在频分双工（FDD）MIMO（5G/6G Massive MIMO 主流）中，基站必须获取精确的下行信道状态信息（CSI，即信道矩阵 H 的子空间）来做预编码 / 波束成形，才能最大化频谱效率。但 CSI 是高维复数矩阵（如 64 天线 ×4 流，维度极高），直接反馈会导致反馈开销爆炸、量化复杂度指数级上升—— 传统单阶段 Grassmannian 量化（子空间量化主流），码本大小随天线数指数增长

在当今数字化时代，图像数据的获取手段日益丰富，多模态图像融合技术应运而生。多模态图像是指由不同成像设备或基于不同物理原理获取的关于同一目标场景的图像，例如可见光图像与红外图像、磁共振成像（MRI）与计算机断层扫描（CT）图像等。多模态图像无缝融合旨在将这些具有互补信息的图像融合为一幅图像，以便更全面、准确地呈现目标场景的特征，在医疗诊断、智能安防、遥感监测等众多领域具有重要应用价值。多模态图像无缝

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定,平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进

基于粒子群算法的移动机器人路径规划,通过建立目标函数,变换坐标等对环境建模,再引入粒子群优化算法,得到全局最优路径.MATLAB仿真结果显示,此方法可有效地解决空间作业机器人路径规划及避障问题.与传统遗传算法比,该法建模容易,计算快捷,可以在不同的障碍物环境下得到不同的优化轨迹。路径规划是移动机器人导航中最重要的任务之一。路径规划技术是移动机器 人研究领域中的一个重要分支。

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用麻雀算法作为机器人路径搜索的规则。将所有机器人放置于初始位置,经过NC次无碰撞迭代运动找到最优路径,到达目标位置。为防止机器人在路径搜索过程中没有达到最大迭代次时路径大小已不发生变化而陷入局部最优,则通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值,继续搜索,直到迭代完毕,获得最优路径。麻雀搜索算法的思想来自于麻雀种群的觅食行为和反

在现代仓储物流领域，订单履行的效率和准确性至关重要。Kiva 式移动机器人系统因其高度自动化和灵活性，成为提高订单履行效率的有效解决方案。然而，多机器人在有限的仓储空间内协同工作，容易产生路径冲突。Conflict - based Search（CBS）多机器人路径规划算法专门用于解决多机器人路径规划中的冲突问题，能够优化机器人的路径，提高订单履行系统的整体性能。Kiva 式移动机器人订单履行系统

本文提出一种基于一致性算法和人工势场方法的无人机编队及其避障控制方法.通过引入与障碍物移动方向垂直的辅助牵引加速度信息,可消除局部优化解的影响.同时,为了实现无人机机群快速编队和避障,本文将有限时间一致性算法与人工势场方法相结合,提出一种编队及其避障控制方法.

移动机器人的路径规划是移动机器人研究领域中的一个热点问题。

同步定位与建图（SLAM）是移动机器人领域的核心问题之一，旨在让机器人在未知环境中实时构建地图并确定自身位置。扩展卡尔曼滤波（EKF）作为一种经典的状态估计方法，在 SLAM 中得到了广泛应用。它能够有效处理机器人运动和传感器测量中的不确定性，通过对机器人状态和地图特征的联合估计，实现精确的定位与建图。SLAM 问题可描述为：机器人在一个未知环境中移动，通过自身携带的传感器（如激光雷达、相机等）获

自主水下航行器（AUV）在海洋探测、资源开发、环境监测等领域发挥着关键作用。精确的运动控制对于 AUV 完成复杂任务至关重要，传统的比例 - 积分 - 微分（PID）控制器虽广泛应用，但在面对水下复杂多变的环境时，其固定参数难以实现最优控制。Q - Learning 作为一种强大的强化学习算法，能够使控制器通过与环境的交互学习，自适应地调整控制参数。本文旨在研究基于 Q - Learning 的自