發(fā)布時間：2020-10-10 06:30

　　 目前,文獻對超聲波去噪處理采用的方法,大多是基于傅里葉變換和短時傅里葉變換。由于超聲波信號是一種非平穩(wěn)信號,并且常常表現(xiàn)為局部奇異,而傅里葉變換的基是全局性的基,沒有局部化的能力,所以傅立葉變換在處理這類信號時,其不足和缺點日益凸顯。短時傅里葉變換雖然在一定程度上彌補了傅里葉變換存在的缺點,但是,短時傅里葉變換的窗口是固定的,在一次變換中其寬度不會變化,所以短時傅里葉變換仍無法解決對非穩(wěn)態(tài)信號的處理問題。另外,在研究中發(fā)現(xiàn),測量前的設(shè)備調(diào)試,測量中的計算以及測量后的統(tǒng)計,都會引入較大的不確定性誤差,影響定位精度。因此,這些不確定性誤差,也成為本文亟需解決的實際問題。針對以上存在的問題,本文引入了小波變換理論來對超聲波信號進行降噪處理。因為小波變換可以對信號進行時頻分析,具有局部處理能力,是處理非平穩(wěn)信號的理想工具,也是目前處理非平穩(wěn)信號的研究的熱點。針對設(shè)備調(diào)試、計算以及統(tǒng)計中引入的不確定性誤差,本文基于神經(jīng)網(wǎng)絡(luò)能夠最大程度逼近真值的能力,設(shè)計了PSO-RBF神經(jīng)網(wǎng)絡(luò)模型。本文主要完成了以下研究工作:1.通過對文獻的調(diào)研和綜述,找出了提高超聲定位精度研究中存在的主要問題,并對超聲波信號產(chǎn)生影響的環(huán)境因素進行了分析,考察了受噪聲影響的超聲波信號的特征。2.將小波閾值降噪法應(yīng)用到了超聲波信號的降噪處理,主要進行了以下研究:(1)研究了小波基在小波閾值降噪法中的選取方法。由于不同信號的小波基是不同的,所以小波基的選取主要基于實驗。本文選取了三種不同的非平穩(wěn)信號作為測試信號,通過實驗進行了小波基選擇方法的研究。(2)研究了小波降噪法中分層數(shù)的選擇方法。在小波閾值去噪法中,分層數(shù)的選擇決定了信號分解的完整性,分解層數(shù)過低,會導(dǎo)致信號與噪聲的匹配特征不明顯;分解層數(shù)過大,重構(gòu)后的信號誤差較大。本文對分層數(shù)的選取,采用了如下方法:首先參考經(jīng)驗法選擇分層數(shù)的大致范圍,然后利用三種非平穩(wěn)信號對以上實驗選定的小波基進行實驗測試,從測試結(jié)果來確定分層數(shù)。(3)研究了小波降噪?yún)?shù)選擇的融合指標(biāo)方法。以上的研究是根據(jù)均方根誤差、信噪比、平滑度和相關(guān)系數(shù)來評價小波基和分層數(shù)的去噪效果,本節(jié)主要是研究如何把不同的評價指標(biāo)融合成一個復(fù)合評價值,簡化參數(shù)的選擇過程,提出了一種基于復(fù)合評價值的小波去噪?yún)?shù)選擇方法。該方法是通過構(gòu)建了復(fù)合評價值來同時確定小波基和分層數(shù)。3.將以上研究的小波降噪方法和PSO-RBF神經(jīng)網(wǎng)絡(luò)模型,應(yīng)用到超聲波定位算法中,對傳統(tǒng)的三邊定位算法進行了改進。4.改進定位算法,設(shè)計了一套超聲波定位系統(tǒng)。主要完成了一些設(shè)計工作:(1)完成了系統(tǒng)的總體設(shè)計。⑵完成了系統(tǒng)的硬件設(shè)計。設(shè)計的硬件電路主要有:節(jié)點控制電路、節(jié)點電源電路、超聲波發(fā)射電路、超聲波接收電路、射頻電路及接口轉(zhuǎn)換電路。⑶完成了系統(tǒng)軟件設(shè)計。軟件設(shè)計分為上位機程序和各個節(jié)點程序。設(shè)計的上位機軟件主要有各種算法程序、控制程序及通信程序。設(shè)計的節(jié)點程序主要有:超聲波發(fā)射和接收程序、射頻發(fā)射和接收程序、測距算法程序等。5.對所設(shè)計的系統(tǒng)進行了性能分析。實驗結(jié)果表明,本文所提出的小波降噪方法及PSO-RBF神經(jīng)網(wǎng)絡(luò)模型是正確的,并具有可行性。實驗結(jié)果也證明,本文設(shè)計的系統(tǒng)在一定程度上提高了定位精度,具有一定的應(yīng)用價值。
【學(xué)位單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN911.7;TP183
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 空間位置感知技術(shù)的國內(nèi)外研究現(xiàn)狀
    1.3 超聲波位置感知中存在的問題分析
    1.4 論文的主要研究內(nèi)容及章節(jié)安排
        1.4.1 論文主要研究內(nèi)容
        1.4.2 論文章節(jié)安排
    1.5 本章小結(jié)
第二章 超聲波信號產(chǎn)生影響的環(huán)境因素及特點分析
    2.1 超聲波信號的產(chǎn)生和接收
    2.2 環(huán)境因素對超聲波的影響
        2.2.1 溫度對超聲波的影響
        2.2.2 距離對超聲波的影響
        2.2.3 噪聲對超聲波的影響
    2.3 受噪聲干擾的超聲波信號的特征及去噪研究中存在的問題
        2.3.1 受噪聲干擾的超聲波信號的特征
        2.3.2 去噪研究中存在的問題
    2.4 超聲波測距原理及定位算法
        2.4.1 超聲波測距原理
        2.4.2 三邊定位算法
    2.5 本章小節(jié)
第三章 小波去噪算法及對超聲噪聲信號的處理
    3.1 小波分析的理論基礎(chǔ)
        3.1.1 傅里葉變換與短時傅里葉變換
        3.1.2 連續(xù)小波變換
        3.1.3 離散小波變換
    3.2 小波閾值去噪法基本步驟
        3.2.1 小波基的選擇及試驗
        3.2.2 分層數(shù)的選擇和試驗
        3.2.3 小波閾值的改進
        3.2.4 軟硬閾值函數(shù)
    3.3 基于復(fù)合評價值的小波去噪?yún)?shù)選定
        3.3.1 構(gòu)建復(fù)合評價值
        3.3.2 參數(shù)統(tǒng)一選定方法程序設(shè)計
    3.4 實驗結(jié)果及分析
    3.5 超聲波噪聲信號處理實驗
    3.6 本章小節(jié)
第四章 基于PSO-RBF神經(jīng)網(wǎng)絡(luò)的感知位置確定
    4.1 RBF神經(jīng)網(wǎng)絡(luò)的發(fā)展和基本理論
        4.1.1 RBF神經(jīng)網(wǎng)絡(luò)的發(fā)展
        4.1.2 RBF神經(jīng)網(wǎng)絡(luò)基本理論
    4.2 基于PSO-RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)補償
        4.2.1 粒子群優(yōu)化算法
        4.2.2 構(gòu)建基于粒子群尋優(yōu)算法的RBF神經(jīng)網(wǎng)絡(luò)模型
        4.2.3 模型評價指標(biāo)
    4.3 實驗數(shù)據(jù)的采集
    4.4 實驗及結(jié)果分析
    4.5 本章小節(jié)
第五章 超聲波位置感知系統(tǒng)設(shè)計
    5.1 超聲波位置感知系統(tǒng)的總體設(shè)計
    5.2 感知系統(tǒng)的硬件設(shè)計
        5.2.1 未知節(jié)點設(shè)計
        5.2.2 參考節(jié)點設(shè)計
        5.2.3 匯聚節(jié)點設(shè)計
    5.3 超聲波空間位置感知系統(tǒng)的軟件設(shè)計
        5.3.1 超聲波發(fā)射接收程序流程設(shè)計
        5.3.2 射頻模塊程序設(shè)計
        5.3.3 上位機程序設(shè)計
    5.4 本章小節(jié)
第六章 空間位置系統(tǒng)性能實驗及分析
    6.1 評估實驗
        6.1.1 實驗系統(tǒng)的搭建
        6.1.2 實驗步驟設(shè)計
        6.1.3 實驗數(shù)據(jù)的采集
    6.2 實驗數(shù)據(jù)分析
    6.3 本章小節(jié)
第七章 結(jié)論與展望
    7.1 結(jié)論
    7.2 展望
參考文獻
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文和科技成果

【相似文獻】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預(yù)測法[J];金融經(jīng)濟;2017年18期

2 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學(xué)術(shù)動態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 鮑偉強;陳娟;熊濤;;基于進化神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測研究[J];電工技術(shù);2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會議論文 前10條

1 孫軍田;張U

本文編號：2834853