基于UWB的天线阵列单基站定位方法研究

Ultra-wideband (UWB)技术由于具有功耗低、抗多径效果好、安全性高、系统复杂度低、能提供精确定位精度等优点,所以被认为是最适合进行室内无线定位的技术.为了解决现有的多参考基站定位机制的局限与不足,提出了一种基于脉冲幅度比值的UWB天线阵列单参考基站的高精度UWB定位方法,来克服多参考基站系统在安装部署、时间同步等方面的不足;在IEEE802.15.4a的CM1信道中与传统的四基站TDOA定位方法进行了仿真对比发现在大部分情况下并未明显降低定位精度.但是该方法可以降低对系统时钟精度的要求,降低系统成本及复杂度,降低安装与部署的难度,因此具有较大的应用前景.     

利用反射地震资料和多尺度训练集的深度学习速度建模

随着地震勘探数据量的逐渐增大,常规地震速度建模方法在稳定性、精度和计算效率等方面均面临挑战。为此,提出一种利用反射地震资料和多尺度训练集的深度学习速度建模的方法,即将反射波形数据和速度谱联合作为全卷积神经网络的输入,并在网络中引入Dropout层提高泛化能力,结合多尺度训练集,实现从地震数据到速度模型的映射。为了测试该方法在不同地质构造条件下的效果和适用性,分别应用层状模型、孤立异常体模型和BP盐丘模型进行数值实验。实验结果表明,联合使用地震反射波形和速度谱作为深度学习特征数据集时,速度建模准确性优于仅采用地震反射波形或速度谱作为特征数据集的结果,并克服了单独使用反射波形导致建模不稳定和单独使用速度谱建模精度不足的缺陷;使用多尺度速度模型构建训练集的速度建模结果在异常体边界的准确性优于采用单尺度模型训练集;深度神经网络只需经过一次训练,就可以快速地对与训练集中速度结构相似的地下构造进行速度建模,比常规方法具有更高的计算效率。在构建大量速度模型时,该方法具有很好的推广价值。     

Ag/AgCl固体参比电极研究与应用的现状与进展

综述了Ag/AgCl固体参比电极研究与应用的现状与进展,包括常规尺寸与微尺寸固体参比电极的制作及应用。重点介绍影响固体参比电极电位稳定性及持久性的因素和对参比电极进行评价的技术,针对存在的问题讨论了改善参比电极性能的方法。     

逆大气压校正结果对海况偏差的影响

基于最小二乘法原理,利用Jason-1高度计交叉点数据分析两种逆大气压校正结果对SSB的影响。结果表明,传统IB模型校正SSH后得到的SSB模型和MOG2D模型校正SSH后得到的SSB模型在SWH,U的大部分区域内符合较好,MOG2D校正结果对于SSB的影响主要集中在SWH大于6 m和U大于10 m/s的强海况海域,最大差异值可达2.6 cm。通过计算上述强海况海域交叉点不符值的RMS,MOG2D校正结果得到的RMS相比传统IB校正结果减小1.4 mm。并且采用MOG2D校正结果的SSB可解释方差值增大3.14 cm²,说明MOG2D校正结果对于建立SSB参数模型更有效,特别在强海况海域其影响不可忽略。     

基于LabVIEW的DBW型轿车AMT数据采集系统设计

利用LabVIEW编写了DBW型轿车AMT系统的数据采集系统,在不影响AMT系统工作的前提下进行相关的数据监控,解决了多种设备数据采集的时间同步及后续处理的归一化和标准化问题.     

一种适用于钢管垂直安装的方法

机械设备或钢管生产完成后通常会由平置吊装成竖直状态来满足安装需要。传统的管材竖立安装方法大概有4种:单个竖吊钳安装法,双竖吊钳安装法,单支吊索穿套结索安装法,利用上部辅助吊点安装法。本文介绍了以上4种吊装方法,并分析了每种方法的缺点或操作风险。经过对比总结,本文提出一种安全、实用、有效的竖立吊装方法。     

波浪对黄河水下三角洲浅表沉积物非均匀改造过程监测与机制研究

 黄河水下三角洲浅表沉积物的空间非均匀性导致了一些地质灾害的发生。为揭示非均匀化形成机制,在实验室模拟波浪对粉土体作用过程并实时监测土体强度、孔压和粒径组分变化。监测结果显示土性非均匀变化和强浪后期改造作用直接相关。强浪作用导致沉积物液化后,细粒物质向上迁移引起垂向非均匀变化的同时,一定深度位置还会出现强度和粒径非均匀体。在三角洲潮滩上原位模拟波浪循环荷载作用,利用电阻率测试等技术监测的土体状态变化特征进一步表明：除垂向迁移过程外,深部液化区细粒物质还会发生横向迁移;两个变化过程共同对浅表沉积物进行非均匀改造。波致超孔隙水压力急剧增大是造成物质迁移的主动力,波浪剪切作用造成的土颗粒横向位移对迁移起促进作用。研究还同时发现波浪作用过程中液化区下部始终有稳定层存在。     

基于半监督学习的多示例多标签改进算法

多示例多标签学习框架是一种针对解决多义性问题而提出的新型机器学习框架,在多示例多标签学习框架中,一个对象是用一组示例集合来表示,并且和一组类别标签相关联。E-MIMLSVM~+算法是多示例多标签学习框架中利用退化思想的经典分类算法,针对其无法利用无标签样本进行学习从而造成泛化能力差等问题,使用半监督支持向量机对该算法进行改进。改进后的算法可以利用少量有标签样本和大量没有标签的样本进行学习,有助于发现样本集内部隐藏的结构信息,了解样本集的真实分布情况。通过对比实验可以看出,改进后的算法有效提高了分类器的泛化性能。     

存在点缺陷的深沟球轴承的动力学响应

点缺陷对滚动轴承的使用寿命和整机性能有着显著的影响.基于单边接触模型和弹流润滑理论,分析了存在点缺陷的滚动轴承的响应特征.采用多体动力学方法建立了考虑点缺陷的滚动轴承动力学模型,对外圈存在点缺陷的滚动轴承的内圈、外圈和保持架等的动力学响应进行了模拟.分析了在滚动体通过缺陷的动力学过程中滚动体和外圈产生的冲击现象,发现频率响应中的峰值频率与外圈的特征频率相关,这与滚动轴承故障诊断结论相吻合.提出的滚动轴承动力学模型可以用于点缺陷故障特征的提取和滚动轴承的故障诊断.     

基于OpenCL的连续数据无关访存密集型函数并行与优化研究

连续的数据无关是指计算目标矩阵连续的元素时使用的源矩阵元素之间没有关系且也为连续的,访存密集型是指函数的计算量较小,但是有大量的数据传输操作。在OpenCL框架下,以bitwise函数为例,研究和实现了连续数据无关访存密集型函数在GPU平台上的并行与优化。在考察向量化、线程组织方式和指令选择优化等多个优化角度在不同的GPU硬件平台上对性能的影响之后,实现了这个函数的跨平合性能移植。实验结果表明,在不考虑数据传输的前提下,优化后的函数与这个函数在OpenCV库中的CPU版本相比,在AMD HD 5850 GPU达到了平均40倍的性能加速比;在AMD HD 7970 GPU达到了平均90倍的性能加速比;在NVIDIA Tesla 02050 CPU上达到了平均60倍的性能加速比;同时,与这个函数在OpenCV库中的CUDA实现相比,在NVIDIA Tesla 02050平台上也达到了1.5倍的性能加速。