基于相关函数包络峰细化的高精度超声测距法

建立了超声测距时延估计模型,由于窄带超声回波参考信号与接收信号的相关函数在极值点附近具有慢衰减高频振荡特性,所以有必要将搜索直接相关函数的极值点转化为搜索相关函数包络的极值点.针对相关峰常规插值方法在多倍插值的情况下存在计算复杂、时延估计精度不高等缺点,结合超声回波信号的窄带带通特性和相关峰细化(F ine In terpo lation of Corre lation Peak)原理,提出了直接提取相关函数包络及包络峰细化方法,并分析了其计算复杂度.仿真与实验研究表明,该方法能大大提高相关函数包络峰值分辨率,适用于类超声回波信号的带通信号精细时延估计问题.

声源定位中广义互相关时延估计算法的研究

基于时延估计(TDE)的声源定位算法是数字助听器中的核心算法之一,其估计精度会受到噪声和采样频率等因素的影响,导致了定位的不准确性。针对这一问题,结合相关峰精确插值算法(FICP),提出了一种基于二次相关改进的广义互相关时延估计算法。该算法通过二次相关,有效地降低噪声的干扰,再利用FICP,提高相关函数的分辨率。仿真实验表明,无论在低信噪比,还是在高信噪比环境下,改进算法的时延估计性能都有了明显改善。

音频无人机定位的时延估计模拟分析

针对无人机非平稳音频信号时差定位中,广义互相关时延估计算法抗噪性差和时延估计值精度低等问题,文章采用了一种基于广义二次相关时延估计的改进算法。算法对叠加了实际噪声(如风声、雨声、汽车鸣笛声等)的无人机音频信号进行频谱细化的广义二次相关,有效抑制了噪声干扰,融合相关峰精确插值算法,提高了互相关函数的分辨率,使得时延峰值更加明显。仿真实验结果表明,改进的广义二次相关方法在不同信噪比时,比广义互相关和广义二次相关算法的时延估计精度更高,稳定性更好。改进的广义二次相关算法对无人机定位中的时延估计具有更好的性能优势,具有较强的实际应用性。

基于相关峰细化时延估计的舱内服务机器人发话人定位研究

发话人定位是舱内服务机器人有效区分航天员与环境并获取与航天员相对位置关系的重要手段。针对时延估计的机器人声定位算法精度受采样频率和噪声限制的问题,提出了一种基于相关峰精确插值的空间六元阵列发话人定位方法。该方法基于机器人球形结构设计,利用信号预处理和二次相关降低噪声干扰,通过线性调频Z变换(MCZT)取代快速傅里叶变换(FFT)计算细化频谱,突破已有时域采样率的限制,能有效弱化FFT带来的栅栏效应,提高相关函数分辨率、时延估计精度及发话人定位精度。实验结果表明:基于相关峰精确插值算法的发话人定位方法,其时延估计性能有明显提升,能较好地对声源目标进行定位,且算法精度优于基于广义互相关的发话人定位方法,能满足舱内服务机器人的定位需求。

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。

直线电机动子位置的快速精密测量方法

为了从目标图像上提高直线电机动子位置测量的精度、抗干扰性和实时性,引入了一种基于相关峰精确内插(FICP)的图像位移测量方法,并采用深度学习算法优选出具有强鲁棒性的栅栏图像。首先,控制栅栏条纹的宽度标准差和平均灰度梯度,生成一系列栅栏条纹图像。其次,结合线性调频Z变换和FICP算法计算相邻目标图像的位移值。然后,用位移估计值的均值误差作为评价指标,用深度神经网络建立栅栏图像质量优选模型,筛选出具有强鲁棒性的非周期栅栏图像。最后,利用线扫描相机获取运动过程中的一维栅栏图像信号,并根据棋盘标靶法确定系统的标定系数,得到实际位移值。仿真和实验结果表明,优选出的非周期栅栏图像能有效提高测量精度,证明了本方法的正确性。