一、一种车载导航系统的信号调理电路设计与GPS信息提取（论文文献综述）
田入运[1]（2021）在《无线低功耗节点式地震采集系统关键技术研究》文中研究指明地震勘探方法利用地震仪接收人工震源激发的地震波,可以直观的了解地下地质构造,具有勘探深度大、施工效率高的优点,在矿产资源勘探行业中起着举足轻重的作用。随着矿产资源需求的增加和易开采资源的减少,地震勘探方法对勘探装备的要求也越来越高,“深部开采、智能开采、绿色开采”是未来我国矿产资源开采理念的三大发展方向。然而,在地质条件复杂的地区,传统的有缆遥测地震仪器由于大线连接,导致排列布设困难,具有施工成本高,勘探效率低,维护困难等问题,需要解决地震探测仪器装备的复杂环境适应性所面临的技术难题。便携式节点地震仪是一体化集成式的地震采集系统,一般独立的节点便可以完成地震数据采集任务,省去了布置大线的繁琐,通常情况下,节点内部电池可以支撑整个施工过程,不必频繁的更换供电模块,给勘探工作带来很大的便利。同时,便携式的节点设备也意味着更灵活的勘探方案设计和更广的勘探范围。节点地震仪凭借着其仪器排布的灵活性、高精度的数据采集和高效率的施工等特点越来越多地应用在复杂地质勘探环境中,是实现“地壳结构透明”的新利器。目前我国的节点式地震仪器长期依赖进口,国产节点式地震采集系统与国外先进的仪器具有很大差距。在复杂的地质勘探环境进行大规模的地震勘探时,现有节点式地震采集仪器排列布设和野外维护困难,工作效率低,尤其是在被动源地震探测方法中,需要仪器采集微弱的地脉动信号,勘探周期长达几天或十几天,现有仪器的噪声和功耗性能难以适应不断更新的地震探测方法。除此之外,国内节点式地震仪器大部分是采用内部时钟进行仪器授时,随着采集时间的增加,采集站上晶体振荡器的频率漂移将带来显着的时间误差积累,因此需要研究大规模地震勘探环境下不受节点数量限制和勘探时间限制的高精度无线多节点时间同步系统。由于节点地震仪采集的数据需要施工完毕后经过回收装置下载合成才能观测到数据质量,滞后的数据获取极大影响了施工效率,具有封闭性的技术缺陷,需要研究无线实时数据质量监控系统以便在地震数据采集过程中对勘探情况进行评估。本文分析了当前节点仪器的特点,针对各个关键问题进行深入研究,设计和实现了低噪声、低功耗的微弱地震信号采集系统、基于分时索引插值截距的多节点高精度数据同步方法和基于能量均衡的无线数据质量监控方法,并开发了相应的无线低功耗节点式地震探测系统GEIWSR-Ⅲ,通过野外应用实例验证了新系统的有效性和实用性。论文的主要研究内容如下:（1）低噪声、低功耗的高精度地震信号采集系统研制。首先分析了模拟信号采集通道的噪声来源,分别针对各个噪声来源进行抑制,利用最小噪声原理和阻抗匹配技术设计了低噪声的模拟信号调理电路,针对当前主流?-Σ型A/D转换器进行对比和选择,设计了高精度的数据采集通道,经过技术指标测试,采集系统的短路噪声水平为0.8μV@500Hz,动态范围达到126.7d B@500Hz,信噪比达到131.53d B@500Hz,谐波失真水平达到124.4d B@31.25Hz。针对节点系统在地震勘探中的工作流程及硬件结构,设计并实现了系统的动态功耗管理技术。分别对节点地震仪中的各个硬件的工作过程及功耗进行了详细分析并制定了相应的低功耗控制策略,使得仪器达到162m W@自主工作模式,291m W@无线监控模式的功耗水平,通过合理配置仪器工作模式,使得系统的平均功耗达到198m W,提升了仪器的野外工作时长。（2）高精度分时索引插值截距的无线多节点地震数据同步方法研究。针对大规模、高密度地震勘探方法中多节点的时间同步问题,讨论了当前节点地震仪数据同步的研究现状,分析了当前节点地震仪器时间同步的精度要求和本文设计的节点采集系统的硬件架构,设计了一种利用GPS和高精度恒温晶振的低功耗时间同步系统,采用高精度恒温晶振连续授时,GPS间歇性校准的方式,补偿ADC时钟晶体漂移造成的累积误差,设计了基于GPS秒脉冲（PPS）中断、GPS串行中断以及主程序流程之间的精准时间服务流程,使得节点之间的同步精度达到0.688μs。场地试验证明本文设计的同步方法的稳定性不受传感器节点位置、节点数量和探测时间的影响,具有较强的实际应用能力,满足大规模、高密度地震采集任务的时间同步需求。（3）满足复杂地形、大规模、数据传输可靠的混合通信系统和无线数据质量监控方法研究。针对大规模、密集型地震勘探无法进行有效的数据质量监控限制,提出了基于核心网和扩展多跳网的混合通信系统,设计了基于远距离、高速数据传输的Wi-Fi无线通信单元的核心网络架构和基于低功耗的Zig Bee无线通信单元的扩展网络架构,根据提出的网络架构,设计了网络仿真模型,提出了可变权重的分簇和路由算法以均衡网络负载和能量,并根据该算法提出了节点在无线网络监控中的数据融合技术和数据质量监控方法。仿真实验表明,可变权重的分簇和路由算法可以在整个网络周期内不断地调整影响网络能耗的因素（簇头节点与成员节点、网关节点之间的距离和节点的剩余能量）的权重,使整个网络的能量更加均衡。网络性能对比测试中,本文提出的方法相比LEACH方法和EEUC路由方法相比分别降低35%和12%的网络能耗。无线数据质量监控方法测试表明,当数据抽取因子e值为0.2时,可以获得保真率99.44%的监测数据,大大减少了无线监控网络的数据传输压力,提高了勘探效率。（4）基于上述关键技术,开发了集信号拾取、数据采集、多节点数据同步和无线数据质量监控功能于一体的新型节点式地震仪器系统GEIWSR-Ⅲ。通过与GEIWSR-Ⅱ系统（吉林大学研制的代表性无缆地震仪器）进行对比测试,结果表明,新系统的等效噪声水平由1.2μV@500Hz降低到0.8μV@500Hz、平均功耗由单通道500m W降低到198m W、数据同步能力由10μs提高到了0.688μs,添加了基于能耗均衡的无线数据质量监控系统,解决了仪器封闭性的技术缺陷。最后,利用本文研究的无线低功耗地震采集系统GEIWSR-Ⅲ与SE863轻便分布式遥测地震勘探系统、Sercel 428XL地震探测系统在松原市查干花镇进行了联合探测对比实验。实验结果表明,GEIWSR-Ⅲ系统与Sercel 428XL系统采集的数据质量相当,相比于SE863系统,GEIWSR-Ⅲ系统具有更高的数据分辨率。在仪器的便携性和施工效率上,GEIWSR-Ⅲ相比Sercel 428XL系统、SE863系统具有更大优势。综上所述,GEIWSR-Ⅲ系统具有设备轻便、性能稳定、时间同步精度高和无线数据质量监控性能稳定的特点,大大增强了我国节点式地震勘探设备的核心竞争力,为我国复杂地质勘探环境下进行大规模、密集型的地震探测奠定了基础。
杨佳澎[2]（2021）在《牵引供电网高次谐波监测及评估系统开发》文中认为近年来,随着电气化铁路的发展,车网匹配问题日益突出,随着“交-直-交”型电力机车的投入运行大幅降低了牵引网中的谐波含量,但其脉宽调制控制方式会产生高次谐波注入到牵引网中,发生高次谐波谐振、放大现象,高次谐波会不仅会对27.5kV侧电气设备及机车造成危害,还会对110kV或220kV电网以及所自用电系统内设备产生损害,严重威胁牵引供电系统的安全运行。本文首先对当前国内外对车网耦合以及牵引网高次谐波的研究现状进行了总结,通过对牵引负荷高次谐波在牵引网中的传播路径进行分析,阐述了高次谐波在整个牵引供电系统、平行导线、牵引变压器以及牵引变电所380V低压侧的渗透机理;对高次谐波的危害及关键风险进行分析,阐述高次谐波在27.5kV高压侧对设备和电力机车的影响及危害,以及在380V低压侧对所自用电设备等造成的危害;并针对高次谐波传输问题,提出了对高次谐波测点的布置方案。然后对牵引变电所自用电系统的高次谐波监测方案进行设计,通过Matlab/Simulink仿真软件,建立完整的牵引供电系统和所自用电系统仿真模型,对高次谐波对自用电系统的影响进行分析;根据仿真及实测数据,采用SVD算法对自用电负荷谐波阻抗参数进行辨识;基于仿真结果设计自用电系统滤波方案及内嵌式高次谐波监测装置,并验证了该套装置的滤波性能。接着基于车载式谐波巡检装置对动车组高压电气系统的过电压识别方法进行了研究。提出了一种基于Shufflenet轻量级卷积神经网络的过电压图像识别方法。利用B2G算法将牵引网中6种典型实测过电压波形映射为灰度图像,输入到Shufflenet网络中进行模型的训练,并从学习率、样本批次大小、网络复杂度以及纹理数量四个方面研究模型参数对分类性能的影响,同时又与其他六种浅层机器学习模型作了对比。实验结果表明,所用方法能够在很小数据集下快速准确的识别过电压类型,模型的泛化能力强,识别结果可靠。最后对监测系统的软硬件进行开发与验证,硬件监测终端基于32位ARM架构嵌入式系统开发设计,通过RS485通信协议与数据传输单元连接,数据传输单元通过2G（4G）/GPRS网络与云平台进行数据传输,实现了暂态波形捕捉及存储、异常预警及定位的功能;软件云平台基于ASP.NET环境开发设计,采用B/S架构进行可视化界面及相关算法设计,实现了数据分析处理、异常事件位置捕捉及过电压辨识等功能;并采用内网穿透原理对云平台进行了部署,实现了数据传输、共享以及多用户同时接入的功能。
刘玉生[3]（2020）在《车载平台下的无依托瞄准关键技术研究》文中研究指明车载导弹初始发射阶段方位测量对于提高命中精度具有重要意义。然而,由于载车整体结构设计、设备展开流程、人员操作水平等因素,使得现有瞄准设备及其牵连机构结构复杂,展开时间较长。对于现有以无依托方式完成初始方位瞄准的测量设备进行设计优化、提升适应性、自动化及机动水平,是当前靶场装备升级努力的方向。本文以车载固连平台下的无依托光电瞄准设备应用为背景,基于自准直测量、陀螺寻北原理,针对车载条件下的自准直仪数据处理、寻北仪数据处理等关键技术开展研究,建立了姿态补偿模型,完成了系统、单机的误差分析,开展了无依托瞄准仿真分析和实验验证,论文的主要研究工作和成果如下:（1）提出并建立了车载条件下无依托瞄准姿态补偿模型。针对倾斜条件下无依托瞄准要求,通过三维分析的方法,将车载条件及主要误差纳入统一的模型中进行分析和仿真,通过坐标变换建立车体姿态倾斜状态下目标棱镜、自准直仪、寻北仪方向向量真值,将真值提供给补偿模型进行解算,在解算过程中代入设备单元误差,得到测量估值,从理论上验证了3°倾斜范围内无依托瞄准设备与载车固连方式下保精度测量的可行性;（2）建立了自准直仪数据处理及解算的数学模型,提出了自准直图像基于振动主频同步采样的方法。根据振动条件下自准直光斑图像漂移特性,利用加速度计输出的原始模拟信号,通过滤波、整形提取振动主频分量,并转变为与载车振动同步的数字逻辑,触发相机在振动平衡位置进行光斑采样,辅以对成像积分时间的适应性设置,以较低的帧频获取平衡位置清晰的光斑图像用于计算,减小了系统开销,减弱了平台振动对自准直仪数据漂移的影响。对自准直仪测量模型进行了仿真分析,完成了精度实验,实现了车载条件下光测角的保精度测量,测量标准差为2.6"（1σ）;（3）建立了寻北仪数据处理及解算的数学模型,提出了陀螺和加速度计基于振动主频均值滤波的方法。在陀螺、加速度计原始采样信号漂移的时频特性分析的基础上,利用与载车振动同步的数字逻辑信号,对原始陀螺、加速度计原始采样数字信号进行周期均值处理,消除了振动引起的加速度计、陀螺信号大幅度漂移的现象,以稳定的数值作为北向角和倾斜角解算的输入。通过球面分析的方法,提出了倾斜状态下陀螺和转角的姿态补偿方法,对于寻北仪测量模型进行了仿真分析,完成了寻北仪北向角度测量实验,实现了车载条件下寻北仪的保精度测量,测量标准差为33"（1σ）;（4）提出了车载无依托瞄准系统改进设计方案,开展了自准直仪、寻北仪的系统结构的适应性设计,完成了瞄准设备样机的集成与调试,搭建了无依托瞄准系统实验,并进行了实验验证,系统样机对目标棱镜的方位测量精度为37"（1σ）。车载无依托瞄准系统决定了机动弹道导弹发射初始定向精度,直接影响打击精度,有着重要战略意义。本文针对车载平台无依托瞄准涉及的主要关键技术:自准直数据处理、寻北仪数据处理以及二者集成情况下的姿态补偿模型进行了分析、建模和仿真,为车载平台下无依托瞄准设备的保精度测量奠定了基础,并完成了样机的设计制作,为后续发射系统的升级换代奠定了工程基础。
张玉辰[4]（2020）在《基于动态门槛阈值的车辆事故自动呼救系统终端设计》文中认为车辆事故自动呼救系统（Automatic Crash Notification System,ACNS）是一种事故后安全技术,旨在提高救援机构的响应速度和救援效率,提高乘员的存活率。车辆发生事故后,ACNS可以通过迅速通知紧急医疗服务机构来降低碰撞后的死亡率,发送的事故信息可以帮助救援中心快速锁定事故地点,判断事故严重性和预测乘员伤情,以便迅速将乘员从事故现场解救出来,并帮助迅速转移到适当的医院或创伤中心。门槛阈值对于以加速度信号触发的ACNS的抗干扰性和准确性具有重要影响,因此,本文对ACNS门槛阈值根据路面状况动态匹配进行了研究,并对ACNS终端的软硬件进行了设计。根据不同工况和路面条件下的车身纵向加速度峰值和不同门槛阈值对应的碰撞过程中的速度变化量,分析门槛阈值对ACNS抗干扰性和准确性的影响。分析和比较ACNS主要触发算法,选定移动窗积分法,对30km/h车速下的台车碰撞试验加速度以8ms窗宽进行移动积分,将8ms窗宽内的速度变化量峰值1.91m/s设为ACNS的触发阈值。根据功率谱密度（Power Spectral Density,PSD）与国际平整度指数（International Roughness Index,IRI）的换算关系推导IRI与加速度功率谱密度均方根的关联关系,基于CarSim路面和车辆仿真模型获取不同IRI对应的车身垂向加速度功率谱密度均方根值和AF等级标准路面的IRI值对应的车身纵向加速度峰值,确立“车身垂向加速度功率谱密度均方根—IRI”和“IRI—门槛阈值”的关联模型,设计门槛阈值动态匹配算法。分析ACNS终端的功能需求,对终端硬件进行设计,选择微处理器、三轴加速度传感器、GPS模块、SD卡、GSM模块和LCD显示屏的适用产品和型号,设计各个模块和微控制器的接口、微控制器外围电路和终端电源电路。对ACNS终端的功能进行软件实现,完成各个模块初始化,加速度信号采集和存储,GPS信息接收,发送和显示事故信息。并且编写触发算法和门槛阈值动态匹配算法程序。进行实车道路试验,ACNS终端采集车辆在不同路面上行驶的三个方向的加速度信号,同时搭建高精度传感器、数据采集卡和上位机的采集系统验证ACNS终端采集的加速度数据的准确性;读取SD卡中台车碰撞试验数据测试终端的触发情况,触发时能够发送地理位置、碰撞时间和速度变化量等信息,并在LCD显示屏上进行显示。试验结果表明,本文所设计的ACNS终端能够实现门槛阈值根据路面状况动态匹配,且能够识别碰撞严重性,触发时发送准确的碰撞信息,具有较高的可靠性。
史文强[5]（2020）在《六传感器车载磁场测量系统的研制》文中进行了进一步梳理Overhauser磁力仪是一种基于动态核极化效应（DNP）测量磁场总场的标量磁力仪,被广泛应用于磁法勘探、石油矿产勘查、航空及海洋磁测、自然灾害预测及考古与环境调查领域。而车载平台下的多传感器测量能更为快速全面的获得磁异常信息,有着重要的应用价值。本课题组经过多年的实验积淀成功研制出JOM-4SF Overhauser磁力仪,并在此仪器的基础上组合多传感器实现了六传感器车载磁场测量系统来进行了相关研究。本文在了解国内外研究背景的前提下,阐述了Overhauser磁力仪的传感器及仪器系统的测量原理,并分析完善了仪器的功能。基于硬件的STM32+CPLD架构打造并改进了仪器的软件系统,设计实现了两台仪器间的高精度时间同步功能,将仪器间时间同步精度控制在1 ms之内,并设计完成了GPS模块的驱动。同时,设计了支持多文件管理的专用文件系统。实现了显示驱动的非阻塞设计与基于DMA的拉莫尔信号包络电压的检测功能,极大地提升了CPU效率。实现了信号质量评价系统,提升了仪器梯度容限,使仪器在012000 nT/m的梯度场中都能获得较为准确的数据,为车载系统搭建奠定了基础。最后,本文基于改进后的仪器所构成的梯度测量单元,探究了近距离下目标体对测量拉莫尔信号的影响,对目标体的磁异常形态进行了正演分析,并对不同的几种目标体进行了磁异常测线响应的测试及解释。在此基础上搭建了车载测量系统,进行了多次目标体探测的实际场地测量,结果表明所研制的车载测量装置能够准确地探测出目标体的位置,相比单传感器系统而言能有效去除环境噪声的干扰。
曹原[6]（2020）在《智能单兵导航模块的性能在线检测技术研究》文中提出智能单兵导航模块是一种利用微机电（Micro Electro Mechanical System,MEMS）惯性传感器获取人员准确定位信息的可穿戴设备,得到了业界的广泛应用。但因传感器易受随机噪声、零位偏移等误差的影响,且传统检测方法严重依赖高精度转台设备对单一模块进行检测,直接导致检测工作效率低,耗时长的问题。因此本论文以改善传统检测方法,突破在动态环境进行在线检测的技术壁垒为目的,针对多个智能单兵导航模块设计一种在线检测方案,使其可以完成人载等多种状态下从器件到系统的检测、标定以及误差补偿。本文首先采用内置MEMS陀螺仪和MEMS加速度计的智能单兵导航模块作为需要在线检测的硬件设备,同时基于在线检测平台为后续智能单兵导航模块的多路数据采集以及在线检测提供了硬件平台基础。其次,针对MEMS传感器中较为常见的几种误差进行分析以及初始标定。本文重点研究了随机误差、零位偏移误差以及安装误差这三种。首先本文提出正则粒子滤波算法对随机误差进行标定,使用十二位置法对零位偏移误差进行初始标定,使得MEMS加速度计的测量值与理论的重力加速度值更接近,测量值误差由原来的0.3385m/s2减小到0.0415m/s2。另外,针对陀螺仪的安装误差,同样使用高精度转台对其进行初始标定,测量值误差由原来的4.616°/s下降至0.187°/s。。针对人载智能单兵导航模块长时间使用后,MEMS陀螺仪解算姿态角时会出现累积误差的问题,设计自适应在线标定算法进行在线标定处理。同时,对于模块在人载运动环境下难以捕获其零位状态的问题,本论文提出了一种基于长短期记忆网络（Long Short-Term Memory Networks,LSTMs）模型对其进行解决。实验验证姿态角延时小于0.2s,降低姿态角的解算误差3倍左右。最后,通过转台和人载实验验证,整个在线检测流程实现了对多个智能单兵导航模块的检测,并且保证一个批次的模块的定位精度均能够达到合格指标（水平误差<=总路程的5%,垂直误差<=1.5米）,实现了对智能单兵导航模块的性能在线检测的目的。
赵双[7]（2020）在《基于GPS授时的电流互感器在线校验技术研究》文中指出电流互感器作为电力系统重要的测量元件,根据国家标准规定需要定期校验。目前电流互感器的校验方法多数采用的是离线校验方式,该方法不仅费时费力,还会影响电力系统正常运行。故本文提出一种基于GPS授时的电流互感器在线校验技术,构建了电流互感器在线校验系统,解决了在线校验中数据采集不同步的问题,提高了电流互感器校验的准确性和便捷性。首先,为了解决在线校验中数据采集不同步的问题,本文引入GPS授时。由于影响GPS授时精度的因素有传输时延和固有时延,分别针对二者进行分析并提出解决措施。针对传输时延,建立双频电离层模型,得到不同时间的时延数值;针对固有时延,采用接收机绝对校验的方法,设计全通滤波电路补偿,合理调整电路参数,解决了不同采集设备不同步的问题。其次,通过硬件和软件设计搭建了基于GPS授时电流互感器在线校验的高速同步采集系统。其中,硬件设计包括GPS授时模块、FPGA模块、信号放大模块、AD转换模块、温补模块、电压监视模块、传输环节等。利用LabVIEW开发信号采集程序和同步数据处理的程序,进行同步数据采集实验,结果验证了同步采集系统的精准同步性及准确性。再次,应用自适应卡尔曼滤波（Adapt Kalman Filter,AKF）算法,并结合卷积神经网络（Convolution Neural Network,CNN）提出基于 CNN-AKF 的数据处理算法,提高了同步采集数据的滤波效果及校验精度,仿真验证了该算法的有效性。最后,应用本文所设计的高速同步采集系统以及标准电流互感器、数据采集系统、信号放大器等设备搭建实验平台,完成了电流互感器在线校验实验,验证了基于GPS授时的电流互感器在线校验技术的准确性与可行性。
何虎[8]（2020）在《基于ZYNQ的三分量瞬变电磁接收系统的研究》文中提出瞬变电磁法具有异常响应明显、分辨能力强、施工效率高、探测深度大等优点,已被广泛运用于矿体探测、地下空间探测、地质构造测深以及海洋地球探测等领域。水平分量的瞬变电磁信号蕴含了丰富地质信息,同时观测三分量瞬变电磁信号可以更好的解释异常体的走向、倾向、倾角等。瞬变电磁二次场晚期的磁场强度信号较强并且平稳,运用三轴磁通门采集该信号能有效提升探测深度。为此,本文对三分量瞬变电磁接收系统开展了以下研究工作:首先,分析线圈传感器和磁通门传感器的探测原理,进而剖析了两者联合探测的优势。通过对国内外瞬变电磁接收系统的调研,进行了三分量瞬变电磁接收系统的需求分析和功能设计,对比四个技术方案并选择ZYNQ-7020嵌入式处理平台提出了三分量瞬变电磁接收系统的总体设计方案。然后,分析了影响感应线圈灵敏度的绕组数、直径等关键参数,并依据设计参数绕制了三分量感应线圈,同时,根据感应线圈特性设计了差分输入、差分输出结构的低噪声前置放大器。分析了三轴磁通门传感器在瞬变电磁法中的应用要求和技术指标,并据此选型Mag639。其次,电磁传感器的感应信号传输至接收机后需要先进行调理,针对瞬变电磁信号特性,仿真设计了截止频率为15.3k Hz的四阶巴特沃斯型低通滤波器。根据瞬变电磁法的探测需求,设计了放大倍数为1/8、1/4、1/2、1、2、4、8、16倍的程控放大电路,选用24bit、转换速率144ksps的8通道A/D转换芯片ADS1278和基准源REF5025设计了A/D转换电路。接收机野外工作使用蓄电池供电,采取DC-DC开关电源与LDO低压差线性稳压电源相结合的方式,设计了系统电源。收发同步是瞬变电磁法的关键技术,对比了四种同步方式,采用GPS同步方式并选取了PPS精度达到60ns的NEO-M8N GPS模块作为同步信号源以保证收发同步精度,运用FPGA技术设计了基于PPS的数据同步采集电路。基于嵌入式Linux设计了参数传递、数据传输驱动程序和用于存储瞬变电磁数据、GPS信息的数据存储软件。基于Qt的跨平台特性设计了人机交互界面。最后,对设计的三分量瞬变电磁接收系统进行了室内性能测试和野外单点探测数据对比,接收机噪声峰峰值为23.19?V,系统线性度为0.1424%,系统误差为0.699%,通道串扰抑制比为92.4977d B,在相同发射条件下,磁通门接收的二次场磁场强度信号晚于线圈传感器接收的二次场衰变率进入噪声区。结果表明:该系统基本达到了设计要求,使用磁通门和线圈传感器联合探测能够提供更多的深部信息。
郝运博[9]（2020）在《水下信标定位系统信号处理平台设计》文中进行了进一步梳理飞机失事坠海后,飞行记录仪沉入海中。飞行记录仪上的声信标入水开始工作。声信标声源级低,发射信号频率高,在海水中声衰减快,而且工作寿命短。这些不利因素导致声信标难以被找到。由于信号频率高,数据量大,导致复杂的信号处理算法难以应用到声呐系统中。本文针对此问题,设计了运算性能强,稳定性高的实时水下声信标定位声呐系统。而且该系统具有体积小,重量轻的特点,可以搭载于水下无人潜器,下潜2～6km进行精确定位。本文完成了该系统信号处理平台的部分软硬件设计。系统平台分为模拟接收机、信号采集系统、信号处理模块三大部分。首先根据系统平台的功能需求,给出了设计指标,根据设计指标提出了三个部分的总体设计方案。模拟接收机部分加入增益控制功能,使用单片机配合数字电位器实现在可控范围内任意改变接收机放大倍数。对于系统平台实时性、小体积和稳定性的需求,平台数字部分采用坚固可靠的Compact RIO控制器和信号处理功能强大的DSP C6678来搭建。Compact RIO控制器作为平台的信号采集系统,独自完成了信号采集、实时预处理、数据存盘、数据网络传输以及串口数据接收功能。其中数据预处理实现了波束形成算法和信号降采样。信号处理模块由两块C6678组成,分别处理两条水听器阵的数据。C6678强大的信号处理能力可以完成大量数据的实时操作。两块DSP数据传输采用高速接口SRIO实现,其带宽高的特点使传输延时大大减小,为两块DSP并行处理打下坚实基础。本文完成了增益控制电路设计、信号采集电路设计和SRIO接口互连背板设计,实现了增益控制、信号采集、数据预处理、数据存储、网络传输和SRIO接口数据传输功能。软硬件设计完成后,进行实验室调试,包括电路调试和各部分功能调试。最后通过实验室联调、水池试验和湖上试验验证了系统平台的整体可行性、实时性和稳定性。
林元凯[10]（2019）在《基于多物理域多模态信息并行融合和条件对抗学习的智能主体自主感知方法研究》文中研究表明无人驾驶汽车、智能机床、智能机器人、智能电子皮肤等典型智能主体为现代社会发展提供了方便和支持,面对日益复杂的消费需求、制造工艺、多变复杂环境等多重因素影响,传统智能主体采用单物理域自主感知方法不足以因应这种复杂、高纬度、快速变化、非线性和不确定性的动态变化作用。为了避免复杂环境和条件下智能主体不准确甚至错误感知结果影响后续的自主推理、自主判断、自主学习、自主决策等智能能力的发挥,因此需要在采集稳定高质量的多模态信息前提之下,利用多物理域信息之间的互补关系、耦合关系等,通过信息融合恢复和重建因环境复杂多变带来的信息干扰和破坏,并对多物理域信息采用多种模式从多测度进行感知,提高感知的准确性和稳定性。针对了智能主体多模态信息融合问题,构建信息场与多物理域信息模型,阐述视觉模态和非视觉模态下大容量信息采集、并行处理、时频域分析与处理方法,提出基于图像质量最佳的机器视觉成像优化方法。该方法在Gopro和kohler测试基准上均取得当前最佳水平,目标识别准确率提高0.15mAP。并且对智能主体多物理域多模态信息并行融合问题,构建多物理域多模态信息多模式并行融合模型,提出基于改进变分自编码器的多物理域多模态信息融合方法。采用红外图像与数字图像进行多模态信息融合,图像语义识别交并比提高5.1%。研究了基于条件对抗学习的智能主体多模式自主感知方法,分析智能主体自主感知对其智能能力的作用机制的影响,采用基于CPS-Agent和视觉认知机制的对其自主感知进行建模,构建面向智能主体自主感知的领域知识库系统,通过条件对抗学习算法,优化基于隐马尔科夫链改进卷积神经网络,提出智能主体多模式自主感知方法。为了验证所提出的智能主体自主感知一般性方法的有效性,本学位论文设计无人驾驶沙盘和智能主体自主感知模拟系统,将上述的方法应用于沙盘中,试验表明,该方法能够在复杂环境下的稳定可靠快速做出感知决策,兼顾了准确性和实时性,对于无人驾驶汽车、智能机床、智能机器人电子皮肤等自主感知问题的解决,有很好的实际意义。
二、一种车载导航系统的信号调理电路设计与GPS信息提取（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、一种车载导航系统的信号调理电路设计与GPS信息提取（论文提纲范文）
（1）无线低功耗节点式地震采集系统关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外节点式地震采集仪器的发展现状 |
| 1.2.1 国外节点式地震采集仪器的发展现状 |
| 1.2.2 国内节点式地震采集仪器的发展现状 |
| 1.3 节点式地震仪器的应用现状和存在的问题 |
| 1.3.1 节点式地震仪在主动源勘探中的应用现状 |
| 1.3.2 节点式地震仪在被动源勘探中的应用现状 |
| 1.3.3 节点式地震仪在主、被动源探测中面临的问题 |
| 1.4 研究目的和意义 |
| 1.5 论文研究内容和结构安排 |
| 1.5.1 论文研究内容 |
| 1.5.2 论文结构安排 |
| 第2章 节点地震仪在主、被动源勘探方法中的应用及需求分析 |
| 2.1 引言 |
| 2.2 节点地震仪在主动源勘探方法中的应用及施工流程 |
| 2.2.1 二维、三维地震勘探方法 |
| 2.2.2 节点式地震仪在主动源勘探方法中的施工流程 |
| 2.3 节点地震仪在被动源勘探方法中的应用及施工流程 |
| 2.3.1 微动探测技术 |
| 2.3.2 短周期密集地震探测法 |
| 2.3.3 节点式地震仪在被动源勘探方法中的施工流程 |
| 2.4 主、被动源勘探方法对节点式地震仪的需求分析 |
| 2.4.1 主、被动源勘探方法对节点地震仪的采集性能需求分析 |
| 2.4.2 主、被动源勘探方法对节点地震仪的功耗需求分析 |
| 2.4.3 主、被动源勘探方法对节点地震仪的时间同步性能需求分析 |
| 2.4.4 主、被动源勘探方法对节点地震仪的数据质量监控需求分析 |
| 2.5 本章小结 |
| 第3章 低功耗高精度采集系统设计及实现 |
| 3.1 引言 |
| 3.2 系统架构与总体设计方案 |
| 3.2.1 系统架构 |
| 3.2.2 总体设计方案 |
| 3.3 低噪声、高精度微弱信号采集系统设计 |
| 3.3.1 地震检波单元 |
| 3.3.2 模拟信号采集通道噪声分析 |
| 3.3.3 低噪声模拟信号调理电路设计 |
| 3.3.4 高分辨率模数转换器的选择 |
| 3.3.5 高精度数据采集单元设计 |
| 3.4 系统工作模式及功耗分析 |
| 3.4.1 系统工作模式 |
| 3.4.2 系统功耗分析 |
| 3.5 系统的低功耗设计 |
| 3.5.1 微控制器低功耗设计 |
| 3.5.2 GPS低功耗设计 |
| 3.5.3 SD卡低功耗设计 |
| 3.5.4 无线监控单元低功耗设计 |
| 3.5.5 以太网单元低功耗设计 |
| 3.5.6 低功耗电源管理单元设计 |
| 3.6 测试结果及分析 |
| 3.6.1 噪声水平测试 |
| 3.6.2 动态范围及信噪比 |
| 3.6.3 谐波失真水平测试 |
| 3.6.4 频率响应测试 |
| 3.6.5 功耗测试 |
| 3.7 本章小结 |
| 第4章 基于分时索引插值截距的高精度时间同步技术 |
| 4.1 引言 |
| 4.2 节点采集系统时间同步设计 |
| 4.2.1 采集系统的时间同步架构分析 |
| 4.2.2 高精度时间同步结构设计 |
| 4.3 采集系统时间同步精度性能分析 |
| 4.4 测试结果及分析 |
| 4.4.1 时间同步稳定性测试 |
| 4.4.2 场地同步性实验 |
| 4.5 本章小结 |
| 第5章 基于能耗均衡的无线数据质量监控系统设计 |
| 5.1 引言 |
| 5.2 节点地震仪中的无线通信技术及网络架构 |
| 5.2.1 节点地震仪中的无线通信技术 |
| 5.2.2 节点地震仪中的无线网络架构 |
| 5.3 无线传感网中的能耗均衡技术 |
| 5.4 基于GEIWSR-III的无线网络架构设计及网络模型构建 |
| 5.4.1 无线网络架构设计 |
| 5.4.2 网络模型与符号说明 |
| 5.5 能量均衡算法设计及无线数据质量监控方法 |
| 5.5.1 距离计算 |
| 5.5.2 组簇 |
| 5.5.3 多跳路由 |
| 5.5.4 无线数据质量监控与数据融合 |
| 5.6 .无线通讯网络仿真与测试 |
| 5.6.1 无线数据质量监控测试 |
| 5.6.2 分簇与路由功能测试 |
| 5.6.3 网络性能对比 |
| 5.6.4 性能分析 |
| 5.7 本章小结 |
| 第6章 节点式地震采集系统研制及实验 |
| 6.1 引言 |
| 6.2 轻便化节点式无线低功耗节点式采集系统研制 |
| 6.3 海量数据回收系统研制 |
| 6.3.1 地震数据量分析 |
| 6.3.2 数据回收系统设计 |
| 6.4 一致性测试实验 |
| 6.5 吉林松原探测实验 |
| 6.5.1 区域地质概况 |
| 6.5.2 场地仪器布置 |
| 6.5.3 主动源勘探结果 |
| 6.5.4 被动源勘探结果 |
| 6.6 系统技术指标对比 |
| 6.7 本章小结 |
| 第7章 总结及展望 |
| 7.1 研究工作总结 |
| 7.2 论文创新点 |
| 7.3 后续工作展望 |
| 参考文献 |
| 作者简介及攻读博士期间科研成果 |
| 致谢 |
（2）牵引供电网高次谐波监测及评估系统开发（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 牵引网高次谐波传播特性研究现状 |
| 1.2.2 牵引网高次谐波治理研究现状 |
| 1.2.3 谐波阻抗参数辨识技术研究现状 |
| 1.2.4 过电压类型分类及辨识技术研究现状 |
| 1.2.5 牵引网高次谐波监测方法研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织安排 |
| 2 牵引供电系统高次谐波传播特性 |
| 2.1 牵引负荷高次谐波传播路径分析 |
| 2.1.1 V/v接线牵引变电所模型 |
| 2.1.2 牵引负荷高次谐波横向传播机理分析 |
| 2.1.3 牵引负荷高次谐波纵向传播机理分析 |
| 2.2 高次谐波的危害及关键风险分析 |
| 2.3 高次谐波在线综合监测方案及测点布置 |
| 2.4 本章小结 |
| 3 基于所亭自用电滤波装置的谐波监测与评估系统设计 |
| 3.1 高次谐波对低压自用电系统的影响分析 |
| 3.1.1 基于实测数据的影响及量化分析 |
| 3.1.2 基于仿真数据的影响及关键因素分析 |
| 3.2 自用电负荷谐波阻抗的参数辨识 |
| 3.2.1 低压自用电系统数学模型及电路模型 |
| 3.2.2 基于奇异值分解的参数辨识方法 |
| 3.2.3 谐波阻抗辨识参数的应用探讨 |
| 3.3 低压滤波装置设计与内嵌式监测系统开发 |
| 3.3.1 低压滤波装置的结构和主要性能指标 |
| 3.3.2 基于二阶HPF的低压侧谐波抑制方案 |
| 3.3.3 低压谐波抑制装置的设计与开发 |
| 3.3.4 内嵌式谐波监测装置的设计与开发 |
| 3.4 案例仿真分析 |
| 3.5 本章小结 |
| 4 基于深度学习的高频谐振过电压识别方法 |
| 4.1 动车组高压供电系统过电压特征 |
| 4.1.1 机车过分相过电压 |
| 4.1.2 工频过电压 |
| 4.1.3 高频谐振过电压 |
| 4.1.4 铁磁谐振过电压 |
| 4.2 基于图像识别技术的过电压信号辨识思路 |
| 4.2.1 基因特征 |
| 4.2.2 过电压灰度图像映射算法及特征提取 |
| 4.2.3 特征选择 |
| 4.3 基于深度学习的过电压信号辨识算法设计 |
| 4.3.1 ShuffleNet网络架构 |
| 4.3.2 数据集获取及数据预处理 |
| 4.4 参数调整和结果分析 |
| 4.4.1 模型训练 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 5 软硬件系统的设计与开发 |
| 5.1 综合监测系统的软硬件关键技术 |
| 5.2 监测终端的设计与开发 |
| 5.2.1 监测终端硬件架构 |
| 5.2.2 电压采集模块的设计 |
| 5.2.3 电流采集模块的设计 |
| 5.2.4 主控核心STM32F407ZGT6 最小系统 |
| 5.2.5 GPS+北斗定位模块 |
| 5.2.6 SD卡存储模块设计 |
| 5.2.7 监测终端硬件成品展示 |
| 5.3 通信方案设计与实现 |
| 5.3.1 DTU数据传输模块 |
| 5.3.2 数据链路层的设计 |
| 5.4 基于云平台概念的综合监测及分析系统设计与开发 |
| 5.4.1 B/S架构 |
| 5.4.2 云平台的开发与设计 |
| 5.4.3 数据库设计 |
| 5.4.4 Web云平台的发布与部署 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 内嵌式谐波监测装置程序源代码 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）车载平台下的无依托瞄准关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 导弹瞄准技术 |
| 1.1.2 车载无依托瞄准技术 |
| 1.1.3 车载固连设备工作状态介绍 |
| 1.2 国内外无依托瞄准相关技术的发展 |
| 1.2.1 定向寻北技术 |
| 1.2.2 自准直测量技术 |
| 1.3 论文研究工作的出发点 |
| 1.4 论文主要研究内容及章节安排 |
| 第2章 无依托瞄准的总体要求及分解 |
| 2.1 总体要求 |
| 2.1.1 寻北仪适应性设计 |
| 2.1.2 自准直仪适应性设计 |
| 2.2 无依托瞄准总体误差分析 |
| 2.3 无依托瞄准关键技术分解 |
| 2.3.1 姿态补偿模型建立的必要性 |
| 2.3.2 自准直仪数据处理的必要性 |
| 2.3.3 寻北仪数据处理的必要性 |
| 2.4 本章小结 |
| 第3章 无依托瞄准姿态补偿模型研究 |
| 3.1 姿态补偿模型要素定义 |
| 3.1.1 坐标系和变量定义 |
| 3.1.2 单位向量定义 |
| 3.2 姿态补偿模型坐标变换 |
| 3.2.1 弹上棱镜棱脊P的坐标变换 |
| 3.2.2 自准直仪光轴C的坐标变换 |
| 3.2.3 测量基线B的坐标变换 |
| 3.3 姿态补偿执行过程 |
| 3.3.1 棱镜法线在自准直坐标系内重建 |
| 3.3.2 棱镜法线在转台坐标系内向量估值 |
| 3.3.3 棱镜法线在地平坐标系下的恢复 |
| 3.4 瞄准系统姿态补偿的仿真 |
| 3.4.1 单元误差及其数值范围 |
| 3.4.2 单元误差分布 |
| 3.4.3 瞄准总体误差仿真计算 |
| 3.5 主要设备预期精度指标 |
| 3.6 本章小结 |
| 第4章 自准直仪数据处理 |
| 4.1 自准直仪数据处理模型 |
| 4.2 车载振动信号采样 |
| 4.3 图像采样积分时间的控制 |
| 4.4 图像采样时刻的控制 |
| 4.5 光斑定位处理 |
| 4.6 自准直角度的解算 |
| 4.6.1 角度解算数学模型 |
| 4.6.2 未标定情况下静态测角精度 |
| 4.6.3 自准直仪的标定 |
| 4.7 自准直仪数据处理的仿真 |
| 4.7.1 单元误差及其分布 |
| 4.7.2 自准直测量误差仿真计算 |
| 4.8 自准直测量实验 |
| 4.9 本章小结 |
| 第5章 寻北仪数据处理 |
| 5.1 寻北仪测量模型 |
| 5.2 陀螺原始信号处理 |
| 5.2.1 平稳情况下陀螺信号处理 |
| 5.2.2 振动情况下陀螺信号处理 |
| 5.3 加速度计原始信号处理 |
| 5.3.1 平稳情况下加速度计信号处理 |
| 5.3.2 振动情况下加速度计信号处理 |
| 5.4 倾斜角度的解算 |
| 5.4.1 倾斜角度解算模型 |
| 5.4.2 倾斜角度解算仿真 |
| 5.4.3 倾斜角度测量实验 |
| 5.5 北向角度的解算 |
| 5.5.1 北向角度解算模型 |
| 5.5.2 北向角度解算仿真 |
| 5.5.3 北向角度解算实验 |
| 5.6 本章小结 |
| 第6章 无依托瞄准系统实验 |
| 6.1 设备样机的组成 |
| 6.1.1 寻北仪结构组成 |
| 6.1.2 寻北仪电子学组成 |
| 6.1.3 自准直仪光机结构 |
| 6.1.4 自准直仪电子学组成 |
| 6.2 系统精度实验 |
| 6.3 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 进一步研究展望 |
| 参考文献 |
| 附录 瞄准参数定义 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）基于动态门槛阈值的车辆事故自动呼救系统终端设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究意义 |
| 1.3 ACNS国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 文献综述分析 |
| 1.4 主要研究内容 |
| 1.5 技术路线图 |
| 第二章 车辆事故自动呼救系统原理及触发算法 |
| 2.1 ACNS原理 |
| 2.2 ACNS触发算法和阈值 |
| 2.2.1 ACNS触发算法 |
| 2.2.2 ACNS阈值 |
| 2.3 门槛阈值对ACNS的影响 |
| 2.3.1 门槛阈值对ACNS抗干扰性的影响 |
| 2.3.2 门槛阈值对ACNS准确性的影响 |
| 2.4 ACNS触发阈值的设置 |
| 2.4.1 移动窗积分法原理 |
| 2.4.2 触发阈值的设定 |
| 2.4.3 ACNS触发算法设计 |
| 2.5 本章小结 |
| 第三章 ACNS门槛阈值动态匹配算法 |
| 3.1 路面不平度评价指标 |
| 3.1.1 功率谱密度 |
| 3.1.2 国际平整度指数 |
| 3.1.3 加速度功率谱密度 |
| 3.2 车身垂向加速度功率谱密度均方根与IRI的关联关系 |
| 3.3 IRI与门槛阈值的关联关系 |
| 3.4 基于动态门槛阈值的ACNS触发算法设计 |
| 3.5 本章小结 |
| 第四章 ACNS终端硬件设计 |
| 4.1 ACNS终端总体设计 |
| 4.1.1 ACNS终端功能需求 |
| 4.1.2 ACNS终端硬件总体设计 |
| 4.2 模块选型及接口设计 |
| 4.2.1 微控制器 |
| 4.2.2 加速度传感器 |
| 4.2.3 GPS模块 |
| 4.2.4 SD卡 |
| 4.2.5 GSM模块 |
| 4.2.6 LCD显示屏 |
| 4.3 微控制器外围电路设计 |
| 4.4 ACNS终端电源设计 |
| 4.5 ACNS终端 |
| 4.6 本章小结 |
| 第五章 ACNS终端软件设计 |
| 5.1 软件开发环境和资源 |
| 5.2 加速度信号采集和处理 |
| 5.2.1 初始化MPU6050 |
| 5.2.2 加速度信号采集 |
| 5.2.3 加速度功率谱密度均方根值的计算 |
| 5.3 加速度数据存储 |
| 5.3.1 SD卡初始化 |
| 5.3.2 数据存储 |
| 5.4 GPS数据接收 |
| 5.5 GSM短信发送 |
| 5.6 LCD信息显示 |
| 5.6.1 ILI9341 初始化 |
| 5.6.2 LCD显示 |
| 5.7 软件总体流程 |
| 5.8 本章小结 |
| 第六章 ACNS终端试验 |
| 6.1 试验目的 |
| 6.2 实车道路试验 |
| 6.2.1 试验车辆和试验路段 |
| 6.2.2 采集系统 |
| 6.2.3 试验过程 |
| 6.2.4 结果分析 |
| 6.3 ACNS触发测试实验 |
| 6.3.1 数据来源 |
| 6.3.2 结果分析 |
| 6.4 本章小结 |
| 第七章 研究总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间主要研究成果 |
| 发表的学术论文 |
| 专利申请 |
| 参加的项目 |
（5）六传感器车载磁场测量系统的研制（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 第2章 Overhauser磁力仪工作原理 |
| 2.1 传感器原理 |
| 2.2 仪器工作原理 |
| 2.3 仪器技术指标 |
| 2.4 本章小结 |
| 第3章 Overhauser磁力仪软件系统构建与改进 |
| 3.1 软件系统概述 |
| 3.2 双机同步功能 |
| 3.3 GPS功能 |
| 3.4 自检功能 |
| 3.5 文件系统 |
| 3.6 显示驱动设计 |
| 3.7 包络检测功能 |
| 3.8 信号质量评价功能 |
| 3.9 功率检测功能 |
| 3.10 本章小结 |
| 第4章 车载系统设计与应用 |
| 4.1 磁性目标体对测量的影响 |
| 4.2 磁异常的正问题仿真 |
| 4.3 目标体测线磁异常响应分析 |
| 4.4 车载磁场测量系统构建 |
| 4.5 目标体探测场地测量结果 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（6）智能单兵导航模块的性能在线检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 智能单兵导航模块发展现状 |
| 1.2.2 MEMS惯性传感器在线检测技术研究现状 |
| 1.3 主要研究内容 |
| 第2章 MEMS惯性传感器及检测技术介绍 |
| 2.1 MEMS惯性传感器介绍 |
| 2.1.1 MEMS加速度计 |
| 2.1.2 MEMS陀螺仪 |
| 2.2 检测技术基本介绍 |
| 2.2.1 检测技术相关概述 |
| 2.2.2 常用检测技术介绍 |
| 2.3 传感器在线检测方案设计 |
| 2.3.1 在线检测系统需求分析及技术指标 |
| 2.3.2 在线检测方案总体结构设计 |
| 2.4 本章小结 |
| 第3章 智能单兵导航模块数据采集与误差初始标定 |
| 3.1 智能单兵导航模块数据采集 |
| 3.2 传感器误差模型 |
| 3.2.1 MEMS陀螺仪误差建模 |
| 3.2.2 MEMS加速度计误差建模 |
| 3.3 传感器的误差初始标定方法 |
| 3.3.1 MEMS加速度计的误差初始标定 |
| 3.3.2 MEMS陀螺仪的误差初始标定 |
| 3.4 本章小结 |
| 第4章 智能单兵导航模块的在线标定算法研究 |
| 4.1 自适应在线标定算法 |
| 4.2 动态零位在线标定算法 |
| 4.2.1 算法模型介绍 |
| 4.2.2 算法原理 |
| 4.2.3 算法解算流程 |
| 4.3 智能单兵导航模块的在线标定实验验证 |
| 4.4 本章小结 |
| 第5章 智能单兵导航模块的性能在线检测实验验证 |
| 5.1 实验平台搭建 |
| 5.2 转台实验 |
| 5.2.1 MEMS加速度计在线检测实验 |
| 5.2.2 MEMS陀螺仪在线检测实验 |
| 5.3 人载实验 |
| 5.3.1 性能在线检测实验内容与结果分析 |
| 5.3.2 定位实验内容与结果分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 附录A:攻读硕士学位期间的研究成果 |
（7）基于GPS授时的电流互感器在线校验技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 电流互感器在线校验技术的研究意义 |
| 1.3 电流互感器在线校验的研究现状 |
| 1.4 论文的主要研究内容 |
| 1.4.1 基本研究思路 |
| 1.4.2 主要研究内容 |
| 第2章 电流互感器在线校验技术 |
| 2.1 电流互感器在线校验系统 |
| 2.1.1 电流互感器在线校验系统原理 |
| 2.1.2 电流互感器在线校验系统结构 |
| 2.2 GPS同步授时技术 |
| 2.2.1 GPS授时方式与原理 |
| 2.2.2 GPS信号解析方法 |
| 2.3 本章小结 |
| 第3章 电流互感器在线校验同步采集系统设计 |
| 3.1 传输过程中的误差分析 |
| 3.1.1 电离层时延模型分析 |
| 3.1.2 双频模型时延的计算 |
| 3.2 GPS接收机时延分析模型 |
| 3.2.1 接收机分类和结构 |
| 3.2.2 软件校正方法 |
| 3.3 本章小结 |
| 第4章 CT在线校验的高速同步采集平台设计 |
| 4.1 同步数据采集系统设计 |
| 4.1.1 GPS模块 |
| 4.1.2 AD采样模块 |
| 4.1.3 FPGA模块 |
| 4.1.4 信号调理模块 |
| 4.1.5 温补晶振模块 |
| 4.1.6 电压跟随模块 |
| 4.1.7 GPS信号增强器 |
| 4.2 同步数据采集系统仿真实验 |
| 4.2.1 采集电路搭建 |
| 4.2.2 采样通道设置 |
| 4.2.3 仿真实验 |
| 4.4 本章小结 |
| 第5章 基于CNN-AKF的数据处理算法 |
| 5.1 自适应卡尔曼滤波 |
| 5.1.1 基本原理 |
| 5.1.2 自适应卡尔曼滤波算法 |
| 5.2 卷积神经网络 |
| 5.2.1 基本原理 |
| 5.2.2 基于CNN的算法设计 |
| 5.3 基于CNN-AKF的数据处理算法 |
| 5.4 算例仿真及实验研究 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（8）基于ZYNQ的三分量瞬变电磁接收系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与论文结构 |
| 第2章 三分量瞬变电磁接收系统设计 |
| 2.1 三分量电磁场探测方法 |
| 2.1.1 线圈探测 |
| 2.1.2 磁通门探测 |
| 2.1.3 多方法探测 |
| 2.2 数据处理方法 |
| 2.3 系统总体设计 |
| 2.3.1 需求分析 |
| 2.3.2 技术方案 |
| 2.4 本章小结 |
| 第3章 三分量电磁传感器 |
| 3.1 三分量线圈传感器设计 |
| 3.1.1 感应线圈灵敏度分析 |
| 3.1.2 匹配电阻分析 |
| 3.1.3 前置放大器设计 |
| 3.1.4 感应线圈结构 |
| 3.2 三轴磁通门传感器选型 |
| 3.3 本章小结 |
| 第4章 采集信号调理单元 |
| 4.1 低通滤波器设计 |
| 4.2 程控放大电路设计 |
| 4.3 A/D转换电路设计 |
| 4.4 电源设计 |
| 4.5 本章小结 |
| 第5章 嵌入式信号处理单元 |
| 5.1 GPS同步模块选型 |
| 5.2 数据采集模块设计 |
| 5.2.1 数据同步采集设计 |
| 5.2.2 缓存设计 |
| 5.2.3 参数下载 |
| 5.2.4 DMA数据传输设计 |
| 5.2.5 制作系统启动文件 |
| 5.3 系统控制模块设计 |
| 5.3.1 嵌入式Linux系统移植 |
| 5.3.2 参数传递驱动设计 |
| 5.3.3 数据传输驱动设计 |
| 5.3.4 嵌入式FTP服务器 |
| 5.3.5 数据存储软件设计 |
| 5.3.6 人机交互软件设计 |
| 5.4 本章小结 |
| 第6章 系统性能测试 |
| 6.1 接收机性能测试 |
| 6.1.1 自噪声水平 |
| 6.1.2 线性度 |
| 6.1.3 系统误差 |
| 6.1.4 通道串扰 |
| 6.2 仪器探测试验 |
| 6.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
| 附录 |
（9）水下信标定位系统信号处理平台设计（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要内容安排 |
| 第2章 信号处理平台总体设计 |
| 2.1 系统概述 |
| 2.2 模拟接收机 |
| 2.3 信号采集系统 |
| 2.4 数字信号处理模块 |
| 2.5 核心器件选型 |
| 2.5.1 可控增益放大 |
| 2.5.2 数据采集系统 |
| 2.5.3 信号处理模块 |
| 2.6 本章小结 |
| 第3章 信号处理平台硬件设计 |
| 3.1 概述 |
| 3.2 增益控制电路硬件设计 |
| 3.3 信号采集板卡硬件设计 |
| 3.3.1 C系列模块简介 |
| 3.3.2 硬件电路设计框架 |
| 3.3.3 模数转换电路设计 |
| 3.3.4 睡眠电路设计 |
| 3.3.5 电源电路设计 |
| 3.4 SRIO总线硬件设计 |
| 3.4.1 C6678间接口互连 |
| 3.4.2 PCB设计 |
| 3.5 本章小结 |
| 第4章 信号处理平台软件设计 |
| 4.1 概述 |
| 4.2 开发环境介绍 |
| 4.2.1 PIC单片机开发环境 |
| 4.2.2 Compact RIO控制器开发环境 |
| 4.2.3 DSP开发环境 |
| 4.3 增益控制程序设计 |
| 4.3.1 程序设计流程 |
| 4.3.2 UART通信 |
| 4.3.3 SPI通信 |
| 4.4 信号采集程序设计 |
| 4.4.1 C系列模块识别 |
| 4.4.2 C系列模块初始化 |
| 4.4.3 AD时序控制与采集 |
| 4.5 数据预处理程序设计 |
| 4.5.1 程序设计流程 |
| 4.5.2 解析信号构建 |
| 4.5.3 波束预成 |
| 4.5.4 混频 |
| 4.5.5 降采样与抗混叠 |
| 4.6 数据管理 |
| 4.6.1 方位姿态与导航信息采集 |
| 4.6.2 数据存储与网络传输 |
| 4.7 SRIO总线通信 |
| 4.7.1 SRIO总线介绍 |
| 4.7.2 SRIO初始化 |
| 4.7.3 Direct I/O传输 |
| 4.8 本章小结 |
| 第5章 系统功能测试与验证 |
| 5.1 功能测试 |
| 5.1.1 增益控制功能测试 |
| 5.1.2 数据存储功能测试 |
| 5.1.3 信号采集功能测试 |
| 5.1.4 数据预处理功能测试 |
| 5.1.5 网络传输功能测试 |
| 5.1.6 实时性测试 |
| 5.1.7 SRIO通信功能测试 |
| 5.2 实验验证 |
| 5.2.1 模拟器联调 |
| 5.2.2 水池试验 |
| 5.2.3 湖上试验 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）基于多物理域多模态信息并行融合和条件对抗学习的智能主体自主感知方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景及意义 |
| 1.3 国内外研究发展现状与趋势 |
| 1.4 拟解决的主要问题 |
| 1.5 主要研究内容及目标 |
| 1.5.1 研究内容 |
| 1.5.2 研究目标 |
| 1.6 主要特色及创新 |
| 1.7 论文结构 |
| 第2章 智能主体及自主感知问题描述与建模 |
| 2.1 概述 |
| 2.2 智能汽车与无人驾驶汽车及其应用环境的特性分析 |
| 2.2.1 智能汽车及其运动行驶、驾驶与安全特性 |
| 2.2.2 智能汽车应用场景的环境特性 |
| 2.2.3 无人驾驶汽车及其运动、驾驶与安全特性 |
| 2.2.4 无人驾驶汽车应用场景的环境特性 |
| 2.2.5 自主感知对无人驾驶汽车应对复杂环境的重要性及作用机制 |
| 2.2.6 无人驾驶汽车的技术体系及关键技术 |
| 2.3 基于智能机器的复杂制造问题及其求解机制分析 |
| 2.3.1 传统制造方法应对复杂制造问题的局限性 |
| 2.3.2 智能制造及智能机器的提出 |
| 2.3.3 智能机器的技术体系及关键共性技术 |
| 2.3.4 智能制造模式下复杂制造问题求解模型及主要机制 |
| 2.4 传统智能机器在面临复杂问题与环境时的不足与局限性分析 |
| 2.5 智能主体的提出及模型构建 |
| 2.6 智能主体自主感知问题的描述与建模 |
| 2.6.1 复杂问题及环境对智能主体自主感知的要求 |
| 2.6.2 自主感知对智能主体智能能力及行为的形成机制 |
| 2.6.3 智能主体自主感知的定义与内容 |
| 2.6.4 人类感知机理及其对人脑思考推理决策的作用与影响 |
| 2.6.5 多模态信息(非视觉与视觉模态)的获取与处理及融合对自主感知的作用 |
| 2.6.6 智能主体自主感知模型 |
| 2.7 智能主体自主感知解决方案 |
| 2.8 本章小结 |
| 第3章 面向智能主体自主感知的多物理域多模态信息并行融合方法研究 |
| 3.1 概述 |
| 3.2 信息场与多物理域信息及其模型构建 |
| 3.2.1 面向对象及其环境的信息场及其模型 |
| 3.2.2 多物理域与多模态信息 |
| 3.2.3 非视觉模态信息及其表征 |
| 3.2.4 视觉模态信息及其表征 |
| 3.2.5 非视觉模态下单一物理域多传感器信息场模型 |
| 3.2.6 视觉模态下多物理域信息场模型 |
| 3.2.7 多模态下跨物理域信息场统一模型 |
| 3.3 多物理域信息获取与多模态信息融合问题分析描述及解决思路 |
| 3.3.1 多物理域信息获取及其作用 |
| 3.3.2 多模态信息融合及其作用 |
| 3.3.3 大容量信息的并行处理融合 |
| 3.3.4 基本解决思路 |
| 3.4 非视觉模态下多物理域信息获取与处理方法 |
| 3.4.1 基本原理及主要过程 |
| 3.4.2 高并发数据采集处理机制 |
| 3.4.3 单一物理域与跨物理域下多传感器的布局与信息采集 |
| 3.4.4 跨物理域多传感器的布局与信息采集 |
| 3.4.5 多物理域非视觉模态信息的时域处理与分析 |
| 3.4.6 多物理域非视觉模态信息的频域处理与分析 |
| 3.5 视觉模态下多物理域信息获取与处理方法 |
| 3.5.1 基本原理及主要过程 |
| 3.5.2 基于图像质量最佳的机器视觉成像优化方法及系统 |
| 3.5.3 基于时间片轮转调度算法的大容量图像并行处理方法 |
| 3.5.4 基于视觉模态信息的多物理域多维特征提取方法 |
| 3.6 多物理域多模态信息多模式并行融合机理及模型 |
| 3.6.1 几种信息融合方法的比较分析 |
| 3.6.2 人脑认知科学及其神经生物学机制给予信息融合的启示 |
| 3.6.3 多物理域多模态信息多模式并行融合机理与模型 |
| 3.7 基于改进变分自编码器的多物理域多模态信息融合方法 |
| 3.7.1 实时感知及其对信息融合的要求 |
| 3.7.2 常规变分自编码器(VAE,Variational Autoencoder)及其应用与优劣势分析 |
| 3.7.3 变分自编码器的改进思路 |
| 3.7.4 基于改进VAE的多模态信息融合算法设计实现及过程 |
| 3.7.5 利用改进VAE的多物理域多模态信息融合仿真试验与结果分析 |
| 3.8 本章小结 |
| 第4章 基于条件对抗学习的智能主体多模式自主感知方法研究 |
| 4.1 概述 |
| 4.2 自主感知及其作用机制分析 |
| 4.3 智能主体领域知识库系统构建方法 |
| 4.3.1 领域知识的定义及内涵 |
| 4.3.2 领域知识的表述和获取方法 |
| 4.4 基于条件对抗的改进学习算法 |
| 4.4.1 典型学习算法比较分析及局限性 |
| 4.4.2 学习算法改进原理及思路 |
| 4.5 基于条件对抗学习的隐马尔可夫链改进卷积神经网络自主感知方法 |
| 4.5.1 典型深度学习算法的比较分析及其局限性与不足 |
| 4.5.2 隐马尔可夫链(HMM)及其在信息预测与动态感知中的作用 |
| 4.5.3 利用隐马尔可夫链改进卷积神经网络的思路及其对实现多模态信息融合的机理 |
| 4.5.4 基于隐马尔可夫链改进卷积神经网络的自主感知算法设计实现及过程 |
| 4.5.5 采用传统深度学习算法和条件对抗学习仿真结果及比较分析 |
| 4.6 本章小结 |
| 第5章 基于多模态信息并行融合和多模式自主感知的无人驾驶汽车主动环境感知方法及系统研究 |
| 5.1 概述 |
| 5.2 基本原理和思路 |
| 5.3 基于无人驾驶汽车及其应用场景的特性分析与建模 |
| 5.3.1 无人驾驶对自主感知的需求 |
| 5.3.2 拟应用场景 |
| 5.4 无人驾驶汽车自主感知模型及机理 |
| 5.4.1 基于多传感器信息多模式融合的无人驾驶汽车自主感知模型 |
| 5.4.2 感知机理及过程 |
| 5.5 基于多模式自主感知专家系统构建 |
| 5.5.1 基于条件对抗学习的优化成像专家系统构建 |
| 5.5.2 基于条件对抗学习的多模态信息融合专家系统构建 |
| 5.5.3 基于条件对抗学习的目标识别专家系统构建 |
| 5.5.4 基于条件对抗学习的图像语义分割专家系统构建 |
| 5.5.5 基于条件对抗学习的单目深度估计专家系统构建 |
| 5.6 算法仿真与结果分析 |
| 5.6.1 基于条件对抗学习的优化成像专家系统仿真 |
| 5.6.2 基于条件对抗学习的图像语义分割专家系统仿真 |
| 5.6.3 基于条件对抗学习的单目深度估计专家系统仿真 |
| 5.6.4 基于条件对抗学习的多传感器信息多模式融合自主感知方法仿真分析 |
| 5.7 本章小结 |
| 第6章 智能主体自主感知试验研究——以无人驾驶汽车模拟仿真试验为例 |
| 6.1 概述 |
| 6.2 智能主体自主感知模拟实验装置搭建 |
| 6.2.1 系统目标 |
| 6.2.2 系统功能设计 |
| 6.2.3 硬件结构 |
| 6.2.4 硬件选型及校核 |
| 6.2.5 软件结构 |
| 6.3 试验系统运行 |
| 6.3.1 试验沙盘无人驾驶小车地图构建与自主导航 |
| 6.3.2 试验系统界面 |
| 6.3.3 试验系统沙盘运行结果 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
四、一种车载导航系统的信号调理电路设计与GPS信息提取（论文参考文献）
- [1]无线低功耗节点式地震采集系统关键技术研究[D]. 田入运. 吉林大学, 2021(01)
- [2]牵引供电网高次谐波监测及评估系统开发[D]. 杨佳澎. 北京交通大学, 2021(02)
- [3]车载平台下的无依托瞄准关键技术研究[D]. 刘玉生. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2020(01)
- [4]基于动态门槛阈值的车辆事故自动呼救系统终端设计[D]. 张玉辰. 江苏大学, 2020
- [5]六传感器车载磁场测量系统的研制[D]. 史文强. 吉林大学, 2020(08)
- [6]智能单兵导航模块的性能在线检测技术研究[D]. 曹原. 重庆邮电大学, 2020(02)
- [7]基于GPS授时的电流互感器在线校验技术研究[D]. 赵双. 华北电力大学(北京), 2020(06)
- [8]基于ZYNQ的三分量瞬变电磁接收系统的研究[D]. 何虎. 成都理工大学, 2020(04)
- [9]水下信标定位系统信号处理平台设计[D]. 郝运博. 哈尔滨工程大学, 2020(05)
- [10]基于多物理域多模态信息并行融合和条件对抗学习的智能主体自主感知方法研究[D]. 林元凯. 深圳大学, 2019