王健[1]（2021）在《农机微波多普勒车速雷达测速试验研究》文中研究说明
李鑫[2]（2020）在《面向汽车智能驾驶的毫米波雷达建模与仿真研究》文中研究表明智能驾驶代表着现代汽车技术与产业发展的大趋势,而环境感知则是汽车智能驾驶的关键核心技术,也是学术界长期研究的热点领域。毫米波雷达具有波长短、频段宽、波束窄,抗天气干扰能力强等特点,可实现对被测目标的检测以及距离、速度和方位角等的高精度测量,具有技术成熟、应用广泛、成本低廉等优势。因此,毫米波雷达已经成为汽车智能驾驶不可或缺的环境传感器,具有广阔的应用前景。由于汽车行驶环境具有高度动态、复杂和不确定性,测试验证成为了汽车智能驾驶技术发展与产业化面临的重要挑战,而模拟仿真技术被广泛地视为有效解决传统道路或场地测试中存在的周期长、成本高、安全性难以保障等瓶颈问题的关键技术,也必将成为未来智能汽车产品验证和评价的重要且必备途径。因此,开展对毫米波雷达等在内的环境传感器的建模研究,是高效、安全且可靠地开展智能驾驶系统研究所急需解决的关键课题,具有迫切且重要的意义。车载毫米波雷达建模研究极具挑战性,其建模面临的挑战一方面来自雷达的黑盒本质,包括雷达内部电子器件特性及结构、数据采集及处理算法等的未知和多样性;另一方面则来自目标电磁散射、地表杂波和环境噪声等对雷达检测影响的动态随机性。现有的面向汽车智能驾驶仿真测试的毫米波雷达模型普遍存在简单化、理想化等现象,对影响雷达检测的诸多环境因素、目标特性等反映不够、置信度不高,包括环境杂波模型的简单化,目标雷达散射面积（RCS）常量化等。而另一些采用散射统计特性的杂波建模途径和采用有限元方法的目标RCS建模途径等,其模型不仅十分复杂,而且不适用于处理电大尺寸近场电磁问题,同时,其计算时间也远远无法满足汽车智能驾驶仿真测试所需的实时性要求。基于对上述问题的深入调研,本文以突破上述难题为目标开展了面向汽车智能驾驶的毫米波雷达建模与仿真研究。通过深入研究雷达电磁波发射机理,建立对雷达发射波形和雷达发射天线等引发的检测缺陷及影响因素的深刻理解;通过深入研究雷达电磁波传播机理,建立对雷达内部传输衰减和外部环境传播衰减等引发的检测缺陷及影响因素的深刻理解;通过深入研究雷达电磁波反射机理,建立对雷达目标RCS和雷达环境杂波等引发的检测缺陷及影响因素的深刻理解;通过研究雷达电磁波接收与处理机理,建立对雷达接收天线、雷达接收机特性和雷达回波处理方法等引发的检测缺陷及影响因素的深刻理解。其次,本文在雷达机理分析的基础上,针对汽车行驶场景的地物特点,开展地杂波建模方法研究;针对汽车行驶场景的天气特点,开展雨、雪、雾等天气杂波的建模方法研究;针对汽车行驶场景中潜在的人为干扰特点,开展人为有源干扰的建模方法研究。设计了典型场景,开展了杂波建模方法仿真验证,证实了杂波建模方法的有效性。同时,本文深入研究了雷达目标RCS精确实时估算方法。针对汽车行驶场景中雷达目标的特点,开展了RCS估值影响因素研究,开展了雷达目标尺寸因子、材料因子、形状因子等的计算方法研究,开展了车辆和行人等目标的RCS估算方法仿真验证研究,通过FEKO电磁仿真平台与估算方法的对比,验证了雷达目标RCS实时估算方法的有效性。本文进一步基于雷达目标检测机理、杂波建模方法、目标RCS估算方法等,开展了雷达建模方法研究,包括考虑雷达虚警概率分布特点,建立雷达虚警模型;基于目标之间的空域遮挡、雷达与环境之间的能域衰减及频域遮挡等的定量分析,建立雷达漏报模型;在综合分析雷达内外部因素对测距、测速和测角的影响关系的基础上,建立雷达测距误差、测速误差、测角误差的建模方法。通过设计典型交通仿真场景,开展虚警、漏报、测量误差等建模方法的仿真验证,仿真结果证明了虚警,漏报,测量误差建模方法的正确性。最后,为展示车载雷达模型在汽车智能驾驶仿真测试中的应用,设计了基于雷达目标检测的AEB和ACC决策算法,相应地构建AEB和ACC测试仿真场景,展示了雷达模型在仿真测试中的应用。应用结果证实,基于本文雷达模型开展仿真测试,可有效测试出AEB算法和ACC算法中的潜在问题,可为算法有效改进提供重要技术支撑。
宋欣[3]（2020）在《基于间断调频波的X波段测流雷达及算法研究》文中认为海流是海洋动力学主要参数之一,其实时监测对海洋生态、海上运输、沿海经济、全球气候、海洋开发以及军事方面有着十分重要的意义。卫星遥感图像较为昂贵,并且重复采样率低,易受海洋恶劣天气的影响。虽然“现场观测”有较高的观测精度,但其空间覆盖范围有限,难以全面了解海流的时空变化,且观测成本较高。而岸基雷达可以实时连续的测量近岸海域的流场,弥补了以上不足。并且与“现场测量”和遥感测量相比,X波段雷达具有维护成本低、使用方便、空间分辨率高等优点,但是其测流精度不能保证。高频地波雷达虽然考虑了海流运动的Doppler信息,但是其成像功能较弱,随着与雷达的距离逐渐增加,回波逐渐较弱,成像也逐渐模糊。其次应用调频信号测量速度时,大多是测量单个散射点目标速度,且没有考虑上、下调频信号彼此之间干扰的问题。本文提出了一种使用间断的上下调频信号的新型X波段岸基雷达,使其既可以满足测速精度的要求且可以进行成像。本文详细的解释了使用上下调频信号的测量原理,并提出了一种新的测速、成像算法。我们借助仿真生成海表面相关参数场,然后用基于间断上下调频信号的X波段雷达进行测速,发现在流速为56.35cm/s时,测速的均方根误差为2.78cm/s,而使用同时发射的上下调频信号测速误差为6.95cm/s。证明了我们提出的基于间断上下调频信号的X波段岸基雷达大大提高了测速精度。本文基于提出的测速算法,进行测速分析。结果发现随着风速的增加,测速误差逐渐降低;随着测量区域面的增大,测速误差逐渐降低。之后我们在假定理想状况下进行多次蒙特卡洛实验,分析了不同流速下的测速精度,证明了我们提出的测速算法具有比较高的测速精度。本文还基于提出的成像算法,给出具体的成像流程,并给出相关结果图,结果表明我们提出的成像算法可以进行成像,并且比较清晰。最后进行总结,我们的工作虽然是一项具有前瞻性的工作,但是还存在着不足,并给出了展望。
王伟[4]（2020）在《基于时-频分析的桥梁异常监测数据预警方法研究》文中提出桥梁结构健康监测是桥梁安全的重要保障,监测数据预警是结构健康监测领域一项重要的任务,目前监测数据预警有两大关键问题,分别为实时性和准确性。针对这两大关键问题,本文基于某高速铁路桥梁监测数据,分析了监测数据特征,从时域和频域两方面对监测数据预警进行了研究。本文主要研究工作如下:（1）车速传感器采集的数据往往存在误差,无法直接使用。针对此问题,本文从多普勒效应和多普勒雷达测速仪的基本原理出发,研究车速数据出现误差的根本原因;分析观察车速数据及相关振动传感器数据,总结提炼出车速数据的时间误差和空间误差;针对车速监测数据的时空误差,提出考虑监测数据时空误差的车速自动识别算法,通过多种误差识别方法进行综合分析,准确提取出车速数据段,然后计算出准确的车速数据。（2）目前已有的监测数据异常分析主要是离线分批次处理,无法做到实时在线分析,故其异常检测存在一定的滞后性,无法发挥监测系统的优势。为解决这一问题,采用基于层级时序记忆的异常监测,该方法的层级结构、稀疏离散表征以及学习预测规则,使其具有数据利用率高、效率高和鲁棒性强等特点,可以实时在线、灵敏高效地对监测数据中的异常进行分析。（3）列车荷载作用下的强迫振动数据由于幅值较大,易被误报为异常。基于此问题,分析了列车的构造,对桥梁振动响应进行了理论推导,并对振动响应频谱特性进行了研究,分析表明,列车荷载作用下的振动响应监测数据具有一定的周期性,且以列车荷载引起的强迫振动为主,列车通车阶段的振动响应监测数据自功率谱密度会出现多个明显的峰值,且各个峰值对应的频率为成倍数关系的强迫振动频率;提出移动窗口频谱分析,针对不同数据选择合适的参数,该方法可以准确地识别出列车荷载作用下监测数据,并具有很强的时效性。（4）提出基于时-频分析的桥梁振动监测数据异常预警方法,该方法综合了层级时序记忆和移动窗口频谱分析的优点,同时又弥补了两种方法的不足;将基于时-频分析的桥梁振动监测数据异常预警方法分析得到的结果,归纳为三类正常数据和三类异常数据;数值算例结果表明,该方法能够有效区分正常数据和异常数据,验证了基于时-频分析的桥梁振动监测数据异常预警方法的有效性。
张昕[5]（2020）在《探照一体/主动模式复合雷达信号处理器设计与实现》文中指出现代战争环境日趋复杂,单一体制雷达无法同时满足远距离高精度的探测需要。探照一体/主动复合体制雷达同时具有探照一体模式探测距离远,主动模式探测精度高的特点,逐渐成为雷达制导体制的发展趋势。本论文以实验室研制的某探照一体/主动复合雷达项目为背景,开展了探照一体/主动复合雷达信号处理器的设计与实现。论文首先设计了复合雷达工作模式切换流程。在探照一体模式,针对大时宽带宽线性调频（Linear Frequency Modulation,LFM）脉冲波形,为了降低FPGA（Field Programmable Gate Array,FPGA）在脉冲压缩处理过程中的硬件资源消耗,提出了一种基于分段圆周卷积的频域脉冲压缩算法。在主动高脉冲重复频率脉冲多普勒（High Pulse Repetition Frequency-Pulse Doppler,HPRF-PD）工作模式,为了消除高加速度目标速度门走动导致回波能量积累效率降低的问题,设计了一种基于维格纳-威利分布（Wigner-Ville Distribution,WVD）的回波能量积累算法。为了解决恒虚警检测器在非均匀韦布尔杂波环境中检测性能恶化的问题,提出了一种基于偏斜度和均值比的智能恒虚警检测算法。其次,探照一体/主动复合雷达信号处理器FPGA软件设计与实现,阐述了信号处理器功能与软件框架设计包括硬件平台搭建,DSP（Digital Signal Processing,DSP）与FPGA的软件任务划分,信号处理器FPGA软件总体框架等等。详细阐述了FPGA软件中几个重要模块的设计包括MGT（Multi-Gigabit Transceiver,MGT）高速接口模块设计,直波采样模块设计,信号处理模块设计,SRIO（Serial Rapid IO,SRIO）高速接口模块设计和系统指令通信与协同控制模块设计。最后,搭建了雷达信号处理器测试平台,分别在探照一体LFM脉冲模式与主动HPRF-PD模式下对信号处理器FPGA软件中各个功能模块进行测试,验证软件的正确性。
王佳鼐[6]（2020）在《基于LBS服务与Keras框架的车速提醒系统的设计与实现》文中认为移动互联网飞速发展给人们生活带来的巨大改变不仅仅局限于电子商务等信息产业领域,随着云计算服务的成熟普及,使得建立在移动云服务上的面向传统领域的移动应用成为了可能。尽管各类基于位置服务（LBS）的电子地图应用在车速提醒上都有着各自的尝试,但大都属于基于传统技术的简单应用,也很少完全建立在各类交通限速规定和标准之上。在大数据技术不断发展的今天,云计算服务和大数据技术提供了将之应用于车速提醒的基础,这种基础为结合相关的交通安全法规和标准设计实现车速提醒系统提供了可能。本文以相关道路交通安全法规和标准为基础,基于LBS服务和Keras神经网络框架设计并实现了一个车速提醒系统。本设计以LBS服务提供的位置和车速信息为基础,结合各用户在客户端上的历史定位信息作为LSTM神经网络训练的数据集合,训练出个性化车速预测模型,在实时定位测速的同时,根据车速预测模型计算出下一步定位点的预测车速。并且,利用车速提醒服务端的历史轨迹车速信息,计算出区域平均车速。以实时车速、预测车速、区域平均车速和相关道路交通限速标准设置的限速参数进行比较,在符合预警条件的情况下进行超速提醒。本文设计的车速提醒系统以实时定位点车速做超速判断的同时,还可以根据历史车速数据分别从时间（预测车速）角度和空间（区域平均车速）角度计算潜在可能的车速,在一定程度上提高了超速判断的准确性。通过结合不同天气和道路模式下的限速参数,系统可以依据不同道路情况下道路交通法规和限速标准的不同,针对不同个体进行不同情况下的个性化超速提醒。本文主要的研究工作如下:（1）基于LBS服务和Keras神经网络框架进行系统的总体设计。本文提出的车速提醒系统分为移动客户端和服务端,移动客户端是基于LBS服务设计的运行于Android移动操作系统之上的应用程序,系统的服务端包括基于httpd服务设计的Web Service应用程序,以及基于Keras神经网络框架和DEAP计算框架设计的python神经网络模型训练程序。（2）基于Keras神经网络框架的车速预测模型的训练和优化。车速预测模型本质上是以历史轨迹点车速训练而成的LSTM神经网络模型,本文基于Keras神经网络框架设计车速预测模型并实现其训练过程,以DEAP计算框架基于GA遗传算法对LSTM神经网络模型训练的层数和时间窗口进行优化。（3）车速提醒系统的客户端和服务端的详细设计。本文根据系统的总体设计,基于LBS服务和天气服务,并按照系统的功能划分,分别从定位与测速模块、车速提醒模块、历史轨迹上传与车速预测模型下载模块、系统设置模块和用户登录验证模块展开Android客户端详细设计。以httpd服务为基础,分别展开服务端系统的数据库设计和Web Service功能模块设计。（4）详细设计的基础上实现系统并进行验证。本文以客户端和服务端详细设计为依据实现系统,并从定位测速和天气信息服务响应,车速预测模型的评价,以及服务器并发等角度展开系统的验证和讨论。
汪月霞[7]（2019）在《星载多普勒云雨雷达风场反演方法研究》文中提出全球三维风场信息对所有尺度和所有纬度的天气预报都至关重要,它是理解预测天气和气候的重要依据之一。搭载在极轨卫星上的多普勒云雨雷达以其独特的对地观测视角和快速的绕地飞行速度,使得全球三维风场信息的获取成为可能。本文在充分调研国内外星载雷达发展及多普勒雷达风场反演方法的基础上,从反演风场的基本条件出发,针对星载平台下获取大气风场所面临的问题和挑战,系统地开展了星载多普勒云雨雷达风场反演方法的研究。论文主要的研究内容和创新点总结如下:（1）从影响多普勒天气雷达谱参数估计精度的因素出发,结合星载云雨雷达方程、系统信噪比、星载平台下气象目标特性、雷达自身固有约束等方面的研究,设计了适合于星载云雨雷达测量径向速度的系统关键参数。主要包括星载多普勒云雨雷达的中心频率、发射机峰值功率、脉冲宽度、脉冲重复频率的选择等。对比分析了星载平台下各方法的速度估计精度发现:当信噪比较小时,速度估计精度受信噪比影响都较大,随着信噪比的增加,估计误差近似成指数递减,脉冲对处理（Pulse Pair Processing,PPP）方法优于基于傅里叶变换的频域估计方法;当误差递减到一定阈值后,随着信噪比的增加,估计误差均趋于平稳;当信噪比大于5 d B,相干积累点数大于32时,速度估计误差均小于1 m/s;随着相干积累点数的增加,两种方法的估计精度也增加;在信噪比相同的情况下,Ka波段较Ku波段能提供更为精确的多普勒速度估计;多极化脉冲对法（Polarization Diversity Pulse Pair,PDPP）法对径向速度进行估计可以克服多普勒两难,但速度估计性能有所降低,精度不及PPP方法,通过改变极化脉冲时间间隔HV可以改善PDPP的估计性能,HV的范围在10 us至80 us之间。（2）系统地分析了星载平台顺轨扫描、交轨扫描、圆锥扫描策略下三维风场分量对雷达径向速度的贡献,并深入分析和对比了各扫描策略风场反演能力:顺轨扫描仅能获取二维面数据,交轨扫描和圆锥扫描可以获取三维立体数据;圆锥扫描具有最佳的观测幅宽,顺轨扫描的观测幅宽最小;运用单部多普勒雷达,在垂直下视的顺轨扫描策略下可反演得到较准确的风场垂直分量,在圆锥扫描策略下理论上可实现风场三维分量的反演;运用多波束多普勒雷达系统,在顺轨和圆锥扫描策略下可反演风场三维分量;方位为零的交轨扫描除了在下视角为零时可获得风场垂直分量外,其它情况下不能反演风场分量。（3）提出基于速度方位显示（Velocity Azimuth Display,VAD）的星载多普勒雷达风场反演方法,建立空间几何观测模型;在分析并推导星载平台下VAD风场反演过程中,发现在星载圆锥扫描下雷达径向速度引入了方位角度与其一级谐波的乘积项,并进一步推导求解了该乘积项的系数;分别基于模拟风场数据和高空风雨廓线机载雷达（High-Altitude Wind and Rain Airborne Profiler,HIWRAP）实测数据对VAD在星载平台下的风场反演性能进行了验证,获得了垂直分辨率较高的平均水平风场信息。（4）设计了双波束星载雷达风场反演的观测几何模型,以双波束观测时空误差最小为约束,优化并确定了系统关键的扫描参数,实现了大部分方位角度下两波束对同一地区较好的覆盖;推导并求解了双波束星载雷达风场反演方程,对模拟的台风风场反演结果在信噪比较低时误差较大,但其轮廓仍大致保持了原台风风场形状,在信噪比高于20 d B时,,,的反演均方根误差分别小于2.03 m/s,2.01 m/s和0.48 m/s;由于HIWRAP雷达两波束的下视角差异较大,应用本文设计的双波束风场反演方法,Ku和Ka波段波束在飞机飞行方向上反演的风场相对均方根误差分别为174%和135%。（5）推导了三波束风场反演的观测约束方程,得到优化的系统关键的扫描参数,分析三波束观测足迹的距离误差证实了所设计扫描参数的有效性。利用最小二乘法的思想求解了三波束风场反演方程,应用模拟产生的台风三维风场数据对该方法进行验证,结果表明:在信噪比为20 d B以上时,风场反演的精度较高,,,的反演均方根误差分别小于0.486 m/s,0.742 m/s和0.265 m/s;在降雨率较小的情况下,反演误差最大不超过5%,随着降雨率的增大,反演误差越来越小,当降雨率达18mm hr-1以上时,误差低于1%。
寻少伟[8]（2019）在《着陆敏感器测速测距方法及实现》文中认为随着各航天大国对太空的不断探索,人类对于行星探测技术的研究也越来越成熟,近年来,各国分别实施对太空的探索,完成了月球及火星的探测任务。我国于2019年成功发射嫦娥四号,完成了嫦娥四号探测器自主着陆月球背面,也是人类首次实现月球背面的软着陆。为了进一步实现深空探测,我国计划于2020年首次对四亿公里外的火星进行着陆巡视探测工作,获取更具科研价值的数据。借鉴近年来以美国为主实施火星探测任务并成功着陆的经验可以看出,我国本次火星探测任务的关键无疑是探测器进入火星大气之后打开降落伞减速着陆的过程,因此着陆敏感器能否安全完成精准定点着陆成为了整个火星探测计划的重中之重。本文基于FPGA研究着陆雷达信号处理系统测速测距的实现方法,通过对FMCW雷达回波的实时处理,得到着陆敏感器相对于复杂火星表面的速度以及距离。首先,阐述了基于FPGA着陆敏感器信号处理系统的设计思路,讲述了着陆敏感器FPGA内部测速测距信号处理流程及设计方案。其次,着重研究了基于FPGA系统设计下,信号处理系统测速测距流程中几项关键技术的实现难点,主要为以下几个方面,1、分配FPGA内部资源完成系统设计;2、基于FPGA实现对回波信号的数字下变频、噪声估计、CFAR检测以及使用重心估计法获取调频连续波回波信号的差频频率。最后,为了对信号处理系统进行精度考核获得其测量性能,通过火星表面地形起伏信息、雷达运动轨迹信息、着陆器空间位置信息以及姿态信息对每个时刻的差频回波信号进行模拟,并将模拟的结果通过模拟器调制,输入给FPGA信号处理系统,解算之后得到着陆敏感器相对于火星表面的距离与速度信息。将经过FPGA处理之后的测速测距结果进行误差分析,讨论影响系统测速测距精度的因素并考核其测速测距精度。经过验证得到,该系统在一定的误差范围内,能够精确的得到着陆敏感器相对于火星表面的距离与速度信息,验证了本文介绍的测速测距流程的正确性以及系统设计方案的可行性。
定少浒[9]（2019）在《DRFM有源欺骗干扰识别算法研究》文中进行了进一步梳理随着雷达干扰技术的不断发展,特别是数字射频存储（DRFM）技术的出现,使得干扰机能在短时间内截获雷达信号,调制并转发与之高度相干的干扰信号,严重威胁雷达的正常工作。研究雷达干扰识别算法是对抗雷达有源干扰的重要前提,目前对雷达干扰识别算法的研究尚处于起步阶段,具有深远的研究意义。本文结合DRFM干扰机的结构,研究了DRFM有源欺骗干扰识别算法,主要研究工作包含如下几个方面:1.研究了基于DRFM技术的有源欺骗干扰原理及特性。首先阐述了DRFM干扰机模型,并分别以DRFM干扰机的模数转换器（ADC）和数模转换器（DAC）为例,研究了干扰信号的谐波失真特性;其次针对脉冲体制雷达的测距原理,以距离假目标干扰为例仿真分析了距离维欺骗干扰原理;最后针对脉冲多普勒（PD）雷达的测速原理,以移频转发干扰为例仿真分析了速度维欺骗干扰原理。2.针对干扰机数控移相器的谐波特性,提出了一种基于奇异谱分析（SSA）的DRFM速度欺骗干扰识别算法。首先研究了DRFM干扰机数控移相器的工作模型,并仿真分析了其在多普勒域上的谐波寄生特性。其次提出了基于SSA的DRFM速度欺骗干扰识别算法。该算法首先利用SSA分解信号在同一距离单元上的多普勒频谱,获取其奇异值序列;然后提取奇异值序列统计直方图的方差、峰度、偏度、能量以及熵特征构建特征向量;最后利用支持向量机（SVM）作为分类器实现对雷达目标与DRFM速度欺骗干扰信号的识别。该算法不再依赖现有ADC相位量化的谐波模型,且在较低干信比下能有效识别出干扰信号,仿真验证了该算法的有效性。3.针对基于模拟移频方式的DRFM干扰机所产生的延时叠加干扰的多普勒频率特性,提出了一种基于卷积神经网络（CNN）的延时叠加干扰识别算法。首先阐述了延时叠加干扰的信号模型,并仿真分析了其与真实多目标在雷达PD处理后的距离-多普勒图像上的差异;其次研究了CNN的主要结构,并根据识别任务构建了本算法的CNN结构;随后研究了CNN的训练算法原理和推导公式;最后提出了基于CNN的延时叠加干扰识别算法。该算法首先对接收信号的距离-多普勒图像做预处理,然后将预处理之后的样本送入构建的CNN中进行训练,最后利用训练好的网络对测试样本进行测试,得到算法的干扰识别率。该算法将深度学习理论引入干扰识别领域,且在较低信噪比下能有效识别出干扰信号,仿真验证了该算法的有效性。
靳东明[10]（2019）在《基于时间序列的地铁列车测速定位系统故障诊断方法》文中指出地铁列车测速定位系统是地铁列车控制系统中的重要组成部分,承担着获取列车速度和位置信息的任务,保障列车运行的安全和效率,但同时它也是故障的高发区。目前针对地铁列车测速定位系统的故障诊断方法研究主要集中在文本信息上,而对于按时间周期存储车载设备信息的列车行车日志的研究较少。这导致目前针对列车行车日志的故障分析仍然依靠专家经验和人工处理,增加了运维人员的工作负担。论文针对测速定位系统的故障行车日志进行分析,将行车日志中按周期存储的由故障导致的异常数据称为故障时间序列,通过挖掘行车日志中的故障时间序列,建立基于LSTM（Long Short-Term Memory）神经网络的故障诊断模型提取其时空特征进行多维时间序列的分类,实现列车测速定位系统的故障诊断,降低了地铁现场的运维成本。论文的主要研究内容如下:（1）对测速定位系统相关的故障及在行车日志中受故障影响的异常数据项的时间序列表现进行分析,结合现场运维人员对于行车日志的分析方法,阐述了论文依托行车日志中的故障时间序列包含的故障信息进行故障诊断的思路。针对行车日志中故障相关的部分数据项冗杂无用的问题,运用基于Apriori算法的关联规则分析方法对行车日志进行数据项约简,并且在分析过程中运用最小支持度自适应的方法以避免地铁现场日志中故障分布不均衡对数据项约简的影响。（2）针对现场故障行车日志缺失的问题,对列车测速定位系统以及列车位置不确定性进行建模,包括列车状态模型、OPG（Optical Pulse Generator）传感器测速及误差模型、多普勒雷达测速及误差模型和列车位置不确定性计算模型。论文还对不同行车工况下测速定位系统常见故障进行仿真,生成故障仿真日志,得到故障时间序列数据集,作为故障诊断模型训练的数据支撑。运用T检验和K-S检验验证仿真日志和现场日志的总体均值和总体分布无明显差异性。（3）构建基于LSTM神经网络的地铁列车测速定位系统故障诊断模型,并采用Adagrad,Rmsprop,Adam三种训练优化算法以及不同的超参数,对模型的训练速度和泛化能力进行比较。通过将该模型与FCNN,RNN故障诊断模型进行对比,验证了该模型在处理故障时间序列上的有效性,并通过现场故障行车日志和故障设备的测试日志验证了该模型在测速定位系统故障诊断问题上的准确性和可用性。（4）针对现场运维人员的实际需求,开发基于多线程的测速设备离线故障诊断软件,可以完成测速设备离线的故障复现、故障诊断和故障验证,提高了现场运维人员的工作效率,降低了运维成本。图48幅,表13个,参考文献54篇。
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 现有研究的不足与难点 |
| 1.4 本文研究内容 |
| 第2章 车载毫米波雷达目标检测机理分析 |
| 2.1 雷达电磁波发射机理分析 |
| 2.1.1 雷达发射波形分析 |
| 2.1.2 雷达发射天线分析 |
| 2.2 雷达电磁波传播机理分析 |
| 2.2.1 雷达内部传输衰减 |
| 2.2.2 环境传播衰减 |
| 2.3 雷达电磁波反射机理分析 |
| 2.3.1 雷达目标反射特性分析 |
| 2.3.2 雷达环境杂波分析 |
| 2.4 雷达电磁波接收与处理机理分析 |
| 2.4.1 雷达接收天线分析 |
| 2.4.2 雷达接收机特性分析 |
| 2.4.3 雷达回波处理方法分析 |
| 2.5 本章小结 |
| 第3章 雷达环境杂波建模研究 |
| 3.1 地杂波建模及模型应用验证 |
| 3.1.1 地杂波建模 |
| 3.1.2 地杂波建模应用验证 |
| 3.2 天气杂波建模及模型应用验证 |
| 3.2.1 天气杂波建模 |
| 3.2.2 天气杂波建模应用验证 |
| 3.3 人为干扰建模及模型应用验证 |
| 3.3.1 人为干扰建模 |
| 3.3.2 人为干扰建模应用验证 |
| 3.4 本章小结 |
| 第4章 雷达目标RCS实时估算方法研究 |
| 4.1 RCS估算方法设计 |
| 4.1.1 实时估算流程 |
| 4.1.2 RCS尺寸因子计算 |
| 4.1.3 RCS材料因子计算 |
| 4.1.4 RCS形状因子计算 |
| 4.2 估算方法验证 |
| 4.2.1 车辆RCS估算验证 |
| 4.2.2 行人RCS估算验证 |
| 4.3 本章小结 |
| 第5章 基于目标检测机理的雷达建模方法研究 |
| 5.1 雷达模型设计 |
| 5.1.1 雷达虚警建模 |
| 5.1.2 雷达漏报建模 |
| 5.1.3 雷达测距误差建模 |
| 5.1.4 雷达测速误差建模 |
| 5.1.5 雷达测角误差建模 |
| 5.2 雷达模型仿真验证 |
| 5.2.1 雷达虚警仿真验证 |
| 5.2.2 雷达漏报仿真验证 |
| 5.2.3 测量误差仿真验证 |
| 5.3 本章小结 |
| 第6章 雷达模型在汽车智能驾驶仿真测试中的应用研究 |
| 6.1 基于雷达模型的AEB算法测试 |
| 6.1.1 AEB决策算法设计 |
| 6.1.2 AEB测试场景构建 |
| 6.1.3 算法仿真测试 |
| 6.2 基于雷达模型的ACC算法测试 |
| 6.2.1 ACC决策算法设计 |
| 6.2.2 ACC测试场景构建 |
| 6.2.3 算法仿真测试 |
| 6.3 本章小结 |
| 第7章 全文总结及展望 |
| 7.1 全文工作总结 |
| 7.2 本文创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 “现场观测” |
| 1.2.2 卫星遥感测流 |
| 1.2.3 岸基雷达测流 |
| 1.2.4 线性调频连续波 |
| 1.3 主要研究内容 |
| 1.4 本文的结构安排 |
| 第二章 X波段雷达测流的相关模型 |
| 2.1 X波段雷达观测模型 |
| 2.2 海浪JONSWAP谱模型 |
| 2.3 双尺度模型 |
| 2.4 雷达成像调制机制 |
| 2.4.1 倾斜调制 |
| 2.4.2 水动力调制 |
| 2.4.3 长波浪轨道速度调制 |
| 2.5 本章小结 |
| 第三章 X波段雷达测速、成像算法 |
| 3.1 X波段雷达测速算法 |
| 3.1.1 上下调频信号测速原理 |
| 3.1.2 间断的上下调频信号测速原理 |
| 3.1.3 间断的上下调频连续波测速算法的基本步骤 |
| 3.2 基于间断的上下调频连续波X波段雷达成像算法 |
| 3.2.1 基于间断的上下调频连续波X波段雷达成像原理 |
| 3.2.2 基于间断上下调频波的X波段雷达成像算法的基本步骤 |
| 3.3 小结 |
| 第四章 X波段雷达测速成像算法仿真结果及分析 |
| 4.1 基于间断的上下调频连续波X波段雷达测速算法结果 |
| 4.1.1 海表面模型仿真过程 |
| 4.1.2 仿真海表面原始数据进行测速时所需输入参数 |
| 4.1.3 海表面原始数据仿真结果 |
| 4.1.4 基于间断上下调频连续波的X波段雷达测速算法结果 |
| 4.1.5 两种不同信号测速结果对比 |
| 4.2 X波段雷达测速算法结果分析 |
| 4.2.1 不同风速对测速精度的影响 |
| 4.2.2 不同信噪比对测速结果产生的影响 |
| 4.2.3 测量区域大小对测速结果产生的影响 |
| 4.2.4 不同流速对测速结果产生的影响 |
| 4.3 基于间断上下调频波的X波段雷达成像算法结果 |
| 4.3.1 X波段雷达仿真成像参数设置 |
| 4.3.2 X波段雷达成像算法结果 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文主要结论 |
| 5.2 创新点 |
| 5.3 将来工作的展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士期间论文发表情况 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 监测数据预警研究进展 |
| 1.2.2 监测数据预警的主要问题 |
| 1.3 本文主要研究内容 |
| 2 考虑桥梁监测数据时空误差的车速自动识别算法研究 |
| 2.1 引言 |
| 2.2 车速传感器的基本原理 |
| 2.2.1 多普勒效应的基本原理 |
| 2.2.2 多普勒雷达测速仪的基本原理 |
| 2.2.3 车速监测数据采集过程过程中存在的问题及对数据的影响 |
| 2.3 车速监测数据时空误差分析 |
| 2.3.1 车速传感器布设介绍 |
| 2.3.2 车速监测数据整体特征 |
| 2.3.3 车速监测数据空间误差分析 |
| 2.3.4 车速监测数据时间误差分析 |
| 2.4 考虑监测数据时空误差的车速自动识别算法研究 |
| 2.4.1 车速算法整体思路 |
| 2.4.2 车速监测数据误差识别方法研究 |
| 2.4.3 考虑监测数据时空误差的车速算法框架 |
| 2.4.4 车速算法参数的确定 |
| 2.4.5 数值算例 |
| 2.5 本章小结 |
| 3 基于层级时序记忆的异常监测数据实时识别方法研究 |
| 3.1 引言 |
| 3.2 层级时序记忆算法介绍 |
| 3.2.1 层级时序记忆神经元模型和层级结构 |
| 3.2.2 稀疏离散表征 |
| 3.2.3 层级时序记忆神经元学习规则 |
| 3.2.4 高阶时间序列数据预测 |
| 3.3 基于层级时序记忆的异常监测 |
| 3.3.1 预测误差的计算 |
| 3.3.2 异常可能性的计算 |
| 3.4 数值算例 |
| 3.5 本章小结 |
| 4 基于移窗频谱分析的异常监测数据准确识别方法研究 |
| 4.1 引言 |
| 4.2 监测数据频谱分析理论基础 |
| 4.2.1 列车基本构造 |
| 4.2.2 桥梁振动响应理论分析 |
| 4.3 振动响应数据频谱特性研究 |
| 4.3.1 频谱分析的引入 |
| 4.3.2 应变数据频谱特性研究 |
| 4.3.3 振动加速度频谱特性研究 |
| 4.3.4 振动速度频谱特性研究 |
| 4.3.5 车速与强迫振动频率关系分析 |
| 4.3.6 频谱特性研究总结 |
| 4.4 基于移动窗口频谱分析的异常监测 |
| 4.4.1 基本思路与分析流程 |
| 4.4.2 参数的分析 |
| 4.5 数值算例 |
| 4.5.1 应变数据算例 |
| 4.5.2 振动加速度数据算例 |
| 4.5.3 振动速度数据算例 |
| 4.6 本章小结 |
| 5 基于时-频分析的桥梁振动监测数据异常预警方法研究 |
| 5.1 引言 |
| 5.2 基于时-频分析的桥梁振动监测数据异常预警 |
| 5.2.1 时-频分析流程 |
| 5.2.2 常见正常与异常数据分类 |
| 5.3 数值算例 |
| 5.3.1 第一类正常数据与第一类异常数据 |
| 5.3.2 第二类正常数据与第二类异常数据 |
| 5.3.3 第三类正常数据与第三类异常数据 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本文主要结论 |
| 6.2 对未来研究的展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 本课题的研究背景和意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 本文的主要内容和结构 |
| 2 探照一体/主动复合雷达信号处理算法设计 |
| 2.1 探照一体/主动复合雷达工作流程设计 |
| 2.2 探照一体大时宽带宽LFM脉冲波形信号处理设计 |
| 2.2.1 探照一体LFM脉冲模式工作波形 |
| 2.2.2 低资源消耗率LFM脉冲压缩算法设计 |
| 2.2.3 算法仿真分析 |
| 2.3 主动HPRF-PD波形高加速度目标信号处理设计 |
| 2.3.1 主动HPRF-PD工作波形及信号处理设计 |
| 2.3.2 高加速度目标回波能量积累算法 |
| 2.3.3 算法仿真分析 |
| 2.4 韦布尔杂波环境中基于偏斜度和均值比的智能恒虚警检测算法 |
| 2.4.1 SKMR-CFAR检测算法 |
| 2.4.2 算法性能比较分析 |
| 2.5 本章小结 |
| 3 探照一体/主动雷达信号处理FPGA软件设计 |
| 3.1 探照一体/主动雷达信号处理器功能与软件框架设计 |
| 3.1.1 雷达系统结构与分系统任务划分 |
| 3.1.2 雷达信号处理器硬件平台搭建 |
| 3.1.3 雷达信号处理器软件任务划分 |
| 3.2 探照一体/主动雷达信号处理器FPGA软件框架设计 |
| 3.3 MGT接口模块设计 |
| 3.3.1 MGT接口速率分析及通道分配 |
| 3.3.2 MGT接口帧格式定义 |
| 3.3.3 MGT接口模块软件设计 |
| 3.4 直波采样模块设计 |
| 3.4.1 AD接口模块 |
| 3.4.2 中频软件无线电接收模块 |
| 3.5 信号处理模块设计 |
| 3.5.1 探照一体LFM脉冲模式信号处理模块 |
| 3.5.2 主动HPRF-PD模式信号处理模块 |
| 3.6 SRIO接口模块设计 |
| 3.6.1 SRIO接口速率分析 |
| 3.6.2 SRIO接口帧格式定义 |
| 3.6.3 SRIO接口模块软件设计 |
| 3.7 系统指令通信与协同控制模块设计 |
| 3.7.1 系统指令通信与协同控制总体框架 |
| 3.7.2 系统指令配置流程设计 |
| 3.7.3 分系统协同工作时序设计 |
| 3.8 本章小结 |
| 4 探照一体/主动雷达信号处理器软件功能测试 |
| 4.1 FPGA软件测试平台搭建 |
| 4.2 探照一体LFM脉冲模式软件功能测试 |
| 4.3 主动HPRF-PD模式软件功能测试 |
| 5 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车速检测及预警技术研究现状 |
| 1.2.2 LBS服务测速预警现状 |
| 1.3 研究内容及意义 |
| 1.4 章节安排 |
| 2 相关技术分析 |
| 2.1 移动定位技术分析 |
| 2.1.1 GPS定位技术分析 |
| 2.1.2 基于位置服务LBS(Location-Based Services)概述 |
| 2.1.3 百度LBS云服务 |
| 2.2 车速限速影响因素及相关法律和标准 |
| 2.2.1 车速限制影响因素 |
| 2.2.2 车速限制相关法律法规标准 |
| 2.2.3 车速提醒限速 |
| 2.3 本章小结 |
| 3 Keras神经网络车速预测模型的设计与训练 |
| 3.1 神经网络相关算法分析 |
| 3.1.1 RNN神经网络 |
| 3.1.2 LSTM神经网络 |
| 3.1.3 GA遗传算法 |
| 3.1.4 Keras神经网络框架 |
| 3.2 车速预测模型训练和优化设计 |
| 3.2.1 基于LSTM神经网络算法的时间序列车速预测模型设计 |
| 3.2.2 基于GA算法的车速预测模型训练优化设计 |
| 3.3 基于Keras神经网络框架的车速预测模型的训练和优化过程 |
| 3.4 本章小结 |
| 4 车速提醒系统需求分析和架构 |
| 4.1 需求分析 |
| 4.1.1 功能需求 |
| 4.1.2 性能需求 |
| 4.2 系统架构 |
| 4.2.1 功能设计 |
| 4.2.2 架构设计 |
| 4.3 概要设计 |
| 4.3.1 定位与测速 |
| 4.3.2 超速提醒 |
| 4.3.3 轨迹与车速预测模型 |
| 4.3.4 系统设置 |
| 4.3.5 用户管理 |
| 4.4 系统架构模式 |
| 4.4.1 Android客户端架构模式 |
| 4.4.2 车速提醒服务端架构模式 |
| 4.5 本章小结 |
| 5 车速提醒系统的设计 |
| 5.1 Android车速提醒客户端设计 |
| 5.1.1 定位与测速模块设计 |
| 5.1.2 车速提醒模块设计 |
| 5.1.3 历史轨迹上传与车速预测模型下载模块设计 |
| 5.1.4 系统设置模块设计 |
| 5.1.5 用户注册与登录模块设计 |
| 5.2 服务端数据库设计 |
| 5.2.1 用户管理模块数据库表设计 |
| 5.2.2 行车轨迹模块数据库表设计 |
| 5.2.3 车型信息模块数据库表设计 |
| 5.3 服务端Web Service服务设计 |
| 5.3.1 用户管理模块设计 |
| 5.3.2 轨迹数据接收和车速预测模型下载模块设计 |
| 5.3.3 车型信息模块设计 |
| 5.4 本章小结 |
| 6 车速提醒系统的实现 |
| 6.1 开发环境和工具 |
| 6.1.1 客户端开发环境和工具 |
| 6.1.2 服务端开发环境 |
| 6.2 定位与测速模块的实现 |
| 6.3 车速提醒模块的实现 |
| 6.4 历史轨迹上传与车速预测模型下载模块的实现 |
| 6.5 系统参数设置模块的实现 |
| 6.6 用户登录与验证模块的实现 |
| 6.7 服务端Web Service服务的实现 |
| 6.8 本章小结 |
| 7 系统的验证及讨论 |
| 7.1 系统获取实时信息响应时间的验证 |
| 7.2 系统上传数据响应时间的验证 |
| 7.3 车速预测模型的评价 |
| 7.4 同类系统或方法的性能讨论 |
| 7.5 其他性能验证及讨论 |
| 7.6 本章小结 |
| 8 总结与展望 |
| 8.1 本文工作的回顾 |
| 8.2 成果及意义 |
| 8.3 存在的问题及下一步的工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 星载天气雷达的发展与现状 |
| 1.2.2 多普勒雷达风场反演方法研究进展 |
| 1.3 问题的提出 |
| 1.4 本文研究内容 |
| 第二章 星载多普勒云雨雷达测速的关键参数设计研究 |
| 2.1 引言 |
| 2.2 多普勒天气雷达谱参数估计方法 |
| 2.2.1 脉冲对处理法 |
| 2.2.2 基于傅里叶变换的频域估计法 |
| 2.2.3 多极化脉冲对法 |
| 2.3 星载云雨雷达信噪比 |
| 2.3.1 雷达气象方程 |
| 2.3.2 雷达信噪比 |
| 2.3.3 降雨率与信噪比关系 |
| 2.4 星载多普勒云雨雷达脉冲重复频率选择 |
| 2.4.1 星载多普勒云雨雷达谱展宽因素 |
| 2.4.2 星载云雨雷达距离模糊和速度模糊 |
| 2.5 星载多普勒雷达谱估计的其它误差来源 |
| 2.5.1 平台运动及天线指向精度 |
| 2.5.2 非均匀波束充塞 |
| 2.6 星载多普勒云雨雷达速度估计精度分析 |
| 2.7 本章小结 |
| 第三章 面向风场反演的星载多普勒云雨雷达扫描策略研究 |
| 3.1 引言 |
| 3.2 顺轨扫描模式 |
| 3.3 交轨扫描模式 |
| 3.4 圆锥扫描模式 |
| 3.5 本章小结 |
| 第四章 基于VAD的星载多普勒雷达风场反演方法研究 |
| 4.1 引言 |
| 4.2 基于VAD的星载多普勒雷达风场反演方法 |
| 4.3 基于VAD的星载多普勒雷达风场反演方法性能分析 |
| 4.3.1 基于模拟风场的方法性能分析 |
| 4.3.2 基于高空风雨廓线机载雷达数据验证 |
| 4.4 本章小结 |
| 第五章 基于星载雷达双波束共面观测的风场反演方法研究 |
| 5.1 引言 |
| 5.2 星载多普勒雷达双波束共面风场反演方法 |
| 5.2.1 扫描策略几何参数设计 |
| 5.2.2 星载雷达双波束共面风场反演方法 |
| 5.3 星载多普勒雷达双波束共面风场反演方法验证 |
| 5.3.1 星载雷达双波束共面风场反演方法模拟验证 |
| 5.3.2 基于机载HIWRAP双波束雷达数据的共面风场反演方法验证 |
| 5.4 本章小结 |
| 第六章 基于多波束的星载多普勒雷达风场反演方法研究 |
| 6.1 引言 |
| 6.2 星载多普勒雷达多波束风场反演方法 |
| 6.2.1 扫描策略几何参数设计 |
| 6.2.2 星载雷达多波束风场反演方法 |
| 6.3 星载多普勒雷达多波束风场反演方法模拟验证 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 本文主要创新点 |
| 7.3 论文不足和未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 着陆敏感器研究现状 |
| 1.2.2 FMCW雷达信号处理研究现状 |
| 1.3 本文主要工作 |
| 第二章 FMCW雷达基本原理分析 |
| 2.1 引言 |
| 2.2 FMCW雷达工作原理 |
| 2.3 FMCW雷达测速测距原理 |
| 2.3.1 锯齿波FMCW雷达测速测距原理 |
| 2.3.2 三角波FMCW雷达测速测距原理 |
| 2.4 FMCW雷达回波模型 |
| 2.4.1 点目标回波模型 |
| 2.4.2 面目标回波模型 |
| 2.5 本章小结 |
| 第三章 信号处理系统设计 |
| 3.1 引言 |
| 3.2 系统设计以及FPGA选型 |
| 3.2.1 着陆敏感器信号处理系统设计 |
| 3.2.2 FPGA芯片的选择 |
| 3.3 系统工作流程及发射信号的时序 |
| 3.4 FPGA顶层设计 |
| 3.4.1 时钟产生以及AD处理模块 |
| 3.4.2 FPGA与DSP之间的通信设计 |
| 3.4.3 信号处理模块 |
| 3.4.4 系统时序控制 |
| 3.5 本章小结 |
| 第四章 测速测距流程实现 |
| 4.1 引言 |
| 4.2 测速测距回波处理流程 |
| 4.3 数字下变频(DDC) |
| 4.3.1 正交数字下变频原理 |
| 4.3.2 滤波及抽取设计 |
| 4.4 FFT |
| 4.5 CFAR检测 |
| 4.5.1 噪声功率统计 |
| 4.5.2 CFAR检测原理 |
| 4.6 频谱重心估计 |
| 4.7 本章小结 |
| 第五章 信号处理系统测试与验证 |
| 5.1 引言 |
| 5.2 系统性能分析设计流程 |
| 5.3 火星表面DEM建模 |
| 5.4 着陆器运动轨迹建模 |
| 5.4.1 坐标系的建立 |
| 5.4.2 坐标转换原理 |
| 5.4.3 着陆轨迹建模 |
| 5.5 火星表面回波建模流程 |
| 5.5.1 回波计算模型 |
| 5.5.2 回波单元遮挡计算 |
| 5.5.3 雷达截面积计算模型 |
| 5.5.4 火星表面回波建模流程 |
| 5.6 基于Modelsim的信号处理仿真结果 |
| 5.6.1 回波时序仿真结果 |
| 5.6.2 DDC仿真结果 |
| 5.6.3 FFT仿真结果 |
| 5.6.4 CFAR检测仿真结果 |
| 5.6.5 重心估计仿真结果 |
| 5.7 基于模拟回波数据的信号处理系统性能分析 |
| 5.7.1 测距误差分析 |
| 5.7.2 测速误差分析 |
| 5.8 本章小结 |
| 第六章 总结和展望 |
| 6.1 研究成果 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景及意义 |
| 1.2.1 雷达有源干扰概述 |
| 1.2.2 雷达抗干扰手段 |
| 1.2.3 雷达传统抗干扰方法的局限性 |
| 1.3 DRFM有源欺骗干扰识别技术研究现状 |
| 1.3.1 干扰机无意调制层面的干扰识别技术 |
| 1.3.2 干扰机有意调制层面的干扰识别技术 |
| 1.3.3 有源欺骗干扰识别算法存在的问题 |
| 1.4 本文主要工作与内容安排 |
| 第二章 DRFM有源欺骗干扰原理及特性 |
| 2.1 引言 |
| 2.2 DRFM干扰机模型 |
| 2.2.1 DRFM干扰机结构 |
| 2.2.2 DRFM干扰机特性 |
| 2.3 DRFM欺骗干扰原理 |
| 2.3.1 距离维欺骗干扰原理 |
| 2.3.2 速度维欺骗干扰原理 |
| 2.4 本章小结 |
| 第三章 基于奇异谱分析的DRFM速度欺骗干扰识别算法 |
| 3.1 引言 |
| 3.2 干扰特性分析 |
| 3.2.1 数控移相器原理 |
| 3.2.2 信号差异分析 |
| 3.3 基于SSA的干扰识别算法 |
| 3.3.1 SSA分解原理 |
| 3.3.2 特征提取 |
| 3.3.3 分类器设计 |
| 3.3.4 算法流程 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于卷积神经网络的延时叠加干扰识别算法 |
| 4.1 引言 |
| 4.2 干扰特性分析 |
| 4.2.1 干扰信号模型 |
| 4.2.2 信号差异分析 |
| 4.3 基于CNN的干扰识别算法 |
| 4.3.1 图像预处理 |
| 4.3.2 CNN结构设计 |
| 4.3.3 CNN训练算法 |
| 4.3.4 算法流程 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 列车测速定位系统故障诊断技术研究现状 |
| 1.2.2 时间序列分类技术研究现状 |
| 1.2.3 基于时间序列的故障诊断技术研究现状 |
| 1.3 论文主要工作内容 |
| 2 基于时间序列的测速定位系统故障与行车日志分析 |
| 2.1 测速定位系统概述 |
| 2.1.1 车轴测速传感器 |
| 2.1.2 测速雷达 |
| 2.1.3 应答器定位系统 |
| 2.1.4 多传感器冗余的列车测速定位系统 |
| 2.2 基于故障时间序列的测速定位系统故障诊断方案研究 |
| 2.2.1 测速定位系统故障时间序列表现分析 |
| 2.2.2 测速定位系统故障诊断工程方法 |
| 2.2.3 基于故障时间序列的测速定位系统故障诊断方案 |
| 2.3 基于加权最小支持度关联规则分析的行车日志数据项简约 |
| 2.3.1 关联规则算法概述 |
| 2.3.2 自适应最小支持度的加权Apriori算法的数据项约简 |
| 2.4 本章小结 |
| 3 基于多传感器的列车测速定位系统建模及故障仿真 |
| 3.1 列车运动状态建模 |
| 3.1.1 列车动力学模型 |
| 3.1.2 列车运动模型 |
| 3.2 OPG传感器测速及故障建模 |
| 3.2.1 OPG传感器测量数学模型 |
| 3.2.2 OPG传感器测速误差模型 |
| 3.2.3 OPG传感器故障建模 |
| 3.3 多普勒雷达测速及故障建模 |
| 3.3.1 测速雷达测量数学模型 |
| 3.3.2 测速雷达测速误差模型 |
| 3.3.3 测速雷达故障建模 |
| 3.4 列车位置不确定性建模 |
| 3.4.1 列车过应答器时的位置不确定性模型 |
| 3.4.2 列车正常走行时的位置不确定性模型 |
| 3.4.3 列车打滑时的位置不确定性模型 |
| 3.5 基于多传感器的测速定位系统模型及故障的仿真与验证 |
| 3.5.1 基于多传感器的测速定位系统模型及故障仿真 |
| 3.5.2 基于统计假设检验的仿真结果验证 |
| 3.6 本章小结 |
| 4 基于LSTM神经网络的地铁测速定位系统故障诊断 |
| 4.1 LSTM神经网络算法 |
| 4.1.1 神经网络基本理论 |
| 4.1.2 LSTM神经网络 |
| 4.2 LSTM神经网络故障诊断模型构建 |
| 4.2.1 数据预处理 |
| 4.2.2 LSTM神经网络故障诊断模型结构 |
| 4.2.3 LSTM神经网络故障诊断模型的建立 |
| 4.3 仿真结果分析 |
| 4.3.1 网络调参 |
| 4.3.2 模型验证 |
| 4.4 本章小结 |
| 5 测速设备离线故障诊断系统的设计与实现 |
| 5.1 测速设备离线故障诊断系统原理 |
| 5.2 测速设备离线故障诊断系统架构 |
| 5.3 基于多线程的测速设备离线故障诊断软件实现 |
| 5.3.1 软件架构 |
| 5.3.2 人机界面 |
| 5.3.3 故障诊断实例 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 成果总结 |
| 6.2 研究展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
