无波前传感自适应光学神经网络控制方法

针对无波前探测自适应光学系统,研究了基于神经网络的波前控制方法。建立了无波前探测自适应光学仿真模型,分别采用卷积神经网络(Convolution Neural Network,CNN)和普通神经网络(General Neural Network,GNN)作为控制算法,远场光斑图像为神经网络的输入信号,一定阶数的泽尼克模式系数为神经网络的输出,分析了波前校正效果。仿真结果表明,经过充分训练后的神经网络可以快速、准确地从远场光斑图像中复原出入射波前的低阶泽尼克模式系数,CNN的效果优于GNN,二者的损失函数值分别为0.015 8和0.037 6。相比于传统的迭代式寻优控制方法,神经网络控制方法能够基于远场光斑图像快速得到控制信号,在实时性方面有明显优势。     

三维荧光光谱技术结合交替残差三线性化算法 检测成品油污染物

油类污染物是危害生态环境的主要因素之一,混合油类污染物的精确识别与测量对于环境监测具有重要意义。针对混合油类污染物光谱组分严重重叠,难以采用化学方法进行分辨的问题,研究采用三维荧光光谱技术结合交替残差三线性化(alternating residuals trilinearization, ART)算法检测油类污染物。ART算法是对平行因子的改进,无需预先设定因子数。搭建三维荧光光谱检测系统,研究0#柴油、97#汽油和煤油的三维荧光光谱特征。配置30组0#柴油、97#汽油和煤油的SDS胶束溶液,采用ART算法对混合油类污染物散射消除后的三维荧光光谱数据进行解析,实验结果表明ART算法对0#柴油、97#汽油和煤油的平均回收率分别为103.6%、97.32%和99.86%,解析得到的3种成分光谱与真实光谱吻合度较高,定性和定量分析均表明,三维荧光光谱结合ART算法是一种有效的成品油污染物检测方法。     

无人机定点降落中识别定点方法的研究

无人机进行植保作业后,要实现自主降落,传统的无人机一般借助于自身的GPS系统进行辅助,但该系统在小型无人机上进行精确定位时会存在较大误差.针对这一问题,利用机器视觉系统对无人机定点识别方法展开了研究:设定特定的地标,通过色值提取滤去该定点以外的其他颜色干扰信息,展开形状分析排除掉除该定点形状以外的元素,进行Canny边缘检测识别出地标的轮廓,建立平面坐标系,结合边缘检测获得的像素信息测算地标点的具体方位,并通过试验验证了利用视觉系统可以较好地辅助无人机实现定点降落.     

IEPE加速度计电路噪声分析

研究压电集成电路加速度计的主要噪声源,利用En-In噪声模型将内部噪声源等效输入端,实现了输入噪声和输入信号的直接对比,能容易得到噪声对信号的影响。将Y-Δ变换原理引入T型网络噪声分析,降低噪声分析难度。通过对电路噪声的分析,在宽频范围内推导出可用于计算IEPE加速度计电路本底噪声的公式。将理论计算值与PSpice软件噪声分析所得值进行了对比,证明二者具有良好的相关性,同时得出了各噪声源在输入端对总噪声的贡献,提出了在不同频段内降低总噪声的方法,为IEPE加速度计电路的低噪声设计、参数选择和性能优化提供了理论依据。实验样机的实际值与理论值的对比结果表明,此法对于IEPE加速度计电路低噪声设计具有应用价值。     

基于DSP的四声道超声气体流量测量技术研究

针对超声波流量计在低流速流体测量中准确性低、可靠性低、误差大的缺陷,提出一种基于数字信号处理器(DSP)的四声道气体超声流量测量技术。首先,基于超声波流量计的测量原理选择时差法作为流量测量算法,并确定超声波流量计的声道布置方案;其次,采用数学积分法求取瞬时流量的加权系数,选取TI公司的TMS320F28335型DSP芯片,完成系统硬件的设计;最后,对接收信号进行滤波处理,模拟检测管道内静态和定量状态下流量情况。实验结果表明,在管道静态流量测量中各声道的平均测量误差为0.142%、0.214%、0.278%、0.365%,误差低于±0.4%,符合标准要求。而在低流速定量测量中,样机与标准表平均误差为0.945%,实验数据表明样机检测误差随气体流速的增大而减小,满足设计要求。     

多传感器结合的无人机障碍物识别方法研究

随着无人机越来越多的应用在植保作业中,无人机障碍物识别正逐渐成为研究的重点。由于单一传感器识别障碍物的局限性,提出将毫米波雷达和视觉系统相结合的障碍物识别方法:利用毫米波雷达探测前方障碍物的距离,通过视觉系统检测障碍物的大小形状等信息。视觉系统结合色值提取、形态学处理等方法滤去干扰信息,得到较为光滑的障碍物轮廓,利用坐标系的转换实现雷达与视觉系统的空间融合,首次对障碍物的面积进行了测算,采用同步线程的方式实现传感器在时间上的融合;根据融合处理得到的结果,判断无人机是否可以在障碍物之间顺利通过,为避障决策提供依据。通过试验证明该方法既可获取前方障碍物的位置信息,同时受环境因素的影响较小,且可以识别出障碍物的轮廓、大小并完成障碍物之间距离的测算。     

基于FPGA的LED显示屏非均匀度校正方法北大核心CSCD

发光二极管(light emitting diode, LED)显示图像的非均匀度是衡量LED显示屏质量的重要指标。LED显示模块在拼接过程中会出现灰度畸变,造成显示图像的非均匀度过高。根据理论分析LED显示图像的灰度矩阵,得到了在一个模块内只有一个像素点时的校正矩阵。给出了基于FPGA的Look-Up Table技术的非均匀度校正的设计方法及系统构成。实现了在FPGA内部进行非均匀度校正的功能,并且在QuartusⅡ进行了仿真,理论和仿真结果表明:采用该校正方法可有效降低LED显示图像的非均匀度。