【摘 要】
：
随着人类对海洋的深入探索,各式各样的水下装备得到了研制和应用。自主式水下航行器（Autonomous Underwater Vehicle,AUV）、水下滑翔机（Underwater Glider,UG）等水下无人平台成为研究热点。当执行长时间水下任务时,搭载各类传感设备的水下无人平台需要持续地获知位置信息。同时,水下感知数据只有与位置信息关联,才具有实用价值。因此,精确的水下移动节点定位技术对水
论文部分内容阅读
随着人类对海洋的深入探索,各式各样的水下装备得到了研制和应用。自主式水下航行器（Autonomous Underwater Vehicle,AUV）、水下滑翔机（Underwater Glider,UG）等水下无人平台成为研究热点。当执行长时间水下任务时,搭载各类传感设备的水下无人平台需要持续地获知位置信息。同时,水下感知数据只有与位置信息关联,才具有实用价值。因此,精确的水下移动节点定位技术对水下导航避障,水下数据收集,海洋环境监测等应用具有十分重要的意义。但是,恶劣的水下环境对水下通信与定位带来严峻的挑战。论文研究水下移动节点定位技术,着重研究基于海面多信标网络的水下移动节点定位方法。在基于到达时刻差（Time Difference of Arrival,TDOA）的定位算法中,水下移动节点在接收到信标节点发送的定位报文时记录其到达时刻,通过多个同步发送的定位报文的到达时刻差解算自身位置。由于水下环境的恶劣性,海面信标同步发送的定位报文不能保证被水下移动节点可靠接收到。为了解决定位报文丢包问题,论文提出了一种虚拟信标增强型的水下移动节点TDOA定位算法,并对其进行了误差分析和性能仿真验证。此外,为了解决该算法在定位拓扑边缘处性能恶化的问题,论文提出了一种边缘补偿的虚拟信标搜索策略以提高定位性能。仿真结果表明,虚拟信标增强型的水下移动节点TDOA定位算法与传统TDOA定位算法相比可以提供更多的位置解算机会,且在定位精度上没有太大的损失。在基于海面多信标网络的水下移动节点定位中,海面信标的定位报文存在发送时序,水下移动节点会面临长定位间隔带来的误差累积问题。为了减小累积误差,提高水下移动节点的定位性能,论文研究基于滤波的水下移动节点定位算法。水下移动节点根据运动模型和定位报文到达时刻差构建状态方程和测量方程,采用扩展卡尔曼滤波和无迹卡尔曼滤波算法进行位置估计与跟踪。考虑到固定权重对滤波性能的影响,论文提出了一种权重优化的自适应滤波算法用于水下移动节点的定位。仿真结果表明,基于滤波的水下移动节点定位算法可以取得较好的定位效果。为了验证上述水下移动节点定位方法的可行性和性能,于南海开展了海洋试验。论文分别给出了船基移动节点在最小系统、固定拓扑和跨定位拓扑运动场景下的定位性能,不同场景下的定位误差为10～25米。此外,还给出了水下滑翔机作为水下移动节点在工作剖面过程中的定位情况,出水点处定位误差为30米左右,取得了较为准确的定位结果。论文研究基于海面多信标网络的水下移动节点定位方法,可实现水下移动节点准确且稳定的被动定位,为构建“水下北斗”奠定基础。
其他文献
卷积神经网络（Convolutional Neural Network）是深度学习（Deep Learning）的一种基础模型,具有计算存储密集型的特点。其中,基于深度可分离卷积的MobileNet系列网络是轻量化网络的典型代表,其利用深度分离卷积将标准卷积的计算量和参数量减少至近1/9,大大缩小了网络模型,相对其他大型网络更适合在移动终端部署。移动终端通用处理器在执行神经网络推理任务时,普遍存在
目的 探讨丹酚酸B对糖尿病肾病大鼠肾脏的保护作用及可能机制。方法 36只SD大鼠随机分为对照组（control组）、糖尿病肾病模型组（DN组）和丹酚酸B治疗组（Sal B组），每组12只。于造模成功后第8周，生化分析仪检测各组大鼠血清肌酐（Scr）、尿素氮（BUN）、总蛋白（TP）、白蛋白丙氨酸氨基转移酶（ALT）、天冬氨酸氨基转移酶（AST）的含量；测定肾脏指数；HE染色观察各组大鼠肾组织病理学
飞机黑匣子是解开空难之谜的关键性数据记录仪器,在接触水的瞬间,黑匣子上的声信标会发出特定的脉冲信号。搜索失事飞机黑匣子的关键在于能否有效地检测识别特定的声信标信号。本文针对海上声信标信号识别问题展开研究,提出基于图傅里叶变换（Graph Fourier Transform,GFT）和卷积神经网络（Convolutional Neural Network,CNN）的声信标信号识别框架。首先在预处理阶
随着人工智能的飞速发展,机器学习逐渐趋向于大数据、大模型、大规模集群训练,这在加强机器学习能力的同时也对机器学习策略提出了更高的技术要求。围绕数据划分、任务分配、资源调度、通信优化,最终达到训练速度与收敛精度的平衡,分布式机器学习被越来越多的学者深入研究并投入到工业应用中。为了加快机器学习训练速度,实现更高效的计算与通信,本文围绕深度学习网络分布式并行策略和通信优化方案展开研究,主要研究内容如下:
随着科学技术的进步和车载电子设备的发展,车辆通信技术在加强道路安全,提升交通效率以及提供丰富的车载信息和娱乐服务等方面展现了极大的潜力,受到了广泛的研究。作为专用短距离通信标准,IEEE 802.11p标准是实现车辆通信的极具竞争力的标准之一。然而,车辆的高速移动和复杂的通信环境导致无线信道受到多普勒频移和多径效应的影响。而信道估计的性能直接影响了后续信号的解调。因此,车辆通信场景下的信道估计算法
物资是保障医疗工作正常进行的基础，随着智慧医院的建设其传统的自主招标模式已难以适应医院精细化管理的需求。为此，建立一个招标流程明晰、严谨、供需双方信息互通、全程实现内部控制、纪律监督的信息化招标体系就显得尤为重要。重庆大学附属肿瘤医院在对传统招标流程进行优化重组的基础上，开发创建了闭环式智慧招标采购体系，与传统招投标模式相比智慧招标采购体系更具备信息化、规范化、精细化的特点，更加符合智慧型医院建设
自动调制分类（Automatic Modulation Classification,AMC）是指接收方对接收信号采用的调制方式未知的情况下,根据接收信号确定所用调制类型的技术,是非合作通信系统中介于信号检测与信号解调之间的一项重要工作。由于无线网络用户增加、用户需求多样化,无线信道中的干扰和噪声日益严重、调制类别逐渐增多,使接收信号中的不确定因素增加,导致AMC算法无法有效完成分类任务。为了提高
近年来,语音逐渐成为人机交互的重要手段之一。在室内,噪声和干扰,以及由墙壁和其他物体表面反射引起的混响是造成语音质量和可懂度下降的主要原因。由于混响和语音之间的高度相关性,抑制混响是增强语音的一项艰巨的挑战。噪声和干扰则使得室内语音增强问题更为复杂。风噪声具有和语音信号类似的非平稳特性,使得室外语音增强面临挑战。本文将深度学习用于室内及室外语音增强,此外,将阵处理与深度学习相结合,以增强多通道麦克
近年来,深度网络已经在图像识别等计算机视觉任务上获得了突破性的进展,但是,想要将其部署到资源受限的平台上仍然困难重重。自适应推理技术希望通过根据样本难度动态分配计算资源实现模型部署时候的高效推理。多出口网络是最具代表性的自适应推理技术,它在卷积网络的不同深度处依次引入了一系列中间分类器提供预测出口,根据样本难易动态推理。但是训练多出口网络涉及到不同优化目标相互干扰甚至冲突的问题。目前优化多出口网络