內容導讀

當前人工智能、智能機器人、人機交互理論與技術發(fā)展迅猛。隨著傳感器、集成電路設計和智能算法的進步帶來機器人感知能力的快速提升，人工智能中柔性傳感器、智能機器人、人機交互算法的應用不斷取得進步。基于柔性傳感器的人與機器人的交互、機器人與機器人的交互以及人機協同作業(yè)等領域已有一定的成功應用，因此學術界掀起了柔性傳感器、柔性共形天線、人(機)-機交互智能感知系統與智能算法的研究熱潮。鑒于上述情況，為了更好地將人機交互、智能感知的最新研究成果介紹給讀者，進一步滿足人機交互、智能感知體系發(fā)展需求，我們組織了本專題。

遙操作機器人為從事各種風險工作的人們提供智能和方便的支持，成為機器人人機交互領域中關鍵技術之一?！痘诒倔w手勢-觸覺感知的機器手抓取》在基于數據手套及觸覺感知陣列的遙操作機器人控制系統下，構建了包含視覺及觸覺雙模態(tài)的反饋體系。采用上位機實時顯示的方式解析機器人作業(yè)狀態(tài)，同時構建了基于電刺激的力觸覺臨場感反饋模型，實現對機器人靈巧手的精準控制及抓握作業(yè)情況和握力的再現，增加操作者的本體感。針對不同的用戶使用情況進行了交叉驗證，實驗結果表明，觸覺反饋技術能夠提高遙操作機器人的作業(yè)性能，同時基于視-觸雙模態(tài)反饋技術能夠實現對觸覺力的大小及遙操作機器人作業(yè)狀態(tài)更優(yōu)的反饋性能，實現了操作者在視覺受阻礙狀況下對機器人靈巧手進行遙操作并完成穩(wěn)定抓取的任務。

基于灰度編碼的條紋因易于編碼和解碼，在條紋投影輪廓術中有著廣泛的應用?；叶染幋a方法通過給像素點設置不同的灰度值使得編碼信息蘊含于圖像之中?！犊焖偃S重建的N級灰度編碼法》使用雙灰度編碼法，共投射5幅條紋圖，其中包括3幅相移圖像和兩幅N級灰度編碼圖像。N級灰度編碼圖像經過解碼后，可獲取精確的條紋階次信息，進而得到絕對相位信息。在解碼過程中，使用兩個交叉的二值掩膜對同級碼字的碼區(qū)進行統一解碼，降低了因為條紋丟失或圖像噪點引起的誤差。與傳統的灰度編碼方法相比，該方法在不增加投射條紋數目的情況下獲得了更加精準的編碼信息。

電表信號功耗低，擴頻序列較短，因此開展在低信噪比和多普勒頻偏下實現突發(fā)信號的精準捕獲是接收機設計的重點。《基于頻域差分的智能電表擴頻信號捕獲算法》針對部分匹配濾波—快速傅里葉變換(PMF-FFT)算法非相干積累后信噪比增益不足的問題，引入了一種基于頻域差分非相干的PMF-FFT算法，消除了非相干平方損耗對捕獲增益的影響。結合通信環(huán)境提出了一種改進頻域差分非相干算法，研究對突發(fā)直接序列擴頻信號的捕獲，實現智能電表接收端無線信號的粗同步。仿真實驗表明，在消耗相同計算資源的情況下，改進算法的信噪比增益高于傳統非相干積累法。

針對現有脈率變異性信號提取方法存在抗噪性差、參數選擇主觀等問題，《基于變分模態(tài)分解的脈率變異性信號提取方法》提出一種基于變分模態(tài)分解的脈率變異性信號提取方法。首先，對原始脈搏信號進行變分模態(tài)分解，從中提取可以反映脈搏主波變化的分量，對該分量進行平滑濾波；然后，計算濾波后分量的極大值位置，以相鄰極大值位置為依據，計算原始脈搏信號對應區(qū)間的最小值，得到脈搏信號波谷；最后，根據波谷計算脈率變異性信號。采用31組實測脈搏信號對所提出的算法進行驗證，結果表明脈率變異性信號提取的準確率在97%以上。

《基于脈搏信號的身份識別系統》針對常用基于指紋、人臉等特征的身份識別技術存在容易偽造等問題，設計了一種基于脈搏信號的身份識別系統。該系統包括上位機和下位機模塊，下位機以STM32為核心進行脈搏信號的AD轉換和數據打包，并通過WiFi模塊將數據無線地發(fā)送到上位機。采用PC作為上位機，基于LabVIEW軟件開發(fā)了人機交互界面，對接收的脈搏信號進行濾波、分割、模型參數識別、特征向量提取，并基于隨機森林算法訓練身份識別分類器。招募20名試驗對象對所研制系統的準確性進行評估，結果表明身份識別的準確率達到了95%。

《低剖面、頻率可重構偶極子天線研究》設計了一種基于人工磁導體反射板以及PIN二極管加載的低剖面、頻率可重構雙極化偶極子天線。通過控制PIN二極管的工作狀態(tài)，可實現天線工作頻段在P波段與L波段之間的切換控制，并同時保證各頻段內的端口反射系數小于-10 dB?？紤]到天線剖面高度主要由P波段的設計決定，且在頻率可重構設計中，存在P波段與L波段偶極子輻射體與反射板之間的理論距離不一致的矛盾，采用工作在P波段的AMC結構代替反射板來解決這一問題。通過將設計天線與采用傳統純金屬反射板的天線設計進行對比，能夠降低59%左右的剖面高度，并明顯改善了L波段的輻射特性。

綜上所述，本專題涉及人機交互、智能感知綜述、系統分析和關鍵技術解決等多個方面，希望能為廣大讀者了解和研究人機交互、智能感知提供有益的啟示和參考。