多参数水质检测智能传感器信号处理及建模

针对多参数水质检测中智能传感器易受到环境、噪声、光源等干扰因素的影响,提出一种结合递推平均滤波算法和小波变换算法的传感器信号处理方法.该方法利用递推平均滤波算法对传感器输入信号的周期性干扰因素进行预处理,并利用小波变换算法进一步减少传感器信号的噪声.小波变换算法能够通过伸缩和平移来细化采集信号,以此实现对时频的局部化处理,最终达到对高频部分进行时间细化、对低频部分进行频率细化的目的.实验结果显示,在同样的阈值条件下,降低噪声的数量越多,对噪声的抑制作用越显著.由此验证了所提方法的有效性.

基于正余弦旋转变压器的襟缝翼角位移传感器信号处理技术研究

大型飞机襟缝翼角位移传感器的交流信号在经过长距离传输后产生电压幅值升高的现象,导致角度测量超差的问题。本文提出了采用正余弦传感器利用信号解调技术解决该问题的方法,论述了正余弦传感器和AD2S1210解调芯片的解调原理,设计了正余弦传感器的监控方法、AD2S1210的外围接口电路及FPGA的配置和时序控制方法。该设计方案已应用于某大型飞机的襟缝翼控制器计算机,良好的试验测试结果证明了该方法可以解决传感器交流信号长距离传输带来的测量超差问题。该研究可以应用于大型飞机的角度及线位移测量领域,对于提升大型飞机传感器的测量精度具有重要意义。同时,针对AD2S1210解调芯片供应链的不稳定性设计了国产化的旋转变压器传感器的激励电路原理,正弦、余弦输入信号的解调及监控方法原理作为备用方案。

传感器信号处理全英语教学改革与实践

传感器信号处理是食品和药物分析和生物医学工程的重要的专业基础课程,经立项成为我校研究生全英教学课程建设项目。通过课程教学改革和实践,结合现有学科群资源,引进美国高校研究生教育方法,放弃陈旧的书本内容,跟踪国际上最尖端的技术,进展与突破,有效地提高了教学质量,提高了学生主动参与课程建设的兴趣,培养了学生团队合作的能力。

基于实时预测的传感器信号倍频算法

可穿戴助力机器人是一种能够根据传感器获得的力信号和位置信号进行自主控制的装置,其助力效果与传感器信号的响应频率密切相关。为了改善机器人助力效果,提出了一种提高传感器信号响应频率的算法。该算法首先利用MWQAR预测修正算法获得预测信号,然后利用三样条插值法,在真实信号与预测信号之间插入补偿信号。该算法在保证系统实时性的前提下,能够成倍地提高传感器信号的响应频率。对信号进行倍频实验,结果表明该算法是可行且有效的。

基于改进聚类算法的传感器非线性数据拟合研究

针对传感器输出电信号与物理量之间存在的非线性问题,提出了一种新的曲线拟合方法。该方法通过将改进的粒子群优化算法,混沌搜索法和改进的模糊C-均值算法相结合,对实验数据搜索聚类中心点,然后利用分段线性逼近对传感器输入输出关系进行拟合。介绍了粒子群优化算法和模糊C-均值算法,给出了相关的公式推导过程,对传感器输出电信号与物理量的对应关系进行曲线拟合,最后将该方法应用于电涡流智能传感器。实验结果表明,该方法精度高、可靠性好,具有较强的自适应性和快速性,能够更准确的将电信号转换为物理量。

多重水印快速加密技术在图像深度传感器中的应用

针对票据中的数字、签名等关键内容容易被篡改的问题,研究了金融电子票据中高效率的快速多重数字水印加密方法。首先,利用卷积神经网络构建图像深度传感器来识别票据中的关键信息区域,以减少水印加密的运算数据量,提高金融票据自动处理效率。针对传统的网络结构易导致过拟合的问题,提出了利用票据图及其差分特征,构建适合CNN网络的多通道图像输入特征,能充分挖掘图像内在联系;进一步改进了传统的CNN网络结构,把所有卷积层的输出连接为一层,构成包含各层信息的融合特征,输入网络的全连接层进行分类识别。实验结果表明,改进后的CNN识别算法,相较传动CNN、DNN等算法,其性能均有明显提升,能够更加高效的进行多个关键区域的内容识别,从而高效的进行多重数字水印的加密,提高金融票据处理的安全性和运算效率。

基于贝叶斯估计的土壤呼吸传感器最优高度点搜索研究

为了准确监测土壤呼吸,针对土壤呼吸传感器最优布点的问题,提出了一种基于贝叶斯估计的土壤呼吸传感器最优高度点搜索算法。算法的具体思路为:首先通过CFD(计算流体力学)仿真与涡度相关法得到土壤呼吸稳态时气室内不同高度的碳通量数据,然后对数据赋予一定的权值得到不同高度的融合数据,最后采用贝叶斯估计理论求解相应高度的概率密度,从而确定传感器最优高度点。结果表明:直径为0.25 m,高度为0.3 m的气室传感器最优高度点为中轴线上0.083 6 m处,且该点数据的均方根误差RMSE为1.426μmol·m^(-2)·s^(-1),平均偏差Bias为1.224μmol·m^(-2)·s^(-1),并与贝叶斯联合密度的计算结果验证分析,证明此算法有很高的可行性与准确性,为土壤呼吸传感器的最优高度点选取提供了方向与建议。

基于传感器和视觉SLAM的双目相机虚拟注册研究

在无标记增强现实中,针对基于视觉特征的同时定位与地图构建(SLAM)增强现实注册算法在图像模糊、运动过快和特征缺失等情况下存在精度急剧下降问题,提出一种在视觉SLAM基础上融合惯性测量单元(IMU,Inertial measurement unit)改进的相机定位与虚拟注册方法。所提注册方法,在进行特征点匹配时通过IMU预积分模块减小匹配特征点的搜索空间,加速特征点匹配过程,提高时间效率;确定相机位姿时,采用视觉SLAM和IMU数据联合求解相机位姿,提高了注册精度。再根据相机位姿变化信息计算出变换矩阵,完成对虚拟对象的注册。最后,通过EuRoC数据集验证该方法的性能,对比其他方法,所提方法具有更高的时间效率和注册精度。

基于FPGA的谐振音叉高速信号采集装置的搭建

谐振音叉作为一种重要的谐振敏感元件,其输出信号直接体现了其频率特性,且直接决定了谐振式传感器的性能,所以对谐振音叉输出信号的研究具有重要意义。本文搭建了一套基于FPGA的高速信号采集装置来进行音叉信号的采集和处理。该装置由硬件部分和软件部分组成,其中硬件部分主要包括电荷放大、滤波、电平转换、模数转换、FPGA信号解算单元及串口调试单元等;软件部分则包括下位机软件和上位机软件。为了对装置性能进行测试,本文采用实验室实际的音叉样件进行实验,通过对其输出信号的拾取和信号处理,测得该装置测试精度可达到0.2%。这样的实验结果表明该装置可满足谐振音叉在1 kHz^30 kHz范围内频率特性的测量要求,且性能良好。

冲击噪声背景下相干信号DOA估计

针对冲击噪声背景下相干信号源的波达方向估计问题,提出了一种基于分数低阶矩的修正MUSIC算法。首先根据阵列接收数据,计算出分数低阶矩矩阵,从而抑制冲击噪声对阵列接收数据的影响;然后采用修正MUSIC算法基本原理,通过对矩阵的共轭重排,解决因相干信号的存在而导致的阵列协方差矩阵秩的亏损问题,并提高了算法的估计性能。通过对所提方法进行仿真实验验证以及相关理论性分析得知:所提算法能够有效抑制冲击噪声的影响,同时可对相干信号进行解相干处理,并且与分数低阶奇异值分解算法及数据预处理后进行重构的自适应方法相比具有更高的估计精度和估计成功概率。

智能车交通标志的改进YOLOv5识别算法

在硬件平台受限条件下,为提高智能车的性能,权衡实时识别交通标志的精度和速度,在YOLOv5的基础上,提出了针对嵌入式边缘设备的智能车交通标志识别的YOLOv5s_ghost_bi_sa算法。使用GhostConv替代部分普通卷积,在减少卷积结构参数的同时提高网络的拟合能力;添加置换注意力机制(Shuffle Attention,SE),在空间注意力与通道注意力的基础上加入了特征分组与通道置换,提高对小目标的关注度;采用加权双向特征金字塔网络结构,加强特征融合。由华为ModelArts平台协同Hilens_kit设备收集制作数据集,实验结果表明:针对数据集大图像中的小目标采用双向跨尺度连接,将表层特征与深层特征融合,配合注意力机制,增加重要特征的权重,从而提高算法对于小目标检测的精度,YOLOv5s_ghost_bi_sa算法的mAP0.5达到98.8%,召回率达到97.9%,模型大小仅为11.6 MB,Hilens_kit平台上预测速度为62帧/s。在相同的测试环境下,与原YOLOv5s算法相比,精度高出0.8%,浮点运算量下降58%,模型体积压缩4.6倍,预测速度提升2.7倍。YOLOv5s_ghost_bi_sa算法可以有效地实现智能车交通标志的实时识别。

基于ICA的气体模式识别方法研究

文中提出一种基于独立成分分析的非监督气体模式识别方法,用多元统计理论中的独立成分分析(independ-ent component analysis-ICA)来分析金属氧化物半导体气体传感器阵列响应数据,进而实现对不同种类气体的分类。对所设计的电子鼻实验系统测量得到的气体传感器阵列稳态响应数据进行了白化和快速定点独立成分分析(FastICA)处理。实验结果表明该方法对区分一氧化碳(CO)、甲烷(CH_4)和氢气(H_2)3种气体有很高的识别率。

MEMS惯导管内坐标测量的改进RTS平滑滤波算法

利用管内检测器搭载MEMS器件实现小口径埋地管道的三维地理坐标测量,该方法以航迹推算(DR)为主要定位方式,所采用的检测器全部都在管道内部,检测时不影响管道的正常工作,对管道的安全维护具有重要意义。如何对解算误差进行有效校正是实现该技术的关键问题。利用里程计测得的里程信息进行DR解算,代替传统的捷联惯导(SINS)解算方式,降低速度更新的误差累加现象;引入管内可测的地磁和重力信息,增加了对姿态误差估计的观测量;采用改进的RTS平滑滤波算法(RTS-FC)进行离线解算,通过引入终止点对准信息进一步提高系统的定位精度。利用其检测180 m长管道,结果的最大误差为8 m,实验结果表明了算法的有效性。该方法为MEMS器件管内地理坐标测量的实用化奠定一定的基础。

引入无监督表示学习和堆叠双向GRU的预测模型

可穿戴设备正侵入我们的生活,通过其内嵌的传感器采集大量数据为获取人体的各项指标提供参考,但相关数据的敏感性和隐私性局限了可获取的疾病标签,为健康预测增添了一定的难度.为了解决可获得的人体活动数据多但是疾病标签匮乏的问题,提出了一种称为act2vec的无监督表示学习模型,该方法从原始活动数据中学习时序数据的特征表示,通过分布式表示来挖掘可用于疾病预测任务的活动模式.考虑到数据的特征矩阵无法全面反映样本特性的问题,通过考虑活动等级的周期性,嵌入代表活动级别的序数关系,利用噪声对比估计构建表示学习损失函数,提取数据特征矩阵.最后,引入所学习的特征矩阵构建堆叠双向GRU模型以进行疾病预测.2个数据集上的实验表明了所提方法的有效性.

基于DSP逆变式等离子切割电源的研制

研制了一台基于DSP的数字化逆变式等离子切割电源。电源系统采用双核核心控制器,以DSP-TMS320LF2407为核心处理器,以P89C54单片机为辅助处理器。DSP的3路PWM分别对斩波与逆变电路的IGBT进行驱动。通过LM35温度传感器和霍尔传感器进行实时温度和电流采样,并设计了温度及电流反馈保护电路;针对切割电源工作过程中可能会出现过电压、欠电压和过电流等问题,设计了专用的保护电路和吸收网络。实验证明,该系统控制精度高,电路简单,工作可靠。

液压系统故障诊断技术发展研究

科学技术的不断发展,使得液压设备快速发展成为自动化,同时对液压系统的可靠性提出了更高的要求。现代液压设备的液压故障需要得到及时的解决,液压系统故障诊断技术由此得以形成,在这种背景下,液压系统故障诊断技术也得到了更高的发展。液压系统故障诊断技术基于液压控制理论和信息理论,综合利用电子技术、传感器技术及人工智能技术等等。

互相关法在光纤液滴指纹图分析中的应用

为了实现光纤液滴指纹图的实时分析,引进了互相关分析法.在对乙醇溶液测量的过程中,将50 %浓度的乙醇溶液对应的光纤液滴指纹图作为参考指纹图,然后将测得的光纤液滴指纹图与参考指纹图进行互相关,得到光纤液滴指纹图的相关曲线,从中提取与液体参量有关的各种信息.利用互相关分析法对各种浓度的乙醇溶液进行了处理,得出了相关峰高度与浓度的单调关系,验证了互相关法的可行性.

基于电子鼻和电子舌与1D-CNN-LSTM模型的花椒产地快速溯源检测

针对不同产地花椒产品的溯源问题,提出一种基于电子鼻和电子舌结合一维卷积神经网络(One Dimension-Convolutional Neural Networks,1D-CNN)-长短期记忆网络(Long Short-Term Memory,LSTM)混合模型的花椒产地快速检测方法。以5个不同产地的花椒为试验对象,采用电子舌和电子鼻分别采集花椒样本的味觉和嗅觉指纹图谱信息,根据信号特点分别设计1D-CNN提取味觉和嗅觉信号中的局部空间特征,然后采用LSTM捕捉信号的时间序列特征,最后采用多层感知机融合两种特征并进行分类识别。实验结果表明,电子鼻与电子舌信息融合对不同产地花椒的分辨准确率优于单一设备,与其他深度模型相比,所提的模型分类准确性更高,其准确率、精确率、召回率、F1分数分别达到99.0%、99.1%、99.0%、0.989。以上研究将为不同产地花椒的快速鉴定提供新的方法,并为其他农产品的产地溯源检测提供新的研究思路。