关键词： 毫米波辐射计   综合孔径   被动成像   数据处理系统   自校正成像  

摘要： 毫米波成像技术具有全天候工作与物品穿透能力,在遥感、医疗、安检、军事等领域有着极高的应用价值。在众多被动毫米波成像体制中,综合孔径辐射计借助综合孔径技术通过小口径阵列天线等效成大口径天线,具有较高的技术优势。然而大量的接收通道与数据处理运算,导致较大的数据吞吐量与较高的运算复杂度,限制了综合孔径辐射计的实时成像应用。为实现具有较好实时性的综合孔径成像反演,需借助专用数据运算平台设计实现综合孔径数据处理系统,通过并行运算加速成像过程。现场可编程门阵列(FPGA)作为一种硬件可编程的专用集成电路,可依靠硬件加速数据处理系统的运算速度,同时其可编程特性也能够实现设计的灵活迭代。故本文拟在现有数据处理系统基础上,研究基于FPGA平台的数据处理系统,通过FPGA进行复相关与成像反演运算,实现具有较高清晰度和较好实时性的综合孔径数据处理系统。本文的具体研究内容包括:(1)设计综合孔径数据处理硬件平台用于毫米波信号采集与运算。该硬件平台通过高速数据采集卡对同步干涉接收机输出的正交下变频信号进行同步采集;通过数据运算平台进行复相关运算获得目标场景的可见度函数,并借助相应的成像算法从可见度函数反演出目标场景的毫米波图像。(2)基于FPGA平台对综合孔径数据运算开展并行加速设计。依据综合孔径成像反演过程及FPGA运算特点,对综合孔径复相关、MFFT成像反演与MP广义逆等运算进行设计与实现。实验结果表明,基于FPGA实现的数据处理算法具有较高的反演精度与较快的成像速度,其运算结果与MATLAB的定点化运算结果基本相同,能够满足综合孔径实时成像反演需求。(3)针对近场综合孔径成像反演中成像模型距离参数敏感度较高的问题,提出一种基于误差评价的自校正成像方法。依据综合孔径近场成像特性对实际毫米波图像进行校正,实现较为准确的目标场景重构反演。实验结果表明,采用误差评价的自校正成像方法能够有效校正实际毫米波图像,成像反演结果具有更高清晰度。

关键词： FMCW激光雷达   双边带脉冲调制   FFT   存储保护   Cortex-M3  

摘要： 近年,随着传感器、人工智能与芯片等技术的进步,智能辅助驾驶领域得到了快速发展。用于辅助驾驶领域的车载传感器主要包括毫米波雷达、激光雷达、摄像头、超声波传感器。其中激光雷达具有测距精度高、角辨率高等优点,是用于环境三维成像与目标识别的关键传感器。调频连续波(Frequency Modulated Continuous Wave,FMCW)激光雷达采用相干光电探测体制,可同时对目标距离、速度进行测量,是未来激光雷达阵列化、小型化、芯片化的重要技术发展路线。FMCW相干激光雷达,在发射端采用宽带激光线性调频调制,并在接收端通过光学混频获得外差去斜信号,该去斜信号的频谱信息可计算获得目标距离信息。系统需要对去斜信号进行高速采样,并设计具有距离结算,距离校准,数据打包传输等功能的数字信号处理系统。在辅助驾驶领域要求该系统具有高吞吐低延时,高可靠性的需求。 FMCW数据处理的数字系统能够对FMCW激光雷达的输出信号进行数字化处理,进而提取相关信息用于目标探测。本文针对FMCW激光雷达相干探测体制,探究了FMCW激光雷达的运作方式。由于双边带FMCW激光雷达相较于单边带具有更好的抗多径干扰能力,该特性使雷达体制本身具有可靠性,故本文选择双边带线性调频信号作为FMCW信号调制方式,并建立数学模型,推导距离的数据结算方法,设计了数据处理系统的芯片架构,并基于ARM Cortex-M3内核搭建SOC数字系统,确定了以FFT为数据处理核心的FMCW数据处理方法。 在FMCW激光雷达数据处理系统中,快速傅里叶变换(Fast Fourier Transform,FFT)将外差信号的时域数据转换为频域数据,通过频率位置计算目标物体的距离信息。结合MCU与丰富外设IP可实现灵活配置参数、数据调度与距离结算等。为此,针对FMCW激光雷达数据的频谱转换,论文研究高吞吐低延时FFT模块的数字电路设计。FFT模块主要包含乘法器、加法器等计算模块与分布式存储等。论文分析数据位宽与量化误差关系,存储资源与效率优化等因素。针对FMCW激光雷达数据的频谱转换,论文研究高吞吐低延时FFT模块的数字电路设计。基于对算法精度、计算效率以及算法可靠性的考量,设计了基-4蝶形计算FFT模块,可获得1024点频谱信息,结合数字控制电路能够结算物体可靠的距离信息。当数字系统工作在极端苛刻工况条件下,如硬件故障,存储器可能会出现访问出错,为增强数字系统的稳定性和对工作环境的适应性,特增加存储器保护电路和看门狗保护电路,通过存储器保护电路硬件冗余降低失效风险,通过看门狗解决程序bug与软件异常处理与复位,以此为数字系统提供错误检测和修复机制,以确保存储器访问和程序运行的正确性。 根据验证结果,数据处理单元能够获得1024点频谱信息,高可靠性数字系统能够结算物体距离,对于带宽400MHz,周期400μs的线性调频信号,1004.8米的实际物体距离下,数字处理系统距离测量误差率能够达到1.11%,测量一次距离耗时低于45μs,满足测量需求。算法的对称性和汉明码校验能够提升数据处理的可靠性。看门狗在程序运行过程中提供可靠性保障。对于存储器访问出现的1bit错误能够100%避免,2bit错误能够提示系统做出中断响应,保证了存储器访问的可靠性。综上所述,论文研究高可靠性SOC芯片,集成MCU的控制功能与FMCW激光雷达数字信号处理功能,为芯片级FMCW激光雷达的发展提供支持。

关键词： RISC-Ⅴ   Rocket Chip   图像处理   Sobel边缘检测   FPGA  

摘要： 近年来伴随着数据通信技术的迅速发展,数字图像处理得到了广泛的应用,其重要性也越来越高,涉及科学研究、工业制造、医疗教育等多个领域,实时图像处理技术在目标检测、机器人以及车载等场景中都有着大量应用。针对辅助驾驶和医疗诊断等应用场景,在图像处理过程中需要提取大量的图像边缘信息,图像数据之间的关联性很高,并且实际的应用场景也对图像的传输时间有着严格限制,现阶段的实时图像处理系统计算效率和适配性仍不能满足需求。而基于SoC的图像边缘检测设计既可以满足硬件系统的实时性要求,也可以发挥软件系统的灵活性。然而其目前存在一些问题,如SoC的开发成本相对较高,使得一些低成本应用难以采用;SoC的开发难度相对较大,需要集成不同的模块和IP核,模块之间互联复杂,因此SoC设计的复杂度非常高。 本文针对图像数据处理SoC在开发中存在的成本与复杂度的问题,分析了目前主流的处理器架构,采用了开源的RISC-Ⅴ架构方案。与传统架构相比RISC-Ⅴ的指令集架构更加精简,并且具有的开源优势,使得基于RISC-Ⅴ架构的处理器与ARM处理器相比更具性价比,性能更好、面积与体积更小,更适合在嵌入式领域应用。而且通过Rocket Chip的模块参数化以及Chisel的参数级联特性,可以大大降低SoC设计的复杂度。因此本文基于RISC-Ⅴ的Rocket Core构建了SoC,并针对图像处理中的边缘检测进行研究,设计了利用Sobel算子进行边缘检测的图像处理SoC。 针对图像处理SoC的系统搭建,本文设计内容包括SoC的系统配置、图像采集系统的硬件设计和Sobel边缘检测模块设计。图像采集系统包括图像采集模块、MIPI CSI-RX控制器以及总线桥模块。其中图像采集模块负责对摄像头进行寄存器配置,并将摄像头数据整理后传输给图像处理模块。MIPI CSI-RX控制器负责管理图像传感器和应用处理器之间的接口,完成从输入字节数据到输出像素数据的转换。总线桥模块可以灵活适配AXI IP资源,使得Tile Link与AXI两种总线间的数据传输更加高效。边缘检测的核心模块包括灰度处理、图像缓冲和计算模块,实现了基于3×3 Sobel算子的数据处理,并在传统两方向的Sobel算子基础上扩展为八方向模板。 针对RISC-Ⅴ SoC系统功能的验证问题,通过软件模拟器对搭建的SoC进行验证,并对处理器的Dhrystone性能参数进行测试,其DMIPS/MHz值约为1.52,接近Coretex-A5的1.57DMIPS/MHz值。利用Xilinx AXU3EG开发板,对构建的SoC进行FPGA实现,实现了边缘检测的功能,一帧图像的处理时间约为4ms,满足每秒60帧的系统实时性指标。并且与软件处理结果相比,边缘检测整体效果良好。

摘要： 随着我国经济的高速发展，物联网产业得到了进一步的发展，人们对信息服务的要求也越来越高，这就需要物联网产业加快技术更新与创新。新时期，由于物联网产业的迅速发展，物联网产业的产品总量及种类都在不断增加，其自身产生的信息体量也越来越庞大，因此为了更好地满足市场经济发展的需求，就必须要对大数据技术展开深入的研究与探索，将其更好地应用到物联网产业中，推动物联网的进一步发展。

关键词： GNSS   边坡变形   箱形图-小波去噪   LSTM-ARIMA  

摘要： 边坡监测是边坡灾害防治和预测预警的重要手段之一,也为分析整体变形趋势提供了重要依据。GNSS(Global Navigation Satellite System)技术已经成为边坡变形监测的有效工具之一。本文对GNSS技术在边坡变形预测方面的应用做了初步的研究,主要研究成果总结如下:(1)鉴于GNSS在数据采集方面的优越性,在探究GPS、GLONASS、GALILEO、BDS在全球定位系统的基础上,研究了GNSS组成,定位原理,观测量及误差分析。采用“无规则三角形”对GNSS监测误差进行优化,并将GNSS技术用于某水利枢纽工程边坡变形数据采集。(2)由于小波去噪在研究局部异常值分析的不足,提出采用箱形图线性插值预处理数据方法,实例表明,经过此方法预处理后的整体数据得到优化。对预处理后的数据进行小波去噪,实例表明,使用通用阈值规则、软阈和sym8小波的去噪效果最好。并对经小波去噪后的三维变量进行分析,分析结果可知某水利枢纽1-7月份的左岸边坡和右岸边坡同时存在纵向位移和水平位移的变化,且变形在合理范围以内。(3)针对于LSTM模型线性预测精度不足的问题,采用ARIMA模型对LSTM预测的残差序列进行了修正。利用去趋势波动分析法求得差分阶数,再分析ACF和PACF得到自回归阶数和移动平均阶数,最终构建ARIMA模型。研究LSTM-ARIMA组合模型预测能力,实例表明,LSTM-ARIMA模型相比于LSTM模型预测分析指标更精确,预测能力更强。

关键词： 管道泄漏   数据处理   泄漏定位   流场   声学特性  

摘要： 天然气作为重要资源,广泛应用于发电、化工、民生等领域。而天然气管道在长期使用中由于各种原因发生泄漏,极易造成环境污染和人员伤亡,因此针对管道泄漏开展定位研究具有重大意义。本文以天然气泄漏管道为研究对象,研究泄漏声信号的传播规律与时频特性,并将声信号进行特征提取从而进行泄漏管道定位分析。主要研究内容包括:首先,本文以直管与三通管道为研究对象,对不同压力和泄漏孔径条件下的管道进行数值模拟分析。得到不同影响条件下管道流场分布的变化规律,并依此进行泄漏管道声场分布的研究,获得不同条件下泄漏孔两侧声信号传播规律和时频特性。其次,针对原始声信号无法对管道泄漏位置进行准确识别的问题,本文采用一种改进经验小波变换方法对原始声信号进行特征提取。传统经验小波变换存在需人工预先设定分解尺度以及频带划分问题,可采用小波包分解与小波包多尺度信息熵理论对经验小波变换进行改进。利用信息熵与原始信号熵的占比确定分解尺度,并基于选取频带能量的局部极小值作为边界对信号频带进行划分,通过经验尺度函数与经验小波函数构成的小波滤波器组进行声信号的频谱分割,达到对信号进行合理划分的目的。最后,为了验证泄漏管道定位的准确性。通过建立直管与三通管天然气泄漏管道定位模型,利用改进经验小波变换对采集到的管道声信号进行特征提取,以相关系数为依据选取声信号分量进行互相关定位分析。得到对直管与三通管道泄漏位置定位的准确率分别为99%与94.8%,结果验证了本文方法在泄漏管道定位方面的准确性。

关键词： 糖尿病风险   不平衡数据   过采样   机器学习分类算法  

摘要： 近年来,全球糖尿病形势愈发严峻,患病人群数量庞大。机器学习算法在医疗诊断领域应用广泛,但医疗数据常常存在数据不平衡的问题。因此,本文提出一种改进SMOTE算法平衡数据集,并建立糖尿病风险预测模型,旨在降低诊断过程中的漏诊率和误诊率,对风险人群起到早期诊断、疾病预警作用,及时干预糖尿病前期或者预防糖尿病并发症,同时尽可能节约医疗资源。本文对于来自天池精准医疗大赛的糖尿病数据集进行研究,主要的研究工作和结论如下:(1)根据后续算法要求,对数据进行预处理。处理异常值时保留温和异常值,剔除极端异常值。对于缺失值,删除缺失比例超过70%的特征和小于1%的特征样本,其余特征采用填充法,服从正态分布则填充均值,否则填充中位数。进行特征选择时,结合Spearman相关系数和随机森林的特征重要度筛选出22个特征。(2)对于非均衡数据的处理,针对SMOTE可能会生成噪音点、样本分布边缘化的问题,提出一种改进SMOTE算法。该算法融合边界思想和聚类算法,根据K近邻将少数类样本分为噪音点、边界点和安全点,剔除噪音点后对余下的少数类样本进行K-means++聚类。对于每一簇,在生成新样本时仅选取边界点,将聚类中心的最近邻边界点和同簇内随机选取的其它两个边界点构建三角形,在两个随机选取的边界点与三角形重心的连线上分别生成新样本。本文将改进SMOTE算法与SMOTE、Borderline-SMOTE方法进行比较,验证改进SMOTE算法的有效性。首先从KEEL平台中选取5个不平衡数据集进行实验对比,结果表明改进SMOTE算法总体表现最好,初步验证了改进SMOTE算法的可行性。然后对于糖尿病数据集,平衡数据集后分别建立多种机器学习模型,实验结果表明结合改进SMOTE算法建立的模型预测效果更好,进一步验证了改进SMOTE算法的有效性。(3)对结合改进SMOTE方法建立的机器学习模型进行分析。本文运用逻辑回归、随机森林、GBDT、XGBoost、Cat Boost算法建立糖尿病风险预测模型。实验表明,逻辑回归模型的性能最好,其次是Cat Boost、XGBoost模型。根据模型的特征重要度探究患糖尿病风险的影响因素,年龄为最主要因素。实验分析表明,改进SMOTE算法结合逻辑回归模型预测效果最好,能有效辅助医疗诊断,节约医疗资源。

关键词： 拉曼光谱   乙醇水溶液   浓度   数据处理   偏最小二乘回归  

摘要： 乙醇作为有机溶剂被广泛应用于医学、食品工业等领域,例如75%浓度的乙醇溶液常用于杀菌消毒。然而不同厂商生产的乙醇溶液质量参差不齐,多次出现乙醇浓度虚标现象,因此需要一种便捷、快速的检测手段对乙醇溶液的真实浓度进行检测。拉曼光谱是一种能对分子进行“指纹图”分析的技术,它不挑剔样品的状态,并且无需对样品进行前置处理即可直接进行检测。拉曼光谱的强度与样品浓度呈正相关,当样品浓度较低时,拉曼光谱信号容易淹没在噪声中从而无法直接进行辨认,给后续的定性、定量分析带来误差。本文利用拉曼光谱技术,选择不同浓度的乙醇水溶液作为样本,搭建以及优化拉曼光谱探测系统,根据实验数据结果讨论光谱处理方法以及定量分析方法。具体内容如下:首先,以浓度为50%的乙醇水溶液为样本,使用搭建的拉曼光谱检测系统对其进行拉曼光谱检测,与仿真所得乙醇分子的拉曼光谱进行对比分析,分析其拉曼特征峰位置与振动归属,确定乙醇水溶液中乙醇分子振动产生的拉曼特征峰分别位于890.7cm-1、1058.6 cm-1、1098.6 cm-1、1265.8 cm-1、1461.3 cm-1、2941.6 cm-1、3016.2 cm-1,处,验证了所搭建实验系统的可行性。其次对实验系统的参数进行优化选择,最后确定的最佳参数为:电流强度为1000 m A,积分时间为2000 ms,平均次数为3次。确定最佳的实验参数后,利用该系统测量不同浓度的乙醇与蒸馏水的混合溶液,获取它们的拉曼光谱图,为下文乙醇水溶液拉曼光谱分析以及定量回归模型的建立提供数据支持。随后对获得的不同浓度的乙醇水溶液拉曼光谱进行数据预处理,利用窗口长度为5的Savitzky-Golay滤波法结合集成经验模态分解法实现乙醇水溶液拉曼光谱的去噪以及特征信号的放大,采用自适应迭代加权惩罚最小二乘法进行荧光背景的扣除。应用Kennard-Stone算法以3:1的比例将样本分为训练集和测试集,分别使用多元线性回归,主成分回归,偏最小二乘回归对光谱进行回归分析。相较于使用全波段拉曼光谱进行定量预测模型的建立,使用拉曼特征峰信号强度与浓度建立回归模型,能够有效的提高模型的精度,缩短建模时间,使用偏最小二乘回归建模所得效果最佳,其决定系数以及均方根误差为0.9795和0.0072,能够实现更加准确的乙醇水溶液浓度预测,预测准确性较高,稳健性较好。为由于样品浓度低从而获得质量较差的拉曼光谱的定性、定量分析提供方案策略。

关键词： 混凝土重力坝   数据处理   参数反演   监控模型  

摘要： 混凝土重力坝作为我国防洪、发电及航运等方面的重要基础设施之一,其健康运行与否关乎广大人民的生命财产安全和社会稳定。然而,在役混凝土重力坝安全监测系统易受诸如监测仪器异常、外部荷载扰动和监测过程疏漏等多方面多源头关联因素影响,常导致原型监测资料缺漏及发生数据异常现象。建立有效的混凝土重力坝安全监控模型是感知大坝安全服役性态的重要手段,可靠的监测数据资料是大坝安全监控模型构建的前提,本文针对大坝观测资料中存在不完整性和数据野值现象,综合运用统计学、深度学习以及信号处理等方法,通过开展其原型变形监测数据的可靠性识辩及预处理工作,进而获取内蕴原型观测信息的变形监测数据,系统研究并提出了混凝土重力坝变形性态参数识别和变形行为多测点监控方法。主要研究内容如下:(1)针对混凝土重力坝原型观测序列中存在异常值与缺值等问题,通过对其观测野值及时序数据不完整性影响分析,采用孤立森林法对其变形观测时序数据的可靠性识辩,并运用VMD-Bi LSTM方法对混凝土重力坝变形不完整时序数据实施有效填补,进而提出了适用于混凝土坝变形观测数据的可靠性识辩及预处理方法。(2)考虑反演混凝土重力坝主要力学参数过程中存在繁琐性及计算效率低等问题,本文运用果蝇优化的BP神经网络算法,构建了混凝土重力坝静载响应代理模型,并结合拉丁超立方抽样抽取力学参数组合及COMSOL有限元平台计算结果,从而提出了基于代理模型的混凝土重力坝变形性态参数识别方法。(3)针对传统大坝单测点变形监控模型难以合理表征空间变形场中同一坝段不同测点的综合响应特性问题,本文基于其单测点变形监控统计模型,构建了基于数理统计的混凝土重力坝多测点变形监控模型,并运用贝叶斯优化的Light GBM算法及安全监控混合模型构建方法,进而提出了基于数据与物理驱动的混凝土重力坝多测点变形监控混合模型。

关键词： 高密度电法   边坡物探   数据处理   时移反演   灾害源演化  

摘要： 边坡安全问题一直是困扰露天矿正常生产的难题。准确了解边坡内灾害源的分布和演化对于更有效地保障露天矿山生产安全具有重要的意义,也因此成为当前研究的热点问题。传统的边坡灾害源探测工作主要采用钻探、高密度电法、地质雷达等方式,但仅能反映勘探时的灾害源分布情况。时移高密度电法是一种基于高密度电法的新型地球物理探测技术,通过对露天矿边坡内灾害源及其周围地质环境的重复高密度电法测量,可以揭示灾害源演化的机理和演化规律,为灾害预防和治理提供科学依据和技术支持。 为了提高数据的信噪比,凸显地下介质的时空演化特征,本文对时移高密度电法探测中的数据处理技术进行了研究。为了消除异常值的影响,对原始数据采用均值阈值方法进行异常值点去除并采用保形分段插值方法进行插值。为了降低数据中的随机噪声影响,先采用sym6小波对视电阻率数据进行5层小波分解,然后选用软阈值法去除高频部分中的噪声成分,最后通过傅里叶逆变换得到处理后的数据。为了校正时移断面数据,借用断面数据连接中的参数区域法,以地质稳定区域作为基准,对时移断面数据施加地质约束,进行时移数据校正。此外,本文建立了一系列数值模型,采用同一位置区域的反演电阻率与时间间隔的导数作为演化特征参数,对边坡内灾害源扩大的演化和边坡仅发生灾害源内部的演化进行了研究。最后,将该方法应用于某大型露天矿边坡内灾害源探测研究中,取得了一些有价值的成果: (1)常规高密度电法可以识别出边坡内灾害源。针对边坡内灾害源仅发生内部的演化,采用多次常规高密度电法对其演化过程进行探测时,通过对反演图像进行对比,难以识别其演化。针对边坡内灾害源发生扩大的演化,通过多次常规高密度电法对其演化过程进行探测,从反演图像上可以大致识别出其扩大演化区域,但不能凸显其演化特征。 (2)建立了一套基于时移高密度电阻率法的边坡内灾害源演化数据处理流程。该流程包括以下步骤:首先保证仪器设备和测量电极位置的不变。然后对同一测量剖面不同期次的探测数据使用相同的数据降噪方法。接着,采用参数区域法对探测数据进行地质约束。然后将多期次的反演结果进行数据插值及网格化,以便进行后续的数据处理。最后,采用同一位置区域的归一化反演电阻率与时间间隔的导数来凸显灾害源演化特征。该流程可以有效地处理时移高密度电阻率法探测数据,以便更好地研究边坡内灾害源的演化情况。 (3)本文对时移高密度电法数据采取的处理方法能够在反演图像上有效显示边坡内灾害源的演化情况。先通过对原始探测数据进行均值阈值滤波、小波去噪、地质校正和归一化处理,然后采用同一位置区域的归一化反演电阻率与时间间隔的导数,可以有效识别边坡内灾害源的动态演化,并从变化数量级和变化区域等方面凸显其演化特征。未发生演化的灾害源区域以及岩性稳定区域在数值上接近于0,而发生演化区域数值较大,等值线密集。 (4)本文以某大型露天矿边坡为例,对基于时移高密度电阻率法的边坡内灾害源演化探测方法进行了具体应用。通过对比归一化反演电阻率与时间间隔的导数图像和与对应时间的勘察结果,验证了本文提出的方法能够有效地识别边坡内灾害源演化,并与现场勘察结果相符。这表明本文提出的方法在实际应用中具有一定的可行性和有效性,有望成为边坡内灾害源演化探测的新方法。