排序方式: 共有41条查询结果,搜索用时 15 毫秒
1.
基于通信的列车控制(CBTC)系统的列车定位功能在保障列车安全运行方面具有重要作用。为了提高列车定位的实时性和准确性,依据地铁隧道内LED光源固有的布置方式,提出了一种基于BP神经网络(BPNN)和可见光成像通信相结合的列车定位算法。首先,在光条纹码调制时将不同的特征变量引入身份识别(ID)信息中,使用BPNN对LED-ID信息分类识别,得到LED光源的位置信息,并通过惯性测量单元(IMU)获取相机成像时的姿态角;然后,结合图像传感器(IS)和LED光源之间的几何关系求出二者的相对位置,得到列车的位置坐标;最后,通过仿真实验验证了所提定位算法的有效性。研究结果表明:静态实验中的平均定位误差为2.31 cm,动态实验中的平均定位误差小于5 cm,而且所提定位算法仅需单个LED光源通信,平均定位时间为51.34 ms。所提方法提高了列车定位的实时性和精度,可以作为现有列车定位方法的补充。 相似文献
2.
为提高低成本惯性测量单元(intertial measurement unit,IMU)阵列的行人航位推算(pedestrian dead reckoning,PDR)定位
精度,首次提出了采用多层感知机(multi-layer perceptron,MLP)实现低成本 IMU 阵列数据融合的算法,通过将自主设计的 IMU
阵列和高精度 IMU 同步运动来获得 IMU 阵列的测量数据(包括三轴加速度和三轴角速度)和高精度 IMU 的测量数据,以高精
度 IMU 的测量数据作为标签,利用 MLP 将 IMU 阵列的测量数据融合,预测出物体的实际加速度和角速度,并用定位算法进行
验证。 在定位实验中,使用 MLP 融合后的预测数据的 PDR 定位精度比使用单个 IMU 测量数据的 PDR 定位精度提高了
33. 9%;比使用简单平均处理的 IMU 阵列测量数据的 PDR 定位精度提高了 20. 8%;比使用最小二乘法融合的 IMU 阵列测量数
据的 PDR 定位精度提高了 11. 6%,证明了本文所提出方法的可行性和有效性。 相似文献
3.
4.
为了提高图像传感器的探测精度,给像素中的传输管提供高精度时钟信号,设计了一款可编程式电荷泵锁相环(Phase-Locked Loop,PLL)模块。该模块使用分频器以输出可调控频率的时钟,增加了复用性;在电荷泵中加入单位增益放大器以消除毛刺,增大了锁相环精度;同时给出了针对整个模块的相位噪声分析。仿真结果表明,当输出200 MHz时钟时,信号的时钟抖动为28 ps,电路工作在1.5 V电压下的功耗<2 mW。该模块已用于一款高精度图像传感器中,在0.11μm CMOS工艺下进行了流片,测试结果表明其可以实现50 MHz到200 MHz的高精度时钟输出,满足了芯片对于时钟的需求。 相似文献
5.
针对阶数为3×2p的非标准调制与纠错编码难以匹配的问题,提出了一种面向6阶正交幅度调制(QAM)的双层编码调制传输方案。在发送端,采用有限域GF(2)低密度奇偶校验(LDPC)码与GF(3) LDPC码进行分层编码,并将两种编码码字映射为6进制码字后进行6-QAM调制;在接收端,根据GF(2) LDPC码和GF(3) LDPC码的译码顺序,设计了两种双层迭代译码方法。仿真结果表明,在加性高斯白噪声(AWGN)信道下,执行一次整体迭代译码时,先执行GF(3) LDPC码译码的6-QAM分层编码调制方案比先执行GF(2) LDPC码译码的方案获得了更优的误符号率(SER)性能;随着迭代次数增加,纠错性能可获得进一步改善。比较6-QAM与6阶相移键控(6-PSK)调制,若先执行GF(3) LDPC码译码,当SER为10-5时,6-QAM结合双层LDPC码的传输方案在AWGN信道下可获得约1.3dB的增益。 相似文献
6.
7.
8.
利用自主搭建的实验系统,同步实时地测量了热致相变材料二氧化钒(VO2)薄膜在相变过程中的反射率及其涨落(噪声谱).实时傅里叶变换采集卡测得的噪声谱不仅可以像反射率测量一样给出样品的相变温度(55℃),还在样品的高温区金属相里发现了一个明显的噪声峰(位于15~20 MHz),而低温区半导体相的噪声谱几乎是平坦的.这种噪声峰也反映了薄膜样品中低温半导体相和高温金属相的晶体结构差异.噪声谱测量可以广泛地应用于相变材料的研究. 相似文献
9.
扩展孔径的非均匀阵列用于二维波达方向估计时,即使无相同的方位角或俯仰角也存在具有相同的方向余弦的情况,即奇异点问题。为了解决奇异点问题,所提出的算法构建了四个延时互相关矩阵,并根据对应的信号子空间构造对角矩阵。因此,算法可以通过联合对角化方法得到自动配对的低精度无模糊的方向余弦估计值以及高精度模糊的方向余弦估计值。最后,使用解模糊方法得到高精度无模糊的方向余弦估计值。所提出的算法解决了非均匀阵列二维波达方向估计存在的奇异点问题,且在欠定条件下具有良好的估计性能。仿真结果验证了所提出算法的有效性。 相似文献
10.
目前构建基于机器学习的室内可见光定位模型主要依赖于光电二极管和指纹数量,为了降低指纹采集的复杂度,提高定位精度,提出一种基于指纹矩阵稀疏重构的室内三维可见光定位算法。该算法利用极限学习机训练稀疏采样点,采用奇异值分解和交替方向乘子法求解稀疏指纹矩阵的重构问题。该算法可以有效降低指纹的采样率,同时可以基于极限学习机算法较强的泛化能力提高定位速度和定位精度。在此基础上,由于可见光的多径反射等因素的影响,定位区域的边界定位误差大于内部定位误差,通过引入一种边界修正定位算法,可以有效降低边界定位误差。仿真和实验结果表明,与传统的机器学习算法相比,该算法在减少其所需指纹数量的同时,具有更高的定位速度和精度。 相似文献