,构建了多层次的综合评价指标体系,利用主客观相结合的层次分析法-熵权法科学客观地评价虚拟能源站的规划运营情况.最后,以某园区虚拟能源站实际运营数据进行算例分析,验证了所构建的评价模型能够科学有效地对能源站发展情况展开评估工作,同时也能为虚拟能源站未来的发展建设提供一定指导性建议.
针对当前泛在电力物联网建设中数据采集所面临的开放式环境对数据完整性、传输安全性和设备真实性的挑战,提出了建立树形结构的数据采集节点互连方案,并结合Merkle树形成采集节点的身份验证链.此方案能够较好地避免DoS攻击,确保节点身份的可靠,减少恶意节点对智能电网系统的恶意攻击.
人类面部表情在安全驾驶、智能监护、人机交互领域都有着广泛应用.随着机器学习的兴起和发展,表情识别也逐渐从传统方法向深度学习过渡.简要地概述了表情识别的研究意义、技术、常见的表情数据库、研究方法,提出了表情识别目前存在的不足并对未来研究方向作出了展望.
设计了一种基于CAN总线的智能小车通信系统.以CAN总线控制器SJA1000芯片为控制核心,通过CAN总线收发器TJA1050实现了智能小车的数据通信.给出了CAN总线控制器SJA1000的初始化、发送和接收模块程序的设计方法.实际应用表明,该通信系统较好地解决了智能节点的通信要求.
近年来城市的高速发展,使得城市的范围不断扩大,布局不断变化.搭乘出租车是市民出行的重要交通方式.不同的出租车司机对于城市的熟悉程度不同,选取载客点时会有不同倾向.选取正确的载客点,不仅可以缓解城市交通问题,而且对司机的收入影响较大.提出了基于时空数据挖掘的出租车司机载客点推荐算法,首先用HITS-K算法对城市内的不同时段进行热点地区聚类,再对出租车司机的日常活动模式进行分析,最后根据热点区域聚类与出租车司机的活动模式对载客点进行推荐.
入侵检测方法是基于网络的入侵检测系统的核心,可以是基于特征的,也可以是基于异常的.基于特征的检测方法具有较高的检测率,但不能检测到未知新型攻击;基于异常的检测方法可以检测到新型攻击,但误报率较高.为了降低入侵检测的误报率并提高其检测率,许多机器学习技术被应用到入侵检测系统中.通过对大量带有入侵数据训练样本的学习,构建了一个用于区分正常状态和入侵状态的入侵检测模型.针对目前入侵检测系统存在的高误报率、低检测速度和低检测率等问题,对机器学习技术在入侵检测系统中的的优势、系统检测的通用数据集以及系统评估指标进行
相对于传统的纸媒体,网络媒体中的数据具有更新速度快、用户参与度高、覆盖面广等特点.如何协助用户在较短时间了解网络媒体中的主题信息,是一个亟待研究的领域.目前,文本主题聚类的研究技术还不够成熟,且在国内处于不断研究的阶段,尤其是在中文文本领域.对国内外主题检测研究现状、主题挖掘基本步骤、聚类算法的优缺点等方面进行了系统的概述,指出了当前研究方法的不足以及未来可研究的方向.