基于磁梯度张量不变量的椭圆误差消除方法

现有的磁梯度张量不变量定位方法,可以实现地磁环境下对目标的单点实时定位,而且适合于移动平台对目标的定位,但磁梯度张量不变量定位方法存在椭圆误差。 针对这个问题,提出了一种基于磁梯度张量不变量的消除椭圆误差改进方法,该方法通过构建新的单位定位矢量和修正定位矢量的模,消除椭圆误差对定位的影响,对改进方法进行了测量系统基 线、信噪比、精度的性能仿真和磁源圆形轨迹运动的验证仿真。仿真结果表明本文所提的改进方法消除了椭圆误差,相比于原始方法定位误差有大幅度的减小,可以实现地磁环境的精确定位,而且对所搭载平台的机动性要求较低。     

基于双十字形测量结构的磁信标定位方法

为解决地磁场对磁信标定位影响较大的问题,首先提出了一种两点式磁梯度张量解算运动载体位置的定位算法,然后通过对定位算法进行分析,设计出测量两点磁梯度张量的双十字形测量结构,最后建立关于以位置坐标为参数的非线性方程,利用粒子群算法得出目标位置的最优解。仿真结果表明磁信标与运动载体在单一坐标轴上的距离大于25 m时,磁传感器精度和信标磁矩对定位误差影响较大,在环境磁噪声影响下,当信噪比低于80 dB时,定位误差显著增大,基于双十字形测量结构的磁信标定位方法可有效消除地磁场和其他恒定磁场的影响。     

基于磁梯度张量与Levenberg-Marquardt优化的磁矩计算方法

针对目前磁矩计算方法中出现的对磁性目标出厂参数精度要求较高且计算繁琐、受地磁场影响较大、反演精度较差等问题,提出了一种基于磁梯度张量概念与Levenberg-Marquardt优化算法结合的磁矩计算方法。该方法采用磁梯度张量概念消除了地磁背景场的干扰,使用Levenberg-Marquardt算法优化解算过程,消除了反演过程中出现的奇异点。对新方法进行地磁背景场、测量系统位置、环境噪声等影响因素的验证仿真,并实验验证该方法的可操作性。仿真与实验证明,相比于以往方法,新方法的磁矩反演精度有大幅度的提高,抗噪声能力更强,具有更高的鲁棒性。     

基于FPGA的光泵磁梯度仪频率测量方法

磁梯度测量可以在一定程度上消除地磁日变对测量结果的影响,相比于地磁总场探测具有更高的分辨率,在地质勘探、地球物理以及国防军事方面都具有较高的应用价值.本文提出的测量仪以铯光泵磁力仪作为探头,由FPGA搭建采集系统,实现了磁场数据的测量、显示与存储.对现有铯光泵采集系统的频率测量算法进行改进,提出数字插值与移相结合的测频方法,在保证频率测量采样时间的前提上提高了测量精度,减小了测量误差.之后测试了测频模块的精度误差以及探头的一致性等指标.最后通过磁异常探测实验证明磁场梯度测量相比于磁总场探测可以更清晰的反应磁异常的位置大小等信息.     

基于动磁测量与BFGS法求解的鱼雷近场定位算法

为解决以往磁偶极子反演定位算法过度非线性化使得计算难度过大,以及非线性问题线性化后不易求得全局最优解等问题,提出了一种新的基于动磁测量技术(DMMT)的水下目标近场定位算法。该算法非线性化程度适中,具有多信息融合与数据快速处理的特点,试验验证该算法可实现动磁源的近场准确定位,且利用拟牛顿法(BFGS)可使计算简单易行。该算法可用于鱼雷近场定位,在水下探测、追踪、末弹道测绘等领域有重要用途。     

基于弱磁探测技术的高压海底电缆精确定位系统设计

高压海底电缆具有耐腐蚀、抗冲击性能好和电气寿命长等优点,是海上输电系统的重要组成部分,为保证海底输电系统正常运行,设计并开发了基于弱磁探测技术的高压海底电缆精确定位系统。装设海底弱磁探测器作为弱磁探测技术的执行元件,改装高压海底电缆精确定位器。根据高压海底电缆的组成结构、电力学工作原理以及磁场分布特征,构建高压海底电缆及其磁场等效模型。采集高压海底电缆的实时状态数据,利用弱磁探测技术获取高压海底电缆周围的磁信号,通过信号特征匹配与坐标计算,得出高压海底电缆精确定位结果。通过系统测试实验得出结论：与传统定位系统相比,优化设计系统定位静态电缆的平均误差降低约10.82m,定位动态电缆的平均误差降低了11.37m,表明了所设计系统在定位精度方面具有明显优势。     

应用于无屏蔽环境的心磁测量系统研究与设计

设计了一种基于高平衡性二阶梯度仪的9通道心磁图仪并对其进行了系统的性能测试，证明其实现了无需磁屏蔽室即可进行的高精度心脏磁场测量。本系统的探测端由9个以碳纤维复合材料作为基底的探头组成，通过自主定位，可在胸前4个方形区域以1 000 Hz的采样率采集36点的心磁信号，同时软件端对采集到的数据进行处理，得出电流密度矢量图、等磁图等一系列图形。主要基于该系统进行了多方面的性能测试，测得定位精度、磁场-模数转换器采样率传输系数、磁场分辨率等。并且对两名志愿者进行了实际测量，记录其心磁信号并生成等磁图，并根据等磁图进行了心脏健康程度判断，结果与志愿者病史相吻合。     

基于DGPS航迹偏差的多旋翼无人机磁干扰检测技术研究

为了解决多旋翼无人机在飞行作业过程中受到环境磁干扰导致作业异常的问题,在使用DGPS进行差分定位的基础上,提出了一种基于航迹偏差的多旋翼无人机磁干扰检测技术;其基本原理是,当多旋翼无人机受到磁场干扰时,其飞行航迹会偏离预设航线,检测其航迹的偏离距离,通过与阈值比较,可以用来判断是否存在环境磁干扰;实验结果表明该方法可以有效检测环境磁场异常,在某些情况下比传统的磁航向角误差阈值检测方法可靠性更高,虚警率更小;综合使用航迹偏差检测方法和磁航向角误差检测方法,可有效(提高)环境磁场异常检测的准确度,降低虚警率。     

一种GMI传感器目标探测模型

为了使巨磁阻抗（ GMI）传感器能够在军事目标探测中发挥灵敏度高、探测距离远的特点,对其输出曲线处理方法进行改进,提出了基于幅值功率特征和小波特征的目标探测模型,既充分利用了敏感材料的GMI效应,又保证了测量的精度。最后通过模拟目标定位实验验证了该模型的有效性。该模型操作简单,易于实现,且定位精度较高,在目标探测与跟踪领域有很大的发展空间。     

基于梯度下降法的永磁同步电机弱磁控制仿真

永磁同步电机在运行过程中,弱磁轨迹若出现偏差会直接影响电机的运行效果。为提升电机运行质量,提出基于梯度下降法的永磁同步电机弱磁控制方法。分析永磁同步电机弱磁控制影响因素,建立永磁电机稳态电压方程与电磁转矩方程,获取永磁同步电机的弱磁移动轨迹。基于分析结果制定弱磁控制策略,结合梯度下降法在电机输出电流、电流被限制的情况下,计算电流的下降梯度与转矩角度,辨识电流的缩减方向,实现永磁电机的弱磁控制。实验结果表明,使用上述方法开展电机弱磁控制时,能够有效测试出电机直、交轴电流输出,电机转速能够达到电机期望转速,说明其控制效果较好。     

轴承在线早期故障检测的无监督张量深度迁移学习方法

基于张量分解可有效挖掘信号高维本质信息的优点,提出一种无监督张量深度迁移学习方法.首先,构建基于张量表示的深度多任务异常检测模型,利用核心张量构建单分类异常检测规则表示,并建立超球规则适配机制,交替优化张量分解和域无关特征提取,以实现异常检测规则在离线轴承和在线目标轴承间的有效传递,完成在线无标记数据的异常检测;其次,提出一个基于异常概率贯序累积的非参数报警阈值设定方法,可在仅设定误报警率置信度的条件下自适应选择在线阈值,并给出该阈值合理性的理论分析.在IEEE PHM Challenge 2012轴承数据集上进行实验,结果表明,所提出方法可获得更好的检测实时性和更低的误报警数,为早期故障检测提供一种具有易部署性和鲁棒性的解决方案.     

基于LSTM的动态图模型异常检测算法研究

传统异常检测模型往往基于内容特征，随着攻击手段的提高，该方法易于被绕过，因此图挖掘技术逐渐成为了国内外学术研究的热点。为了提高异常检测的准确率，提出了一种基于长短时记忆网络的动态图模型异常检测算法。首先通过对动态图的变化特征进行分析，总结了Egonet图结构距离和编辑距离两类特征，高效地表示动态图结构的变化情况。其次，通过基于LSTM的时间序列分类算法，进行模型的训练。最后对抓取的网络数据流进行入侵检测，对超过6万节点和300万条边的拓扑图进行测试。最终实验结果表明，该算法具有更高的准确率和召回率，可以有效地检测出网络入侵事件。     

面向边缘端设备的轻量化视频异常事件检测方法

现有基于CNN模型的视频异常事件检测方法在精度不断提升的同时,面临架构复杂、参数庞大、训练冗长等问题,致使硬件算力需求高,难以适配无人机等计算资源有限的边缘端设备。为此,提出一种面向边缘端设备的轻量化异常事件检测方法,旨在平衡检测性能与推理延迟。首先,由原始视频序列提取梯度立方体与光流立方体作为事件表观与运动特征表示;其次,设计改进的小规模PCANet获取梯度立方体对应的高层次分块直方图特征;再次,根据每个局部分块的直方图特征分布情况计算表观异常得分,同时基于内部像素光流幅值累加计算运动异常得分;最后,依据表观与运动异常得分的加权融合值判别异常分块,实现表观与运动异常事件联合检测与定位。在公开数据集UCSD的Ped1与Ped2子集上进行实验验证,所提方法的帧层面AUC分别达到86.7%与94.9%,在领先大多数对比方法的同时参数量明显降低。实验结果表明该方法在低算力需求下,可以实现较高的异常检测稳定性和准确率,能够有效兼顾检测精度与计算资源,因此适用于低功耗边缘端设备。     

基于主成分分析禁忌搜索和决策树分类的异常流量检测方法

真实网络流量包括大量特征属性,现有基于特征分析的异常流量检测方法无法满足高维特征分析要求。提出一种基于主成分分析和禁忌搜索(PCA-TS)的流量特征选择算法结合决策树分类的异常流量检测方法,通过PCA-TS对高维特征进行特征约减和近优特征子集选择,为决策树分类方法提供有效的低维特征属性,结合决策树分类精度和处理效率高的优点,采用半监督学习方式进行异常流量实时检测。实验表明,与传统异常检测方法相比,此方法具有更高的检测精度和更低的误检率,其检测性能受样本规模影响较小,且对未知异常可以进行有效检测     

基于iForest和LOF的流量异常检测

异常检测在现代大规模分布式系统的安全管理中起着重要作用,而网络流量异常检测则是组成异常检测系统的重要工具。网络流量异常检测的目的是找到和大多数流量数据不同的流量,并将这些离群点视为异常。由于现有的基于树分离的孤立森林(iForest)检测方法存在不能检测出局部异常的缺陷,为了克服这个缺陷,提出一种基于iForest和局部离群因子(LOF)近邻集成的无监督的流量异常检测方法。首先,改进原始的iForest与LOF算法,在提升检测精度的同时控制算法时间;然后分别使用两种改进算法进行检测,并将结果进行融合以得到最终的检测结果;最后在自制数据集上对所提方法进行有效性验证。实验结果表明,所提方法能够有效地隔离出异常,获得良好的流量异常检测效果。     

云工作流中基于多任务时序卷积网络的异常检测方法

云计算数据中心在日常部署和运行过程中产生的大量日志可以帮助系统运维人员进行异常分析。路径异常和时延异常是云工作流中常见的异常。针对传统的异常检测方法分别对两种异常检测任务训练相应的学习模型,而忽略了两种异常检测任务之间的关联性,导致异常检测准确率下降的问题,提出了一种基于多任务时序卷积网络的日志异常检测方法。首先,基于日志流的事件模板,生成事件序列和时间序列;然后,训练基于多任务时序卷积网络的深度学习模型,该模型通过共享时序卷积网络中的浅层部分来从系统正常执行的流程中并行地学习事件和时间特征;最后,对云计算工作流中的异常进行分析,并设计了相关异常检测逻辑。在OpenStack数据集上的实验结果表明,与日志异常检测的领先算法DeepLog和基于主成分分析（PCA）的方法比较,所提方法的异常检测准确率至少提升了7.7个百分点。     

基于反向选择的地震前兆观测数据异常检测

针对现有前兆异常检测方法因异常数据较少导致检测准确率偏低的问题,提出一种基于反向选择的检测方法。定义地震数据中的self集与nonself集;将随机选取的未成熟检测器与self集进行匹配,生成半径可变的成熟检测器,覆盖nonself空间;将待检测数据与检测器匹配,通过判断是否在nonself空间得到检测结果;与现有地震异常检测方法BP神经网络、支持向量机进行对比,实验结果表明反向选择用于地震前兆观测数据异常检测有更好的效果。     

一种基于模糊综合评判的入侵异常检测方法

目前国际上已实现的大多数入侵检测系统是基于滥用检测技术的，异常检测技术还不太成熟，尤其是基于网络的异常检测技术，如何提高其准确性、效拿和可用性是研究的难点．提出了一种面向网络的异常检测算法FJADA，该算法借鉴了模糊数学的理论，应用模糊综合评判工具来评价网络连接的“异常度”，从而确定该连接是否“入侵”行为．实验证明，该方法能检测出未知的入侵方式，而且准确性较高．