随着移动设备的不断普及，人们开始研究使用智能手机进行室内定位的技术。本文旨在综述最新的和最有趣的基于智能手机的室内导航系统。从电磁定位系统到惯性定位系统，再到可见光定位系统，本文重点介绍了这些技术各自独有的挑战和在现实世界中的潜在应用。本文使用智能手机传感器的类别作为不同定位系统分类的基础，并制定了一套用于评估优劣的标准。对于每个传感器类别，本文综述了其中最新的、有趣的和实用的系统，并详细讨论了其中的开放性学术研究问题和潜在的应用性研究问题。

近来，COVID-19在世界范围内呈明显地指数级传播，其剧烈暴发主要发生在美国、西班牙、意大利、英国、法国、德国、土耳其和俄罗斯。截至2020年5月1日，全世界共报告3,308,386例确诊病例，累计死亡233,093例。由于COVID-19病理的复杂性和不确定性，一线医生很难将临床COVID-19患者在保持一致性的前提下分为一般和严重/危重病例。超过300个实验室特征和潜在的疾病，所有这些因素结合起来都会使患者正确和快速的诊断变得更为复杂。然而，这种筛查对于早期分诊、诊断、分配适当级别的护理机构和及时干预制度是必要的。本文对2020年1月10日至2月18日在中国武汉同济医院确诊的COVID-19患者数据进行了机器学习分析，并建立了一个基于softmax神经网络的机器学习模型来对患者的严重程度进行分类。用过对2662例患者的临床和实验室数据分析，目前的模型能够筛选出300多个实验室特征中最重要的30个特征，并且在严重/危重到一般的患者二分类任务中获得86.30%的盲测精度，0.8195的F1分数和100%的一致性。对于严重/危重病例，F1分数为0.9081(召回率为0.9050，精确率为0.9113)。与分钟级的人工分类相比，这个分类模型可以在秒级的计算成本下完成。基于现有的COVID‐19患者诊断和治疗技术，人工智能模型可以帮助医生快速地对患者进行高准确度和100%一致性的分类，从而显著地提高诊断和分类的效率。筛选出的最重要的30个实验室特征可最为现有指南的重要补充，实现更大程度的区分，从而在感染早期阶段对COVID‐19病例进行更全面的评估。这种早期区分将有助于为每个患者分配合适的护理水平。

斑马线检测是电子出行助手的一项基本功能。它可以定位斑马线并估算其方向，从而帮助视障人士安全过马路。与传统的斑马线检测方法不同，本文采用了基于卷积神经网络的回归方法来检测斑马线。具体来说，一个固定大小的窗口在路口采集的图像上滑动，将得到的图像块依次输入到逻辑回归模型中，以识别斑马线。然后，将斑马线图像块输入到回归模型进行方向预测。在预测前，利用反向传播算法对模型参数进行优化。与现有的方法相比，该方法可以提高斑马线识别的精度-召回性能，降低预测方向的均方根误差。

本文讨论了基于中枢模式发生器(CPGs)的弹性振荡结构，该结构可以产生有节奏的运动。首先，我们利用微分方程理论分析了一个作为弹性振荡结构信号发生器的典型CPG模型，Hopf CPG。接下来，我们使用线性算子半群理论证明了由该CPG和弹性梁组成的耦合系统的适定性。基于有限差分法的数值结果表明，通过对CPG网络内部参数的选择，该耦合系统可以获得多种周期性运动行为。最后，我们使用COMSOL Multiphysics对复杂系统运动的动态仿真进行了研究。

针对不同负荷类型和电力需求的多微电网系统，本文提出了一种基于自适应变异遗传算法的多微电网经济调度策略。在分析工业、住宅和商业负荷的基础上，同时考虑到多微电网之间的协同和互补，从环境保护和经济性的角度出发，我们建立了基于最低运行成本和环境保护成本的多微电网最优调度模型。同时，提出了一种自适应变异遗传算法对该系统模型进行优化，找出最优的经济调度策略。

近年来，由于脑电图(EEG)脑机接口(BCI)能够通过非侵入性电极直接记录大脑皮层激活模式的神经信号，因此在上肢假肢控制领域得到了广泛的研究。目前常见的使用肌电图（EMG）直接从具有一些残余解剖结构的残肢获取神经肌肉信号的方法存在一定限制，而脑电图脑机接口被认为是一种可以绕过这些限制的方法。在本研究中，采用顺序前向选择算法形成10个最佳通道表示，同时采用扩展的信号特征向量，对四名不同残肢长度的经肱骨截肢者进行了研究，对比了仅肌电图、仅脑电图和肌电-脑电图融合感知三种配置下的运动意图解码性能。结果表明，仅肌电图感知时使用扩展特征向量能够极大地改善性能，但是仅脑电图感知时使用扩展特征向量仅能够轻微地改善性能。因此，当两个信号的信息融合在一起时，只有轻微的性能改善。这可能是由于脑电图在头骨上散布了更多的通道来提供可靠的意图解码。现在，进一步的工作将涉及优化研究，以找到一个更好的电极简约性表示，以尽量减少通道的数量，同时提高运动意图解码精度。

本文提出了一种具有六自由度运动能力的最小推力矢量旋翼飞行器(mTVR)。该mTVR仅配备了三个可摆动的推力单元，并采用同轴反桨设计来产生纯推力。因此，该mTVR能够基于满秩雅可比矩阵实现包含解耦平移和旋转的六自由度飞行。我们首先通过探究包含五个几何参数的雅可比矩阵的条件数，对mTVR的几何结构进行了优化。随后，根据mTVR原型的实际硬件配置，对整个系统进行了细致的建模，包括同轴反桨推进器、用于摆动的高压伺服系统和详细的飞行器多刚体运动动力学。接下来，我们对六自由度执行器的输出包络和动态响应性能进行了评估。最后，我们设计了一个具有抗干扰能力的六自由度运动控制器，并在一个为该mTVR开发的专用多功能软件平台上进行了测试。结果表明，该控制器在飞行器常规以及激烈的操作中都具有良好的稳定性。