一、Study on tracking algorithm of acoustic target(论文文献综述)
洪波,刘雪芹,秦志亮,马本俊,王飞,刘映锋[1](2021)在《水面运动目标跟踪监控系统的设计与实现》文中认为本文围绕海上无人值守平台周界安防技术需求,以800 m范围内的快艇、渔船、客轮和商船为航行目标构建运动目标跟踪监控系统,并集成开发了基于水下被动声学检测和水上云台控制的光学视频系统为一体的声光一体化监控系统,设计了一套基于深度学习的目标检测算法,实现了对水面航行目标的跟踪检测与分类识别。本文在目前基于单一方法进行水面目标跟踪的基础上进行了突破,系统综合了水听器远距离目标监控跟踪和近距离的水面视频监控目标识别,当两者同时确认目标,由声警器发出警报驱离可疑目标,系统将水下声学监控和水面视频监控有效结合,极大地降低了平台的误报概率,同时实验测试结果表明该系统可有效实现对4类水面航行目标的跟踪检测和特征提取,且改进后的算法可有效提升目标检测效果与识别精度,具有较好的鲁棒性和有效性。
祝文昭[2](2021)在《脉冲干扰环境下宽窄带混合主动噪声控制关键技术研究》文中研究指明自动化机械系统的广泛应用提高了人们的生活质量,但引入的噪声也不可忽视。该类噪声一般具有明显的窄带特性,在一定的半自由场半混响场及混响场条件下,一般也具有明显的谐频特性和宽带特征。并且在实际应用中,如汽车鸣笛、机械损伤和建筑施工带来的脉冲噪声干扰不可避免。更进一步的分析,在移动的车辆、飞机及轮船中,脉冲噪声对现有的主动噪声控制(ANC)技术的影响不容忽视。相对于单一的高斯噪声,在混合有脉冲干扰的高斯噪声环境中,现有ANC系统较难同时实现良好的追踪和稳定性能。脉冲干扰一般具有较高的幅值。有些脉冲干扰如施工噪声具有一定的周期性,此类脉冲干扰会干扰ANC系统的相位跟踪性能。有些脉冲干扰则不具有周期性,这类的随机干扰较周期脉冲对幅度和相位的追踪会产生更大的影响。因此,针对该类问题,分别以递进层次研究了具有抗周期脉冲干扰的窄带主动噪声控制(NANC)、抗宽带随机脉冲干扰的宽带主动噪声控制(BANC)以及抗宽窄带混合脉冲干扰宽窄带混合主动噪声控制(HANC)系统。具体研究内容如下:首先针对传统的窄带主动噪声控制算法(NNANC)无法较好的适应背景噪声功率变化及脉冲噪声的干扰,且使用抗脉冲噪声宽带算法降低窄带高斯噪声时会产生较大运算量的问题,提出一种新的基于滤波-x虚拟跟踪L0范数离散傅里叶陷波器(Fx L0DFC)的混合滤波归一化最小均方—离散傅里叶(Fx NLMSFx DFC)结构。通过脉冲信号压缩感知因子及Fx L0LMS算法较Fx DFC算法对环境更为敏感的特性,同时实现稳定环境下低运算量跟踪和噪声波动较大环境下的快速跟踪。为了进一步降低稳态运算量,在Fx DFC算法基础上,提出了一种滤波-e离散傅里叶陷波算法,进一步扩展算法的应用场景。其后,针对在高斯噪声环境下,目标宽带噪声包含脉冲干扰的问题进行了研究,在该环境下脉冲干扰会令有限二阶矩的自适应滤波算法发散,并且脉冲干扰的强度也会随机变化从而影响滤波器的迭代性能。由此,提出了一种新的基于脉冲检测器和高斯核函数的自适应后规整滤波-x归一化最小均方算法(DMPFx NLMS)。该方法首次将自适应高斯核函数代入后规整滤波算法的代价函数中,以提高算法在背景噪声功率变化时的追踪能力。DMPFx NLMS算法还融合了一种改进的阶数检测方法,在脉冲强度多变的环境中,较传统宽带算法有更好的稳定性能。更进一步地,针对更为复杂的半自由场、半混响场及混响场中包含脉冲干扰的宽窄带混合高斯噪声降噪问题,提出了一种新的基于残余正弦结构(SRE)的前反馈结构的宽窄带混合系统(HANC-SRE)。该方法可有效地降低窄带降噪子系统(NANC)中各滤波器的误差互干扰,提高HANC系统的追踪和窄带线谱降噪能力。在此基础上,结合Fx L0DFC和DMPFx NLMS方法,提出了一种基于抗脉冲干扰变步长算法的HANC系统(AT-HANC),该方法在脉冲强度多变的环境中,仍具有良好的跟踪及线谱噪声降噪能力。综上,本文还开展实时实验以验证提出的算法的实用性。(1)当目标噪声为含有脉冲干扰的功率多变窄带信号时,提出的基于Fx L0DFC的混合Fx NLMSFx DFC方法较传统方法收敛速度更快。(2)当目标噪声为包含脉冲干扰的宽带信号时,提出的DMPFXNLMS算法在受到脉冲干扰时误差波动相对最小,并且较传统方法跟踪速度更快,算法可在脉冲强度多变环境下实现降噪。(3)当目标噪声为含有脉冲干扰的宽窄带混合噪声时,提出的HANC-SRE较传统方法收敛速度更快、且窄带噪声的降噪性能更为优越。在此基础上改进的AT-HANC可适用于各种类型的噪声降噪,在脉冲干扰发生时均保持稳定,并且在目标噪声中含有强窄带成分时,也能实现良好的降噪性能。
田德艳,张小川,邹司宸,马士全,吕勇[3](2020)在《L2正则化粒子滤波在水下无人平台纯方位角跟踪的应用》文中认为针对水下无人平台搭载单矢量水听器目标跟踪鲁棒性差的问题,提出一种基于L2范数正则化粒子滤波的单站纯方位角度水下目标跟踪算法。该方法引入测量量与预测量误差的规则范数,得到粒子的似然函数,从而平衡测量值与预测值,提高目标跟踪鲁棒性。仿真结果表明,相较于粒子滤波(PF)算法,基于L2范数正则化(L2-RPF)优于基于L1范数正则化(L1-RPF),其目标方位跟踪精度更高,且经过多次Monte Carlo实验得到的L2-RPF目标方位跟踪平均误差和均方根误差均较小。利用水下滑翔机平台搭载单矢量水听器(水下声学滑翔机)在中国南海海域进行探测跟踪的试验数据,对算法性能进行了验证,采用L2-RPF处理得到的目标方位跟踪精度相较于其他算法较高,一定程度上修正了测量野值带来的跟踪误差。
宋浠瑜[4](2020)在《房间轮廓声学重构与室内声学定位关键技术研究》文中指出位置信息可用于提供个性化服务以增强用户体验,促进物联网产业发展及智慧城市建设。随着全球定位系统(Global Positioning System,GPS)和北斗导航系统(BDS)的广泛应用,室外定位问题己基本解决,室外位置信息服务(Location Based Services,LBS)产业蓬勃发展。然而,人类80%以上的时间都在室内环境中活动,位置服务、社交网络、健康求助、智慧城市、应急救援、物联网、精确打击等无不需要具备室内定位功能。由于受建筑物的遮挡和多径效应的影响,GPS或BDS的室内定位性能无法满足人们对室内LBS的应用需求,因此,室内定位己成为LBS应用推广最迫切需要解决的问题。实用的室内定位方案需要满足精度、覆盖范围、可靠性、成本、功耗、可扩展性和响应时间等方面的需求。近年来,国内外研究者们提出了蓝牙、红外线、RFID、WLAN、超宽带、超声波等室内定位技术及应用系统,但是受人类活动干扰、信号多径传播、基础设施依赖等因素影响,不同的室内定位技术根据其定位性能都有一定的应用局限,迄今为止尚无一种普适化的室内定位系统能提供主导室内的全球性、全天候定位服务,使LBS产业全面覆盖室内外空间。因此,如何在室内复杂环境中进行场景识别并提升感兴趣目标的定位性能,己成为各种智能交互与通信系统产业共同关注的焦点。本文分析了室内定位技术的现状,尤其是室内声学定位的发展概况,确定了房间轮廓声学重构与室内声学定位关键技术研究方案,基于多通道声信号获取与单通道声信号获取两种方式,开展房间轮廓声学重构、室内声源定位与室内声学指纹定位的相关研究,分析房间轮廓声学重构对室内声学定位(本文重点讨论室内声源定位与室内声学指纹定位)性能的影响。研究房间轮廓声学重构与室内声学定位关键技术的意义,不仅在于其能满足不同室内LBS用户对位置精度的多尺度(分米级与米级)要求,还能满足用户对其位置信息获取的隐私保护需求,因此具有实际应用价值。文中对上述研究所涉及的应用背景与知识理论进行了介绍,明确了房间轮廓声学重构的基本原理与室内声学定位系统的工作机理,同时也对室内声学定位算法的常用手段进行了总结。本文的主要研究内容包括:1.综述了室内声学定位技术的发展概况,特别是室内声源定位与室内声学指纹定位的研究现状、技术问题与发展趋势。概述了房间轮廓声学重构技术的发展,并从多通道声信号获取与分析以及单通道声信号获取与分析两方面,总结了房间轮廓声学重构的实用方法,验证了房间轮廓信息对室内声学定位性能提升的有效性。2.介绍了房间轮廓声学重构的基础理论,分析了室内声场理论模型,推导了三维波动方程的基本公式,对利用房间平行墙面间声学共振特性,实现房间轮廓声学重构的过程进行了数学描述,并总结了基于波动声学的房间轮廓声学重构在实际应用中的参数问题;从多通道声信号获取与分析(麦克风阵列)以及单通道声信号获取与分析(智能手机)两方面,分别介绍了基于几何声学理论的房间轮廓声学重构方法,为基于阵列手机的室内声源定位,及基于智能手机的室内声学指纹定位应用研究提供室内声场环境先验;最后,介绍了室内声学定位的基础理论,介绍了基于时延估计的声源定位、基于波束形成的声源定位与基于机器学习的声学指纹定位的基本方法,归纳总结了室内声场环境对声学定位系统的重要影响,为后续室内声源定位和室内声学指纹定位的研究工作,提供理论与方法支撑。3.提出了一种基于三维麦克风阵列感知的房间轮廓声学重构方法,充分利用阵列拓扑结构优势,降低了一阶反射声脉冲峰误判的可能,简化了基于多通道声信号获取与分析的房间轮廓声学重构过程,提高了重构精度与效率,并保证了基于随机区域收缩(Stochastic Region Contraction,SRC)的可控功率响应相位变换(Steered Response Power with Phase Transform,SRP-PHAT)波束形成算法的可行性;并在房间轮廓重构基础上,提出了基于Delaunay三角剖分的声源位置搜索体积重建方法,在保证SRP-PHAT-SRC算法位置估计精度的同时,合理有效地缩小了室内运动声源的搜索体元,实现了室内说话人实时轨迹的高效估算与跟踪。4.提出了一种智能手机多传感融合的室内行人连续自定位方法,将基于智能手机惯性传感器数据的行人航迹推算(Pedestrian Dead Reckoning,PDR)与基于时延估计的声源定位算法相结合,并发展了一种基于声压级与声能分析的声学约束更新算法,该算法结合房间轮廓信息,通过利用声源与其一阶镜像声源之间的几何关系,保证了时延估计数据在可靠范围之内,更新消除了PDR迭代误差,实现了准确、有效且无用户协作的室内行人连续自定位。5.提出了一种基于听觉场景分析(Audiroty Scene Analysis,ASA)的室内LBS用户定位方法。该方法以室内环境背景声的心理声学特征谱为声学特征,构建多维声学指纹,结合房间轮廓信息与房间内区域分簇结果,勾画出室内场景的轮廓及其声音能量分布状态(房间色彩声图),一方面可以为室内小区域定位提供较为详实的位置信息和空间布局,另一方面又不暴露室内场景布局与物品的图像细节,解决了传统室内地图的隐私保护矛盾;在此基础上,基于机器学习的理论与算法,线下构建与更新“位置——指纹”映射关系数据库,线上以最小方差匹配,快速准确定位用户位置,实现无基础设施依赖且无用户协作的室内小区域级定位。
辛明真[5](2020)在《GNSS-A水下定位与导航关键技术研究》文中研究指明海洋定位与导航是海洋科学研究、海上交通运输、海洋权益维护、海洋资源开发、海洋工程建设、海洋环境治理和海战场建设的基础,为人类一切海上活动提供全方位、全过程、全时段、多时空、多层次、多环节的海洋时空信息与位置服务。随着海洋开发活动的深入,海洋定位与导航的需求从水面以上转变为水上、水下的全部海洋空间,尽管全球导航卫星系统(GNSS,Global Navigation Satellite System)极大推动了大地测量与导航定位领域的全新发展,但电磁波在水体中快速衰减的特性使其无法直接用于水下目标定位与导航。由于声波在海水中具有良好的传播特性,GNSS-A(Global Navigation Satellite System-Acoustic)定位与导航技术得到了广泛研究应用,但复杂的海洋动态环境变化给高精度水下定位与导航带来了一系列的关键技术问题。论文系统性地总结了水下定位与导航的研究现状,针对GNSS-A水下定位与导航中存在的水下定位声线跟踪方法、水下差分定位模型优化、水下导航滤波算法等问题,开展了系统性的理论研究、方法改进和实验分析工作。论文主要研究内容如下:(1)顾及波束入射角的水下定位声线跟踪方法海水声速的时空变化会使声波沿传播方向发生折射,有效消除声波的折射效应对提高水下声学定位精度至关重要。在声速剖面已知的情况下,声线跟踪是削弱折射效应的有效方法,但现有的声线跟踪方法要求波束入射角已知,而基于距离交会原理的水下声学定位系统通常未对波束入射角进行直接观测。针对上述问题,提出了顾及波束入射角的水下定位声线跟踪算法,采用搜索法确定波束入射角,通过对声线跟踪与定位解算的迭代计算,实现波束入射角和目标坐标的渐次修正。为进一步提高计算效率,提出了迭代求解超越方程的解算法。实验结果表明,顾及波束入射角的水下定位声线跟踪方法能够有效利用声速剖面消除声线折射效应的影响,且解算法计算效率优于搜索法。(2)水下历元间静态单差定位方法与病态解算水下历元间静态单差定位方法是通过在相邻观测历元间做差分消除部分系统性误差的影响,但可能存在的病态性问题使历元间单差定位方法未能得到广泛应用。通过分析不同观测条件(航迹、升沉等)对历元间单差定位病态程度的影响,发现相邻观测历元间的几何入射角之差是影响病态性产生的主要因素之一,提出采用正多边形航迹改善历元间单差定位的病态性。针对已经存在历元间单差定位病态问题,提出了一种基于改进L曲线的LIU型估计方法,利用均方误差和残差二范数构成的L曲线确定LIU型估计参数的优化取值。实验结果表明水下历元间静态单差定位方法能够消除部分系统性误差影响,而基于改进L曲线的LIU型估计方法有效改善了历元间单差定位的病态估计结果。(3)水下基准间动态单差定位方法与网型设计针对水下动态多基准点非差定位方法无法消除系统误差影响的问题,提出了水下基准间动态单差定位方法,通过在同一观测历元的距离观测值间进行差分计算,消除部分系统性误差的影响。基于空间位置精度因子(PDOP,Position Dilution of Precision)对基准间单差定位的网型结构进行了设计优化,针对采用顶点差分基准点的正多边形网,由于方向余弦矢量近似相等导致网型结构较差的问题,提出采用中央差分基准点的正多边形辐射网进行优化设计。长基线定位实验表明,水下基准间动态单差定位方法能够消除系统性误差的影响,且采用中央差分基准点的正多边形辐射网有效增强了网型结构的强度。(4)基于交互多模型的水下导航Kalman滤波算法构建起与水下目标实际运动状态相一致的运动模型,是保证水下导航Kalman滤波精度和可靠性的重要前提。但在复杂海洋环境的影响下,水下动态目标的运动状态具有较强的多样性与随机性,往往无法根据先验信息采用与目标实际运动状态完全匹配的运动模型。当水下目标的运动状态在机动和非机动模式之间切换时,采用单一的机动或者非机动运动模型会使得滤波精度下降甚至滤波发散。为此提出了基于交互多模型的水下导航Kalman滤波算法,利用马尔可夫先验转移概率实现了多模型的加权融合,仿真实验表明相较于基于单模型的水下导航Kalman滤波算法,基于交互多模型的水下导航Kalman滤波算法表现出了更好的运动状态适应性。
谭东旭[6](2021)在《基于仿生行为的多水下机器人自主协作策略》文中研究指明随着多水下机器人的发展和技术的进步,多水下机器人协同控制成了多水下机器人系统的一个重要研究方向。队形控制问题是多AUV执行复杂协同任务的基础,针对不同的任务需要与环境,科研人员提出了多种控制方式,用来解决多AUV的队形控制问题。但是迄今为止,没有一套成熟理论框架可以用来指导多AUV的队形控制问题,往往仅是针对特定的编队任务设计队形控制算法,因此多AUV系统不够灵活。考虑到水声通信的特点、水下环境的复杂性、多水下机器人队形控制的应用场景,本论文主要内容如下:(1)针多水下机器人编队控制问题进行了研究,通过对生物群体的蜂拥行为进行分析,将单个AUV的运动控制分为位置协同项、速度协同项、导航项。又通过构建虚拟领航者,设计了基于目标跟踪的多水下机器人群集控制算法,将蜂拥算法应用到多AUV队形控制中,并通过仿真进行试验验证。(2)研究了基于分解策略的多水下机器人队形控制方法,将多水下机器人分解成多个子队伍进行编队控制,采用领航跟随法与基于行为法相结合的编队控制方式,对多水下机器人编队问题建立数学模型,利用Lyapunov函数设计子队伍的控制器,最后引入生物启发模型进行平滑处理。同时研究了多水下机器人的行为分解策略,并且设计了适合这种控制方式的通信协议。最后通过仿真及湖上试验进行了验证。(3)针对水声通信时延、通信丢包、变换拓扑结构,对多水下机器人编队控制的稳定性进行分析,对设计的编队控制算法进行优化,并进行试验验证。
朱友康[7](2020)在《基于声速改正的水下差分定位系统研究》文中研究表明海水养殖在我国渔业经济中的地位是非常重要的,重点开发海洋牧场智能设备是我国海洋渔业发展的重要战略选择。用于海水养殖环境监测的AUV(Autonomous Underwater Vehicle)对水下高精度定位有较高的要求,因此以水声为基础的定位技术在海水养殖环境中起到了至关重要的作用。但海洋环境复杂,声波在水中传输时声线会发生弯曲,导致定位精度降低,所以在定位过程中必须进行声速改正。在此背景下,本文研究了现有的AUV水声定位技术和声速改正算法及其优缺点,提出了基于等梯度声线跟踪的声速改正算法用以提高AUV水下差分定位的精度。本文在综述水声定位技术发展现状的基础上,对AUV水下定位技术及其解算方法进行了研究;在对比水声定位技术的优缺点的基础上,对用于AUV的水面浮标定位技术进行了深入研究。在综述声速改正算法发展现状的基础上,针对声波的传播特性,对加权平均声速法、等效声速剖面法和声线跟踪法进行了研究;在对比三种声速改正算法仿真结果的基础上对声线跟踪法进行了深入研究,提出了基于等梯度声线跟踪的改进算法;同时通过一组ARGO数据对改进算法进行了验证。论文提出的基于声速改正的水下差分定位系统主要从减小计算量和避免系统误差对精度的影响两个方面进行研究,利用声线跟踪法对声速剖面进行分层,通过声速剖面与阈值的大小进行对比,将声速剖面分为等梯度层和等声速层计算,提高计算效率。将系统误差加入到定位系统中,根据结果判定系统误差对定位精度是否有影响。将实验分为基于走航式和浮标式的差分和非差分定位系统进行仿真。仿真结果表明,走航式和浮标式定位系统在未加入系统误差时,基于声速改正的非差分定位精度优于差分定位;在加入系统误差后,基于声速改正的差分定位精度优于非差分定位;基于等梯度声线跟踪法改进的差分定位系统的定位精度与其他声速改正算法的差分定位系统相比,不仅在计算效率方面有所提高,定位精度也优于其他声速改正算法的差分定位系统,满足高精度AUV定位的需求。
刘慧勇[8](2020)在《基于DAS技术的车辆交通状态辨识与防碰撞预警研究》文中认为智能交通系统(Intelligent Transportation System,ITS),是将先进的信息技术、传感器技术、电子控制技术、系统工程及人工智能技术等有效地综合运用、集成到交通管理中,从而实现保障安全、提高效率、改善环境、节约能源的先进交通系统。实现道路交通状态的智能管控与动态安全预警是道路智能交通系统建设的重要目标,而车辆交通状态的准确检测与辨识则是实现该目标的重要依据。因此,对道路交通状态辨识与车辆防碰撞预警问题的研究,已经成为道路智能交通系统研究领域广泛关注的重大课题。分布式光纤声学传感(Distributed Fiber Optic Acoustic Sensing,DAS)技术,以光纤作为传感传输媒介,是目前最先进的振动声学传感技术。DAS技术具有结构简单、使用方便、测量范围广、灵敏度高、动态范围大以及抗电磁干扰等明显优势。如何将DAS技术应用于车辆交通状态辨识的实际,并提出相应交通状态振动信号处理模型与算法,从而提高交通状态数据检测的准确率和安全性,是当前道路智能交通系统研究的一个重要方向。本论文基于分布式光纤声学传感技术,针对车辆交通状态辨识与防碰撞预警策略问题进行了选题研究。论文以交通状态理论和复杂信号分析理论作为基础,综合运用模式识别、参数估计和信号处理等多个学科方法,通过系统分析与实例实验仿真模拟相结合、定性分析与定量分析相结合,系统地探索如何基于DAS技术,解决交通状态实践过程中车辆交通状态辨识、车辆类型分类以及车辆防碰撞预警等具体问题。本文从这三个具体问题的需求特殊性和现实实践痛点出发,分别提出了基于DAS技术的车辆交通状态辨识模型、基于DAS技术的车辆类型特征参数辨识模型和基于DAS技术的车辆防碰撞预警策略。论文的主要研究内容及成果如下:(1)基于DAS技术的车辆交通状态辨识模型研究。与传统的车辆交通状态辨识模型不同,该模型是基于DAS技术构建检测系统,采用普通光纤电缆进行交通振动信号检测,可以在整个光纤链路覆盖范围内接收全分布式的振动信息,实现对范围内任意点的振动信号的检测和定位。该模型利用DAS技术获取交通振动数据,并且根据振动数据的特征改进了小波阈值算法和双阈值算法,前者实现了对振动数据的预处理,后者可以处理分析出振动信号的车辆交通状态并估计车辆速度。实验表明,在车辆计数试验中,单辆车通过检测区域的计数误差较小;当多辆车连续通过检测区域时的计数误差较大;在车速估计试验中,计算结果具有较好的精度,误差控制在5%以内。(2)基于DAS技术的车辆类型特征参数辨识模型研究。DAS技术具有对车辆振动信号分类方法维护成本低,且可实现更大规模车辆分类数据采集的特点,该模型利用传感光纤以分布式传感器形式采集交通振动信号,并通过相应的信号处理算法从信号中提取若干特征来识别车辆类别。在深入分析车辆分类问题的基础上,模型针对实验场景提出了车辆类型分类标准;在信号处理步骤上,本文提出了基于遗传算法的支持向量机算法(Support Vector Machine,SVM),并以对比实验的方式对多种支持向量机算法进行了比较分析。结果表明这种改进型支持向量机算法能够降低分类误差。通过设计实际场景对模型进行实验,结果表明本文设计的基于DAS技术的分类检测器在进行车型分类时其精度大于70%。(3)基于DAS技术的车辆防碰撞预警策略研究。在对基于DAS技术的车辆交通状态辨识和车辆类型分类特征参数辨识模型研究的基础上,进一步对车辆防碰撞预警策略进行了深入研究。本部分提出了一种新型车辆防碰撞预警策略,与传统的预警策略区别在于该方案是一种基于DAS系统检测路段的全路段、全方位的车辆防碰撞预警策略,针对检测区域的车辆进行防碰撞预警。该安全策略中首先建立了适用于车辆防碰撞预警策略中的车辆安全距离模型,然后提出了一种综合考虑车辆运动、车辆位置、驾驶员行为、道路信息以及车辆类型的车辆防碰撞风险评估方法。最后,通过对防碰撞预警方案进行了仿真实验,验证了碰撞风险评估方法的准确性。仿真结果表明,该策略能有效地检测车辆碰撞风险,并及时给出准确的车辆防碰撞预警。(4)论文结合参加实际科研项目,对提出的模型与算法进行了实例实验和实证分析,研究成果对建立和完善基于DAS技术的车辆交通状态辨识理论体系具有重要参考价值,为实际规划和建设基于DAS技术的道路智能交通系统提供了科学依据。图49幅,表8个,参考文献216篇。
刘洪霞[9](2020)在《多波束声呐水体影像在中底层水域目标探测中的应用》文中研究表明多波束回声测深(Multibeam Echo Sounder,MBES)系统作为当前水下地形测量的主流设备,具有测量范围广、速度快、精度高等优点,能高效获取大面积水深数据和海底反向散射强度信息。新一代多波束系统除了具有记录海底深度、强度等信息外,还可以检测到水体中物体的散射,记录为多波束声呐水体数据(Water Column Data,WCD)。水体数据的处理、识别和应用是国际上多波束应用研究热点之一,本文深入分析了多波束声呐水体影像(Water Column Image,WCI),围绕中底层水域目标的探测及应用,以海底沉船和海洋内波两种典型目标为研究对象,研究其探测、识别和应用,拓展多波束应用领域,提高复杂环境下海底地形测量的精度,主要工作如下:1.系统阐述了多波束声呐水体成像机理、影响因素及成图方式。对水体数据生成的多种视角影像图的特征及优缺点进行详细分析,归纳总结了多波束水体成像影响因素,并提出溯源角度定权插值方法对水体数据成像效果进行了改善。2.针对水体影像噪声强烈、数据量大、目标识别困难等问题,提出了一种基于视图转换的水体二维影像目标提取方法。分别从垂向和航向对水体数据特性进行统计分析,以此为基础设计算法的思路框架:利用Otsu算法分割波束阵列投影图,获得图像前景区域,剔除水体背景数据;根据不同视角影像图的映射关系,定位目标和海底在垂向图中的采样区间,并设置局部阈值进行逐一滤波,达到抑制旁瓣的目的;通过航向图的凸闭包计算,识别水体目标区域。实验分析表明,本文算法准确定位了目标区域,从数据整体出发保证了水体影像的处理效率,并且具有较强的适应性和可控性。3.针对水体目标三维建模时表面采样点空间分布不均现象,提出了一种基于序列轮廓线的水下目标三维重建算法。根据多波束水体数据采集原理,将数据转换至地理框架下并逐ping提取轮廓点云;通过轮廓线中心平移、划分空间格网等方法,避免出现面片错位、自相交等问题,并使用最短对角线法构建三角格网;对于重建过程中的相邻ping间的“分支”问题,基于点位间的欧式距离自动插入断点,使不同轮廓线一一对应。结果分析表明,本文算法能够有效降低面片冗余度,同时避免带来孔洞现象,准确还原水下目标物特征,较现有的α-shape算法、抛雪球算法更具优势。4.基于海洋内波特征及动力学模型,分析了海洋内波对多波束测深精度的影响及海底地形畸变特征。分别从声速跃层垂直位移、声速跃层倾斜角度、航向方位角以及海底深度四个维度分析多波束测深中海洋内波的影响;针对不同因素影响机理,分析内波影响下的海底地形变化特点及测深误差分布,用以准确判断实测海底地形是否受内波影响。5.针对受海洋内波影响的海底地形出现的类似“麻花”状褶皱异常,提出了基于多波束水体影像的海洋内波探测及同步水深改正方法。基于海洋内波的水体影像特征及受内波影响的海底地形畸变特征提取内波振幅、波长、传播方向等参数,构建内波瞬态方程;根据空间几何关系及Snell法则,确定声线折射路径,进行三维声线跟踪,计算波束脚印坐标;经过多次迭代,逐渐提高改正精度。通过数值模拟表明,本文算法能有效改善多波束测深精度,实现海洋内波的探测及同步水深改正,提高多波束测量效率。
戴文丰[10](2020)在《基于卡尔曼滤波算法的声源目标跟踪研究》文中指出定位与跟踪技术已经广泛用于通讯、雷达、医学、声纳、和航空航天等诸多领域,而且相当成熟,但是将定位与跟踪技术应用于声音领域还比较少,所取得的研究成果就更少。由于声音信号不受视线、环境的影响,利用声源信息对目标进行定位和跟踪有着广泛的应用前景,可应用于视频电话会议、智能机器人、声源监控、反狙击步枪等领域,利用声源信息对目标进行定位和跟踪越来越成为新的研究热点。另外卡尔曼滤波算法在目标跟踪应用领域已经具有很成熟的理论算法,本文根据目标的声信号特性通过改进卡尔曼滤波跟踪算法,应用到声源目标的定位与跟踪中。本文的主要工作如下:1、在分布式声阵列传感器网络中采用了基于事件触发的机制来驱动声阵列传感器进行工作,解决了传声器频繁通信造成通信负载加剧的问题,有效降低传声器间的通信负载以及声阵列传感器网络的能量消耗。结合分布式声阵列传感器网络的拓扑结构以及事件驱动机制,我们通过设计合适的声源目标的状态估计方程,充分利用自身节点测量和状态估计信息以及相邻节点的状态估计信息,能够准确地预测声源目标下一时刻状态。采用卡尔曼测量增益和共识增益同时进行修正声源目标的状态估计值,能够提高声源目标跟踪准确度。2、在多声源目标跟踪研究中,由于声阵列传感器所获得的观测数据的不确定性和多目标跟踪环境的复杂性,量测与目标存在不确定配对问题,因此我们采用聚类算法对多目标进行状态初始化,保证正确的数据关联,再应用联合概率数据关联(JPDA)算法进行每个时刻的轨迹跟踪。3、设计开发声阵列传感器网络目标跟踪系统的软件平台,对声源目标的声信号进行处理分析,通过本文研究的算法对声源目标进行精确地定位跟踪,并显示其跟踪轨迹,以达到实时监测及分析声源目标状态的目的。
二、Study on tracking algorithm of acoustic target(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Study on tracking algorithm of acoustic target(论文提纲范文)
(1)水面运动目标跟踪监控系统的设计与实现(论文提纲范文)
1 水面运动目标跟踪监控技术进展 |
2 系统总体设计 |
2.1 水面目标声学检测系统设计 |
2.2 水面目标光学检测系统设计 |
2.3 监控系统上位机系统设计 |
3 运动目标信号处理与分析 |
3.1 声学信号处理与分析方法 |
3.1.1 数据预处理 |
3.1.2 目标信号定位原理计算 |
3.2 光学信号处理与分析方法 |
3.2.1 图像预处理 |
3.2.2 图像目标识别与追踪 |
3.3 运动目标特征提取与对比 |
4 系统测试与运行分析 |
4.1 实验室水池测试实验 |
4.2 青岛积米崖海试 |
4.2.1 系统固定安装 |
4.2.2 测试结果分析 |
5 结论 |
(2)脉冲干扰环境下宽窄带混合主动噪声控制关键技术研究(论文提纲范文)
摘要 |
Abstract |
主要缩写和符号 |
第1章 绪论 |
1.1 课题的研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 主动噪声控制基础技术介绍及简析 |
1.2.1 不同声学环境下的ANC系统 |
1.2.2 ANC系统的参数及结构设置 |
1.2.3 ANC系统的控制算法 |
1.3 国内外研究现状 |
1.3.1 窄带主动噪声控制算法研究 |
1.3.2 宽带及宽窄带混合主动噪声控制算法研究 |
1.3.3 脉冲主动噪声控制算法研究 |
1.4 本文研究的主要科学问题 |
1.5 章节结构及相应的研究内容 |
第2章 窄带抗脉冲干扰ANC方法研究 |
2.1 引言 |
2.2 脉冲噪声干扰模型 |
2.3 基于并行子结构的窄带ANC方法 |
2.3.1 相关算法分析 |
2.3.2 一种新的基于Fx L0DFC虚拟跟踪结构的混合Fx DFC-Fx NLMS方法 |
2.4 仿真分析 |
2.4.1 仿真中采用的初次级路径模型 |
2.4.2 仿真参数说明及虚拟跟踪结构的必要性验证 |
2.4.3 随机脉冲干扰环境下各算法仿真对比 |
2.4.4 相关、非相关噪声干扰环境下各算法仿真对比 |
2.5 本章小结 |
第3章 宽带抗脉冲干扰ANC方法研究 |
3.1 引言 |
3.2 基于信息熵M函数的后规整滤波算法 |
3.3 应用于自适应算法的状态检测器 |
3.4 递归自适应检测器统计特性分析 |
3.5 仿真分析 |
3.5.1 随机脉冲噪声干扰 |
3.5.2 周期脉冲噪声干扰 |
3.5.3 DMPFx NLMS算法稳定性分析 |
3.6 本章小结 |
第4章 宽窄带混合抗脉冲干扰ANC方法研究 |
4.1 引言 |
4.2 改进的带有残余误差提取结构的HANC系统 |
4.3 改进的HANC系统稳态性能分析 |
4.4 抗窄带自适应滤波器误差互干扰性能研究 |
4.5 抗脉冲干扰的HANC系统 |
4.5.1 AT-HANC方法中权值压缩因子的作用 |
4.5.2 抗脉冲干扰的变步长更新算法 |
4.6 仿真研究 |
4.6.1 不同信噪比环境下的仿真性能分析 |
4.6.2 存在正弦干扰时的各算法仿真性能分析 |
4.6.3 存在脉冲干扰时AT-HANC性能分析 |
4.7 本章小结 |
第5章 抗脉冲干扰的ANC方法实验研究 |
5.1 引言 |
5.2 一维管道实验平台简析 |
5.3 脉冲干扰条件下窄带噪声降噪实验研究 |
5.4 脉冲干扰条件下宽带噪声降噪研究 |
5.5 高斯环境下宽窄带混合噪声降噪研究 |
5.5.1 高斯环境下降噪性能实验 |
5.5.2 高斯环境下抗窄带误差互干扰性能实验 |
5.6 脉冲干扰环境下AT-HANC算法性能验证 |
5.7 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的学术论文及其它成果 |
致谢 |
个人简历 |
(4)房间轮廓声学重构与室内声学定位关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
§1.1 课题的研究背景与意义 |
§1.2 室内声学定位 |
§1.3 关键技术及挑战 |
§1.3.1 关键技术 |
§1.3.2 挑战 |
§1.4 国内外研究现状与分析 |
§1.4.1 房间轮廓声学重构 |
§1.4.2 室内声源定位 |
§1.4.3 室内声学指纹定位 |
§1.5 本文主要研究内容及文章结构 |
第二章 房间轮廓声学重构与室内声学定位基础理论与方法 |
§2.1 引言 |
§2.2 房间轮廓声学重构的基础理论与基本方法 |
§2.2.1 房间轮廓声学重构的基础理论 |
§2.2.2 房间轮廓声学重构的基本方法 |
§2.3 室内声学定位的基础理论与基本方法 |
§2.3.1 室内声源定位的基础理论 |
§2.3.2 室内声源定位的基本方法 |
§2.3.3 室内声学指纹定位的基础理论 |
§2.3.4 室内声学指纹定位的基本方法 |
§2.4 本章小结 |
第三章 房间轮廓声学重构与室内说话人连续定位 |
§3.1 引言 |
§3.2 系统概述 |
§3.3 房间轮廓声学重构 |
§3.3.1 基于DSB的一阶镜像声源位置估计 |
§3.3.2 基于EDM秩约束的一阶镜像声源位置估计 |
§3.3.3 基于声学镜像模型的房间轮廓估计 |
§3.4 房间空间剖分与说话人连续定位 |
§3.4.1德罗内三角剖分(Delaunay Triangulation) |
§3.4.2 DTSVR自适应搜索体元生成算法 |
§3.5 实验及结果分析 |
§3.5.1 房间轮廓声学重构结果分析 |
§3.5.2 Delaunay剖分结果分析 |
§3.5.3 说话人连续定位结果分析 |
§3.6 本章小结 |
第四章 基于智能手机多传感融合的室内行人连续自定位方法 |
§4.1 引言 |
§4.2 系统概述 |
§4.3 一阶反射声飞行路程估计 |
§4.4 一阶反射声飞行路程测量 |
§4.4.1 相位变换广义互相关 |
§4.4.2 一阶反射声飞行路程 |
§4.5 声学约束算法 |
§4.5.1 声压级约束 |
§4.5.2 声能约束 |
§4.5.3 声学约束算法 |
§4.6 基于最小二乘的室内行人位置估计 |
§4.7 实验结果与分析 |
§4.7.1 行人步长与转向角估算结果 |
§4.7.2 一阶反射声飞行路程测量 |
§4.7.3 行人定位轨迹与误差分析 |
§4.8 本章小结 |
第五章 基于听觉场景分析的室内LBS用户定位 |
§5.1 引言 |
§5.2 系统概述 |
§5.3 声学指纹构建与匹配定位算法 |
§5.3.1 基于听觉场景分析的声谱特征 |
§5.3.2 房间级定位算法 |
§5.3.3 区域级定位算法 |
§5.4 CRP色彩声图 |
§5.5 实验结果与分析 |
§5.5.1 房间级定位结果 |
§5.5.2 区域级定位结果 |
§5.6 本章小结 |
第六章 总结与展望 |
§6.1 全文工作总结 |
§6.2 研究展望 |
参考文献 |
攻读博士期间发表的论文及其它成果 |
致谢 |
(5)GNSS-A水下定位与导航关键技术研究(论文提纲范文)
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容与安排 |
2 GNSS-A水下定位与导航 |
2.1 GNSS-A水下定位系统 |
2.2 GNSS-A水下定位模型 |
2.3 定位误差分析 |
2.4 定位估计方法 |
2.5 本章小结 |
3 水下定位声线跟踪方法 |
3.1 水下定位常梯度声线跟踪方法 |
3.2 水下定位等效声速声线跟踪方法 |
3.3 水下定位声线跟踪方法实验与分析 |
3.4 本章小结 |
4 水下历元间静态单差定位方法 |
4.1 水下历元间静态单差定位方法 |
4.2 基于改进L曲线的LIU型估计方法 |
4.3 水下历元间静态单差定位实验与分析 |
4.4 本章小结 |
5 水下基准间动态单差定位方法 |
5.1 水下基准间动态单差定位方法 |
5.2 水下基准间动态单差网型分析 |
5.3 水下基准间动态单差定位实验与分析 |
5.4 本章小结 |
6 交互多模型水下导航滤波方法 |
6.1 Kalman滤波与运动模型 |
6.2 交互多模型Kalman滤波方法 |
6.3 水下导航滤波实验与分析 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(6)基于仿生行为的多水下机器人自主协作策略(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 概述 |
1.2 国内外研究现状 |
1.2.1 多水下机器人系统关键技术研究现状 |
1.2.2 多水下机器人系统研究现状 |
1.2.3 群集智能算法研究现状 |
1.2.4 编队控制研究现状 |
1.3 本文主要研究内容 |
第2章 基于局部环境感知的多AUV群集队形控制研究 |
2.1 引言 |
2.2 蜂拥算法模型建立 |
2.3 AUV数学模型建立 |
2.3.1 参考坐标系 |
2.3.2 AUV运动学模型 |
2.3.3 AUV动力学模型 |
2.4 基于目标跟踪的多AUV群集算法设计 |
2.4.1 多AUV蜂拥算法设计 |
2.4.2 基于目标跟踪的群集控制算法设计 |
2.5 本章小结 |
第3章 基于组群分解的多AUV队形控制研究 |
3.1 引言 |
3.2 多AUV队形控制方法及组群分解策略 |
3.2.1 多AUV组群分解策略 |
3.2.2 多AUV队形控制方法 |
3.3 多AUV通信体系协议设计 |
3.3.1 水声通信技术简介 |
3.3.2 多AUV通信协议设计 |
3.3.3 AUV数据合法性检测与异常处理 |
3.4 基于领航跟随的AUV编队控制 |
3.4.1 多AUV编队模型的建立 |
3.4.2 多AUV队形控制设计 |
3.4.3 引入生物启发的编队控制器 |
3.5 本章小结 |
第4章 多AUV编队控制稳定性分析 |
4.1 引言 |
4.2 多水下机器人系统稳定性描述 |
4.3 基于水声通信的编队稳定性研究 |
4.3.1 基于一致性算法的通信时延的稳定性分析 |
4.3.2 针对水声通信误码问题的分析 |
4.3.3 基于卡尔曼滤波的通信丢包的分析 |
4.4 改变拓扑结构的编队研究 |
4.5 本章小结 |
第5章 多AUV编队仿真测试及试验验证 |
5.1 局部环境感知的多AUV蜂拥队形控制仿真 |
5.1.1 基于单目标跟踪的多AUV蜂群控制仿真 |
5.1.2 基于多目标跟踪的多AUV蜂群控制仿真 |
5.2 基于分解策略的多AUV队形控制试验 |
5.2.1 基于领航跟随的多AUV编队控制试验 |
5.2.2 基于组群分解的多AUV编队控制试验 |
5.3 基于水声通信的多AUV编队控制试验 |
5.3.1 基于一致性算法的状态估计实验 |
5.3.2 基于水声丢包的多AUV编队控制试验 |
5.4 改变拓扑结构的多AUV编队控制试验 |
5.5 小结 |
结论 |
参考文献 |
攻读硕士学位期间的发表论文和取得的科研成果 |
致谢 |
(7)基于声速改正的水下差分定位系统研究(论文提纲范文)
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 国内外研究现状 |
1.4 研究内容与章节安排 |
2 水下定位技术理论研究 |
2.1 INS导航定位技术 |
2.2 水下声学定位系统 |
2.3 组合定位技术 |
2.4 本章小结 |
3 水声定位误差和声速剖面的分析与计算 |
3.1 水声定位误差分析 |
3.2 声速的确定及声速剖面计算 |
3.3 本章小结 |
4 声速改正方法研究与改进 |
4.1 声线跟踪原理 |
4.2 声速改正方法 |
4.3 等梯度声线跟踪法算法改进 |
4.4 本章小结 |
5 水下声学非差分和差分定位研究 |
5.1 水下非差分定位原理 |
5.2 水下差分定位系统 |
5.3 非差和差分定位仿真分析 |
5.4 基于声速改正的差分定位分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 工作展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(8)基于DAS技术的车辆交通状态辨识与防碰撞预警研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 交通流量检测器研究现状 |
1.2.2 车辆类型分类研究现状 |
1.2.3 车辆防碰撞预警策略研究现状 |
1.2.4 既有研究评价 |
1.3 本文主要研究内容与思路 |
1.3.1 研究内容 |
1.3.2 研究框架及技术路线 |
2 分布式光纤声学传感技术及信号处理相关理论 |
2.1 分布式光纤声学传感技术的检测原理及系统设置 |
2.1.1 分布式光纤声学传感技术的基本检测原理 |
2.1.2 分布式光纤声学传感技术的系统设计 |
2.2 交通状态辨识的信号处理相关理论 |
2.2.1 小波阈值信号处理去噪算法 |
2.2.2 双阈值信号处理算法 |
2.2.3 支持向量机信号处理算法 |
2.3 本章小结 |
3 基于DAS技术的车辆交通状态辨识模型研究 |
3.1 引言 |
3.2 道路交通状态辨识参数分析 |
3.2.1 道路交通流量参数 |
3.2.2 道路交通车辆速度参数 |
3.2.3 道路交通占有率参数 |
3.3 基于DAS技术的车辆交通状态辨识模型设计 |
3.3.1 改进型小波阈值去噪信号处理算法的研究 |
3.3.2 改进型双阈值车辆检测信号处理算法的研究 |
3.3.3 车辆速度参数估计算法的研究 |
3.4 实例分析 |
3.4.1 实验环境 |
3.4.2 实验结果和讨论 |
3.5 本章小结 |
4 基于DAS技术的车辆类型特征参数辨识模型研究 |
4.1 引言 |
4.2 基于DAS技术的车辆类型分类问题分析 |
4.2.1 车辆类型分类标准及振动信号特征分析 |
4.2.2 车辆类型分类特征参数辨识基本原理 |
4.3 基于DAS技术的车辆类型特征参数辨识模型设计 |
4.3.1 车辆特征提取方法 |
4.3.2 车辆分类模式识别算法 |
4.4 实例分析 |
4.5 本章小结 |
5 基于DAS技术的车辆防碰撞预警策略研究 |
5.1 引言 |
5.2 车辆安全距离模型建立 |
5.2.1 车辆安全距离建模目的 |
5.2.2 车辆制动过程行驶距离建模分析 |
5.3 基于DAS技术的车辆防碰撞预警策略方案 |
5.3.1 防碰撞问题描述 |
5.3.2 防碰撞车辆检测方法 |
5.3.3 防碰撞车辆跟踪模型及算法 |
5.3.4 防碰撞预警策略判决模型 |
5.4 基于DAS技术的车辆防碰撞安全预警策略的仿真与分析 |
5.4.1 仿真与评估分析 |
5.4.2 实验结果及讨论 |
5.5 本章小结 |
6 结论与展望 |
6.1 主要研究结论及创新点 |
6.2 论文工作展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(9)多波束声呐水体影像在中底层水域目标探测中的应用(论文提纲范文)
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文主要研究内容及组织结构 |
2 多波束水体成像机理 |
2.1 多波束声呐工作原理 |
2.2 多波束声呐成像原理 |
2.3 多波束水体数据可视化 |
2.4 水体成像影响因素 |
2.5 本章小结 |
3 多波束水体二维影像目标检测 |
3.1 水体影像插值方法 |
3.2 水体影像特征分析 |
3.3 基于视图转换的水体影像目标提取 |
3.4 实验与分析 |
3.5 本章小结 |
4 多波束水体影像目标三维重建 |
4.1 水体目标表面点云提取 |
4.2 基于散乱点云的三维建模 |
4.3 基于序列轮廓线的表面重建 |
4.4 实验与分析 |
4.5 本章小结 |
5 多波束测深中海洋内波的影响 |
5.1 海洋内波特征及动力学模型 |
5.2 海洋内波对多波束测深的影响 |
5.3 实验与分析 |
5.4 本章小结 |
6 多波束水体影像内波探测及测深同步改正 |
6.1 海洋内波的探测 |
6.2 内波影响下的海底地形畸变特征 |
6.3 海洋内波参数反演及测深改正 |
6.4 实验与分析 |
6.5 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(10)基于卡尔曼滤波算法的声源目标跟踪研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究目的和意义 |
1.2 课题研究发展状况 |
1.2.1 国外研究状况 |
1.2.2 国内研究状况 |
1.3 课题来源、研究内容及创新点 |
1.3.1 课题来源 |
1.3.2 论文的主要研究内容 |
1.3.3 论文的创新点介绍 |
1.4 论文结构 |
第二章 相关技术的介绍 |
2.1 声源目标测向算法 |
2.1.1 DOA估计原理 |
2.1.2 常规波束形成算法 |
2.1.3 确定性最大似然算法 |
2.1.4 多重信号分类算法 |
2.2 声源目标跟踪算法 |
2.2.1 最小二乘算法 |
2.2.2 卡尔曼滤波算法 |
2.2.3 扩展卡尔曼滤波算法 |
2.2.4 无迹卡尔曼滤波算法 |
2.2.5 分布式共识卡尔曼滤波算法 |
2.3 本章小结 |
第三章 基于事件触发的最优分布式共识滤波算法 |
3.1 引言 |
3.2 基于事件触发的分布式共识滤波算法 |
3.2.1 基于事件触发的分布式共识模型 |
3.2.2 基于事件触发的分布式共识算法 |
3.2.3 仿真实验与结果分析 |
3.3 基于事件触发的改进最优分布式共识滤波算法 |
3.3.1 基于事件触发的改进最优分布式共识滤波模型 |
3.3.2 基于事件触发的改进最优分布式共识滤波算法 |
3.3.3 算法性能分析 |
3.3.4 仿真实验与结果分析 |
3.4 本章小节 |
第四章 多声源目标定位跟踪算法研究 |
4.1 引言 |
4.2 基于聚类算法的初始化 |
4.3 联合概率数据关联算法 |
4.4 多声源目标跟踪实验与仿真 |
4.5 本章小结 |
第五章 声阵列传感器网络目标跟踪系统 |
5.1 引言 |
5.2 声阵列传感器网络目标跟踪系统概述 |
5.2.1 系统架构设计及实现 |
5.2.2 软件平台设计及实现 |
5.3 多声源目标跟踪实验 |
5.4 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
四、Study on tracking algorithm of acoustic target(论文参考文献)
- [1]水面运动目标跟踪监控系统的设计与实现[J]. 洪波,刘雪芹,秦志亮,马本俊,王飞,刘映锋. 海洋技术学报, 2021(04)
- [2]脉冲干扰环境下宽窄带混合主动噪声控制关键技术研究[D]. 祝文昭. 哈尔滨工业大学, 2021(02)
- [3]L2正则化粒子滤波在水下无人平台纯方位角跟踪的应用[J]. 田德艳,张小川,邹司宸,马士全,吕勇. 舰船科学技术, 2020(23)
- [4]房间轮廓声学重构与室内声学定位关键技术研究[D]. 宋浠瑜. 桂林电子科技大学, 2020
- [5]GNSS-A水下定位与导航关键技术研究[D]. 辛明真. 山东科技大学, 2020(04)
- [6]基于仿生行为的多水下机器人自主协作策略[D]. 谭东旭. 沈阳理工大学, 2021(01)
- [7]基于声速改正的水下差分定位系统研究[D]. 朱友康. 山东科技大学, 2020(06)
- [8]基于DAS技术的车辆交通状态辨识与防碰撞预警研究[D]. 刘慧勇. 北京交通大学, 2020(06)
- [9]多波束声呐水体影像在中底层水域目标探测中的应用[D]. 刘洪霞. 山东科技大学, 2020(06)
- [10]基于卡尔曼滤波算法的声源目标跟踪研究[D]. 戴文丰. 华南理工大学, 2020(02)