隨著人類對(duì)海洋的研究不斷深入,對(duì)海洋資源的需求以及對(duì)海洋安全的關(guān)切,使得如何探測(cè)各種目標(biāo)或資源成為了國(guó)內(nèi)外的一大研究熱點(diǎn),作為海洋探測(cè)關(guān)鍵手段的聲吶系統(tǒng)受到了極大的關(guān)注。在國(guó)產(chǎn)化的大背景下,國(guó)內(nèi)目前針對(duì)前視聲吶探測(cè)系統(tǒng)的研究仍處在比較初級(jí)的階段,技術(shù)不夠成熟、成本極高、環(huán)境適應(yīng)性差。因此,研究適應(yīng)性強(qiáng)、效果良好、能夠針對(duì)水下目標(biāo)進(jìn)行高效識(shí)別的前視聲吶探測(cè)及識(shí)別系統(tǒng),有著較好的工程應(yīng)用價(jià)值。本文針對(duì)以上情況,研發(fā)了基于嵌入式GPU的前視聲吶探測(cè)及識(shí)別系統(tǒng)。以英偉達(dá)公司的Tegra X1嵌入式GPU開發(fā)平臺(tái)為核心,采用模塊化、對(duì)象化的設(shè)計(jì)思想,分為上位機(jī)和下位機(jī)兩部分軟件系統(tǒng)。下位機(jī)軟件通過PCI-E從FPGA獲取聲吶原始DFT數(shù)據(jù),使用CUDA編程的方式完成GPU加速下的波束形成計(jì)算以獲得聲吶圖像數(shù)據(jù)。并基于ViBe算法提取前景數(shù)據(jù),采用形態(tài)學(xué)方法提取目標(biāo)圖像,應(yīng)用SIFT算法和BOW思想將目標(biāo)圖像特征向量提取出來,利用SVM算法實(shí)現(xiàn)了針對(duì)聲吶圖像的目標(biāo)識(shí)別。并以多線程配合的方式通過網(wǎng)絡(luò)向上位機(jī)傳輸原始聲吶數(shù)據(jù)和目標(biāo)識(shí)別結(jié)果。上位機(jī)實(shí)現(xiàn)了數(shù)據(jù)的存儲(chǔ)及相應(yīng)的顯示、回放功能,并具有簡(jiǎn)潔易用的... 

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 課題研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 課題研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
2 相關(guān)技術(shù)介紹
    2.1 CUDA
    2.2 ViBe相關(guān)算法
        2.2.1 ViBe模型的初始化
        2.2.2 ViBe模型的更新
    2.3 SIFT
        2.3.1 構(gòu)建高斯差分金字塔
        2.3.2 獲取特征點(diǎn)
        2.3.3 確認(rèn)特征點(diǎn)方向
        2.3.4 生成特征向量
    2.4 SVM
    2.5 本章小結(jié)
3 系統(tǒng)總體設(shè)計(jì)
    3.1 系統(tǒng)需求分析
    3.2 系統(tǒng)硬件框架
    3.3 系統(tǒng)軟件框架
        3.3.1 上位機(jī)總體設(shè)計(jì)
        3.3.2 下位機(jī)總體設(shè)計(jì)
    3.4 本章小結(jié)
4 軟件系統(tǒng)詳細(xì)設(shè)計(jì)
    4.1 上位機(jī)模塊設(shè)計(jì)
        4.1.1 初始化模塊
        4.1.2 日志模塊
        4.1.3 異常模塊
        4.1.4 數(shù)據(jù)獲取模塊
        4.1.5 數(shù)據(jù)存儲(chǔ)模塊
        4.1.6 數(shù)據(jù)解析模塊
        4.1.7 UI模塊
        4.1.8 參數(shù)中心
        4.1.9 命令收發(fā)模塊
    4.2 下位機(jī)模塊設(shè)計(jì)
        4.2.1 初始化模塊
        4.2.2 日志模塊
        4.2.3 異常模塊
        4.2.4 數(shù)據(jù)處理模塊
        4.2.5 波束形成模塊
        4.2.6 數(shù)據(jù)發(fā)送模塊
        4.2.7 命令收發(fā)模塊
    4.3 本章小結(jié)
5 前背景分割模塊設(shè)計(jì)
    5.1 ViBe初始化
        5.1.1 模塊初始化
        5.1.2 樣本空間初始化
    5.2 ViBe前景檢測(cè)
    5.3 ViBe背景模型更新
    5.4 基于GPU的并行優(yōu)化
        5.4.1 CUDA的并行處理
        5.4.2 ViBe的并行設(shè)計(jì)
    5.5 前背景分割模塊軟件結(jié)構(gòu)設(shè)計(jì)
    5.6 本章小結(jié)
6 目標(biāo)識(shí)別模塊設(shè)計(jì)
    6.1 目標(biāo)提取
    6.2 特征提取
    6.3 訓(xùn)練模型
        6.3.1 訓(xùn)練BOW
        6.3.2 訓(xùn)練SVM
    6.4 基于訓(xùn)練好的模型進(jìn)行預(yù)測(cè)
    6.5 目標(biāo)識(shí)別模塊軟件設(shè)計(jì)
    6.6 本章小結(jié)
7 系統(tǒng)測(cè)試及結(jié)果
    7.1 測(cè)試概要
        7.1.1 測(cè)試系統(tǒng)
        7.1.2 測(cè)試環(huán)境
        7.1.3 測(cè)試內(nèi)容
    7.2 測(cè)試結(jié)果及分析
        7.2.1 系統(tǒng)功能測(cè)試
        7.2.2 系統(tǒng)性能測(cè)試
    7.3 本章小結(jié)
8 總結(jié)和展望
    8.1 總結(jié)
    8.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]海洋經(jīng)濟(jì)發(fā)展正向質(zhì)量效益型轉(zhuǎn)變[J]. 丁瑤瑤.  環(huán)境經(jīng)濟(jì). 2019(13)
[2]基于FPGA的主動(dòng)聲吶相控發(fā)射信號(hào)生成技術(shù)[J]. 倪東波.  聲學(xué)與電子工程. 2019(02)
[3]某前視聲吶試制過程中的高旁瓣現(xiàn)象的消除[J]. 段江濤,王文琮,高正楊,石建飛,張學(xué)磊.  電聲技術(shù). 2019(01)
[4]海洋聲學(xué)目標(biāo)探測(cè)技術(shù)研究現(xiàn)狀和發(fā)展趨勢(shì)[J]. 楊益新,韓一娜,趙瑞琴,劉雄厚,汪勇.  水下無人系統(tǒng)學(xué)報(bào). 2018(05)
[5]基于聲吶圖像的水下目標(biāo)檢測(cè)、識(shí)別與跟蹤研究綜述[J]. 郭戈,王興凱,徐慧樸.  控制與決策. 2018(05)
[6]基于粒子群最小二乘支持向量機(jī)的前視聲吶目標(biāo)識(shí)別[J]. 石洋,胡長(zhǎng)青.  聲學(xué)技術(shù). 2018(02)
[7]基于聲吶圖像處理的船用水下目標(biāo)識(shí)別技術(shù)研究[J]. 辛光紅,楊波.  艦船科學(xué)技術(shù). 2018(04)
[8]結(jié)合Harris與SIFT算子的圖像快速配準(zhǔn)算法[J]. 許佳佳.  中國(guó)光學(xué). 2015(04)
[9]基于聽覺感知機(jī)理的水下目標(biāo)識(shí)別研究進(jìn)展[J]. 徐新洲,羅昕煒,方世良,趙力.  聲學(xué)技術(shù). 2013(02)
[10]基于形狀相似度的水下目標(biāo)識(shí)別算法[J]. 田曉東,劉忠.  聲學(xué)技術(shù). 2007(03)

碩士論文
[1]基于深度學(xué)習(xí)的水下目標(biāo)識(shí)別[D]. 趙增科.哈爾濱工程大學(xué) 2017
[2]便攜式三維圖像聲吶波速形成算法 FPGA 設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉松濤.浙江大學(xué) 2016



本文編號(hào)：3670056