图像边缘作为图像的重要特征，蕴含了丰富的图像信息，对于图像分析、目标识别等任务至关重要。传统的边缘检测方法如 Sobel、Canny 等在处理一些复杂图像时存在局限性。基于多尺度形态学梯度的边缘检测方法，通过不同尺度的结构元素对图像进行形态学操作，能够更全面地捕捉图像边缘，在多种场景下展现出独特优势。

本项目模拟了在墨尔本中央商务区（Melbourne CBD）中，无人机辅助的窄带物联网（NB - IoT）接入网络的下行链路覆盖性能。模拟过程中，将搭载 NB - IoT 基站的无人机放置在伯克街（Bourke Street）和伊丽莎白街（Elizabeth Street）的交汇处附近，并评估无人机在不同高度时的覆盖情况。分析内容包括接收功率、信噪比（SNR）、误块率（BLER）以及覆盖百分比。该

在复杂多变的环境中，机器人需要高效且智能的路径规划算法来实现自主导航并避开动态障碍物。单一的路径规划算法往往存在局限性，难以满足实际应用的需求。本文提出将 A 星算法（A*）、遗传算法（GA）和动态窗口法（DWA）相融合的机器人动态避障路径规划算法，旨在结合各算法的优势，提升机器人在动态环境下路径规划的性能。

多智能体系统在诸如自动驾驶、无人机编队飞行以及机器人协作等众多领域有着广泛的应用。在这些应用场景中，确保智能体之间的无碰撞运动是实现高效协作的关键前提。控制屏障函数（Control Barrier Functions, CBFs）作为一种强大的工具，能够有效地将安全约束融入到控制系统设计中，为多智能体系统的无碰撞运动控制提供了一种可靠的解决方案。本文将深入探讨基于控制屏障函数构建无碰撞运动的多智能

在人工智能和机器学习的飞速发展中，信号识别作为关键领域，其重要性不言而喻。传统上，信号识别方法多依赖于大量标记数据，但在实际应用中，数据标记成本高昂且耗时。半监督学习应运而生，它结合了标记数据和未标记数据，以期在有限标记数据的情况下，达到更好的识别效果。本文旨在探讨“识别半监督粗糙模糊拉普拉斯特征图”这一主题，并深入分析其在信号识别领域的应用潜力。首先，我们需理解“粗糙模糊拉普拉斯特征图”的概念。

在机器人领域，群体机器人系统正逐渐成为研究热点。传统的集中式控制群体机器人系统存在诸如单点故障、可扩展性差等问题。基于 Boids 算法的去中心化群体机器人系统则为解决这些问题提供了新的思路。Boids 算法模拟鸟群等生物群体的行为模式，使机器人个体能够通过简单的局部规则相互作用，涌现出复杂且有序的群体行为，从而实现去中心化的高效协作。

随着机器人技术的快速发展，多机器人协同作业已成为当前研究的热点。多机器人避障路径规划是多机器人协同作业中的关键技术之一，其目的是为多个机器人规划出无碰撞的路径，使机器人能够高效、安全地到达目标位置。本文介绍了一种基于A星算法的多机器人避障路径规划方法，该方法具有较高的规划效率和鲁棒性，适用于复杂环境下的多机器人协同作业。引言多机器人协同作业是指多个机器人共同完成一项任务。在多机器人协同作业中，避障

在时间序列预测领域，单一模型往往难以充分捕捉复杂数据中的各种特征和规律。为提升预测精度，本文将完备集合经验模态分解（CEEMDAN）、鲸鱼优化算法（WOA）与长短时记忆神经网络（LSTM）相结合，提出 CEEMDAN - WOA - LSTM 模型。该模型融合了 CEEMDAN 的信号分解优势、WOA 的参数优化能力以及 LSTM 处理时间序列的特长，有望在复杂时间序列预测任务中展现出色性能。

路径规划在诸多领域如机器人导航、无人机飞行、物流运输等有着关键应用。其核心目标是在给定环境中，为运动物体寻得一条从起始点到目标点的最优路径，同时满足诸如避开障碍物、路径最短等特定要求。鲸鱼优化算法（WOA）作为一种新兴的智能优化算法，模拟了鲸鱼的捕食行为，为路径规划问题提供了创新的解决思路。

在未知环境中进行高效的多机器人探索任务，对于诸如灾难救援、外星探测、大型设施巡检等领域具有重要意义。Lévy 步道作为一种随机搜索策略，在探索未知空间时展现出独特优势，而势场法常用于解决机器人的路径规划与碰撞避免问题。将两者结合，并融入动态地图合并与物体检测功能，能进一步提升多机器人在未知环境中的探索能力。