识别运动声源随机阵列生成法研究

针对随机阵列结构设计方面欠缺高效的生成方法这一问题,在保证阵列对声源识别精度的前提下,提出一种在极坐标下用于识别运动声源的随机阵列生成方法。根据声阵列识别运动声源的原理,推导了非等间距基本同轴圆环的半径,再通过降列分区、极坐标下条件筛选和模拟评价三个步骤,生成适用于识别运动声源的目标随机阵列,最后进行数值模拟和运动汽车噪声源识别实验进行验证。研究结果表明,用该方法能够高效地生成目标随机阵列,与常用规则阵列相比具有更良好的声源识别特性,并且具有准确的运动声源识别性能。      

识别运动声源随机阵列生成法研究

针对随机阵列结构设计方面欠缺高效的生成方法这一问题,在保证阵列对声源识别精度的前提下,提出一种在极坐标下用于识别运动声源的随机阵列生成方法。根据声阵列识别运动声源的原理,推导了非等间距基本同轴圆环的半径,再通过降列分区、极坐标下条件筛选和模拟评价三个步骤,生成适用于识别运动声源的目标随机阵列,最后进行数值模拟和运动汽车噪声源识别实验进行验证。研究结果表明,用该方法能够高效地生成目标随机阵列,与常用规则阵列相比具有更良好的声源识别特性,并且具有准确的运动声源识别性能。     

近场声全息技术及其应用

<正>陈心昭毕传兴北京:科学出版社,2013,243页,定价:65元准确识别噪声源是噪声研究、控制、声质量设计的前提。早期识别噪声源的方法,如近场声压法和表面振速法,采用声级计和加速度传感器等进行简单的噪声振动测量并加以判断,简单但精度不高,可归为经典声学方法。电子技术、计算机技术和信号处理技术的迅速发展,为我们提供了现代声学意义上的噪声源识别方法,如频谱分析、相关分析、相干分析等,进一步又出现了声强测量、小波分析、声全息、声聚焦、波束成形等新方法和新技术。     

阵元随机均匀分布球面阵列联合噪声源定位方法

基于球面传声器阵列的噪声源定位方法,设计加工了阵元随机均匀分布64元球面传声器阵列,研究了球面近场声全息和球谐函数模态展开聚焦波束形成联合噪声源定位识别方法,对算法的性能进行了仿真分析,并利用球面传声器阵列进行了噪声源的定位识别试验.研究表明,阵元随机均匀分布球面阵列具有全空间稳定的目标定位性能,球面近场声全息对低频近距离声源具有较高的定位精度,球谐函数模态展开聚焦波束形成对高频远距离声源具有较高的定位精度,将两种方法联合进行声源的定位识别,可以在较小孔径的球面阵列和较少阵元的条件下,在宽频带范围内获得对目标声源良好的定位性能.     

基于最差性能优化的运动声源稳健聚焦定位识别方法研究

基于被动合成孔径原理,提出了一种具有高稳健性的运动声源高分辨聚焦定位识别方法.该方法采用综合优化手段,通过矢量最大似然聚焦定位算法生成虚拟阵列坐标及数据矩阵,进而利用基于最差性能优化的稀疏虚拟阵列聚焦算法,获取稳健的高分辨定位识别效果.理论及仿真研究表明,该方法对于非匀速运动以及与基阵存在运动倾角的复杂情况具有较强的适用性,聚焦空间谱表现出更大的动态范围、更为尖锐的聚焦峰尺度以及更强的背景噪声起伏压制能力.湖上试验进一步验证,在高分辨最小方差信号无畸变响应法(MVDR)聚焦算法动态范围仅为3.5 dB的相 关键词： 稳健性 运动噪声源定位识别 矢量阵 最差性能优化     

水下线谱噪声源识别的波束域时频分析方法研究

从联合空时频三维信息从发, 提出了波束域时频分析识别水下运动航行器低频线谱噪声源位置的方法. 首先, 利用小孔径圆环阵的超指向性波束形成, 将各线谱噪声源匀速通过正横位置附近时产生的多普勒信号在时域上分离. 其次, 分别使用伪Wigner-Ville分布和调频小波变换两种时频分析方法对波束输出的信号进行处理, 得到各噪声源信号的时频图像. 最后, 转换时间坐标到空间并参考配置信标, 即可识别低频线谱噪声源在水下航行器上的位置. 该方法解决了阵列识别水下低频噪声源的孔径受限问题, 同时对处理同频相干噪声源也适用. 仿真试验结果表明: 两种波束域时频分析方法都能较精确地识别低频线谱噪声源的位置; 在测量系统信息的配合下, 波束域调频小波变换的识别效果更优.     

基于压缩感知的矢量阵聚焦定位方法

本文针对噪声源近场定位识别问题,利用声源分布在空间域具有稀疏性,在压缩感知理论框架下建立了新体系下的矢量阵聚焦波束形成方法,用于解决同频相干声源的定位识别问题.新方法可在小快拍下准确获得噪声源的空间位置,且不损失对噪声源贡献相对大小的评价能力.通过详细的理论推导、仿真分析和试验验证,证明了基于压缩感知的矢量阵聚焦定位新方法本质上实现了l1范数正则化求解下的波形恢复和空间谱估计,因此具有较高的定位精度,较强的相干声源分辨能力、准确的声源贡献相对大小评价能力以及较高的背景压制能力,可应用于水下复杂噪声源的定位识别.     

仪表监控识别系统中实时性和准确性的研究

针对仪表监控识别系统中仪表抖动、仪表外观特征不明显的情况,提出了一种快速而准确的识别方法:加入移动侦测,用于检查仪表抖动,确定是否需要在下次识别中进行字符重定位;使用marker检测法对仪表的感兴趣区域(Region of Interest,ROI)进行定位。通过与传统识别方法(没有移动侦测、使用仪表原始特征定位ROI)进行对比,新方法对仪表字符的识别速度和识别准确度有显著的提高。     

起降客机噪声源识别的平面阵设计

针对起降客机的噪声源识别,给出了平面多臂对数螺旋阵的设计过程。多臂对数螺旋阵可以在较宽的分析频带内保持较小的主瓣宽度,同时平均旁瓣水平较低,从而具有良好的宽带噪声源识别性能,但其阵型设计中需要考虑的参数较多。本文以ARJ21客机起降过程中的主起落架噪声源识别为例,研究了多臂对数螺旋阵各参数对其噪声源识别性能的影响。所给出的阵列设计流程可以为飞行客机的噪声源识别,尤其是多子阵嵌套的平面阵设计提供参考。     

运动声源的边界元声全息识别方法研究

提出了一种可实现任意形状的运动结构噪声源识别的声全息方法.通过结合移动框架技术与边界元声全息技术两种算法的特点,提出利用移动框架技术将存在多普勒效应的时域数据转换成边界元声全息所需的双平面全息数据,然后由边界元法声全息公式重构任意结构表面的声学信息,实现运动结构噪声源定位.该方法既具有移动框架技术处理运动问题的快速简便...     

激光诱导击穿光谱元素谱线自动识别方法研究

根据激光诱导击穿光谱谱线展宽机制,对NIST标准谱线数据库中的发射谱线进行了模拟,并与实验光谱进行对比,在对比分析中引入相似性测度,得到模拟光谱和实验光谱的相似程度。对元素谱线的自动归属识别方法进行分析和研究,通过相似性计算对土壤样品340～345nm波段光谱进行了识别分析,利用最小二乘原理计算各谱线之间的比例系数,实现了光谱识别,实验结果验证了基于相似性测度的光谱识别方法的可行性及其自动识别的优越性。     

复合深度神经网络在直升机声目标识别中的研究

针对直升机探测中目标运动过程连续识别的鲁棒性问题,提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补通常声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示:相较于传统识别方法,该算法显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。     

倒谱在混合模糊图像分析中的应用

降晰参数识别在模糊图像恢复过程中具有很重要的作用。在各种图像捕获系统中,有两种形式的图像模糊比较常见:一种是由光学系统散焦造成的散焦模糊;另一种是物体与照相机之间的相对运动造成的运动模糊。相对单个模糊模型的参数识别来说,混合了散焦和运动模糊的图像,其模糊参数的识别要复杂得多。许多识别方法一般都是用来分析某一特定的模糊模型的,而对两种模糊混合在一起的情况来说是很难区分的。提出了一种倒谱分析方法,在倒谱域同时对这两种模型参数进行识别。在分析过程中,仍需要利用这两种模糊模型在频域的特征,首先应用一些调整性的变换,然后再转换到倒谱域,以便更准确地评估模糊参数。     

基于相关器原理的图像特征识别方法

基于傅里叶光学中的相关器原理,制作匹配滤波器并做ln-θ坐标变换,从而有效地降低了光学图像特征识别的难度.识别过程中先对原始图像进行ln-θ坐标变换操作,以消除图像间相对缩放、旋转的影响;然后应用相关器原理,通过比较检测图像和参考图像的相关输出以及参考图像的自相关输出,判断检测图像和参考图像的相似程度.实验结果表明:该识别方法实现了较好的识别效果.     

电视经纬仪跟踪测量中运动目标快速识别定位算法

为解决电视经纬仪跟踪测量系统中对运动目标快速识别定位的要求,在深入分析运动目标特性和电视经纬仪跟踪测量系统特点的基础上,利用经纬仪角度变化信息,对运动目标图像序列进行帧间差值计算以获得目标残差图,并基于残差图提出了一种新型的运动目标快速识别方法,大大减少了运算量. 结合中值滤波和图像二值化,实现了运动目标的快速定位. 通过对目标实测图像序列的实验, 结果证明：该算法具有快速、稳定、有效等优点,能够满足电视经纬仪跟踪测量系统对运动目标快速识别定位的要求.     

基于波束形成和波叠加法的复合声全息技术

近场声全息是一种准确的噪声源识别技术.然而,由于存在测量要求严格、测点数多等缺点,一定程度上限制了它在工业现场的广泛应用.基于此,提出一种基于波束形成和波叠加法的复合声全息技术.首先利用传声器阵列获取声压场信息;再通过波束形成对声源进行定位;然后在这些声源位置附近配置等效源;最后应用波叠加法进行声场重构.该技术的优点是只需要少量传声器,在中、远距离测量,可以方便快速地实现声场重构.采用两个脉动球的声源模型进行了数值仿真,并在半消声室内采用音箱模拟噪声源进行了实验,都准确地重构了模型的外部声场.这表明,该技术可以准确地对辐射体进行声场重构,为其在工业现场中的应用奠定了基础.     

用声场空间变换识别水下噪声源

本文提出利用声场空间变换技术进行噪声源的分离与识别。     

基于BP神经网络的云检测和云相态识别

为快速高效地进行云检测和云相态识别,提出了基于BP神经网络的云检测和云相态识别方法,并针对中分辨率成像光谱仪(MODIS)的相关数据建立了BP神经网络。利用该算法对MODIS图像进行了云检测和云相态识别,并把识别结果与MOD06数据进行了对比,对比结果表明,该算法对冰云、水云以及混合云的识别准确率分别达到了100%、100%以及99.94%。该算法快速、准确,消除了未确定态,具有很强的自主学习能力。     

基于时空双流卷积神经网络的红外行为识别

针对红外视频人体行为识别问题,提出了一种基于时空双流卷积神经网络的红外人体行为识别方法。通过将整个红外视频进行平均分段,然后将每一段视频中随机抽取的红外图像和对应的光流图像输入空间卷积神经网络,空间卷积神经网络通过融合光流信息可以有效地学习到红外图像中真正发生运动的空间信息,再将每一小段的识别结果进行融合得到空间网络结果。同时将每一段视频中随机抽取的光流图像序列输入时间卷积神经网络,融合每一小段的结果后得到时间网络结果。最后再将空间网络结果和时间网络结果进行加权求和,从而得到最终的视频分类结果。实验中,采用此方法对包含23种红外行为动作类别的红外视频数据集上的动作进行识别,正确识别率为92.0%。结果表明,该算法可以有效地对红外视频行为进行准确识别。     

运动声源的声全息识别方法

利用声全息方法分析运动声源的噪声辐射。从声音的多普勒效应出发,利用接收到的含有多普勒效应的声音信号构造出全息数据来完成全息重建。并根据该原理设计一套测量装置,实验表明利用该装置能够快速、准确地识别运动车辆表面的噪声。