羊群羊只计数是畜牧生产过程中较为耗时费力的环节,在草原畜牧业中,统计羊只数量有助于过度放牧监测和草原生态评估。采用无人机(UAV)获取航拍图像,制作了羊群密集计数(USC)数据集,为羊群密集计数研究提供数据支持。在USC数据集上,对MCNN、CSRNet、SFANet、Bayesian Loss网络模型进行了实验。实验结果表明:由于遮挡,羊群的不规则分布,羊群大小、形状、密度等方面的巨大变化,MCNN、CSRNet、SFANet模型将假设的高斯核应用于点标注计算真值密度图,很难达到高质量;而Bayesian Loss模型提出的Bayesian损失函数对每只羊标注点的计数期望进行监督,取得了较好的计数效果,密度图平均绝对误差(MAE)为3.56,均方误差(MSE)为5.46,平均相对误差(MRE)为1.86%,可为草原羊群密集计数提供有益参考。

为了避免传统羊群计数任务中, 羊只之间相互遮挡带来的干扰, 提高羊群计数的准确度, 采用了视觉几何群(VGG-16)与空洞卷积(DC)相结合的VDNet神经网络羊群计数方法。该方法在网络前端采用去除了全连接层的VGG-16网络提取2-D特征, 后端采用6层具有不同空洞率的DC提取更多的高级特征; DC在保持分辨率不变的同时扩大了感受野, 替代池化操作, 降低了网络的复杂性; 最后用一层卷积核大小为1×1的卷积层输出高质量的密度图, 通过对密度图像素积分得出输入图片中羊的数量, 并进行了理论分析和实验验证。结果表明, VDNet的平均绝对误差为2.51, 均方误差为3.74, 平均准确率为93%。这一结果对羊群计数任务是有帮助的。

针对油动四旋翼欠驱动、时变环境误差大、高度非线性等问题，为得到更加精准的控制量，提出了基于自适应积分反步法与混合滤波算法相结合的控制算法，并将此算法应用到振动噪声大的油动四旋翼无人机的控制系统中。在相同的仿真条件下与积分反步法进行比较试验，结果表明，应用自适应积分反步法与混合滤波算法相结合的控制算法的无人机对较强的噪声干扰具有一定的鲁棒性，能使四旋翼稳定悬停，控制效果较为理想。

为了提高室内定位精度, 实现三维定位, 文章提出了一种基于单个发光二极管(LED)的室内反向定位系统。该定位系统解决了利用多个LED定位时的干扰问题, 其将日常所用的白光LED作为光源, 既与实际情况相符, 又便于将来推广使用。该定位系统根据接收机接收到的光照度来估算距离, 以残差平方和最小为目标函数拟合出最佳回归曲线, 再利用三边定位原理以及空间几何关系确定接收机坐标。实验结果表明, 在实际应用场景中, 该定位系统能够实现准确的室内定位服务。

为了改善室外发光二极管(LED)可见光通信系统的性能, 解决湍流效应引起的光束相位变化、光束漂移、光束扩展等干扰问题, 提出了一种基于多输入多输出(MIMO)技术的LED可见光通信系统。首先构建了大气湍流信道模型, 然后利用MIMO技术相关原理搭建了LED可见光通信系统模型, 最后采用最大比合并的方法恢复出原始的信号, 并计算误比特率。结果表明, 在相同的湍流强度下, 随着系统分集程度越大, 误比特率越低; 在强湍流信道环境下, M=3,N=4的通信系统实现了10-7的误比特率, 与M=1,N=1的通信系统相比, 误比特率降低了5个数量级。该研究验证了MIMO技术抑制湍流效应的可行性与有效性。