一种基于泛函波束成形的传声器阵列优化方法

来源 :智能计算机与应用 | 被引量 : 0次 | 上传用户:cntanmingyong
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文基于泛函波束成形算法,提出了一种可以用于二三维声源识别的传声器阵列结构优化方法和相应的优化阵列形式.本文的渐开线螺旋臂阵列设计包含4个主要几何参数:传声器数目、阵列孔径、螺旋臂的数目和基圆的大小.通过基于改进的遗传算法的优化,得出两种优化阵列:优化渐开线螺旋阵列和优化随机阵列,目的是减小波束模式的主瓣宽度以提高传声器阵列的分辨率性能.本文的优化过程包括对最优几何参数组合的寻找和对传声器坐标直接优化两个部分,优化关注点在于中低频声源识别的分辨率性能,在对比研究中发现,上述两种优化阵列在二三维声源识别方面都表现出较好的性能.
其他文献
针对传统检索方式不适用于准规则斑图花型图案检索的问题,本文提出了基于手绘的准规则斑图花型图案检索算法.该算法以基元图案的形式代替原始准规则斑图花型图案,通过阈值分割和Canny算法进行边缘提取,最后基于HOG特征实现相似性度量和检索.实验结果表明,该算法能够较好地检索出与手绘图形状相似的准规则斑图花型图案,检测准确率达83.11%.
模块化多电平直流变换器在采用传统载波移相脉宽调制时,如果各模块的输入及输出电压不一致,就会在电感上产生更大的电流纹波,增大电感的损耗,同时也不利于滤波器件的优化设计.针对这种情况,文中通过对电流纹波的频域分析,揭示了传统移相调制技术存在的问题,并确定了电流纹波幅值、各模块输入/输出电压与载波移相角之间的关系.以电流纹波中开关频率次谐波幅值最小为目标计算各模块的载波移相角,根据不同的工况调整移相角的算法,进而实现了一种电流纹波抑制的调制策略.对三模块级联的模块化多电平直流变换器进行了软件仿真和实验测试,仿真
本文提出了一种对分布式光纤声传感器的入侵事件分类方法.该方式采用小波包去噪方式对原始信号进行去噪;将去噪后的原始信号进行小波变换,得到原始信号的小波时频图;构建双输入型的卷积神经网络,将滤波后的原始一维信号直接输入到一个三层的1-D CNN中、滤波后得到的二维小波时频图直接输入到一个两层的2-D CNN中;将两种CNN输出的特征输入到支持向量机(SVM),使用SVM对事件进行分类.本文中主要识别3种振动事件:汽车通过、挖掘机挖掘和破路机工作.实验结果表明,所提方式对实际环境中3种振动事件的识别准确率平均可
在岩心颗粒图像进行目标提取的过程中,由于颗粒颜色丰富,类别和大小不一,且存在边界模糊等情况,导致颗粒分割很困难。针对以上问题,本文提出一种基于改进的简单线性迭代聚类(SLIC)算法,首先对图像进行预处理,增强目标区域同时模糊背景部分,消除孤立的噪声点且保护边缘信息;其次,结合LBP纹理特征对图像进行超像素分割;最后,结合区域之间的颜色特征进行超像素合并。实验表明,与现有的其它算法相比,该算法能准确
多供电商是智能电网未来发展趋势之一.考虑为有多供电商多用户的智能电网系统构建社会福利最大化模型,在用户配备蓄电池和可再生能源发电装置的条件下,为用户的分类电器,设置影响启停状态的心理电价,同时增加每日总电费约束,对实时定价策略进行了研究,提出了一种基于ADMM-GBS的分布式实时定价算法.将原问题进行两次解耦,通过求解底层子问题,进而实现外层目标函数的优化.系统仿真结果,验证了所构建模型合理性,并证实了所提实时定价算法在多供应商多用户情形下的可行性与有效性.
为解决传统实训系统在应用中存在的实际问题,开展基于VR技术的虚拟智能车间实训系统设计研究.对系统服务器及车间实训内容开发板进行选型;基于VR技术对虚拟智能车间模型进行处理,演示车间实训内容等,完成基于VR技术的虚拟智能车间实训系统设计.实验证明,本文设计的实训系统与传统实训系统相比,能够实现对实训资源的高精度分配,满足学生实训学习所需.该系统为实训者提供了一个虚拟可视化的实训基地,极大地提高了实训者的应用技能,同时也为制造业的相关领域带来变革.通过实验进一步证明,设计的实训系统与传统实训系统相比,能够实现
针对传统短语对齐方法依赖外部资源,且较少涉及平行句对内在特征的问题,提出了融入双语词向量的韩汉名词短语对齐方法.利用平行语料,分别训练单语词向量再进行跨语言映射得到双语词向量,并构建了基于短语构成规律的短语抽取和融入双语词向量、短语长度和词性相似度的短语对齐模型.实验结果证明,融入韩汉双语词向量,能更有效地提取短语特征从而实现短语对齐.
印染工业现存的问题,是如何用染料在样品试验中的浓度预测真实面料中的浓度.理想情况下,染出相同颜色的染料浓度,无论在样品中还是真实面料中应该是等同的,或者至少呈现线性关系.虽然普通线性回归可以基本解决该问题,但其为最小化绝对误差的平方和,而工业上要求用百分误差,此时不能用代数方法求解线性模型.本文选用对称百分误差,并为对应的损失函数构造了梯度下降算法,其解优于用普通线性回归算法,从而提高预测性能.
随着大数据技术的发展,加强司法大数据应用成为推进司法现代化建设的重要手段,如何处理司法大数据中的非结构化数据亟待解决.为此,本文提出了面向司法大数据的文本主题OLAP系统.在离线数据处理模块中,设计了Span数据模型,并定义了多种针对该模型的操作符;设计了基于规则的文本行政区划归类方法,并构建了主题立方体.在线上查询模块中,实现了基于倒排索引的关键词搜索方法和最大独特主题范围查询,提供了上卷、下钻、切片等功能.通过在大规模的真实数据集上对系统进行测试,实验结果证明了该系统的合理性和实用性.
卷积神经网络(CNN)应用于图像识别具有很大优势,但是需要足够深的网络和大量标签完善的数据集才能发挥其优越性。实际应用中,往往需要应对的是质量差和大小不一的数据集,且受硬件设备限制。为了提高图像识别效率和精度,提出一种基于深度卷积神经网络和迁移学习的识别算法。该算法首先对图像预处理和数据增强,后迁移大样本提取出的特征信息用于CNN特征提取,再接入微调网络对数据集再训练。实验结果显示,本文算法对饮食