共查询到20条相似文献,搜索用时 140 毫秒
1.
介绍了一种新型的基于压阻效应的硅微仿生矢量水听器,详细叙述了该矢量水听器的结构设计方法,利用有限元软件ANSYS对矢量水听器结构进行了模态分析,采用振动台标定与低频校准装置测试相结合的方法对水听器进行测试,并给出了检测单元的加速度频响特性曲线和声压灵敏度曲线,以及矢量水听器在水下测试的接收灵敏度曲线和指向性图的测试结果。通过此实验方法,不仅验证了该矢量水听器设计的合理性,而且验证了它适用于低频检测,应用于水声探测具有一定的可行性。实验证明,该矢量水听器的接收灵敏度在500Hz时达到-189.6dB(0dB=1V/μPa),并具有良好的“8”字形的指向性。 相似文献
2.
一种新型压阻式硅微仿生矢量水听器的设计 总被引:3,自引:1,他引:2
介绍了一种新型的基于压阻效应的硅微仿生矢量水听器,详细叙述了该矢量水听器的结构设计方法,利用有限元软件ANSYS对矢量水听器结构进行了模态分析,采用振动台标定与低频校准装置测试相结合的方法对水听器进行测试,并给出了检测单元的加速度频响特性曲线和声压灵敏度曲线,以及矢量水听器在水下测试的接收灵敏度曲线和指向性图的测试结果.通过此实验方法,不仅验证了该矢量水听器设计的合理性,而且验证了它适用于低频检测,应用于水声探测具有一定的可行性.实验证明,该矢量水听器的接收灵敏度在500 Hz时达到-189.6 dB(0 dB=1 V/μPa),并具有良好的"8"字形的指向性. 相似文献
3.
4.
5.
一种MEMS同振柱型仿生矢量水听器的研制 总被引:1,自引:0,他引:1
提出了一种结合MEMS技术、仿生原理和压阻原理的同振柱型矢量水听器,即由二维仿生水听器和声压水听器组合而成的柱体。在声学理论基础上详细介绍了该水听器的封装设计及制作过程,在国防水声一级计量站对该矢量水听器进行校准实验,实验结果表明:该同振型矢量水听器的工作频带范围为0~3 kHz;X通道灵敏度-177.9 dB(2 kHz),Y通道灵敏度-175.4 dB(2 kHz),声压通道灵敏度-175.8 dB(2 kHz);具有很好的"8"字指向性;可承受3 MPa压力。此新型MEMS同振矢量水听器适用于民用船只避障,渔业捕捞,海洋勘探等领域。 相似文献
6.
矢量水听器可同时拾取声压和振速信息,成阵后水听器间的相移信息量增大。基于矢量水听器阵的波束形成性能明显由于同条件下的声压水听器阵,但其空间分辨力依然受阵列物理空间的限制。已经有人研究了矢量水听器阵的高分辨谱估计方法(MUSIC算法),但属于对阵元域信号进行的直接处理,运算量较大。提出一种基于矢量水听器阵的波束域MUSIC算法(BMUSIC)。该算法首先将矢量水听器阵元的空间数据转换到波束空间,然后对转换后的数据再运用MUSIC算法。不但实现了降维处理,减小了运算量,而且可进一步抑制扫描扇面外的噪声。对BMUSIC算法进行了仿真并与常规MUSIC算法进行了比较。结果表明,该方法可得到与阵元域MUSIC算法相当的方位分辨力。 相似文献
7.
8.
矢量水听器是一种既能测量声场中的声压信息,又能测量声场中的振速信息的换能器.矢量特性使得单个矢量水听器就可以实现信号的方位估计,但是传统的矢量水听器处理方法只是利用了信息量增加这一优点,因而提出了一种利用单个压差式矢量水听器进行非相关目标方位估计方法,该方法有效利用声场中声压和质点间振速之间的互相关性,仿真和测试结果表明该方法能有效地进行双目标分辨. 相似文献
9.
10.
11.
本文提出一种GIS矢量数据多分辨率模型的构建、组织及三维显示方法。在数据预处理阶段,首先对原始矢量数据(点、线、面)进行简化处理,抽取出若干不同分辨率的矢量层次,然后将各个矢量层次分块,自底向上建立矢量数据的四叉树结构。在实时绘制阶段,在基于四叉树的视锥裁减和基于屏幕误差度量的分块选取基础上,采用多态调度矢量数据分块。实验结果表明,本文提出的矢量数据组织和调度算法能较好地解决矢量数据量大与计算机实时处理能力有限的矛盾,满足大规模矢量数据三维可视化系统实时绘制需求。 相似文献
12.
传统的支持向量机在处理不平衡数据时效果不佳。为了提高少类样本的识别精度,提出了一种基于支持向量的上采样方法。首先根据K近邻的思想清除原始数据集中的噪声;然后用支持向量机对训练集进行学习以获得支持向量,进一步对少类样本的每一个支持向量添加服从一定规律的噪声,增加少数类样本的数目以获得相对平衡的数据集;最后将获得的新数据集用支持向量机学习。实验结果显示,该方法在人工数据集和UCI标准数据集上均是有效的。 相似文献
13.
14.
针对桥梁健康监测系统所采集的实时数据具有不完备性,严重影响桥梁的安全评估,提出基于支持向量回归SVR(Support Vector Regression)算法的桥梁健康监测系统缺失数据实时在线预测方法.首先,分析实测数据具有时序、非线性和周期性等特点,利用变量的自相关和变量间的相关性重新构造支持向量回归模型的输入样本维数;在此基础上,根据样本在线更新的特点,采用序列最小优化算法对支持向量回归模型中的拉格朗日乘子进行实时更新,解决高精度在线填补的需求;最后,从实际问题出发,实现了支持向量回归模型的在线和离线自适应预测模式.通过对桥梁实测数据进行在线模式和离线模式预测对比,结果表明在线模式以样本更新的方式能够获得对将来值更高的预测精度. 相似文献
15.
Topological segmentation in three-dimensional vector fields 总被引:1,自引:0,他引:1
Mahrous K Bennett J Scheuermann G Hamann B Joy KI 《IEEE transactions on visualization and computer graphics》2004,10(2):198-205
We present a new method for topological segmentation in steady three-dimensional vector fields. Depending on desired properties, the algorithm replaces the original vector field by a derived segmented data set, which is utilized to produce separating surfaces in the vector field. We define the concept of a segmented data set, develop methods that produce the segmented data by sampling the vector field with streamlines, and describe algorithms that generate the separating surfaces. This method is applied to generate local separatrices in the field, defined by a movable boundary region placed in the field. The resulting partitions can be visualized using standard techniques for a visualization of a vector field at a higher level of abstraction. 相似文献
16.
密度加权近似支持向量机 总被引:3,自引:3,他引:0
标准的近似支持向量机(PSVM)用求解正则化最小二乘问题代替了求解二次规划问题,它可以得到一个解析解,从而减少训练时间。但是标准的PSVM没有考虑数据集中正、负样本的分布情况,对所有的样本都赋予了相同的惩罚因子。而在实际问题中,数据集中样本的分布是不平衡的。针对此问题,在PSVM的基础上提出了一种基于密度加权的近似支持向量机(DPSVM),其先计算样本的密度指标,不同的样例有不同的密度信息,因此对不同的样例给予不同的惩罚因子,并将原始优化问题中的惩罚因子由数值变为一个对角矩阵。在UCI数据集上用这种方法进行了实验,并与SVM和PSVM方法进行了比较,结果表明,DPSVM在正负类样本分布不平衡的数据集上有较好的分类性能。 相似文献
17.
18.
基于分布式拓扑的P2P矢量地理数据表示模型的研究* 总被引:1,自引:1,他引:0
目前对矢量数据分布式拓扑关系的研究较少,且矢量拓扑表示方法不利于P2P矢量数据的共享和传输。提出一种基于分布式拓扑的P2P矢量地理数据表示模型。该模型结合矢量分片合并的思想,通过扩展WKT(well-known text)格式来维持矢量数据的拓扑关系。进一步,对该模型的性能进行了数学分析,并基于JTS(Java topology suite)实现了相应的原型系统。理论分析和实验测试结果表明,该模型在选择适当的分片粒度情况下,能使数据传输比率最小化,从而验证了该模型提高数据传输效率和加快矢量数据分片、合并的有效性。 相似文献
19.
20.
The representation of multiple continuous attributes as dimensions in a vector space has been among the most influential concepts
in machine learning and data mining. We consider sets of related continuous attributes as vector data and search for patterns
that relate a vector attribute to one or more items. The presence of an item set defines a subset of vectors that may or may
not show unexpected density fluctuations. We test for fluctuations by studying density histograms. A vector–item pattern is
considered significant if its density histogram significantly differs from what is expected for a random subset of transactions.
Using two different density measures, we evaluate the algorithm on two real data sets and one that was artificially constructed
from time series data. 相似文献