蒋林志[1]（2021）在《基于区块链技术的新闻生产创新研究》文中提出
赖美晨[2]（2021）在《雷达通信一体化的无人机集群节点接入关键技术研究》文中指出无人机由于其灵活性好、成本低、鲁棒性强等特点,被广泛应用在各种场景中。无人机自组网是无人机在军事和民用场景中的一大应用,无人机自组网不依赖于基础设施,抗摧毁性强,可以灵活快速部署,具有非常广阔的应用前景。感知通信一体化技术使得雷达通信可以工作在同一个系统中,由多址接入控制（Multiple Access Control,MAC）协议进行调度。在MAC协议中如何调度雷达和通信的工作保障无人机飞行安全、如何设计适用无人机网络的MAC协议并实现高效、安全的传输及其如何实现无人机集群防碰撞是本文的主要研究的内容。本文的研究内容如下:1)针对波形一体化下雷达扫描方向跟随通信方向造成无人机飞行不安全问题及其雷达回波干扰问题,本文提出了新的雷达与通信调度模式,并且引入了雷达回波保护间隔,在无人机MAC协议中保障雷达与通信的正常工作,在此基础上针对无人机网络拓扑变化快、部署范围大、节点数量大等特点,提出了一种基于预留机制的节点接入方法并且设计了相应的信道复用模式和数据包格式。此外,为了保障无人机安全信息的及时传输,本文为安全的数据包和业务数据包划分不同的优先级。仿真验证了所提出的协议与动态信道分配（Dynamic Channel Assignment,DCA）协议相比在吞吐量和节点接入效率等性能上得到了提升,并且有大量节点接入时系统更不容易受到控制信道制约,例如在传输数据包大小为1000Byte,四条数据信道的情况下,当竞争接入节点数目为25时,所提出的协议在吞吐量性能上提升了 9%,并且DCA协议在四信道时候就达到了控制信道瓶颈,而基于预留机制的多址接入方法在六信道时才达到控制信道瓶颈。此外基于预留机制多址接入方法能够满足紧急数据包的低时延传输,在安全信息包数目小于8的时候,时延小于1ms。2)针对无人机飞行环境中障碍物类型识别及其障碍物轨迹预测精度不高等问题。本文提出一体化感知和目标识别的方法,通过融合通信和雷达信息提高了预测精度,而预测精度的提升可以缩短无人机的最小反应距离,对无人机防碰撞有一定的积极意义。其次,针对路径规划不及时造成的碰撞避免失败问题,提出了一种新的路径重新规划算法,采取了先碰撞避免后路径重新规划的方法脱离危险。最后仿真验证了路径重新规划算法的可行性并且与传统路径重新规划算法相比,所提出的算法在时延性能上得到了提升,在本文实验环境下所提出的路径重新规划算法的时延小于10s。
段海滨,申燕凯,赵彦杰,王寅,牛轶峰,范彦铭,邓亦敏,罗德林[3]（2021）在《2020年无人机热点回眸》文中进行了进一步梳理2020年为无人机领域的发展与应用提供了新的机遇,同时也提出了新的挑战。在过去的一年中,无人机技术所呈现出的一些新特点引发了更多关于无人机产业发展之路的深刻思考。从无人机政策法规、关键技术、应用推广等多视角全方位盘点和分析了2020年无人机的科技热点及发展动向。以政策为导向,以创新为内核,无人机技术和产业将会迎来新的增长点,集群化、智能化和实战化作为颠覆性技术仍是无人机未来发展的重要方向。
陈茜[4]（2020）在《基于半导体芯片测试平台ATE的数据结果分析程序》文中研究指明近年来,芯片产业发展迅速。在芯片生产的过程中,芯片质量测试是半导体集成电路制造过程中的极其重要的一道工序。芯片测试厂商为了提高测试机台的测试效率,引入并行化和多线程处理过程。这在提高测试效率的同时造成测试人员难以捕捉测试具体执行时间信息的弊端。同时对于芯片测试Shmoo图形分类依赖人工经验分类,这种方式使得整个测试过程显得耗时耗力。基于上述问题,本文提出了基于ATE的数据结果分析程序的解决方案。该程序由测试时间工具集程序、日志文件工具集程序和Shmoo图形分类研究模块组成。编程语言使用java,C,python shell语言,框架开发采用RCP插件开发以及轻量级数据库SQLite。测试时间工具集是对于模拟测试日志中各个event的测试时间项数据的抽取和分析,该模块内部使用序列化技术如Google Protobuff和BOOST序列化解决数据产生和排序时传输效率问题,同时配合SMT、libxml等库函数实现对于具体event中数据项的访问和数据项抽取转存为结构体的操作。实现了日志文件（.edl）向事件分析报告（.xml）的转换。日志文件工具集是对于日志中包含的其它数据项的分析,这个模块在SQLite的数据库提供的接口基础上,实现了封装一个基于具体工程环境数据的写入引擎DBEngine,配合类对象接口的实现构建日志文件依据event不同的数据表（Shmoo Cell Info,Shmoo Def Info,Test Summary Info,Test Value Info...）。然后通过SQL查询数据、SVG等模块实现将日志文件转换为图形report。Shmoo图形分类研究模块中Shmoo的分类标准是从实际测试运行产生的7种Shmoo图形类别标准:Good Shmoo,Bad Shmoo Wall,Bad Shmoo Band,Bad Shmoo Strip,Bad Shmoo Range,Bad Shmo o Hole,Bad Shmoo Inverscale,首先利用MATLAB deeplearningtoolbox实现网络结构搭建,通过自建Shmoo-STK数据集训练大量Shmoo数据,然后配合CA通道注意力机制着重改进网络结构中对于不同分类之间的区别特征的学习,搭建一个合理高效的识别Shmoo类别的卷积神经网络,通过跟现在已有同类轻量级分类网络对比进行网络识别精准率测试。完成代替人工对于芯片测试图的分类的需求。该程序服务于测试芯片制造阶段,解决了芯片制造中芯片测试数据项分析的快速直观展示和测试Shmoo图形的分类研究,实现了电脑代替人力筛查提高测试效率缩短测试时间成本投入。
李杨[5]（2020）在《车载毫米波雷达中的参数估计算法设计与系统实现》文中研究说明伴随着新一轮的技术革命和产业革命,高级辅助驾驶系统（Advanced driver assistance system,ADAS）作为一种极为重要的主动安全技术,极大提高了人们出行的安全指数,保障了生命和财产安全,成为近年来汽车产业的研究热点与产业趋势。毫米波雷达凭借其体积小、成本低以及不易受恶劣环境因素影响等特性,被视为ADAS系统感知层的核心传感器之一,并成为车载雷达应用的主流。车载毫米波雷达对于周遭环境感知与目标车辆检测的性能表现很大程度上依赖于雷达信号处理算法的性能,车载毫米波雷达信号处理方案受限于有限的硬件规模和成本考量,面临着两方面的主要问题:一方面,车载毫米波雷达在中远距面临回波信噪比水平严重恶化导致参数估计算法方案失效的情况;另一方面,实现在短距范围的高精度检测与参数估计通常会带来庞大的计算量和内存占用量,对系统的算力提出了很高的要求,同时很难满足实时性的场景需要。为了以更低的复杂度实现更加鲁棒且精确的目标检测与参数估计,本论文对其中的一些关键技术进行了如下的研究:首先,研究了车载毫米波雷达系统中的距离信息测量方案。针对现有的基于峰值频率估计的距离信息测量方案所存在的峰值频率估计不准确的问题,提出了复调制选带频谱分析的方法对差拍信号峰值频率附近的频谱进行局部细化,并利用Jacobsen算法来减少跨骑损失,提高峰值频率估计精度;针对现有的基于峰值频率估计的距离信息测量方案所存在的忽略距离-速度耦合以及快时间-慢时间维耦合的问题,提出了简易频域插值校正方案去除快时间-慢时间维耦合,以及距离-多普勒联合处理方案来去除距离-速度耦合,获得更高精度的距离信息测量。其次,研究了车载毫米波雷达系统中的角度信息测量方案。针对现有的基于多重信号分类（Multiple signal classification,MUSIC）角度测量方案在大阵列情况下,系统内存占用高、计算度复杂度高的缺陷、提出了采用波束域MUSIC作为算法框架并且对波束形成矩阵进行针对性优化设计;针对现有的MUSIC角度测量方案在单快拍、低信噪比等恶劣情况下目标回波相干性增强、接收信号样本协方差矩阵估计不准确的问题,提出了一种全新设计的波束空间MUSIC估计子,其不仅利用了噪声子空间和阵列流型矢量之间的正交性,还充分挖掘了回波信号中包含的目标功率信息,同时在波束域中引入了阵列平滑和Toeplitz结构恢复的联合处理方法,可显着改善车载毫米波雷达系统的角度估计性能表现。最后,研究了基于TI-AWR1243P芯片的77 GHz多片级联车载毫米波雷达系统实现。针对多芯片级联所提供的更可观的天线阵列资源,设计了一个采用虚拟阵列技术的天线排布,很好的平衡了功率负担和系统性能;针对目前车载毫米波雷达系统中帧结构设计结构复杂、层次不清晰、功能指标无明确对应的情况,设计了一个多层次、双模式工作、复杂度较低的帧结构,简洁明晰易于实际系统实施;针对实际情况中存在天线相位误差的问题,提出了一种天线自校正方案;针对远距回波信号信噪比水平下降带来的原有速度解模糊方案失效的问题,提出了多天线同时发送的解速度模糊改进算法,并且对基于TI-AWR1243P的多片级联车载毫米波雷达系统进行了一定的实际测量和数据分析,证明了其可行性。
张俊[6]（2020）在《基于车联网数据的驾驶行为识别与风险评估方法研究》文中指出驾驶行为研究与风险评估具有重要现实意义。研究表明,75%的事故都是由违规操作产生的,驾驶态度才是交通安全的决定性因素。如果能够通过技术手段提前预警,规范驾驶行为,就能避免80%的事故。17.5%的车主频发交通事故,赔付额高昂,使得82.5%安全驾驶的车主也承担高额保费为之买单,车险定价方案优化空间巨大。当前,我国正积极推进商业车险费率市场化改革“二次费改”,以降低商业车险费率,提升车险公司定价权。因此,驾驶行为风险评估将为保险公司制定个性化车险定价方案提供技术手段。本文利用深度学习技术,基于智能手机传感器数据、自然驾驶研究项目（Naturalistic Driving Study,NDS）时序数据、视觉数据、车险理赔数据等异构车联网（Internet of Vehicle,IoV）数据开展驾驶行为分析与风险评估,主要研究内容如下:（1）提出一种智能手机传感器数据采集、处理方法,以及一种驾驶行为识别与风险预测深度学习模型。新的方法消除了重力加速度对手机传感器数据采集的影响,采集了多种传感器数据,标注了六种驾驶行为。为解决传统特征工程的限制,提出基于注意力机制（Attention）的DeepConvGRU和DeepConvLSTM模型,通过融合卷积神经网络（CNN）和递归神经网络（RNN）,获取高维数据背后所隐藏的时空特性,自动提取驾驶行为关键特征。模型可基于经过简单预处理的原始数据进行“端到端”的学习,无需特征工程。实验结果表明,模型识别结果优于其他参照模型。此外,为进一步验证DeepConvGRU和DeepConvLSTM模型的通用性,实验利用NDS项目提供的时序数据,构建驾驶安全风险图谱,建立碰撞事故与风险等级的关系,构建车辆碰撞事故与驾驶行为之间的相关性模型,挖掘数据背后的时空特征,实现驾驶风险预测。实验结果表明,模型能够有效抑制类别不平衡,表现出良好的性能。（2）提出了一种基于视觉数据的分心驾驶行为分类与检测方法。搭建基于双流三维卷积网络的分心驾驶行为识别模型,并利用公共数据集和实验构建的数据集,与经过调优的二维卷积网络进行对比验证,实验表明双流三维卷积网络可以自动挖掘时空特征,捕获时间上下文相关信息,适用于基于时序图像数据或视频的分类任务。为了克服图像背景、拍摄角度等对识别的影响,本文对分类数据集进行重新标注,制作具有普遍适用性的分心驾驶行为目标检测数据集,整合利用业界先进的检测算法,实现分心驾驶标志性动作检测,提高模型识别性能与鲁棒性。（3）提出了一种新的深度学习模型DeepAFM（Deep Attentional Factorization Machine）,基于车险理赔数据预测驾驶风险。模型使用因式分解机（Factorization Machine,FM）和嵌入层将参数矩阵分解为低维的参数矩阵,降低了学习复杂度;引入注意力机制,学习交叉特征的权重,提取对目标预测起关键作用的重要特征;引入一个全连接深度网络（Deep Neural Network,DNN）作为DeepAFM的深度网络组件,实现更高阶交叉特征的挖掘。
雷蕾[7]（2020）在《媒介融合背景下新华社在新闻客户端的新闻直播研究》文中认为近年来,媒介融合已经成为大势所趋。传统媒体不断升级转型,以适应时代发展需要。随着互联网技术的高速发展,移动直播应运而生,这种新的传播技术深刻地改变了以往的传播模式。“直播+”的新形式凭借其碎片化、便捷化、及时性等优点,迅速引起了新闻媒体的广泛关注。新华社于2016年在新闻客户端开启了新闻直播功能,这是主流媒体在新闻客户端直播领域的初步探索。在媒介融合的大环境下,我国主流媒体如何利用新闻客户端进行新闻直播?其发展现状如何?进行了哪些方面的融合?当前面临哪些问题?基于以上问题,本文选取新华社客户端的新闻直播作为研究对象进行探讨,并试图为其他主流媒体在客户端新闻直播方面提出合理化建议。本文运用文献研究法,梳理了学界对“媒介融合”“新闻客户端的新闻直播”等相关内容的研究,前人对相关理论的研究为本研究奠定了深厚的理论基础,并提供了多维度的思考角度。运用内容分析法,以2019年8月1日——2020年1月31日的共466条新闻直播作为研究样本,对新华社客户端新闻直播的内容进行研究,分析探讨当前新华社客户端新闻直播的融合策略。运用个案分析法,笔者以新华社客户端为研究对象,并以受众身份进入新华社客户端直播大厅对其进行分析探究。根据对上述内容的研究笔者发现,从宏观层面来说,新华社首先做了组织架构重建和采编流程再造,这是在媒介融合进程中所做的顶层设计;从微观层面来说,新华社在客户端新闻直播中进行了技术、内容、人员等方面的融合。具体而言,内容融合体现为加入了图文、短视频直播,并且增加了软新闻直播的数量和慢直播;技术融合体现为,利用AI、5G、4K、VR、AR等先进技术贯穿于新闻生产的全过程;人员融合体现为新华社内部人员与外部人员的资源整合和协同联动。根据上述内容的分析,笔者发现当前新华社客户端新闻直播存在的两点不足,并提出了自己的思考,认为随着技术手段的革新上述两点不足的解决指日可待。最后,根据对新华社新闻直播的现状分析,提出了值得其他主流媒体在客户端新闻直播领域发展的一般性规律,以期为其他媒体提供可行性建议。
宋伟杰[8]（2020）在《基于毫米波雷达与机器视觉融合的车辆检测技术研究》文中研究说明智能汽车作为汽车工业的未来发展方向,是道路拥堵和交通事故等问题的有效解决方案。智能汽车环境感知系统,主要利用各类传感器准确获取车辆周边的环境信息,为智能汽车做出决策提供参考,是现阶段汽车领域的研究热点。车辆是环境感知系统需要识别的最重要目标之一,本文主要针对基于毫米波雷达和机器视觉信息融合的车辆检测技术进行了研究。首先,对当前国内外车辆检测技术的研究现状进行分析,对比多种传感器的优缺点,并总结现有车辆检测技术存在的不足,从而明确了本文的主要研究内容。然后,对雷达原始数据进行分析,总结了数据中无效信号产生的原因,在此基础上,确定基于分层聚类和设置有效区域的雷达数据预处理方法。针对雷达工作不稳定等特殊情况,利用一致性检验策略分析目标存续情况,采用生命周期方法研究目标的整个存在过程,设定了相应规则完成车辆目标的筛选。其次,融合KITTI数据集和自制样本集得到了适合国内车辆检测的数据集,使用数据集训练和分析YOLO v2网络的车辆检测性能,采用适当精简网络结构和加入多尺度检测的方法提升网络的实时性和小目标检测能力,得到了改进的YOLO v2-mini网络模型。再次,通过坐标转换和传感器标定建立了空间融合模型,采取向下兼容原则,使用线程同步方法实现了传感器的时间融合。根据雷达有效目标确定视觉检测感兴趣区域,使用YOLO v2-mini处理感兴趣区域得到视觉检测结果。基于检测框交并比和全局最近邻数据关联方法建立了融合策略,综合处理雷达和视觉的检测结果,实现传感器的信息融合,并采用扩展卡尔曼滤波跟踪融合目标,完成融合目标的决策。最后,依托课题组智能汽车搭建试验平台,对各传感器进行了标定,并在多种道路条件下进行了实车试验,试验结果验证了本文提出的传感器信息融合策略的功能性和有效性。
祝茜[9]（2020）在《非合作双基地雷达杂波干扰抑制与目标跟踪关键技术研究》文中研究表明非合作双基地雷达探测系统由于具有“四抗”特性且成本较低,成为近年来雷达领域的研究热点。利用非合作雷达信号作为外辐射源的被动探测系统不仅提高了外辐射源雷达的探测威力性能,而且扩展了可利用的外辐射源种类。但系统的研究面临诸多问题和挑战,特别是系统探测过程中的杂波干扰以及低检测概率下的目标跟踪问题。本文围绕非合作双基地雷达的杂波干扰抑制以及目标跟踪关键技术开展了深入研究工作。主要内容概况如下:第二章分析了非合作双基地雷达系统的探测性能。首先研究了非合作双基地雷达系统的工作原理和系统结构组成。然后在双基地雷达方程基础上构建了以线性调频脉冲信号为外辐射源的非合作双基地雷达距离方程,并分析了辐射源的非合作性对系统探测性能的影响。最后分析了系统探测中存在的主要问题。第三章研究了非合作双基地雷达探测系统信号处理阶段的近程杂波干扰抑制算法。在时域扩展相消算法的基础上,结合脉冲信号辐射源特点,充分利用数字阵列接收天线优势,提出了一种基于阻塞矩阵的分步自适应扩展相消算法。实验结果表明,本文所提算法在杂波干扰抑制过程中能够较好保留目标回波信号分量的同时尽可能抑制掉直达波干扰以及多径地物杂波干扰,有助于后续近程目标的检测。第四章研究了非合作双基地雷达数据中的杂波干扰抑制算法。首先结合双基地量测模型,提出了一种迭代的非均匀双基地量测网格单元构建算法。然后基于构建的量测网格单元模型,针对非合作双基地雷达数据中的虚警干扰,提出了一种基于非均匀网格形态学膨胀的虚警抑制算法。仿真和实测实验结果表明,所提算法能够抑制掉大量虚警数据,同时与数据关联算法相结合能够有效提高密集杂波干扰环境下非合作双基地雷达数据关联算法的性能。针对非合作双基地雷达数据中的静态地物杂波干扰以及其他剩余杂波问题,提出一种基于网格化形态学处理与多维随机抽样一致性（Random Sample Consensus,RANSAC）的杂波抑制算法。实测实验表明,所提算法能够有效抑制掉地物杂波和其他剩余杂波干扰,同时能较为完整地保留目标数据,特别是低信噪比的目标数据,且不受辐射源信号脉冲间隔时间捷变的影响。第五章研究了低检测概率下基于随机有限集的多目标跟踪算法。针对非合作双基地雷达探测系统多目标跟踪中面临的目标检测概率低、新生目标出现位置和出现时间未知且随机等复杂场景问题,在随机有限集（Random Finite Set,RFS）多目标跟踪算法框架下,提出了一种带有自适应新生强度估计的改进PHD（Probability Hypothesis Density）滤波器。针对低目标检测概率问题,在经典PHD滤波器中,建立了正式状态集和临时状态集,并在临时状态集中引入了状态的遗忘因子参数,从而实现临时状态集内动态检测概率的构建。结合所提改进PHD滤波器结构,针对新生目标出现位置随机、出现时间随机问题,提出一种自适应新生强度估计方法。仿真和实测实验结果表明,相比其他带有自适应强度估计的多目标跟踪算法,所提算法在低目标检测概率下性能表现优异。
赵成璐[10]（2020）在《基于DSP的可组网LFMCW雷达信号处理算法研究与硬件设计》文中认为毫米波雷达在周界安防和民用领域的应用已经逐渐占据重要地位,在保证较高的雷达性能的同时,降低雷达系统的研制成本成为了需要关注的重点。通过雷达组网技术能够实现对单部雷达性能不足的弥补并扩大系统探测范围,在提高系统性能的同时降低成本。基于可组网、低成本的设计理念,并结合线性调频连续波雷达结构简单、不存在距离盲区的特点,本文以TI TMS320F28379D DSP作为系统控制与信号处理核心,设计了可组网锯齿波LFMCW（Linear Frequency Modulated Continuous Wave,线性调频连续波）周界雷达系统方案,完成了单部雷达的硬件平台设计与软件实现,研制了低成本低功耗的雷达系统硬件。本文对锯齿LFMCW雷达系统的设计分为以下四个部分。第一部分,对组网技术和LFMCW雷达的原理进行介绍,为系统设计提供理论基础。通过建立回波差频信号数学模型,分析了测速测距原理并推导相关公式,解释了使用距离和速度维FFT算法解决调频连续波雷达距离—速度耦合现象的可行性。针对干扰环境下雷达探测性能降低的问题,采用动目标显示与检测、恒虚警检测技术,实现了对运动目标距离和速度的提取,并进行MATLAB仿真与验证。第二部分,根据实际需求设计了雷达系统硬件方案。围绕TMS320F28379D进行各功能模块设计,包括电源系统、存储模块、时钟模块、模拟波形调理模块、通信模块等的芯片选型与原理图绘制,并对PCB的设计与实现提出了要求。第三部分,给出了系统控制与信号处理软件实现的流程与方案,包括发射波形的控制、回波信号的采集、信号处理算法以及与上位机的通信。第四部分,进行硬件系统调试与外场测试。首先给出了电源模块、时钟系统、存储模块的功能调试结果,确保硬件电路设计的正确性。通过上位机、雷达前端与信号处理板的联合调试,对波形控制、数据采集、通信模块进行测试,实现上位机与雷达系统的通信,DSP对发射波形参数的控制,四路回波差频信号的同步采集和数据存储功能,并由外场实验对雷达性能进行了测试。本文在线性调频连续波雷达信号处理方法的理论研究基础上,结合实际需求研制了以DSP为核心的可组网锯齿波LFMCW周界雷达硬件系统,并对系统的各功能模块进行了调试,硬件平台的设计达到低成本、低功耗的要求,为后续实现雷达组网系统提供了基础。
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 |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.2 研究现状 |
| 1.2.1 多址接入协议的研究现状 |
| 1.2.2 无人机防碰撞系统的研究现状 |
| 1.3 研究内容 |
| 1.4 文章的结构 |
| 第二章 无人机节点接入关键技术 |
| 2.1 多址接入协议 |
| 2.1.1 多信道的多址接入协议分类 |
| 2.1.2 基于公共控制信道的多址接入协议 |
| 2.2 无人机防碰撞技术 |
| 2.2.1 防碰撞系统结构 |
| 2.2.2 防碰撞相关技术介绍 |
| 第三章 雷达通信一体化的无人机集群节点接入技术研究 |
| 3.1 系统模型 |
| 3.1.1 雷达通信的复用模式 |
| 3.1.2 系统链路 |
| 3.2 信道复用方式 |
| 3.3 数据包格式 |
| 3.4 A2A链路中基于预留机制的MAC协议 |
| 3.4.1 探测阶段 |
| 3.4.2 预约和数据传输阶段 |
| 3.4.3 节点接入过程 |
| 3.5 理论性能分析 |
| 3.5.1 系统吞吐量 |
| 3.5.2 业务数据包时延 |
| 3.6 仿真性能分析 |
| 3.6.1 基于预留机制MAC协议的吞吐量 |
| 3.6.2 信道数目对吞吐量的影响 |
| 3.6.3 系统时延 |
| 3.6.4 紧急信息包时延 |
| 3.6.5 比较基于预留机制的MAC协议与DCA协议 |
| 3.7 本章小结 |
| 第四章 无人机集群防碰撞技术 |
| 4.1 系统模型 |
| 4.2 无人机集群防碰撞过程 |
| 4.2.1 一体化探测 |
| 4.2.2 碰撞预测 |
| 4.2.3 碰撞避免策略 |
| 4.2.4 仿真实验 |
| 4.3 路径规划算法 |
| 4.3.1 基于RRT~*算法的无人机集群路径重新规划算法 |
| 4.3.2 仿真实验 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文及申请的专利 |
| 1 落实无人机管控政改新规 |
| 2 创新驱动无人机技术革新 |
| 3 突破无人机关键技术 |
| 4 无人机助力疫情协查防控 |
| 5 加速无人机集群技术验证 |
| 6 推动无人机实战化进程 |
| 7 跟进反无人机技术发展 |
| 8 结论 |
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 项目背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 ATE机台现状 |
| 1.2.2 机器学习现状 |
| 1.3 CNN卷积神经网络现状 |
| 1.4 研究目标 |
| 1.4.1 研究内容 |
| 1.4.2 本人承担任务 |
| 1.5 本文组织结构 |
| 第二章 相关技术和理论 |
| 2.1 芯片测试数据生成 |
| 2.2 数据处理技术 |
| 2.2.1 测试源数据处理技术 |
| 2.2.2 测试数据处理技术 |
| 2.3 SQLite数据库 |
| 2.4 Shmoo图像分类技术 |
| 2.4.1 MATLAB |
| 2.4.2 CNN |
| 2.5 RCP插件开发 |
| 2.6 本章小结 |
| 第三章 ATE测试数据分析模块需求分析 |
| 3.1 需求分析 |
| 3.2 功能需求分析 |
| 3.2.1 测试时间工具集模块用例说明 |
| 3.2.2 日志文件工具集模块 |
| 3.2.3 Shmoo图形分类研究模块 |
| 3.3 系统非功能性需求 |
| 3.4 本章小结 |
| 第四章 基于 ATE 的数据结果分析模块概要设计 |
| 4.1 模块应用架构 |
| 4.2 功能设计 |
| 4.2.1 测试时间工具集模块 |
| 4.2.2 日志文件工具集模块 |
| 4.3 系统数据建模 |
| 4.4 本章小结 |
| 第五章 基于ATE的数据结果分析程序设计实现 |
| 5.1 测试时间工具集模块 |
| 5.1.2 测量测试时间 |
| 5.1.3 测量测试时间测试模块配置文件生成模块 |
| 5.1.4 SMTValidate 验证模块 |
| 5.1.5 SMTExecutor 测试执行模块 |
| 5.1.6 EDLParser 数据格式处理模块 |
| 5.1.7 导入测试时间模块 |
| 5.2 日志文件工具集模块 |
| 5.2.1 report Datalog模块 |
| 5.2.2 Datalog Parser部分 |
| 5.2.3 图形数据显示 |
| 5.3 Shmoo图像分类研究模块 |
| 5.3.1 图像分类处理流程 |
| 5.3.2 实验数据集 |
| 5.3.3 SCNN网络构建和具体分类处理过程 |
| 5.3.4 SCNN分类结果讨论以及网络结构优化 |
| 5.4 本章小结 |
| 第六章 基于 ATE 的数据结果分析模块测试 |
| 6.1 测试工具与测试环境 |
| 6.2 测试时间工具集功能模块测试 |
| 6.2.1 SMTValidate验证模块测试 |
| 6.2.2 EDLParser格式处理模块测试 |
| 6.2.3 report Generator生成模块 |
| 6.3 日志文件工具集模块功能测试 |
| 6.3.1 Datalog Parser模块测试 |
| 6.3.2 report Generator生成模块 |
| 6.3.3 模块业务测试 |
| 6.3.4 Shmoo图形数据分析测试 |
| 6.4 系统非功能性测试 |
| 6.4.1 角色访问测试 |
| 6.4.2 系统性能测试 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 进一步工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 摘要 |
| Abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车载毫米波雷达产品现状 |
| 1.2.2 车载毫米波雷达信号处理研究 |
| 1.3 论文主要贡献与结构安排 |
| 第二章 车载毫米波雷达工作原理及信号处理方案 |
| 2.1 引言 |
| 2.2 连续波体制雷达工作原理 |
| 2.2.1 系统结构 |
| 2.2.2 雷达距离方程 |
| 2.2.3 连续波雷达波形设计分析 |
| 2.3 线性调频连续波雷达信号处理 |
| 2.3.1 雷达数据块结构 |
| 2.3.2 雷达信号的能量积累 |
| 2.3.3 雷达目标检测原理 |
| 2.3.4 雷达距离/速度测量 |
| 2.3.5 雷达角度测量 |
| 2.4 本章小结 |
| 第三章 基于频率估计的车载毫米波雷达去耦合校正测距算法 |
| 3.1 引言 |
| 3.2 基于峰值频率估计的去耦合校正高精度距离测量方案 |
| 3.2.1 锯齿波回波信号模型及耦合频率项分析 |
| 3.2.2 锯齿波回波信号耦合频率项校正 |
| 3.2.3 复调制细化选带频谱分析 |
| 3.2.4 基于Jacobsen算法的峰值频率校正 |
| 3.3 算法仿真与结果分析 |
| 3.4 本章小结 |
| 第四章 基于波束域MUSIC的车载毫米波雷达单快拍测角算法 |
| 4.1 引言 |
| 4.2 波束域MUSIC算法的基本原理 |
| 4.3 增强的低复杂度波束域MUSIC算法设计 |
| 4.3.1 先验信息辅助的波束形成矩阵设计 |
| 4.3.2 基于斜投影矩阵的MUSIC估计子设计 |
| 4.3.3 无偏样本协方差矩阵修正处理 |
| 4.4 算法仿真与结果分析 |
| 4.5 本章小结 |
| 第五章 基于TI-AWR1243P芯片的车载毫米波雷达系统设计与实现 |
| 5.1 引言 |
| 5.2 TI-AWR1243P芯片性能指标 |
| 5.3 多片级联模式下车载毫米波雷达系统的天线排布 |
| 5.3.1 虚拟阵列技术 |
| 5.3.2 天线布阵方式 |
| 5.4 多片级联模式下车载毫米波雷达系统的帧结构设计 |
| 5.4.1 目标撒点设置与系统参数 |
| 5.4.2 共解模糊模块的双模式帧结构 |
| 5.5 多片级联模式下车载毫米波雷达系统的信号处理方案设计 |
| 5.6 多天线同时发送解速度模糊方案设计 |
| 5.6.1 多重频解速度模糊方案原理 |
| 5.6.2 多天线同时发送解速度模糊方案设计 |
| 5.6.3 仿真结果分析 |
| 5.7 天线阵列误差自校正方案设计 |
| 5.7.1 天线相位误差模型 |
| 5.7.2 天线相位校正算法 |
| 5.7.3 天线相位校正算法性能仿真 |
| 5.8 系统实测分析 |
| 5.9 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介(包括论文和成果清单) |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于时序传感器数据的驾驶行为识别与风险评估 |
| 1.2.2 基于视觉数据的驾驶行为识别与风险评估 |
| 1.2.3 基于车险理赔数据的驾驶风险评估 |
| 1.2.4 深度学习模型的研究现状 |
| 1.3 本文主要研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 第2章 基于时序传感器数据的驾驶行为识别与风险评估 |
| 2.1 研究背景 |
| 2.2 总体研究路线 |
| 2.3 基于手机传感器数据的驾驶行为识别 |
| 2.3.1 智能手机驾驶行为数据集的建立 |
| 2.3.2 智能手机数据归一化与加窗 |
| 2.3.3 分类模型架构设计 |
| 2.3.4 实验部分 |
| 2.4 基于不平衡NDS时序数据的驾驶风险预测 |
| 2.4.1 NDS数据预处理与建模 |
| 2.4.2 数据建模 |
| 2.4.3 分类模型 |
| 2.4.4 实验部分 |
| 2.5 本章小结 |
| 第3章 基于视觉数据的分心驾驶行为识别 |
| 3.1 分心驾驶行为视觉数据集结构 |
| 3.2 分心驾驶分类模型 |
| 3.2.1 基于二维卷积网络的参数调优与驾驶行为识别 |
| 3.2.2 基于双流三维卷积网络的驾驶行为识别 |
| 3.2.3 关键特征可视化分析 |
| 3.3 分心驾驶检测模型 |
| 3.3.1 数据标注 |
| 3.3.2 模型架构 |
| 3.3.3 评估指标 |
| 3.3.4 实验结果与讨论 |
| 3.4 本章小结 |
| 第4章 基于车险理赔数据的驾驶风险评估 |
| 4.1 研究背景 |
| 4.2 数据建模 |
| 4.3 预测模型架构 |
| 4.4 模型的训练 |
| 4.5 实验部分 |
| 4.5.1 评估指标 |
| 4.5.2 数据集分析 |
| 4.5.3 结果与讨论 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究成果应用分析 |
| 5.2.1 UBI新型车险产品 |
| 5.2.2 危险驾驶行为监测 |
| 5.2.3 推广应用瓶颈分析 |
| 5.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 问题的提出 |
| 1.2 研究背景、目的及意义 |
| 1.3 研究方法与创新点 |
| 1.4 国内外研究综述 |
| 1.5 论文结构安排 |
| 第2章 媒介融合概述及新闻客户端新闻直播的概况 |
| 2.1 媒介融合理论概述 |
| 2.2 新闻客户端的概况 |
| 2.3 新闻客户端新闻直播概述 |
| 2.4 媒介融合与客户端新闻直播的关系 |
| 第3章 媒介融合背景下新华社组织架构重建和采编流程再造 |
| 3.1 组织架构重建 |
| 3.1.1 建设“中央厨房”龙头工程 |
| 3.1.2 打造“编辑部+”新型结构 |
| 3.2 采编流程再造 |
| 3.2.1 信息采编碎片化 |
| 3.2.2 人员协作扁平化 |
| 第4章 新华社客户端新闻直播的融合策略 |
| 4.1 技术融合 |
| 4.1.1 信息采集阶段 |
| 4.1.2 信息编发阶段 |
| 4.2 内容融合 |
| 4.2.1 形式的丰富 |
| 4.2.2 种类的扩充 |
| 4.3 人员融合 |
| 4.3.1 内部人员融合 |
| 4.3.2 外部人员融合 |
| 第5章 新华社客户端新闻直播的问题思考 |
| 5.1 技术问题限制传播效果 |
| 5.2 互动反馈效果不佳 |
| 第6章 媒介融合背景下新华社客户端的新闻直播实践对主流媒体的启发 |
| 6.1 厘清三对关系 |
| 6.1.1 “统”和“分” |
| 6.1.2 “一”和“多” |
| 6.1.3 “专”和“全” |
| 6.2 坚持三个方向 |
| 6.2.1 坚持内容为王 |
| 6.2.2 深化媒体合作 |
| 6.2.3 加强技术驱动 |
| 结语 |
| 参考文献 |
| 附录A 新华社客户端2019年8月1日——2020年1月31日“现场云”热门频道内容整理 |
| 致谢 |
| 个人简历 |
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题提出的背景及意义 |
| 1.2 智能汽车国内外研究现状综述 |
| 1.3 车辆检测技术国内外研究现状 |
| 1.3.1 基于机器视觉的车辆检测 |
| 1.3.2 基于雷达的车辆检测 |
| 1.3.3 基于毫米波雷达和机器视觉融合的车辆检测 |
| 1.3.4 存在的不足 |
| 1.4 课题来源和内容安排 |
| 1.4.1 课题来源 |
| 1.4.2 内容安排 |
| 第二章 毫米波雷达目标筛选 |
| 2.1 毫米波雷达工作原理与选型 |
| 2.1.1 毫米波雷达工作原理 |
| 2.1.2 毫米波雷达选型 |
| 2.1.3 毫米波雷达数据接收与解析 |
| 2.2 毫米波雷达数据分析及预处理 |
| 2.2.1 毫米波雷达无效目标信号类型 |
| 2.2.2 雷达数据预处理 |
| 2.3 目标一致性检验及决策 |
| 2.3.1 目标一致性检验 |
| 2.3.2 基于生命周期的目标决策 |
| 2.3.3 有效目标选取结果验证 |
| 2.4 本章小结 |
| 第三章 基于YOLO v2-mini的车辆检测 |
| 3.1 深度学习及卷积神经网络 |
| 3.1.1 深度学习简述 |
| 3.1.2 卷积神经网络 |
| 3.2 YOLO目标检测算法 |
| 3.2.1 视觉检测方法对比 |
| 3.2.2 YOLO算法简介 |
| 3.3 YOLO v2-mini车辆检测算法 |
| 3.3.1 建立车辆数据集 |
| 3.3.2 网络结构优化 |
| 3.3.3 YOLO v2-mini性能验证 |
| 3.4 本章小结 |
| 第四章 基于传感器信息融合的车辆检测 |
| 4.1 视觉传感器选型 |
| 4.2 传感器的空间融合 |
| 4.2.1 毫米波雷达坐标系与三维世界坐标系的转换 |
| 4.2.2 像素坐标系与三维世界坐标系的转换 |
| 4.2.3 摄像头畸变校正 |
| 4.2.4 毫米波雷达坐标系与像素坐标系的转换 |
| 4.3 传感器的时间融合 |
| 4.4 传感器的信息融合 |
| 4.4.1 视觉检测感兴趣区域 |
| 4.4.2 融合策略 |
| 4.5 本章小结 |
| 第五章 试验平台搭建及验证 |
| 5.1 试验平台搭建 |
| 5.1.1 试验平台搭建方案 |
| 5.1.2 传感器标定 |
| 5.2 实车试验与分析 |
| 5.2.1 融合策略试验 |
| 5.2.2 融合策略与单传感器检测效果对比 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 非合作双基地雷达探测系统的研究历史和发展现状 |
| 1.2.2 非合作双基地雷达杂波干扰抑制算法研究进展 |
| 1.2.3 多目标跟踪算法研究及其在无源雷达中的应用现状 |
| 1.3 本文主要研究内容和章节安排 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的章节安排 |
| 第二章 非合作双基地雷达系统探测性能分析 |
| 2.1 引言 |
| 2.2 非合作双基地雷达系统工作原理 |
| 2.2.1 目标探测原理 |
| 2.2.2 系统结构与算法处理流程 |
| 2.3 辐射源的非合作性对系统探测性能影响分析 |
| 2.3.1 双基地雷达方程 |
| 2.3.2 以线性调频脉冲信号为外辐射源的非合作双基地雷达方程 |
| 2.3.3 仿真分析 |
| 2.4 系统探测中存在的主要问题分析 |
| 2.4.1 非合作双基地雷达系统主要杂波和干扰来源 |
| 2.4.2 近程杂波干扰对目标检测的影响 |
| 2.4.3 非合作双基地雷达数据处理中面临的问题 |
| 2.5 本章小结 |
| 第三章 非合作双基地雷达近程杂波干扰抑制算法研究 |
| 3.1 引言 |
| 3.2 典型的无源雷达自适应杂波干扰抑制算法 |
| 3.2.1 自适应旁瓣对消技术 |
| 3.2.2 时域扩展相消技术 |
| 3.3 基于阻塞矩阵的分步自适应扩展相消算法 |
| 3.3.1 回波通道天线接收信号模型 |
| 3.3.2 信号的分段提取 |
| 3.3.3 基于阻塞矩阵的杂波子空间重构 |
| 3.3.4 自适应扩展相消 |
| 3.4 实验结果与分析 |
| 3.4.1 仿真场景设置 |
| 3.4.2 算法处理结果对比与分析 |
| 3.5 本章小结 |
| 第四章 非合作双基地雷达数据中的杂波干扰抑制算法研究 |
| 4.1 引言 |
| 4.2 基于非均匀网格形态学膨胀的无源雷达虚警抑制算法 |
| 4.2.1 一种迭代的非均匀双基地量测网格单元划分算法 |
| 4.2.2 基于网格形态学膨胀的虚警数据分离算法 |
| 4.2.3 实验结果与分析 |
| 4.3 基于网格化形态学处理与多维RANSAC的地物杂波干扰抑制算法研究 |
| 4.3.1 一种两步级联的无源雷达杂波抑制处理机制 |
| 4.3.2 算法原理 |
| 4.3.3 实测数据实验验证 |
| 4.4 本章小结 |
| 第五章 低检测概率下基于随机有限集的多目标跟踪算法研究 |
| 5.1 引言 |
| 5.2 RFS框架下的多目标跟踪算法 |
| 5.2.1 多目标跟踪的RFS模型 |
| 5.2.2 多目标贝叶斯跟踪理论 |
| 5.2.3 标准PHD滤波器 |
| 5.3 带有自适应新生强度估计的改进PHD滤波器 |
| 5.3.1 量测集的预处理 |
| 5.3.2 基于量测驱动的新生强度估计 |
| 5.3.3 改进的PHD滤波器 |
| 5.3.4 改进PHD滤波器的GM实现形式 |
| 5.4 实验结果与分析 |
| 5.4.1 仿真数据实验验证 |
| 5.4.2 无源雷达实测数据实验验证 |
| 5.4.3 算法复杂度分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文主要工作及创新点 |
| 6.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录A 矩阵S的分析及式(5.14)的详细推导 |
| 附录B 改进PHD滤波器的更新表达式的推导 |
| 附录C 改进PHD滤波器的GM实现形式伪代码 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作与结构安排 |
| 2 可组网线性调频连续波雷达方案设计与仿真 |
| 2.1 引言 |
| 2.2 雷达组网结构与方案 |
| 2.2.1 雷达系统组网结构 |
| 2.2.2 组网关键技术 |
| 2.3 线性调频连续波雷达工作原理 |
| 2.3.1 线性调频连续波雷达测距原理 |
| 2.3.2 线性调频连续波雷达测速原理 |
| 2.3.3 系统参数选择 |
| 2.4 目标检测算法研究 |
| 2.4.1 动目标显示 |
| 2.4.2 动目标检测 |
| 2.4.3 恒虚警检测 |
| 2.5 本章小结 |
| 3 线性调频连续波雷达系统硬件设计 |
| 3.1 引言 |
| 3.2 功能描述与整体方案设计 |
| 3.3 雷达传感器接口电路设计 |
| 3.4 DSP及外设电路设计 |
| 3.4.1 DSP选型依据 |
| 3.4.2 JTAG接口电路设计 |
| 3.4.3 EMIF外扩存储接口电路设计 |
| 3.4.4 通信接口电路设计 |
| 3.5 电源模块设计 |
| 3.6 时钟模块设计 |
| 3.7 回波模拟信号调理电路设计 |
| 3.7.1 滤波电路设计 |
| 3.7.2 增益可控放大电路设计 |
| 3.8 PCB设计要求与实现 |
| 3.9 本章小结 |
| 4 线性调频连续波雷达系统软件实现 |
| 4.1 引言 |
| 4.2 系统软件总体设计 |
| 4.3 发射波形控制模块软件实现 |
| 4.4 信号采集模块软件实现 |
| 4.5 雷达信号处理模块软件实现 |
| 4.6 以太网通信软件实现 |
| 4.7 本章小结 |
| 5 雷达系统测试与验证 |
| 5.1 引言 |
| 5.2 硬件平台调试 |
| 5.2.1 电源模块调试 |
| 5.2.2 时钟模块调试 |
| 5.2.3 EMIF外扩存储电路调试 |
| 5.3 系统功能验证 |
| 5.3.1 以太网通信功能验证 |
| 5.3.2 发射波形控制模块验证 |
| 5.3.3 数据采集模块验证 |
| 5.3.4 雷达系统实测 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
