基于FHN神经元的超声波几何分布的受约束局部化研究

科学领域:

• 机器人和导航 机器人和导航
• 生物物理学的生物物理.
• 信号处理 信号处理

背景情况:

• 自动驾驶员定位准确性受到传感器分布,虚假观测和距离错误的挑战.
• 现有的方法在优化几何因素和有效处理噪音数据方面扎.

研究的目的:

• 开发一种使用FitzHugh-Nagumo (FHN) 神经原理的增强自动驾驶员定位方法.
• 通过解决几何分布,假观测和信号噪声比来提高准确性.

主要方法:

• 提出了基于FHN神经元几何分布的受约束定位方法.
• 开发了一个水平稀释精度 (HDOP) 算法,用于基站几何的重量因子.
• 实施了用于伪观测错误的几何约束数据处理方法.
• 引入了一种利用FHN随机共振来增强信号的超声波接收方法.

主要成果:

• 实现了优化基站布局和几何约束处理.
• 在处理虚假观测和减少计算负载方面提高了准确性.
• 定位误差减少了66.67%.

结论:

• 基于FHN神经元的超声波定位方法提供了一种新的方法来提高准确性.
• 生物神经原理的整合,特别是随机共振,有效地减轻噪声,改善弱信号检测.