在现代科技的众多领域中，动态系统无处不在。无论是机器人在复杂环境中的自主导航，飞行器在空中的精确控制，还是工业生产过程的实时监测与优化，准确估计动态系统的状态都是至关重要的。系统状态如同航行中的船只坐标，为系统的有效运行和决策制定提供关键指引。然而，由于实际系统的复杂性，往往呈现出非线性特性，且观测数据不可避免地受到噪声干扰，这使得状态估计成为一项极具挑战的任务。扩展卡尔曼滤波器（EKF）和无迹卡

配电网作为电力系统的重要组成部分，承担着将电能安全、可靠、经济地输送到终端用户的关键任务。近年来，极端天气事件频发，如强风、冰雪、洪水等，对配电网的物理基础设施造成严重破坏，导致大面积停电事故，严重威胁社会经济的稳定运行。因此，提高配电网应对极端天气的能力，保障电力供应的可靠性至关重要。分布式电源(Distributed Generation, DG)的合理配置作为增强配电网韧性的有效手段，越来越

在当今科技飞速发展的时代，多智能体系统已成为众多领域实现高效协作与决策的重要工具。从智能机器人的协同作业到智能交通系统的流量调控，多智能体系统凭借其分布式、自适应的特性展现出巨大的应用潜力。而离散纳什均衡作为多智能体系统决策分析的核心概念，为智能体在复杂交互环境中找到稳定的策略组合提供了理论依据。深入研究多智能体系统离散纳什均衡寻求算法，对于提升系统性能、解决实际应用中的决策难题具有至关重要的意义

在现代科技的众多领域中，滤波与估计技术犹如精密的 “信息过滤器”，从充满噪声的数据中提炼出关键信息，对目标状态进行精准预测。无论是引导飞行器穿越复杂空域，还是帮助机器人在未知环境中导航，滤波与估计都发挥着举足轻重的作用。本文将深入探索扩展卡尔曼滤波（EKF）、交互式多模型（IMM）平滑器、Hermite 多项式计算、球径向积分法则以及无迹卡尔曼滤波（UKF）等核心技术，揭示它们的奥秘与应用。

在当今科技飞速发展的时代，路径规划作为众多关键领域的核心技术，其重要性不言而喻。无论是机器人在复杂环境中的自主导航，还是物流配送车辆在城市道路网络中的最优路线选择，又或是自动驾驶汽车的安全行驶规划，路径规划的优劣直接决定了系统的运行效率与性能表现。然而，传统路径规划算法以及基本粒子群优化算法（PSO）在应对这一挑战时，常常面临收敛速度慢的困境，使得规划过程耗时冗长，难以满足实际应用中的实时性需求。

在自动化控制领域，PID 控制器以其结构简单、稳定性好、可靠性高的特点，成为众多控制系统的核心组成部分。从工业生产中的温度、压力控制，到机器人的运动控制，PID 控制器都发挥着不可或缺的作用。然而，传统 PID 控制器的参数整定往往依赖工程师的经验和反复试错，面对日益复杂多变的系统，这种方法显得力不从心。为了突破这一局限，基于遗传算法的模糊 PID 控制器整定方法应运而生，融合智能算法与模糊控制理

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