CN107088028A - 一种智能新式干湿两用吸尘器机器人控制系统 - Google Patents
一种智能新式干湿两用吸尘器机器人控制系统 Download PDFInfo
- Publication number
- CN107088028A CN107088028A CN201710516490.4A CN201710516490A CN107088028A CN 107088028 A CN107088028 A CN 107088028A CN 201710516490 A CN201710516490 A CN 201710516490A CN 107088028 A CN107088028 A CN 107088028A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msup
- mtd
- fft
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2805—Parameters or conditions being sensed
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2894—Details related to signal transmission in suction cleaners
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明属于吸尘器智能控制技术领域，公开了一种智能新式干湿两用吸尘器机器人控制系统，包括：用于感应实时信息的传感单元；用于接收传感单元传输的信息，进行分析和处理的主控制器单元；用于接收主控制器单元的控制指令，并进行相应动作的电机执行单元等。本发明将多种传感器的使用使得干湿两用机器人更加智能化，电机执行单元使得机器人的使用更加方便，功能更加多样化，非常大的程度上节省了人力资源，真正做到了节能环保，具有非常高的实用性。
Description
技术领域
本发明属于吸尘器智能控制技术领域，尤其涉及一种智能新式干湿两用吸尘器机器人控制系统。
背景技术
目前，现有的清洁机器人主要指智能吸尘器，对于小型化、用电池供电的小功率智能机器人来说，让它能够拖地并把脏水带走有些勉为其难。相对而言中国家庭比较喜欢拖地，吸尘器用得比较少，因此拖地机在中国应该更受欢迎，而且对于清洁机器人而言，吸尘、洗地的控制机理、传感器、驱动部件基本相同。但是在执行过程中存在差异。
综上所述，现有技术存在的问题是：现有吸尘器机器人功能单一，并不具备一定的智能化；吸尘效果不理想。
发明内容
为解决现有技术存在的问题，本发明提供一种智能新式干湿两用吸尘器机器人控制系统。
本发明是这样实现的，一种智能新式干湿两用吸尘器机器人控制系统，所述智能新式干湿两用吸尘器机器人控制系统包括：
用于感应实时信息的传感单元；
用于接收传感单元传输的信息，进行分析和处理的主控制器单元；
用于接收主控制器单元的控制指令，并进行相应动作的电机执行单元；
所述传感单元包括：
距离传感器，与主控制器单元连接，用于探测与墙壁或其他障碍物间的距离；
角度传感器，与主控制器单元连接，用于探测机器人转过的角度；
所述角度传感器探测角度的方法包括：对于每一路探测的角度信号，按照下述公式对所述每一路探测的角度信号中的每一帧角度信号进行噪声跟踪，获取每一帧角度信号的噪声谱N(w,n)：
其中，X(w,n)表示所述角度信号的短时傅里叶变换；αu、αd为预设系数且0<αd<αu<1；w表示频域上的频点序号；n表示时域上的帧序号；
按照下述公式对每一帧角度信号的短时傅里叶变换进行二值化处理得到二值谱Xb(w,n)：
Tb为预设第一阈值；
将其中一路角度信号对应的Ka个二值谱与另一路角度信号对应的Kb个二值谱进行两两间的相干性匹配得到所述第一匹配结果，所述第一匹配结果包括匹配度最高的一组二值谱对应的匹配位置和匹配度，Ka、Kb均为正整数；
对于每一路角度信号，按照下述公式计算所述角度信号中的每一帧角度信号的功率谱P(w,n)：
P(w，n)＝αpP(w，n-1)+(1-αp)|X(w，n)|2
其中，X(w,n)表示所述角度信号的短时傅里叶变换；
αp为预设系数且0＜αp＜1；w表示频域上的频点序号；n表示时域上的帧序号；
按照下述公式计算每一帧角度信号的功率谱的谱间相关性DP(w,n)：
DP(w,n)＝|P(w+1,n)-P(w,n)|
按照下述公式对所述谱间相关性DP(w,n)进行噪声跟踪，获取每一帧角度信号的噪声功率谱的谱间相关性NDP(w,n)：
其中，βu、βd为预设系数且0＜βd＜βu＜1；
角度传感器内置有角度识别子模块，所述角度识别子模块识别角度时的传递函数为：
其中，ω0为滤波器的中心频率，对于不同的ω0，k使k/ω0保持不变；
在频率域构造滤波器，对应的极坐标表达方式为：
G(r,θ)＝G(r,r)-G(θ,θ)；
式中，Gr(r)为控制滤波器带宽的径向分量，Gθ(θ)为控制滤波器方向的角度分量；r表示径向坐标，θ表示角度坐标，f0为中心频率，θ0为滤波器方向，σf用于确定带宽；
Bf＝2(2/ln2)1/2|lnσf|，σθ确定角度带宽，Bθ＝2(2/ln2)1/2σθ；
湿度传感器，与主控制器单元连接，用于探测地面的水分含量；所述湿度传感器探测地面的水分含量时，提取水分含量特征向量方法具体步骤包括：
步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：
其中，xi∈样本训练集X＝(x1，x2，…，xN)；
步骤二、求出散布矩阵S：
求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei便是主分量，将特征值从大到小依次排列λ1，λ2，…；
取出p个值，λ1，λ2，…，λp确定出地面空间E＝(e1，e2，…，eP)，在此地面空间上，训练样本X中，每个元素投影到该空间的点由下式得到：
x'i＝Etxi，t＝1，2，…，N；
由上式得到的是将原向量经过PCA降维后的p维向量；
所述的特征提取基于稀疏表征，采用图像识别算法进行识别，具体方法为：
建立图像的显著性模型，包括：
利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
确定每个所述区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；
所述显著性模型为：
其中，Si1为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri,Rj)为：DS(Ri,Rj)＝exp(-(Center(Ri)-Center(Rj))2/σs 2)；Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；
所述电机执行单元包括：
运动系统，与主控制器单元连接，用于机器人的自动化运动并进行通信；
吸尘系统，与主控制器单元连接，用于洗尘并进行通信；
洗地吸干系统，与主控制器单元连接，用于清洗地面并对地面进行干燥并进行通信。
进一步，所述运动系统内置有加速度控制模块；所述加速度控制模块的加速度控制信号y(t)表示为：
y(t)＝x(t)+n(t)；
其中，x(t)为数字调制信号，n(t)为服从标准SαS分布的脉冲噪声，x(t)的解析形式表示为：
其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制阶数，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数。
进一步，所述运动系统、吸尘系统、洗地吸干系统均设置有多个。
进一步，所述距离传感器的感应方法包括：
根据空间电磁强度分析要求，确定测试空间区域，并对区域进行网格划分，其中后续步骤中的测试点在划分的网格区域内选择；
根据测试点的位置，计算该点与墙壁或其他障碍物之间的相对距离和相对方位，利用相对距离计算信号的传输衰减系数，利用相对方位计算方向图加权值；
根据机器人的运动系统、吸尘系统、洗地吸干系统的坐标和姿态，通过坐标变换求得观测点相对于运动系统、吸尘系统、洗地吸干系统的方位角和俯仰角和继而对照其方向图信息得到观测点接受运动系统、吸尘系统、洗地吸干系统信号的方向图加权值Pci,Pri和Pji，
求解运动系统、吸尘系统、洗地吸干系统相对观测点的多普勒频率：
fi＝f0i+fdi；
利用计算结果，根据合成信号的公式计算测试点的时域信号；
为观测点接收第i个运动系统、吸尘系统、洗地吸干系统通信信号的方向图加权值与第i个通信运动系统、吸尘系统、洗地吸干系统到观测点的距离的比值；表示第i个通信运动系统、吸尘系统、洗地吸干系统信号对观测点电磁辐射强度的影响，同理可得和
为第i个通信运动系统、吸尘系统、洗地吸干系统到观测点的距离与光速的比值，即观测点观测信号与第i个通信运动系统、吸尘系统、洗地吸干系统之间的传输延迟，同理可得和
故空间测试点P＝(x，y，z)处的合成信号为：
对计算所获得的时域合成信号进行傅里叶变换，即获得测试点处空间合成信号的频域能量分布；
FFT(S(P,t))；
对整个观测区域重复根据测试点的位置，计算该点与每一个运动系统、吸尘系统、洗地吸干系统之间的相对距离和相对方位至对计算所获得的时域合成信号进行傅里叶变换，即获得观察测试区域的空间辐射源合成电磁辐射强度数据。
进一步，所述傅里叶变换的处理方法包括：
依照快速傅里叶变换规则，从存储单元的2n个存储子单元中并行读取待处理的2n个快速傅里叶变换点，生成待处理快速傅里叶变换点组，其中，所述2n个快速傅里叶变换点中的每个点按照设定规则存储在不同的存储子单元中，n为大于或等于1的自然数；
将所述待处理快速傅里叶变换点组交给快速傅里叶变换并行运算单元进行快速傅里叶变换并行处理；
将所述快速傅里叶变换并行处理后的处理结果并行写回所述2n个存储子单元的每个子单元中。
进一步，所述依照快速傅里叶变换规则，从存储单元的2n个存储子单元中并行读取待处理的2n个快速傅里叶变换点，生成待处理快速傅里叶变换点组的步骤包括：
依照所述快速傅里叶变换规则，从本地保存的二维地址存储表中，确定所述待处理的2n个快速傅里叶变换点中每个快速傅里叶变换点所在的存储子单元，以及所述每个快速傅里叶变换点在所在的存储子单元中的存储地址，其中，所述二维地址存储表由存储子单元和快速傅里叶变换点在存储子单元中的存储地址之间的对应关系组成；
根据确定的所述每个快速傅里叶变换点所在的存储子单元以及在所在的存储子单元中的存储地址，并行地从所述2n个存储子单元中读取所述待处理的2n个快速傅里叶变换点，生成所述待处理快速傅里叶变换点组。
本发明将多种传感器的使用使得干湿两用机器人更加智能化，电机执行单元使得机器人的使用更加方便，功能更加多样化，非常大的程度上节省了人力资源，真正做到了节能环保，具有非常高的实用性。
本发明运动系统自动化程度高，而且获得的的数据准确。
本发明使用方便，省时省力，效果明显，本发明将存储单元划分为2n个存储子单元，每组待处理的FFT点存储在不同的存储子单元中，从而实现了待处理FFT点的并行读取，进而，并行读取的FFT点由FFT并行运算单元进行FFT并行处理，并且，并行写回不同的存储子单元中。由于在FFT处理的硬件实现过程中，采取了本发明的上述并行运算的结构，避免了在集成电路的实现过程中较大的时序收敛风险，也使产品在工作过程中不会产生过高的动态功耗。
本发明通过识别方法，提高了识别的效率和准确率；提高了设备的安全性，提取图像特征向量方法，一定程度上提高了识别度，有利于图像的采集和识别。
附图说明
图1是本发明实施例提供的智能新式干湿两用吸尘器机器人控制系统示意图。
图中：1、距离传感器；2、传感单元；3、湿度传感器；4、电机执行单元块；5、主控制器单元；6、吸尘系统；7、运动系统；8、洗地吸干系统；9、角度传感器。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示，本发明实施例提供的智能新式干湿两用吸尘器机器人控制系统，包括：距离传感器1、传感单元2、湿度传感器3、电机执行单元4、主控制器单元5、吸尘系统6、运动系统7、洗地吸干系统8、角度传感器9。
距离传感器1、湿度传感器2、角度传感器9三者组成的传感单元2通过导线将收集到的数据传向主控制器单元5，主控制器对数据进行处理通过导线将指令传向电机执行单元4；主控制器控制运动系统7、吸尘系统6和洗地吸干系统8进行工作。
下面结合工作原理对本发明作进一步描述。
本发明实施例提供的智能新式干湿两用吸尘器机器人控制系统，所述智能新式干湿两用吸尘器机器人控制系统包括：
用于感应实时信息的传感单元2；
用于接收传感单元传输的信息，进行分析和处理的主控制器单元5；
用于接收主控制器单元的控制指令，并进行相应动作的电机执行单元4；
所述传感单元包括：
距离传感器1，与主控制器单元连接，用于探测与墙壁或其他障碍物间的距离；
角度传感器9，与主控制器单元连接，用于探测机器人转过的角度；
湿度传感器3，与主控制器单元连接，用于探测地面的水分含量；
所述电机执行单元包括：
运动系统7，与主控制器单元连接，用于机器人的自动化运动并进行通信；
吸尘系统6，与主控制器单元连接，用于洗尘并进行通信；
洗地吸干系统8，与主控制器单元连接，用于清洗地面并对地面进行干燥并进行通信。
所述角度传感器探测角度的方法包括：对于每一路探测的角度信号，按照下述公式对所述每一路探测的角度信号中的每一帧角度信号进行噪声跟踪，获取每一帧角度信号的噪声谱N(w,n)：
其中，X(w,n)表示所述角度信号的短时傅里叶变换；αu、αd为预设系数且0<αd<αu<1；w表示频域上的频点序号；n表示时域上的帧序号；
按照下述公式对每一帧角度信号的短时傅里叶变换进行二值化处理得到二值谱Xb(w,n)：
Tb为预设第一阈值；
将其中一路角度信号对应的Ka个二值谱与另一路角度信号对应的Kb个二值谱进行两两间的相干性匹配得到所述第一匹配结果，所述第一匹配结果包括匹配度最高的一组二值谱对应的匹配位置和匹配度，Ka、Kb均为正整数；
对于每一路角度信号，按照下述公式计算所述角度信号中的每一帧角度信号的功率谱P(w,n)：
P(w，n)＝αpP(w，n-1)+(1-αp)|X(w，n)|2
其中，X(w,n)表示所述角度信号的短时傅里叶变换；
αp为预设系数且0＜αp＜1；w表示频域上的频点序号；n表示时域上的帧序号；
按照下述公式计算每一帧角度信号的功率谱的谱间相关性DP(w,n)：
DP(w,n)＝|P(w+1,n)-P(w,n)|
按照下述公式对所述谱间相关性DP(w,n)进行噪声跟踪，获取每一帧角度信号的噪声功率谱的谱间相关性NDP(w,n)：
其中，βu、βd为预设系数且0＜βd＜βu＜1；
角度传感器内置有角度识别子模块，所述角度识别子模块识别角度时的传递函数为：
其中，ω0为滤波器的中心频率，对于不同的ω0，k使k/ω0保持不变；
在频率域构造滤波器，对应的极坐标表达方式为：
G(r,θ)＝G(r,r)-G(θ,θ)；
式中，Gr(r)为控制滤波器带宽的径向分量，Gθ(θ)为控制滤波器方向的角度分量；r表示径向坐标，θ表示角度坐标，f0为中心频率，θ0为滤波器方向，σf用于确定带宽；
Bf＝2(2/ln2)1/2|lnσf|，σθ确定角度带宽，Bθ＝2(2/ln2)1/2σθ；
湿度传感器，与主控制器单元连接，用于探测地面的水分含量；所述湿度传感器探测地面的水分含量时，提取水分含量特征向量方法具体步骤包括：
步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：
其中，xi∈样本训练集X＝(x1，x2，…，xN)；
步骤二、求出散布矩阵S：
求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei便是主分量，将特征值从大到小依次排列λ1，λ2，…；
取出p个值，λ1，λ2，…，λp确定出地面空间E＝(e1，e2，…，eP)，在此地面空间上，训练样本X中，每个元素投影到该空间的点由下式得到：
x'i＝Etxi，t＝1，2，…，N；
由上式得到的是将原向量经过PCA降维后的p维向量；
所述的特征提取基于稀疏表征，采用图像识别算法进行识别，具体方法为：
建立图像的显著性模型，包括：
利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
确定每个所述区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；
所述显著性模型为：
其中，Si1为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri,Rj)为：DS(Ri,Rj)＝exp(-(Center(Ri)-Center(Rj))2/σs 2)；Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；
所述运动系统内置有加速度控制模块；所述加速度控制模块的加速度控制信号y(t)表示为：
y(t)＝x(t)+n(t)；
其中，x(t)为数字调制信号，n(t)为服从标准SαS分布的脉冲噪声，x(t)的解析形式表示为：
其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制阶数，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数。
所述运动系统、吸尘系统、洗地吸干系统均设置有多个。
所述距离传感器的感应方法包括：
根据空间电磁强度分析要求，确定测试空间区域，并对区域进行网格划分，其中后续步骤中的测试点在划分的网格区域内选择；
根据测试点的位置，计算该点与墙壁或其他障碍物之间的相对距离和相对方位，利用相对距离计算信号的传输衰减系数，利用相对方位计算方向图加权值；
根据机器人的运动系统、吸尘系统、洗地吸干系统的坐标和姿态，通过坐标变换求得观测点相对于运动系统、吸尘系统、洗地吸干系统的方位角和俯仰角和继而对照其方向图信息得到观测点接受运动系统、吸尘系统、洗地吸干系统信号的方向图加权值Pci,Pri和Pji，
求解运动系统、吸尘系统、洗地吸干系统相对观测点的多普勒频率：
fi＝f0i+fdi；
利用计算结果，根据合成信号的公式计算测试点的时域信号；
为观测点接收第i个运动系统、吸尘系统、洗地吸干系统通信信号的方向图加权值与第i个通信运动系统、吸尘系统、洗地吸干系统到观测点的距离的比值；表示第i个通信运动系统、吸尘系统、洗地吸干系统信号对观测点电磁辐射强度的影响，同理可得和
为第i个通信运动系统、吸尘系统、洗地吸干系统到观测点的距离与光速的比值，即观测点观测信号与第i个通信运动系统、吸尘系统、洗地吸干系统之间的传输延迟，同理可得和
故空间测试点P＝(x，y，z)处的合成信号为：
对计算所获得的时域合成信号进行傅里叶变换，即获得测试点处空间合成信号的频域能量分布；
FFT(S(P,t))；
对整个观测区域重复根据测试点的位置，计算该点与每一个运动系统、吸尘系统、洗地吸干系统之间的相对距离和相对方位至对计算所获得的时域合成信号进行傅里叶变换，即获得观察测试区域的空间辐射源合成电磁辐射强度数据。
所述傅里叶变换的处理方法包括：
依照快速傅里叶变换规则，从存储单元的2n个存储子单元中并行读取待处理的2n个快速傅里叶变换点，生成待处理快速傅里叶变换点组，其中，所述2n个快速傅里叶变换点中的每个点按照设定规则存储在不同的存储子单元中，n为大于或等于1的自然数；
将所述待处理快速傅里叶变换点组交给快速傅里叶变换并行运算单元进行快速傅里叶变换并行处理；
将所述快速傅里叶变换并行处理后的处理结果并行写回所述2n个存储子单元的每个子单元中。
所述依照快速傅里叶变换规则，从存储单元的2n个存储子单元中并行读取待处理的2n个快速傅里叶变换点，生成待处理快速傅里叶变换点组的步骤包括：
依照所述快速傅里叶变换规则，从本地保存的二维地址存储表中，确定所述待处理的2n个快速傅里叶变换点中每个快速傅里叶变换点所在的存储子单元，以及所述每个快速傅里叶变换点在所在的存储子单元中的存储地址，其中，所述二维地址存储表由存储子单元和快速傅里叶变换点在存储子单元中的存储地址之间的对应关系组成；
根据确定的所述每个快速傅里叶变换点所在的存储子单元以及在所在的存储子单元中的存储地址，并行地从所述2n个存储子单元中读取所述待处理的2n个快速傅里叶变换点，生成所述待处理快速傅里叶变换点组。
本发明将多种传感器的使用使得干湿两用机器人更加智能化，电机模块使得机器人的使用更加方便，功能更加多样化，非常大的程度上节省了人力资源，真正做到了节能环保，具有非常高的实用性。
本发明运动系统自动化程度高，而且获得的的数据准确。
本发明使用方便，省时省力，效果明显，本发明将存储单元划分为2n个存储子单元，每组待处理的FFT点存储在不同的存储子单元中，从而实现了待处理FFT点的并行读取，进而，并行读取的FFT点由FFT并行运算单元进行FFT并行处理，并且，并行写回不同的存储子单元中。由于在FFT处理的硬件实现过程中，采取了本发明的上述并行运算的结构，避免了在集成电路的实现过程中较大的时序收敛风险，也使产品在工作过程中不会产生过高的动态功耗
本发明将多种传感器的使用使得干湿两用机器人更加智能化，电机执行单元使得机器人的使用更加方便，功能更加多样化，非常大的程度上节省了人力资源，真正做到了节能环保，具有非常高的实用性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种智能新式干湿两用吸尘器机器人控制系统，其特征在于，所述智能新式干湿两用吸尘器机器人控制系统包括：
用于感应实时信息的传感单元；
用于接收传感单元传输的信息，进行分析和处理的主控制器单元；
用于接收主控制器单元的控制指令，并进行相应动作的电机执行单元；
所述传感单元包括：
距离传感器，与主控制器单元连接，用于探测与墙壁或其他障碍物间的距离；
角度传感器，与主控制器单元连接，用于探测机器人转过的角度；
所述角度传感器探测角度的方法包括：对于每一路探测的角度信号，按照下述公式对所述每一路探测的角度信号中的每一帧角度信号进行噪声跟踪，获取每一帧角度信号的噪声谱N(w,n)：
<mrow>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mi>u</mi>
</msub>
<mo>)</mo>
<mo>|</mo>
<mi>X</mi>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
<mo>|</mo>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>u</mi>
</msub>
<mi>N</mi>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&GreaterEqual;</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mi>d</mi>
</msub>
<mo>)</mo>
<mo>|</mo>
<mi>X</mi>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
<mo>|</mo>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>d</mi>
</msub>
<mi>N</mi>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo><</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中，X(w,n)表示所述角度信号的短时傅里叶变换；αu、αd为预设系数且0<αd<αu<1；w表示频域上的频点序号；n表示时域上的帧序号；
按照下述公式对每一帧角度信号的短时傅里叶变换进行二值化处理得到二值谱Xb(w,n)：
<mrow>
<mi>X</mi>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<msub>
<mi>T</mi>
<mi>b</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>T</mi>
<mi>b</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
Tb为预设第一阈值；
将其中一路角度信号对应的Ka个二值谱与另一路角度信号对应的Kb个二值谱进行两两间的相干性匹配得到所述第一匹配结果，所述第一匹配结果包括匹配度最高的一组二值谱对应的匹配位置和匹配度，Ka、Kb均为正整数；
对于每一路角度信号，按照下述公式计算所述角度信号中的每一帧角度信号的功率谱P(w,n)：
P(w，n)＝αpP(w，n-1)+(1-αp)|X(w，n)|2
其中，X(w,n)表示所述角度信号的短时傅里叶变换；
αp为预设系数且0＜αp＜1；w表示频域上的频点序号；n表示时域上的帧序号；
按照下述公式计算每一帧角度信号的功率谱的谱间相关性DP(w,n)：
DP(w,n)＝|P(w+1,n)-P(w,n)|
按照下述公式对所述谱间相关性DP(w,n)进行噪声跟踪，获取每一帧角度信号的噪声功率谱的谱间相关性NDP(w,n)：
<mrow>
<mi>N</mi>
<mi>D</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mi>u</mi>
</msub>
<mo>)</mo>
<mi>D</mi>
<mi>P</mi>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mi>u</mi>
</msub>
<mi>N</mi>
<mi>D</mi>
<mi>P</mi>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>D</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>N</mi>
<mi>D</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mi>d</mi>
</msub>
<mo>)</mo>
<mi>D</mi>
<mi>P</mi>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mi>d</mi>
</msub>
<mi>N</mi>
<mi>D</mi>
<mi>P</mi>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>D</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>N</mi>
<mi>D</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，βu、βd为预设系数且0＜βd＜βu＜1；
角度传感器内置有角度识别子模块，所述角度识别子模块识别角度时的传递函数为：
<mrow>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>(</mo>
<mrow>
<mi>&omega;</mi>
<mo>/</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>/</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，ω0为滤波器的中心频率，对于不同的ω0，k使k/ω0保持不变；
在频率域构造滤波器，对应的极坐标表达方式为：
<mrow>
<msub>
<mi>G</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>(</mo>
<mrow>
<mi>r</mi>
<mo>/</mo>
<msub>
<mi>f</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>&sigma;</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>G</mi>
<mi>&theta;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<msub>
<mi>&sigma;</mi>
<mi>&theta;</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
G(r,θ)＝G(r,r)-G(θ,θ)；
式中，Gr(r)为控制滤波器带宽的径向分量，Gθ(θ)为控制滤波器方向的角度分量；r表示径向坐标，θ表示角度坐标，f0为中心频率，θ0为滤波器方向，σf用于确定带宽；
σθ确定角度带宽，
湿度传感器，与主控制器单元连接，用于探测地面的水分含量；所述湿度传感器探测地面的水分含量时，提取水分含量特征向量方法具体步骤包括：
步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：
<mrow>
<mi>m</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
其中，xi∈样本训练集X＝(x1，x2，…，xN)；
步骤二、求出散布矩阵S：
<mrow>
<mi>S</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mi>i</mi>
</msup>
<mo>;</mo>
</mrow>
求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei便是主分量，将特征值从大到小依次排列λ1，λ2，…；
取出p个值，λ1，λ2，…，λp确定出地面空间E＝(e1，e2，…，eP)，在此地面空间上，训练样本X中，每个元素投影到该空间的点由下式得到：
x'i＝Etxi，t＝1，2，…，N；
由上式得到的是将原向量经过PCA降维后的p维向量；
所述的特征提取基于稀疏表征，采用图像识别算法进行识别，具体方法为：
建立图像的显著性模型，包括：
利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
确定每个所述区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；
所述显著性模型为：
其中，Si1为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri,Rj)为：DS(Ri,Rj)＝exp(-(Center(Ri)-Center(Rj))2/σs 2)；Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；
所述电机执行单元包括：
运动系统，与主控制器单元连接，用于机器人的自动化运动并进行通信；
吸尘系统，与主控制器单元连接，用于洗尘并进行通信；
洗地吸干系统，与主控制器单元连接，用于清洗地面并对地面进行干燥并进行通信。
2.如权利要求1所述智能新式干湿两用吸尘器机器人控制系统，其特征在于，所述运动系统内置有加速度控制模块；所述加速度控制模块的加速度控制信号y(t)表示为：
y(t)＝x(t)+n(t)；
其中，x(t)为数字调制信号，n(t)为服从标准SαS分布的脉冲噪声，x(t)的解析形式表示为：
其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制阶数，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数。
3.如权利要求1所述智能新式干湿两用吸尘器机器人控制系统，其特征在于，所述运动系统、吸尘系统、洗地吸干系统均设置有多个。
4.如权利要求1所述智能新式干湿两用吸尘器机器人控制系统，其特征在于，所述距离传感器的感应方法包括：
根据空间电磁强度分析要求，确定测试空间区域，并对区域进行网格划分，其中后续步骤中的测试点在划分的网格区域内选择；
根据测试点的位置，计算该点与墙壁或其他障碍物之间的相对距离和相对方位，利用相对距离计算信号的传输衰减系数，利用相对方位计算方向图加权值；
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
根据机器人的运动系统、吸尘系统、洗地吸干系统的坐标和姿态，通过坐标变换求得观测点相对于运动系统、吸尘系统、洗地吸干系统的方位角和俯仰角θci,θri,θji,和继而对照其方向图信息得到观测点接受运动系统、吸尘系统、洗地吸干系统信号的方向图加权值Pci,Pri和Pji，
求解运动系统、吸尘系统、洗地吸干系统相对观测点的多普勒频率：
fi＝f0i+fdi；
利用计算结果，根据合成信号的公式计算测试点的时域信号；
为观测点接收第i个运动系统、吸尘系统、洗地吸干系统通信信号的方向图加权值与第i个通信运动系统、吸尘系统、洗地吸干系统到观测点的距离的比值；表示第i个通信运动系统、吸尘系统、洗地吸干系统信号对观测点电磁辐射强度的影响，同理可得和
为第i个通信运动系统、吸尘系统、洗地吸干系统到观测点的距离与光速的比值，即观测点观测信号与第i个通信运动系统、吸尘系统、洗地吸干系统之间的传输延迟，同理可得和
故空间测试点P＝(x，y，z)处的合成信号为：
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>P</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>M</mi>
<mi>c</mi>
</msub>
</munderover>
<mfrac>
<msub>
<mi>P</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>R</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
</mfrac>
<msub>
<mi>S</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
<mo>-</mo>
<mfrac>
<msub>
<mi>R</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<mi>c</mi>
</mfrac>
<mo>,</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>M</mi>
<mi>r</mi>
</msub>
</munderover>
<mfrac>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>R</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
</mfrac>
<msub>
<mi>S</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
<mo>-</mo>
<mfrac>
<msub>
<mi>R</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
<mi>c</mi>
</mfrac>
<mo>,</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
</munderover>
<msub>
<mi>S</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
<mo>-</mo>
<mfrac>
<msub>
<mi>R</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mi>c</mi>
</mfrac>
<mo>,</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
对计算所获得的时域合成信号进行傅里叶变换，即获得测试点处空间合成信号的频域能量分布；
FFT(S(P,t))；
对整个观测区域重复根据测试点的位置，计算该点与每一个运动系统、吸尘系统、洗地吸干系统之间的相对距离和相对方位至对计算所获得的时域合成信号进行傅里叶变换，即获得观察测试区域的空间辐射源合成电磁辐射强度数据。
5.如权利要4所述智能新式干湿两用吸尘器机器人控制系统，其特征在于，所述傅里叶变换的处理方法包括：
依照快速傅里叶变换规则，从存储单元的2n个存储子单元中并行读取待处理的2n个快速傅里叶变换点，生成待处理快速傅里叶变换点组，其中，所述2n个快速傅里叶变换点中的每个点按照设定规则存储在不同的存储子单元中，n为大于或等于1的自然数；
将所述待处理快速傅里叶变换点组交给快速傅里叶变换并行运算单元进行快速傅里叶变换并行处理；
将所述快速傅里叶变换并行处理后的处理结果并行写回所述2n个存储子单元的每个子单元中。
6.如权利要5所述智能新式干湿两用吸尘器机器人控制系统，其特征在于，所述依照快速傅里叶变换规则，从存储单元的2n个存储子单元中并行读取待处理的2n个快速傅里叶变换点，生成待处理快速傅里叶变换点组的步骤包括：
依照所述快速傅里叶变换规则，从本地保存的二维地址存储表中，确定所述待处理的2n个快速傅里叶变换点中每个快速傅里叶变换点所在的存储子单元，以及所述每个快速傅里叶变换点在所在的存储子单元中的存储地址，其中，所述二维地址存储表由存储子单元和快速傅里叶变换点在存储子单元中的存储地址之间的对应关系组成；
根据确定的所述每个快速傅里叶变换点所在的存储子单元以及在所在的存储子单元中的存储地址，并行地从所述2n个存储子单元中读取所述待处理的2n个快速傅里叶变换点，生成所述待处理快速傅里叶变换点组。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710516490.4A CN107088028A (zh) | 2017-06-29 | 2017-06-29 | 一种智能新式干湿两用吸尘器机器人控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710516490.4A CN107088028A (zh) | 2017-06-29 | 2017-06-29 | 一种智能新式干湿两用吸尘器机器人控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107088028A true CN107088028A (zh) | 2017-08-25 |
Family
ID=59640807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710516490.4A Pending CN107088028A (zh) | 2017-06-29 | 2017-06-29 | 一种智能新式干湿两用吸尘器机器人控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107088028A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107817901A (zh) * | 2017-10-31 | 2018-03-20 | 湖南财政经济学院 | 一种计算机键盘防水电子控制系统 |
| CN108388203A (zh) * | 2018-04-09 | 2018-08-10 | 衢州学院 | 一种智能数控机床散热监控系统 |
| CN111640129A (zh) * | 2020-05-25 | 2020-09-08 | 电子科技大学 | 一种应用于室内墙面施工机器人的视觉砂浆识别系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105376321A (zh) * | 2015-11-30 | 2016-03-02 | 湖南涉外经济学院 | 一种多功能物联网信息平台 |
| CN105469484A (zh) * | 2015-11-20 | 2016-04-06 | 宁波大业产品造型艺术设计有限公司 | App智能家居锁 |
| CN205144441U (zh) * | 2015-11-04 | 2016-04-13 | 东莞市智科智能科技有限公司 | 多功能清洁机器人 |
| CN106067004A (zh) * | 2016-05-30 | 2016-11-02 | 西安电子科技大学 | 一种脉冲噪声下数字调制信号的识别方法 |
| CN106845088A (zh) * | 2016-12-30 | 2017-06-13 | 北华大学 | 一种基于无线局域网的移动医疗护理车控制系统 |
| EP2942753B1 (en) * | 2014-05-05 | 2018-07-18 | Xiaomi Inc. | Method and device for image segmentation |
-
2017
- 2017-06-29 CN CN201710516490.4A patent/CN107088028A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2942753B1 (en) * | 2014-05-05 | 2018-07-18 | Xiaomi Inc. | Method and device for image segmentation |
| CN205144441U (zh) * | 2015-11-04 | 2016-04-13 | 东莞市智科智能科技有限公司 | 多功能清洁机器人 |
| CN105469484A (zh) * | 2015-11-20 | 2016-04-06 | 宁波大业产品造型艺术设计有限公司 | App智能家居锁 |
| CN105376321A (zh) * | 2015-11-30 | 2016-03-02 | 湖南涉外经济学院 | 一种多功能物联网信息平台 |
| CN106067004A (zh) * | 2016-05-30 | 2016-11-02 | 西安电子科技大学 | 一种脉冲噪声下数字调制信号的识别方法 |
| CN106845088A (zh) * | 2016-12-30 | 2017-06-13 | 北华大学 | 一种基于无线局域网的移动医疗护理车控制系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107817901A (zh) * | 2017-10-31 | 2018-03-20 | 湖南财政经济学院 | 一种计算机键盘防水电子控制系统 |
| CN108388203A (zh) * | 2018-04-09 | 2018-08-10 | 衢州学院 | 一种智能数控机床散热监控系统 |
| CN111640129A (zh) * | 2020-05-25 | 2020-09-08 | 电子科技大学 | 一种应用于室内墙面施工机器人的视觉砂浆识别系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106772246B (zh) | 基于声阵列的无人机实时检测和定位系统及方法 | |
| CN104766320B (zh) | 阈值化量测下的多伯努利滤波弱目标检测与跟踪方法 | |
| CN102930302B (zh) | 基于在线序贯极限学习机的递增式人体行为识别方法 | |
| CN104050681B (zh) | 一种基于视频图像的道路消失点检测方法 | |
| CN110245718A (zh) | 一种基于联合时域频域特征的人体行为识别方法 | |
| CN105307264B (zh) | 一种无线传感器网络的移动节点定位方法 | |
| CN107088028A (zh) | 一种智能新式干湿两用吸尘器机器人控制系统 | |
| CN110286368A (zh) | 一种基于超宽带雷达的老人跌倒检测方法 | |
| CN105046197A (zh) | 基于聚类的多模板行人检测方法 | |
| CN103678949B (zh) | 基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法 | |
| CN103455797A (zh) | 航拍视频中运动小目标的检测与跟踪方法 | |
| CN113963441B (zh) | 一种基于跨域增强的毫米波雷达手势识别方法及系统 | |
| Yanyun et al. | A convolutional neural networks based transportation mode identification algorithm | |
| Wu et al. | Target detection in clutter/interference regions based on deep feature fusion for HFSWR | |
| CN109086667A (zh) | 基于智能终端的相似活动识别方法 | |
| CN112380903B (zh) | 一种基于WiFi-CSI信号增强的人体活动识别方法 | |
| CN113449711A (zh) | 一种基于方向密度特征的微多普勒图像手语感知识别方法 | |
| CN109600711B (zh) | 一种基于信道响应频域和空域联合处理的室内定位方法 | |
| CN110309689B (zh) | 基于超宽带雷达的Gabor域手势识别检测方法 | |
| CN111580640A (zh) | 一种基于电荷感应的两方向手势追踪装置及方法 | |
| Raza et al. | An integrative approach to robust hand detection using CPM-YOLOv3 and RGBD camera in real time | |
| CN114168058A (zh) | Fmcw单毫米波雷达的空中手写字符识别方法及装置 | |
| Zhou et al. | SURF feature detection method used in object tracking | |
| CN106646377A (zh) | 基于时间序列相似搜索的震动目标定位方法 | |
| CN106875427A (zh) | 一种机车蛇行运动监测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170825 |