基于主成分正交信号校正算法和加强正交信号校正算法对柑桔酸度的检测

应用便携式近红外光谱分析仪对112个柑桔进行无损检测,运用主成分正交信号校正、加强正交信号校正结合广义回归神经网络的方法分别建立柑桔酸度定量分析模型。结果表明：采用EOSC方法能够使模型具有良好的预测能力并能够防止对数据造成过度校正。EOSC柑桔酸度模型校正集相关系数R_c=0.888 0,预测集相关系数R_p=0.885 6,RMSEP=0.081 65。研究结果表明EOSC预处理方法结合广义回归神经网络可以用于柑桔样本的酸度测定。     

基于三维荧光光谱的Krawtchouk图像矩算法在多环芳烃定量分析中的应用

以多环芳烃中的芴和苊为研究对象,提出一种将三维荧光光谱技术与Krawtchouk图像矩、广义回归神经网络相结合的定量分析的方法。利用FS920荧光光谱仪获取样品的三维荧光光谱数据,得到对应的三维光谱灰度图。直接计算三维光谱灰度图的Krawtchouk矩,将得到的Krawtchouk矩经平均影响值筛选后作为广义回归神经网络的输入,建立多环芳烃(PAHs)的定量模型。预测8组混合溶液的测试样本,芴和苊的平均相对误差分别为0.98%和2.15%。研究结果表明,Krawtchouk矩经过筛选后预测结果更为准确,该方法能够有效提取光谱的特征信息,简单、准确的预测PAHs的浓度。     

材料性能的模糊神经网络建模

本文利用模糊神经网络直接从实验数据中提取规则，进行材料性能建模与预测，作为应用示例，建立了基于成份和组织参数的灰铁预测模型，与多元统计分析，模糊回归和广义回归网络所得的结果相比，该方法所得的模型具有学习精度高，且具有更好的泛化能力。     

基于GRNN的光谱共焦位移测量方法分析与研究

提出一种基于广义回归神经网络(GRNN)拟合光谱共焦系统的光谱响应以准确定位峰值波长.利用采集到的光谱信号作为样本数据,将光谱数据中的信号波长λ作为GRNN模型的输入变量,光谱波长的归一化强度作为输出变量,基于样本的输入变量和输出变量的联合概率密度函数作为验证条件,对光谱信号的预测输出进行Parzen非参数核回归,得到...     

基于晶状体中微量元素与白内障关系的广义回归神经网络模式识别

选择微量元素Sr,Mg,Na,K,Mn,Cu,Fe和Zn在晶状体中的含量作为识别白内障患者的指标,建立了广义回归神经网络(GRNN)模式识别.选择20个样本为训练集,5个样本为预测集.结果表明,与BP神经网络相比,该种网络具有设计简单与收敛快的优点,对给定的数据能完全识别,预示着通过对晶状体中的微量元素含量的分析,可能作为白内障患者诊断的一种辅助手段.     

小波包变换广义回归神经网络同时分辨三种有机化合物的重叠光谱

文章结合两种化学计量学技术,研制了一种小波包变换广义回归神经网络(WPTGRNN)方法,对光谱严重重叠的三种有机化合物进行同时测定.该法结合小波包变换(WPT)和广义回归神经网络(GRNN)改进了除噪质量和预测能力.通过最佳化,选择了小波函数、小波包分解水平及GRNN的平滑因子.偏最小二乘(PLS)法用于比较研究,编制了三个程序(PWPTGRNN,PGRNN和PPLS)进行相关计算.结果表明,WPTGRNN法是成功的且优于GRNN及PLS方法,与GRNN方法比较所有组分质量浓度的预测值与实际值的相对预测标准误差由4.0%降低为2.3%.     

基于神经网络的托卡马克能量约束时间预测

使用机器学习理论中的神经网络方法,根据通用逼近原理对能量约束时间的复杂函数进行逼近,采用托卡马克装置的典型实验数据,设计一种组合结构的神经网络.通过大量的调参试验,给出一套性能最好的参数组合,并与传统幂指数形式的多元线性回归方法进行准确性和数据集迁移能力的比较.结果表明:神经网络模型对于能量约束时间的预测准确率更高,回...     

水体重金属激光诱导击穿光谱定量分析方法对比研究

建立了适用于激光诱导击穿光谱探测的多元线性回归、神经网络回归和支持向量机回归三种定量反演算法模型, 以水体重金属Ni为例进行了回归实验测试和对比分析. 多元线性回归、神经网络回归和支持向量机回归的平均相对标准偏差分别为7.60%, 4.86%, 2.35%; 最大相对标准偏差分别为23.35%, 15.20%, 8.29%; 平均相对误差分别为25.98%, 10.58%, 2.72%, 最大相对误差分别为116.47%, 47.38%, 9.89%. 研究为进一步实现水中痕量金属元素的快速定量分析提供了方法和数据参考. 关键词： 光谱学 激光诱导击穿光谱 支持向量机回归 重金属     

基于红外热成像技术和广义回归神经网络的稻种发芽率检测方法研究（英文）

基于稻种老化时间不同时的物理学和生理学差异,提出一种基于红外热成像技术及广义回归神经网络的快速、无损检测稻种发芽率的检测方法,解决传统稻种发芽率检测方法操作复杂、实验周期长等问题。在温度为45℃、湿度为90%的条件下,将水稻种子依次老化0,1,2,3,4,5,6和7 d,得到不同发芽率的种子;采集稻种红外热图像,然后提取稻种胚芽部位数据,总计144份,随机分为校正集和预测集,其中校正集96份,预测集48份;分析和比较不同老化天数稻种红外热差异,从物理学和生理学方面揭示稻种发芽率与红外热图像间的关系,结合偏最小二乘算法(partial least squares,PLS)、BP(back propagation,BP)人工神经网络和广义回归神经网络(general regression neural network,GRNN),建立稻种发芽率的红外热模型。结果表明,利用GRNN建立的发芽率预测模型效果最优,其中校正集的Rc(相关系数)和SEC(标准偏差)分别为0.932 0和2.056 0,预测集RP(相关系数)和SEP(标准偏差)分别为0.900 3和4.101 2,相关性均达到较高水平且校正集与预测集的标准偏差均较小。实验结果表明,采用红外热成像技术结合广义回归神经网络研究稻种发芽率是可行的,且所建模型在稻种发芽率快速测定方面有较高的精度。     

基于红外热成像技术和广义回归神经网络的稻种发芽率检测方法研究

基于稻种老化时间不同时的物理学和生理学差异,提出一种基于红外热成像技术及广义回归神经网络的快速、无损检测稻种发芽率的检测方法,解决传统稻种发芽率检测方法操作复杂、实验周期长等问题。在温度为45 ℃、湿度为90%的条件下,将水稻种子依次老化0,1,2,3,4,5,6和7 d,得到不同发芽率的种子;采集稻种红外热图像,然后提取稻种胚芽部位数据,总计144份,随机分为校正集和预测集,其中校正集96份,预测集48份;分析和比较不同老化天数稻种红外热差异,从物理学和生理学方面揭示稻种发芽率与红外热图像间的关系,结合偏最小二乘算法(partial least squares, PLS)、BP(back propagation, BP)人工神经网络和广义回归神经网络(general regression neural network, GRNN),建立稻种发芽率的红外热模型。结果表明,利用GRNN建立的发芽率预测模型效果最优,其中校正集的R_C(相关系数)和SEC(标准偏差)分别为0.932 0和2.056 0,预测集R_P(相关系数)和SEP(标准偏差)分别为0.900 3和4.101 2,相关性均达到较高水平且校正集与预测集的标准偏差均较小。实验结果表明,采用红外热成像技术结合广义回归神经网络研究稻种发芽率是可行的,且所建模型在稻种发芽率快速测定方面有较高的精度。     

结合区域提取和改进卷积神经网络的水下小目标检测

针对水下小目标信息量有限而难以提取有效特征导致的检测性能不佳问题,提出了一种结合区域提取和融合Hu矩特征的改进卷积神经网络水下小目标检测方法。该方法包含区域提取和分类两个步骤。首先以马尔可夫随机场分割算法为基础进行区域提取,对潜在目标定位的同时降低伪目标对后续分类的干扰;然后提取潜在目标区域的Hu矩特征并融入卷积神经网络,形成一种形状特征表征能力更强的改进卷积神经网络用于分类。声呐实测数据处理结果表明,该方法可以有效提升对水下小目标的发现概率和正确报警率,与其他目标检测方法相比,该方法具有更好的检测性能和泛化性。     

A Wide Band Strong Acoustic Absorption in a Locally Network Anechoic Coating

Composite materials with interpenetrating network structures usually exhibit unexpected merit due to the cooperative interaction. Locally resonant phononic crystals （LRPC） exhibit excellent sound attenuation performance based on a periodical arrangement of sound wave scatters. Inspired by the interpenetrating network structure and the LRPC concept, we develop a locally network anechoic coating （LNAC） that can achieve a wide band of underwater strong acoustic absorption. The experimental results show that the LNAC possesses an excellent underwater acoustic absorbing capacity in a wide frequency range. Moreover, in order to investigate the impact of the interpenetrating network structure, we fabricate a faultage structure sample and the network is disconnected by hard polyurethane （PU）. The experimental comparison between the LNAC and the fanltage structure sample shows that the interpenetrating network structure of the LNAC plays an important role in achieving a wide band strong acoustic absorption.     

Wide-band underwater acoustic absorption based on locally resonant unit and interpenetrating network structure

The interpenetrating network structure provides an interesting avenue to novel materials. Locally resonant phononic crystal (LRPC) exhibits excellent sound attenuation performance based on the periodical arrangement of sound wave scatters. Combining the LRPC concept and interpenetrating network glassy structure, this paper has developed a new material which can achieve a wide band underwater strong acoustic absorption. Underwater absorption coefficients of different samples were measured by the pulse tube. Measurement results show that the new material possesses excellent underwater acoustic effects in a wide frequency range.Moreover, in order to investigate impacts of locally resonant units,some defects are introduced into the sample. The experimental result and the theoretical calculation both show that locally resonant units being connected to a network structure play an important role in achieving a wide band strong acoustic absorption.     

基于时延神经网络模型的舰船辐射噪声目标识别*

水声目标被动识别是水声信号处理领域的研究热点之一。海洋环境中存在的不规则噪声干扰,使得基于传统方法的水声目标被动识别技术在实际的应用场景中效果不佳。本文采用一种基于时延网络(Time Delay Neural Network,TDNN)模型的舰船辐射噪声目标识别方法,该方法利用目标的短时平稳特性和长时关联特性对目标的声纹特征进行建模,使用梅尔谱图提取目标信号的初级特征,再通过融合注意力机制和时延神经网络的深度学习模型实现高级特性提取,最后再利用余弦相似度实现不同目标的类别划分。该方法在ShipsEar数据集和自行采集的数据进行测试验证,目标识别准确率分别达到79.2%和73.9%,可证明本文方法的有效性。     

多项式混沌展开的浅海水声环境参数敏感度分析

水下声场是海洋环境参数的非线性函数,因此环境参数的不确定性必然会引起水下声场预测的不确定性,从而导致与声场预测相关的声呐探测和水声通信等设备性能的下降.该文将Sobol敏感度指数的计算与多项式混沌展开方法相结合,将敏感度指数表达为环境条件的函数,利用Q范数约束的双曲截断方案来减少多项式项数,有效地分析了设定的"浅海负梯...     

空气中声源激发水下声场的水平纵向相关性

声场的空间相关特性是声场的重要特征,对水下探测、水声通讯等各种设备在实际海洋环境中应用的参数选择具有重要意义,是水声工程技术研究的重要基础之一。相比于水中声源激发声场的相关特性研究,空气中声源的相关研究很少。本文推导了空气中声源激发水下声场的水平纵向相关的简正波表达式,并通过数值仿真分析,比较了声源分别位于空气中和水中时水下声场的水平纵向相关特性。对南海海域进行的一次悬挂汽笛空气声源、海底水平阵接收信号海上实验获得的数据进行分析,结果表明:空气中声源位于不同距离时,其发射的声信号激发水下声场的水平纵向相关均存在明显的起伏结构,基于本文提出的空气中声源激发水下声场的水平纵向相关系数的简正波表达式能够较好地解释该现象.      

经典局域共振型水声超材料的吸隔声性能研究*

基于水声超材料吸声机理和多层平行介质平面波理论,建立局域共振型水声超材料结构,通过COMSOL进行建模计算,研究该结构的吸声性能机理,此外为了验证钢背衬的隔声性能,在该水声超材料结构基础上添加一层0.005m厚的钢背衬进行仿真对比。研究结果表明,在频段为200Hz-4000Hz时,水声超材料声学性能较好,吸声性能整体较优,且添加钢背衬的水声超材料隔声性能较优,甚至在某频率点达到15dB的隔声差值;此外通过位移场图进一步揭示水声超材料的吸声机理,发现水声超材料结构的位移场和钢背衬都对吸声性能会产生影响,钢背衬通过影响共振吸收来影响吸声性能,而位移场则通过位移幅度大小影响吸声性能。     

基于传感网络的水下机器人控制器设计

由于水下机器人在水下受到不定水流的干扰,机器人控制器缺陷较大。设备并实现了一种以传感网络配合模糊控制理论的水下机器人控制器。利用频率为20khz的超声波传感器网络组成控制器中的距离测量模块,对水下机器人测量方位和运动速度进行测量,给出了测距过程,主控模块以S3C2410嵌入式主控芯片为主,配合神经网络算法对障碍物进行判断,设计了详细的判断过程,提高机器人水下避障性能。以M3型水下机器人作为测试对象,测试结果说明控制器可以较高完成工作,达到应有水平。     

利用宽带声场频率—掠射角干涉结构的深海直达声区目标深度估计方法

针对典型深海环境中宽带声源的深度分辨问题,通过研究深海声场随频率起伏的干涉结构与垂直线阵频域波束输出图中的干涉结构,给出一种直达声区内可区分多水下目标的宽带声源深度估计方法.该方法以近水面目标的射线声场模型为基础,推导出近海面宽带声源接收声场的波束输出表达式,阐明了频域波束输出图中干涉结构与声源深度的对应关系.然后利用...     

基于压缩拷贝场向量的空域滤波器设计

近几十年来,匹配场处理技术得到了广泛深入的研究,并针对实际应用提出了一系列的具体处理算法.当感兴趣的水下目标信号被水面强干扰信号掩蔽时,对水下目标的匹配场处理定位性能显著下降.现有的广义空域滤波器可以抑制水面强干扰,但计算速度较慢并且内存消耗较大.提出了一种基于压缩拷贝场算法的空域滤波器设计方案,并通过非相干叠加处理宽带问题.相对于现有的空域滤波器,当接收阵元数N大于波导中有效简正波号数Q时,该滤波器可以大幅度缩减计算时间、节约运行内存,并且保持了对水面强干扰的抑制性能.针对近岸浅海环境进行了仿真计算,并给出了一些近岸浅海海域试验数据处理结果,验证了该空域滤波器的性能和对计算速度的提升.结果表明,应用基于压缩拷贝向量的矩阵滤波器对强干扰下的弱目标进行宽带非相干匹配场定位,可实现水下目标的有效区分.