星地光通信中的精跟踪模拟实验研究

设计了一套简便易行的星地光通信中精跟踪演示系统方案,并详细介绍了精跟踪演示系统的组成.跟踪算法采用改进神经网络的PID算法,在线调整网络加权值.最后,针对不同频率的信标抖动进行了跟踪补偿模拟实验,实验结果表明,该精跟踪系统实现了高频信标光抖动跟踪补偿,具有很好的实用性.     

空间激光通信中精跟踪系统的实现与优化

简述了空间激光通信中精跟踪系统的组成和控制结构,分析了捕获、跟踪、瞄准系统精跟踪探测器使用质心算法进行信标光斑定位时的误差来源,对精跟踪探测器信标光斑定位过程进行傅里叶频域分析.推导得到消除质心算法系统误差的理论方案,即信标光波长和精跟踪系统的F数乘积需大于精跟踪探测器的像元尺寸.分析了精跟踪系统实现过程中关键参数的选取过程,结合精跟踪系统的系统参数耦合关系,为了不损失精跟踪视场,在精跟踪探测器镜头前添加孔径光阑进行精跟踪系统优化,以消除精跟踪探测器光斑定位时的系统误差.理论计算和实验证明:当孔径光阑的直径小于9.32 mm时,精跟踪系统的相对孔径小于0.045,精跟踪误差仅为0.03 pixel,相比优化前的精跟踪系统,跟踪精度提高了1.9倍.     

空间光通信终端精跟踪伺服系统研究

为了提高空间光通信中的精跟踪伺服系统的跟踪精度,采用神经网络比例-积分-微分算法,解决精跟踪伺服系统设计中光斑抖动时变不确定性和压电陶瓷驱动中存在的迟滞、蠕变和位移非线性等不足。通过3层结构反向传播神经网络自学习方法,在线调整比例-积分-微分控制器的系数,控制压电陶瓷驱动精瞄偏转镜偏转,最终达到精跟踪伺服系统优化控制。进行了理论分析和实验验证,取得了室内精跟踪数据。结果表明,神经网络比例-积分-微分控制算法增强了伺服系统鲁棒性,并提高了伺服系统实时性;采用400Hz的CCD,精跟踪伺服系统对40Hz以下的抖动能有效抑制,基本能满足在空间光通信中跟踪带宽需要。     

自由空间光通信精跟踪模糊控制系统的设计

针对空间光通信中捕获、瞄准和跟踪(ATP)技术的精跟踪系统对信标光斑实时准确跟踪需求,设计了基于前馈补偿的比例,积分和微分(PID)模糊控制系统,采用camera-link接口的高帧频CMOS相机和大规模FP-GA芯片设计了精跟踪处理控制平台,并将图像处理、前馈补偿和PID模糊控制等功能全部集成在FPGA芯片内部。实验结果表明,前馈补偿模糊PID控制具有更强的系统适应性,精跟踪系统带宽达到300 Hz,对大于100 Hz的高频振动频谱仍然有很好的抑制补偿效果,尤其对于低于60 Hz的主要扰动频谱具有很好的跟踪补偿效果,抖动压缩比达到90%以上,抖动均方差小于1 pixel,定位精度约为1μrad。     

基于FPGA的信标光精细跟踪系统设计

介绍了精细跟踪系统的算法及硬件结构组成.以平均值平滑滤波法和质心法实现了对信标光斑定位,利用卡尔曼预测算法实现了具有自适应能力的递归跟踪算法.采用高帧频CMOS相机和高效的基于FPGA处理器的处理算法,实现了信标光的高精度实时跟踪及硬件系统.用外场激光无线通信实验验证了系统具有很好的实用价值.     

探测器条状噪声对精跟踪系统光斑定位的影响

捕获、跟踪、瞄准系统精跟踪探测器在不同噪声下对精跟踪系统进行光斑位置定位的影响不同。分析了探测器条状噪声的来源,理论推导了条状噪声对质心算法的影响。采用阈值质心算法对含有条状噪声和椒盐噪声的图像进行光斑定位,仿真分析了不同阈值、不同光斑图像信噪比下X轴和Y轴的光斑定位偏差,对比了X轴和Y轴的光斑定位精度。仿真结果表明,沿Y轴方向延伸的条状噪声使得X轴光斑定位精度优于Y轴。实验分别测试了不同系统配置、不同干扰幅度下精跟踪系统X轴和Y轴的跟踪精度。实验结果表明,对于两个正交轴对称的精跟踪系统,X轴的跟踪精度优于Y轴,从而验证了条状噪声的存在使得X轴的光斑定位精度优于Y轴的结论,实验结果和仿真分析结果相符。     

无线光通信ATP演示实验系统

针对空间无线光通信中捕获、瞄准和跟踪（ATP）技术的粗跟踪系统对信标光斑实时准确跟踪需求,为项目进一步工作提供基础,搭建了无线光通信ATP演示实验系统,分别对粗、精跟踪子系统进行了详细的介绍,利用该系统进行了运动目标的模拟跟踪实验。结果表明：粗跟踪可将运动误差控制在200μrad之内,使光目标始终维持在精跟踪视场内,精跟踪可将系统误差控制在15μrad,可满足通信需求。     

基于ATP系统的非机动目标跟踪实验

考虑到无线光通信的捕获、瞄准和跟踪(ATP)系统对信标光斑实时、准确跟踪的需求,采用具有高频、大幅度补偿能力的音圈电机作为精跟踪执行部件,以此搭建了基于PC机控制的无线光通信演示实验系统。进行了不同速度下的非机动模拟跟踪实验,分别采集、分析并评价了粗跟踪和精跟踪的跟踪误差,并实时采集了通信光光功率。实验结果表明:ATP系统的跟踪误差标准差随着模拟目标运动速度的增加而增大,误差变化范围却无较为明显的规律,系统可长时间保持通信链路;此外,粗跟踪误差曲线中多次出现的误差尖峰可能与粗大值有关。     

空间激光通信中复合跟踪技术研究

空间激光通信前提是信标光束的精确对准,因此复合轴的跟踪技术是关键,粗精复合的耦合性问题成为研究重点。设计了一套基于单探测器复合轴的跟踪系统,对其原理及关键技术进行阐述,采用粗跟踪配合补偿精跟踪偏转量的方法,解决了耦合性问题,并完成伺服控制系统设计。搭建实验系统对跟踪性能及指标进行验证,实验结果表明,在±0.25°@0.1Hz扰动下系统跟踪误差控制在1个像素之内,跟踪误差均方根为0.13,结合实际条件知,系统像元角分辨率22μrad,故系统整体跟踪精度优于3μrad,可实现对信标光的精确跟踪,满足空间激光通信的应用需求。     

空间光通信捕获跟踪模拟演示系统

针对移动平台空间光通信信标光捕获跟踪系统的要求,给出了ATP模拟演示系统的设计框图.对CCD采集的光斑图像,先用二维中值滤波来消除噪声点,然后用动态阈值分割出光斑图像,用形心算法定位光斑坐标.跟踪控制器采用增量PID控制来减小累积误差的影响,且便于DSP的实现.通过对模拟仿真台在不同运动速度时的二维转台动态跟踪实验结果分析表明模拟演示系统有较好的跟踪精度.     

改进的基于神经网络的非均匀性校正算法

提出了一种结合图像匹配和神经网络算法的焦平面阵列非均匀性校正算法。算法首先用最新的校正系数对图像进行非均匀性校正,输出校正结果;然后对相邻两帧图像进行匹配,估计出相邻帧之间图像的运动量;最后用神经网络算法分别对校正系数进行正向和反向自适应更新。采用图像匹配技术保证了校正系数更新时不会引起场景的模糊,采用校正系数双向更新策略可以保证每帧都能对每个像元的系数至少进行一次更新,与常用的神经网络校正算法相比,降低了对场景统计特性的要求,收敛速度较快。使用模拟添加噪声和采集的红外图像序列对算法进行仿真验证,结果表明,给出的算法校正效果优于常用的神经网络非均匀性校正算法。     

一种混合神经网络在颗粒图像边缘检测中的应用

本文提出了一种应用混合神经网络进行颗粒图像检测的方法。混合神经网络由用于对边缘候选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ＡＳＣＳＮＮ）和用于获取颗粒图像边缘矢量信息的ＢＰ子网络（ＢＰＳＮＮ）组成,边缘候选图像是通过采用基于灰度极小值算法提取的边缘候选象素获得。神经网络以边缘候选图像中的边缘候选象素及其邻域象素的二值模式作为训练样本。对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性好、边缘描述真实,抗干扰能力较强,适用于颗粒图像的边缘检测。     

基于图像梯度的神经网络红外焦平面非均匀校正算法

红外焦平面阵列固有的非均匀性导致叠加在图像上的固定图形噪声严重影响了红外系统的成像质量。传统的神经网络非均匀校正算法存在待处理像素的期望值求解固有缺陷、收敛速度慢和学习速度过大,容易造成算法不收敛。提出了基于图像梯度的神经网络非均匀校正算法,通过对处理像素的期望值求解、改进和调整学习速度、改善图像校正效果,提高了算法收敛速度。通过对真实的红外图像序列实验表明,新算法相对传统的神经网络算法收敛速度提高了50%以上,红外图像校正效果也得到了提高。     

A chaos particle swarm optimization ranging correction location in complex environment

In complex environment, issues such as reflection, multipath propagation, non-line of sight and antenna gain, etc. would result in significant propagation losses as for the same distance. In order to effectively reduce ranging error and location error caused by received signal strength indication (RSSI) measurement distance, a location algorithm based on chaos particle swarm optimization ranging (CPSOR) is proposed for indoor location and navigation applications. By setting reference beacon nodes within location region, the relationship between distance and RSSI which is measured from target node to each beacon node is automatically corrected, and RSSI ranging error is effectively reduced, thus the objective of improving location accuracy is achieved. Numerical results show that the processing time of CPSOR location algorithm is reduced by 62% and the location accuracy of CPSOR is improved by 72% in contrast that of back propagation (BP) neural network location algorithm. Besides, practicality experiment results show that when the distance between beacon nodes is 50 m, the average location error of CPSOR location algorithm is 1.21 m and the location error of BP location algorithm is 3.36 m, thus the location accuracy is improved by 63%.     

一种WPAN网络信标期融合改进方案

基于超宽带技术的ECMA标准采用分布式网络结构,是高速无线个域网理想的选择,本文针对该标准的信标期融合算法进行了研究,并利用无线个域网的信标时隙复用的特性,提出了一种改进的信标期融合方案,经过仿真验证,该方案可以大幅减少网络稳定所需时间,有效减少网络开销。     

Robust and low‐communication geographic routing for wireless ad hoc networks

A novel beacon‐less algorithm called Blind Geographic Routing (BGR) is presented, which comes with an effective and robust recovery strategy to circumvent voids, and a new technique to avoid simultaneous forwarding by more than one node, features not included in other beacon‐less algorithms. BGR is the first beacon‐less algorithm that also works in 3D topologies. Additionally, BGR supports different delivery semantics, which specify how close a node must be to the destination location in order to receive the message, and how many nodes shall receive it. These semantics allow for routing not only to designated nodes with network‐wide known locations such as sinks, but to arbitrary destinations within the network area. It is shown through extensive simulation that BGR performs well even in the case of mobility, radio irregularity, and location errors, while GPSR as a beacon‐based algorithm suffers from severe problems in realistic scenarios that do not follow the unit disk graph model, even with recent enhancements of the original GPSR algorithm. Copyright © 2009 John Wiley & Sons, Ltd.     

基于深度学习的单像素相机超分辨率成像优化

基于压缩感知和单像素成像的基本原理,设计了一种用于图像超分辨率重建的新型深度卷积神经网络架构.这种单像素超分辨率成像算法成功地将深度学习图像超分辨率重建技术与压缩感知单像素成像技术相结合,从而发展出一种全新的深度学习单像素成像优化方法.与传统的常规压缩感知图像重构算法相比,该算法有效提升了图像超分辨率重建精度和单像素成像质量.通过图像重建的仿真实验和单像素相机的成像实验验证,结果表明这种基于深度学习的新型单像素相机成像方式具有良好的性能表现.     

无线传感器网络中DV-Hop定位方法的一种改进策略

原DV-Hop(Distance Vector-Hop)方法的定位步骤可归纳为两步：距离估计与位置计算。其中,距离估计精度对网络拓扑敏感,而位置计算算法对距离估计精度敏感,从而导致方法整体对多样性网络拓扑分布的鲁棒性较差。针对这一问题进行分析与改进,在距离估计阶段提出基于1跳内最近邻信标与其余信标的跳数连接关系独立确定未知节点与各信标间平均跳距的策略,以此改善未知节点与信标之间的距离估计误差;在位置计算阶段提出在原有Lateration算法的基础上增加牛顿迭代法优化步骤,以此提高定位精度。实验结果表明,在相同的网络条件下,与原DV-Hop方法和其他典型改进方法相比,改进策略首先在距离估计阶段提高了距离估计精度,进而在位置计算阶段提高了对距离估计误差的鲁棒性,从而整体上可有效提高全网未知节点的定位精度。     

基于EKF的无线传感器网络移动信标定位算法

针对无线传感器网络节点定位精度较低的问题,提出一种基于扩展卡尔曼滤波的移动信标节点定位算法。该算法采用等距三重优化覆盖思想确定虚拟信标分布,利用蚁群算法获取最优遍历路径,同时引入扩展卡尔曼滤波算法以提高节点定位精度。通过对节点通信半径、虚拟信标数目、路径长度、迭代次数等参数分别进行仿真验证,结果表明本文算法定位精度明显优于普通质心定位算法,同时该算法在提高网络覆盖度、降低网络成本等方面也有较大优势。     

基于混合结构神经网络的自适应背景模型

本文提出一种基于神经网络的视频中运动目标检测自适应背景模型.对每个像素点(或局部区域)建立一个混合结构的神经网络背景模型,模型由一个4层前馈神经网络组成,输入层接受像素HSV特征,特征层实现特征提取功能,模式层以概率神经网络的方式完成像素属于背景概率的计算,输出层以赢者取胜的方式完成前景背景分类和模式层激活节点选择功能...