一种新型压阻式硅微仿生矢量水听器的设计

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。     

一种新型压阻式硅微仿生矢量水听器的设计

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.     

基于MEMS仿生矢量水听器的水声定向研究

MEMS矢量水听器不仅可以测量声压信号,还可以测量质点的振速信号,它具有与频率无关的偶极子自然指向性.单一的矢量水听器就能够测量水中的声压和质点振速.利用矢量水听器的这种特性,结合波束形成原理,采用数字信号处理(DSP)技术,设计了基于MEMS仿生矢量水听器的水声定向系统,并进行了实际测试,结果表明:该系统能很好地实现对目标360°方位的定向功能.     

流体对MEMS矢量水听器共振频率的影响

由中北大学研制的MEMS仿生矢量水听器具有低频、灵敏度高等性能特点,但是由于流体的影响,水听器微结构在空气中的共振频率与液体中不同,为此研究了流体对MEMS矢量水听器共振频率的影响。首先,理论上分析了流体对共振频率的影响。然后,采用ANSYS对空气中和液体中MEMS矢量水听器的共振频率进行仿真。最后分别采用振动台和矢量水听器校准系统进行了测试。结果表明MEMS矢量水听器在水中的共振频率较空气中下降了约31.2%。     

一种MEMS同振柱型仿生矢量水听器的研制

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。     

矢量水听器阵波束域MUSIC算法研究

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。     

阵列式MEMS矢量水听器的信息采集系统设计

设计了一种应用于阵列式MEMS矢量水听器的水下信息采集系统,用于采集水声信号和水听器姿态信息;采集信息经编码后通过RS422接口输出。设计了一种低噪声前置放大电路来对模拟信号进行调理;对于时统信号和姿态信号,采用抽样判决进行消抖,保证了信号接收的准确性。将采集系统与水听器封装一体后进行了测试,结果表明,系统工作稳定,可准确采集水听器的水下信息。     

基于压差式矢量水听器的多目标分辨

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.     

MEMS矢量水听器阵列信号处理研究

MEMS矢量水听器是一种新型的水声传感器,对这种传感器的原理进行了简要介绍。为了验证该MEMS矢量水听器阵列的目标估计性能,进行了矢量阵的深海实验研究,选取了MUSIC算法应用于该MEMS矢量阵。实验结果表明:在复杂海洋环境中,该MEMS矢量阵能够实现对目标的方位估计和水下运动目标的航迹跟踪,从而验证了该MEMS矢量水听器成阵的可行性,为工程化应用奠定了基础。     

基于水声技术的非法作业船只远程监听系统设计

针对我国海上维权不能及时发现非法海洋调查船、海洋资源勘探船作业的问题,设计了基于水声技术的非法作业船只远程监听系统.系统基于低频带宽接收水听器基阵,具有对脉冲信号的远程侦测、识别功能.可扩展处理平台ZYNQ控制多路信号同步采样,对采集的数据进行最小方差无畸变响应(MVDR)测向、矢量测向.嵌入式处理器将监测结果通过水声通信模块传送到数据中心,从而获取非法侵权船只的实时作业活动.     

多分辨率GIS矢量数据模型构建与三维显示方法研究

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。     

基于支持向量上采样的不平衡数据分类方法

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。     

基于支持向量机的桥梁健康监测系统残缺数据填补

针对桥梁健康监测系统中采集数据具有小样本、非线性且时序的特点,提出一种基于支持向量机的残缺数据填补方法,在分析数据的自相关性基础上,利用支持向量回归机原理,选择适当维数的样本作为支持向量机的输入向量,据此进行了残缺数据的预测;并与BP神经网络的填补效果相比较,实验结果显示了支持向量机在更小样本情况下填补残缺数据的优势和强泛化能力。     

基于SVR的桥梁健康监测系统缺失数据在线填补研究

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.     

Topological segmentation in three-dimensional vector fields

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.     

密度加权近似支持向量机

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。     

矢量聚类及其在稀疏分量分析中的应用

针对传统聚类分析不能有效处理矢量数据聚类的问题,提出矢量聚类算法。该算法以点到矢量的距离最小化为分类依据,所得类簇中心为一矢量。根据稀疏信号的分布特性,用矢量聚类方法估计系统的混合矩阵,再利用估计的混合矩阵分离混合信号,从而得到稀疏信源的估计,简化了传统的混合信号分离过程。实验结果表明该矢量聚类方法能比传统的标量聚类方法更有效地估计矢量数据的中心,能在稀疏的处理域中很好地分离出稀疏信源。     

基于分布式拓扑的P2P矢量地理数据表示模型的研究*

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。     

动态聚类适应值共享遗传算法在散射计风矢量反演中的应用

风矢量反演是散射计数据处理的核心内容,传统风矢量反演算法的设计过多依赖于目标函数的具体分布形态。以SeaWinds散射计为例,根据风矢量反演的多解问题和模糊解特性,设计了一种基于动态小生境遗传算法的风矢量反演算法。利用部分L2A和相应L2B数据对该算法进行了验证。结果表明该算法在无需任何目标函数先验知识的条件下能够取得较好的反演结果。     

Data mining of vector–item patterns using neighborhood histograms

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.