期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法 被引量:1
1
作者 吴兰 吴元明 +1 位作者 孔凡士 李斌全 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2022年第8期1353-1363,共11页
深度Q学习网络(DQN)因具有强大的感知能力和决策能力而成为解决交通信号灯配时问题的有效方法,然而外部环境扰动和内部参数波动等原因导致的参数不确定性问题限制了其在交通信号灯配时系统领域的进一步发展。基于此,提出了一种DQN与扩... 深度Q学习网络(DQN)因具有强大的感知能力和决策能力而成为解决交通信号灯配时问题的有效方法,然而外部环境扰动和内部参数波动等原因导致的参数不确定性问题限制了其在交通信号灯配时系统领域的进一步发展。基于此,提出了一种DQN与扩展卡尔曼滤波(EKF)相结合(DQN-EKF)的交通信号灯配时方法。以估计网络的不确定性参数值作为状态变量,包含不确定性参数的目标网络值作为观测变量,结合过程噪声、包含不确定性参数的估计网络值和系统观测噪声构造EKF系统方程,通过EKF的迭代更新求解,得到DQN模型中的最优真实参数估计值,解决DQN模型中的参数不确定性问题。实验结果表明:DQN-EKF配时方法适用于不同的交通环境,并能够有效提高车辆的通行效率。 展开更多
关键词 深度q学习网络(DqN) 感知能力 决策能力 交通信号灯配时系统 参数不确定性 扩展卡尔曼滤波(EKF)
在线阅读 下载PDF
基于深度学习与运动状态识别的车辆惯性导航方法 被引量:12
2
作者 黄凤荣 羿博珩 +2 位作者 王旭 刘庆璘 王文森 《中国惯性技术学报》 EI CSCD 北大核心 2022年第5期569-575,共7页
微机电惯性测量单元(MEMS IMU)因成本低、体积小以及功耗低等优势受到广泛关注,但由于MEMS IMU误差大且复杂,基于MEMS IMU的捷联惯性导航系统精度还远远不能满足移动机器人、无人驾驶等各个领域的广泛需求。针对此问题,提出了一种基于... 微机电惯性测量单元(MEMS IMU)因成本低、体积小以及功耗低等优势受到广泛关注,但由于MEMS IMU误差大且复杂,基于MEMS IMU的捷联惯性导航系统精度还远远不能满足移动机器人、无人驾驶等各个领域的广泛需求。针对此问题,提出了一种基于深度学习与运动状态识别的车辆导航方法。首先,针对MEMS IMU误差具有非线性、时变性的特点,基于改进后的膨胀卷积网络对MEMS IMU陀螺仪漂移进行标定补偿。其次,利用时间卷积神经网络动态检测车辆的运动状态,并将特定运动状态的约束信息作为观测量,基于不变扩展卡尔曼滤波进行信息融合。所提出方法在公开数据集进行了验证,与未对陀螺误差进行标定补偿的基于深度学习的运动状态检测与约束方法进行了比较,所提出方法将车辆水平位置的绝对轨迹误差和相对轨迹误差平均值分别降低了30.9%和24.7%,证明了所提出方法的有效性。 展开更多
关键词 标定 惯性导航 深度学习 车辆 不变扩展卡尔曼滤波器
在线阅读 下载PDF
深空探测器相对论导航方法 被引量:3
3
作者 熊凯 魏春岭 +1 位作者 李连升 周鹏 《深空探测学报(中英文)》 CSCD 北大核心 2023年第2期140-150,共11页
在相对论导航系统中,通过毫角秒恒星角距测量装置获取反映恒星光行差和光线引力偏折变化的恒星角距观测量,利用导航滤波器处理观测量,估计深空探测器在惯性空间的位置和速度矢量,以及敏感器的测量基准偏差。建立了面向导航滤波器设计和... 在相对论导航系统中,通过毫角秒恒星角距测量装置获取反映恒星光行差和光线引力偏折变化的恒星角距观测量,利用导航滤波器处理观测量,估计深空探测器在惯性空间的位置和速度矢量,以及敏感器的测量基准偏差。建立了面向导航滤波器设计和系统性能分析的状态和观测方程,根据导航系统的克拉美劳下界(Cramer-RaoLowerBound,CRLB)考察了相对论导航方法用于深空探测的可行性,设计了通过导航滤波器自学习提升相对论导航系统性能的策略。仿真研究表明,对于环绕火星运行的深空探测器,在恒星角距测量精度为1mas的情况下,相对论导航方法能达到百米量级的定位精度水平。为相对论导航方法在深空中的应用提供了支持。 展开更多
关键词 深空探测 天文导航 相对论效应 q学习扩展卡尔曼滤波器
在线阅读 下载PDF
基于PRCNN-Attention鲁棒零速检测的行人惯性导航方法 被引量:2
4
作者 黄凤荣 刘庆璘 +3 位作者 高敏 王文森 羿博珩 谷川 《中国惯性技术学报》 EI CSCD 北大核心 2023年第6期547-554,共8页
针对零速修正的行人惯性导航方法中MEMS IMU误差大且复杂多变、复杂运动类型下传统阈值零速检测鲁棒性差的问题,提出一种基于PRCNN-Attention鲁棒零速检测的导航方法。首先,引入注意力机制,突出不同运动类型下的关键信息,设计了基于并... 针对零速修正的行人惯性导航方法中MEMS IMU误差大且复杂多变、复杂运动类型下传统阈值零速检测鲁棒性差的问题,提出一种基于PRCNN-Attention鲁棒零速检测的导航方法。首先,引入注意力机制,突出不同运动类型下的关键信息,设计了基于并联式循环卷积网络的深度神经网络(PRCNN-Attention)框架,实现对零速状态的鲁棒识别;然后,将零速信息作为量测信息,基于不变扩展卡尔曼滤波器实现信息融合。最后,在公开数据集以及实际场景中对所提方法进行了验证。实验结果表明,相较于固定阈值零速检测方法和自适应阈值零速检测方法,所提方法在公开数据集上的零速检测精确率分别由0.752和0.920提升到0.978,导航误差分别降低了54.1%和31.8%,在实际场景中导航误差分别降低了28.1%和13.5%,验证了所提方法的鲁棒性和有效性。 展开更多
关键词 行人惯性导航 深度学习 零速检测 注意力机制 不变扩展卡尔曼滤波器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部