ISBN: (纸本)9787111739425

摘要： Faber-Perot（F-P）传感系统是一种基于光学干涉原理的精密传感技术，能对多种物理量进行测量。解调算法是提取物理量信息的关键，本文讨论了峰值追踪、相位解调、波长解调和传输矩阵法等常用算法，介绍了如何通过各种信号处理技术进一步提取和精炼信息，并从灵敏度、精度、稳定性、分辨率和抗干扰能力等方面进行性能评估。这些内容为F-P传感系统的研究与应用提供了全面深入的理论基础。

关键词： GNSS-R   原始中频数据   高分辨率DDM   河流流速检测   湖泊边界检测  

摘要： 地球反射全球导航卫星系统（Global Navigation Satellite System,GNSS）信号可由地基、机载或专用轨道星载接收机接收,用于遥感和地球观测目的。近年来,GNSS-R（Global navigation satellite system reflectometry technology）实验任务大多只能提供GNSS-R Level-1（L1）数据即信号反射功率的延迟多普勒图（Delay Doppler Maps,DDM）作为主要数据产品,由于其时空分辨率较低且固定,已不能满足目前高精度的反演需求。除了DDM产品外,其中一些GNSS-R任务实验还收集了大量的原始中频（Intermediate Frequency,IF）数据,原始中频数据是指在模数转换器（Analog to Digital Converter,ADC）之后和任何数字处理之前记录的原始卫星信号样本的数据流。这些原始中频数据的未处理性质为探索GNSS反射测量（GNSS-R）技术在先进地球物理应用提供了独特的机会。相较于GNSS-R L1 DDM产品数据,使用软件定义的接收机对GNSS-R的原始中频数据进行处理,可以提取出更多的潜在信息（如干涉载波相位观测值、残差多普勒观测值等）,挖掘更多的反射面物理特性信息,获得更高分辨率的跟踪相关结果,反演结果具有更高的精度和更高的时空分辨率。本研究以GNSS-R原始中频数据为基础进一步获取高时空分辨率、高精度的信号特征量进而实现GNSS-R高精度反演,以目前本课题组实施的岸基GNSS-R河流流速项目实验数据和公开的星载GNSS-R原始中频数据为依托,以岸基平台下河流流速检测与星载平台下湖泊检测为科学目标,旨在提取GNSS-R反射信号中的物理反演特征、提升GNSS-R反演精度、挖掘更多GNSS-R应用可行性。本文主要研究工作和贡献如下:（1）给出了岸基实验条件下GNSS直射信号和反射信号捕获跟踪方法以及直射/反射信号之间码片延迟和载波相位观测值延迟的精确提取算法。（2）针对GNSS-R星载遥感卫星原始反射信号高动态性、低信噪比的特点,将二阶锁频环辅助三阶锁相环的闭环跟踪方法运用于GNSS-R原始反射中频数据的处理上,成功对星载实验条件下(以CYGNSS（cyclone global navigation satellite system）,TDS-1（Tech Demo Sat-1）为例)的原始中频数据实现了跟踪。对于CYGNSS,分别给出了使用CYGNSS原始中频数据对海洋和陆地表面的反射事件进行相关后生成DDM的结果,使用皮尔逊相关系数定量地对CYGNSS原始中频数据的相关结果与对应的L1 DDM进行验证。其中,海洋反射事件的皮尔逊相关系数为0.976,陆地反射事件的皮尔逊相关系数为0.807,均表现出高相关性。对TDS-1原始数据相关结果分析,分别给出了其海面反射事件和海冰反射事件的相关结果,定性分析相关结果符合菲涅尔反射原理。CYGNSS和TDS-1的结果证明了使用本文设计的跟踪环路,实施对星载实验条件下的GNSS-R原始中频数据解调的泛用性,使用该方法可以生成更高分辨率的DDM,为后续星载实验条件下的高分辨率反演奠定了基础。（3）在实现对岸基平台下GNSS-R原始中频数据解调与跟踪的基础上,本研究使用基于载波相位观测值的河流流速反演模型。干涉相位是多普勒频率的积分。通过第一章介绍的闭环跟踪方法对GNSS-R原始中频数据集进行跟踪处理,得到河流流动产生的多普勒频移观测值,进而实现速度反演。实验数据为本课题组于2021年4月22日,在江苏省南京市大胜关长江南岸进行了近两个小时的岸基河流实验数据。在使用GPS L1频段GNSS-R原始中频数据实现河流流速反演后,进一步实现了BDS B1I GEO卫星与IGSO卫星的联合反演,验证了利用BDS反射信号反演河流流速的可行性。与实际河流流速相比,GPS L1 PRN4（第一阶段）反演精度可达0.028 m/s（平均绝对误差,MAE）和0.036 m/s（均方根误差,RMSE）。BDS GEO 2反演精度可达0.048 m/s（MAE）和0.063 m/s（RMSE）,BDS IGSO 10反演精度可达0.061 m/s（MAE）和0.073 m/s（RMSE）。进一步分析实验环境表明,卫星高度角变化率和镜面点与流量表的距离对河流流速反演精度有一定的负面影响。镜面点被障碍物阻挡或距离测速仪太远,都可能导致MAE和RMSE的不确定误差。无论是卫星高度角还是信号强度都与反演精度没有明显的相关性,这与理论原理是一致的。（4）在实现对星载平台下CYGNSS、TDS-1原始中频数据解调与跟踪的基础上,本文首次使用CYGNSS原始中频数据,使用第一章对星载平台下GNSS-

关键词： 星地协同   高光谱图像   波段融合   目标检测   光谱解混  

摘要： 由于数据传输质量高且不受复杂地理条件和人为事件的影响,星载高光谱遥感得到了广泛的应用。然而,传统的星载遥感数据处理系统存在应用模式复杂、数据处理集中、各个环节之间相互独立、响应速度慢等问题,无法满足对海量高光谱数据进行高效处理的需求。数据融合技术是一种从海量数据中挖掘出有效信息的重要手段,常被用于高光谱遥感数据处理系统。根据融合层级的不同,遥感影像的数据融合方法可以分为像元级融合、特征级融合与决策级融合。像元级融合信息损失量小、处理精度高,但实时性较差;特征级融合进行了部分数据压缩,存在一定程度的信息损失;决策级融合处理速度快、通信量小,但存在信息损失量大、处理精度低的缺点。为了减少遥感数据的信息损耗、提高数据处理的速度与精度,本文提出基于星地协同数据处理的波段融合模型,面向不同的任务设计高光谱波段融合方法,联合波段评价准则设计加权迭代融合优化方法。主要研究内容如下:(1)基于波段级的星地协同数据融合处理模型。为了实现星地的高效互联,提出基于星地协同数据处理的波段融合模型,根据融合模块的不同提出了两种融合模型,卫星-基站融合模型与基站-基站融合模型。卫星-基站融合模型通过序贯融合单一波段分布式处理星载高光谱数据,基站-基站融合模型通过渐近融合波段子集整合分析星载高光谱数据。实验表明,基于星地协同数据处理的波段融合模型实现了数据传输与数据处理的同步运行,应用模式简单,响应时间短,能够满足对海量高光谱数据进行高效处理的需求。(2)面向不同任务的高光谱实时融合处理方法。为了解决海量高光谱数据对遥感处理系统造成的存储负荷过高、处理速度过慢问题,首先,为不同的数据分析任务确定目标函数,基于Woodbury矩阵恒等式以及分块矩阵求逆原理等理论,根据融合场景的不同分别设计单一波段之间的融合算法、波段集合与单一波段的融合算法以及波段集合之间的融合算法。然后,面向目标检测、异常检测与光谱解混任务,基于RAD(Autocorrelation matrix R-based anomaly detector)算法、CEM(Constrained Energy Minimization)算法和LSOSP(Least Squares Orthogonal Subspace Projection)算法推导波段融合公式,提出基于采集顺序的波段融合方法、基于初始波段驱动的波段融合方法、基于波段排序的波段融合方法与基于波段选择的波段融合方法。实验结果表明,所提方法实现了数据传输、波段融合与应用分析的同步处理,降低了卫星硬件配置的要求,提高了星载高光谱数据的处理效率。(3)联合波段评价准则的加权迭代融合优化方法。基于正交投影定理定义波段优先级分数,制定基于排序的波段评价准则和基于搜索的波段评价准则,通过调整波段的次序优化波段融合方法。面向检测任务,充分利用波段内部丰富的空间信息,联合相应的波段评价准则构建全局权重与局部权重相结合的加权迭代实时融合方法,通过增大地物目标与背景像元之间的差异度对空间信息进行正向迭代反馈。实验结果表明,所提方法增强了波段的地物表征能力,在目标检测任务和异常检测任务中都有很好的表现,提高了检测任务的准确率和效率,实现了高光谱数据的精确融合与动态分析,在星载高光谱图像检测任务中具有广阔的应用前景。

关键词： 毫米波雷达   工业相机   数据处理   目标检测  

摘要： 本文主要讨论了基于AWR1642毫米波雷达和工业相机的目标检测方法与结果分析。本文以AWR1642毫米波雷达以及acA 1600-20gc工业相机为硬件基础，在进行正确配置后，通过程序分别对雷达开发板以及相机进行简单的编译和开发。运用简单算法对串口数据进行处理得到毫米波雷达目标检测数据，之后通过MATLAB平台创建界面，进而实现对获取数据的实时显示。根据帧差原理，通过Visual Studio平台调用OpenCV视觉库，实现对相机获取图像的处理，得到并显示视觉检测数据。之后，设立典型目标和参照，整合通过两种方式获取的数据并进行分析，得出二者检测能力的差异和特点。本设计能够满足分别通过毫米波雷达和工业相机实现目标检测与定位的基本需求，并且测试精确度较高，可针对运动目标进行检测。

关键词： 重要数据   数据分类分级   数据处理者   数据安全保护义务   刑事责任  

摘要： 按照《数据安全法》数据分类分级的保护要求和《刑法》的法益保护机能,重要数据具有刑法单独保护的必要。《数据安全法》第52条中有“违反本法规定……构成犯罪的,依法追究刑事责任”的表述,故刑法应当做出合理应对。但是,当前刑法并无针对性罪名有效保护重要数据,因此当刑法无法再在解释层面寻求突破的情况下则应当提供新的规范供给。基于行政犯罪行为行政、刑法责任的二元制裁体系,采取秩序化的保护模式才能更有效地保护重要数据;在结合《数据安全法》的立法目的和重要数据本质特征的基础上,应当确定法益内容是以“保障重要数据真实性和安全性为义务内容”的数据安全管理秩序;为进一步加强对重要数据的刑法保护,建议增设拒不履行重要数据安全保护义务罪,以针对性地追究重要数据处理者不履行安全保护义务的刑事责任。

关键词： 分布式光纤传感   布里渊增益谱   差分进化算法   块匹配三维滤波   长短期记忆网络  

摘要： 布里渊光时域分析系统(BOTDA)具有分布式、长距离、不易受电磁干扰等优点,广泛用于传感光纤沿线的温度、应变、压力和振动物理参量检测。随着BOTDA传感系统的广泛应用,对其传感距离、测量精度和测量时间等指标也提出了更高的要求。本文基于智能算法处理布里渊增益谱(BGS)数据,实现信号信噪比和测量精度的提升,减少累加次数和扫频点数,从而减少测量时间。 为了改善BOTDA系统传感信号的信噪比,提出了基于差分进化算法优化的三维块匹配滤波(DE-BM3D)信号降噪方法。仿真生成了σ=1、σ=5、σ=10、σ=15不同噪声水平的布里渊增益谱。采用DE-BM3D算法对含噪BGS进行降噪,并与常用的小波算法进行比较,结果表明,在上述不同噪声水平下,该算法对于信号信噪比的提升均优于小波算法,且降噪后的三维BGS噪声成分明显减少,信号更加平滑。 为了提升BOTDA系统在大扫频步长情况下的测量精度和稳定性,采用长短期记忆网络(LSTM)获取光纤沿线的温度信息。通过仿真生成了不同扫频步长、不同带宽和信噪比的BGS,来对比验证LSTM算法、洛伦兹拟合(LCF)和极限学习机(ELM)算法的性能。在本文设定的2～15MHz扫频步长范围内,相较于LCF和ELM算法,LSTM算法预测误差分布更为均衡。在扫频步长为2MHz时,LSTM算法的均方根误差(RMSE)为0.1422℃,ELM算法的RMSE为0.8872℃。 本文搭建了BOTDA传感系统,进行了温度传感实验。针对实验数据中信号畸变问题,基于单模光纤受激布里渊散射机理,将谱减法用于畸变信号校正,取得了很好的效果。采用DE-BM3D算法对不同累加次数实验BGS数据进行降噪,该算法在累加次数10时降噪信号信噪比为11.85d B,优于累加次数3000时原始数据的11.56d B,这将有效减少系统的采集时间。最后通过LSTM算法对实验数据进行温度预测,该算法在8MHz步长下的RMSE与ELM在4MHz、LCF在6MHz相当,这将有效减少扫频采样点数,进而减少长距离光纤检测的采集时间。

关键词： 巡查   数据处理   VBA   照片  

摘要： 为提高河湖流域巡查监管水平,采用集智通APP,优点是可以快速采集目标点位的地理信息,并拍摄现场照片作为数据分析依据;缺点是拍摄照片的信息需要手动录入到Excel中.利用Excel VBA的二次开发功能,可以自动实现照片信息的提取、加入,并生成链接,提高了巡查效率.

关键词： 6G网络   数据处理   因子分析   智能分级  

摘要： 6G网络智能化构建和运营过程中将产生海量数据,其中往往包含大量冗余信息,对网络的业务数据处理和智能化分级带来巨大的挑战。近年来,研究人员对人工智能在未来网络运维中的探索,使得越来越多的数据处理与网络智能分级技术不断涌现出来。首先,本文详细分析未来6G网络数据的高维度、数据量庞大、信息冗余等特征,通过对聚类分析算法、多维尺度变换、主成分分析法和线性判别降维算法等研究,发现传统数据处理是数据从高维空间到低维空间投影,具有局限性。此外,现有网络智能分级主要是基于层次化的网络智能化分级,重点在于对网络智能化程度的分级评估,并未完全实现网络的智能化分级和自治。综上所述,数据量的降低和有效数据特征的提取对网络的智能化分级与自治具有事半功倍的成效。其次,本文针对6G网络可能的高维度、巨量等数据特性,以及如何降低6G网络数据处理量,提出基于因子分析法的6G网络数据处理方法。在研究了影响6G网络的相关因素后,根据6G网络的可能影响因素,建立环境、网元和用户等三大模型,并根据Hata-Okumura环境模型、网元设备组件化,网元能力分级化、用户行为爱好的关联性等具体情况,定义和设计基于上述三大模型的网络因子,并采用因子分析法对数据相关性进行分析和重组,从高处理数据量的网络因子中提取出低处理数据量的网络生态因子,并对数据维度的降低效果和提取有效特征信息的程度进行仿真实验。研究表明,因子分析法可以有效的降低数据维度。通过对数据恢复前后的均方误差及神经网络数据恢复实验的对比分析,可以证明本文的数据预处理方法在降低数据量的同时保留了大量的特征信息。最后,为实现网络智能化分级,本文基于网元设备组件化、网元能力分级化的前提,从业务请求、网络资源匹配、任务构建、智能处理和目标输出的网络整体性出发,提出基于智能分级网络的设计总框图,并通过网络的智能路径选择实验进行示例验证。实验表明:当多用户向网络请求资源时,网元设备首先根据能力分级智能与业务需求能力分级匹配,组成初筛出的网元路径集;接下来,网络再按照业务需求和不同目标的性能要求,如网元能力的优先级、消耗资源少、时延小和路径短等,在前述路径集中根据相应的算法进行筛选,输出最终的路径选择智能决策结果,为用户的定制化服务提供参考。从网络智能路径选择决策实验的验证结果,可以证明该方法的可行性,为后续进一步全面实现网络的智能分级打下基础。

关键词： 轨迹预测   数据处理   深度学习   时空注意力机制   网联自主车辆   特征融合  

摘要： 网联自主车辆能够减少交通拥堵、改善道路安全以及节省能源消耗。为了在复杂交通场景中实现这些功能，网联自主车辆通过V2X(VehicletoEverything)通信收集周围车辆的驾驶情况，并预测出安全合理的未来轨迹作为行驶参考。然而，网联自主车辆的未来轨迹受到多种因素的影响，例如其他道路使用者的随机运动和道路几何约束，导致预测的轨迹与真实的轨迹之间相差较大。因此开展网联自主车辆轨迹预测研究具有重要的理论意义和潜在的应用价值。　　论文在国内外相关深度学习车辆轨迹预测的基础上，将车辆之间的时空交互与深度学习注意力机制结合，对网联自主车辆轨迹预测问题展开研究。并结合协同自适应巡航控制(CooperativeAdaptiveCruiseControl,CACC)，进行网联自主车辆插入混合车辆队列的问题研究。论文主要研究工作如下：　　(1)针对长短期记忆网络(LongShort-TermMemory,LSTM)在时间序列以及车辆空间交互预测精准度不佳的问题，提出了一种基于位置和速度向量的时空注意力LSTM车辆轨迹预测模型。该模型能够提取在网格地图内所有车辆的自身的时间关联性，以及学习车辆之间的交互作用，并进一步通过细化模型进一步处理预测的速度与位置，使得网联自主车辆预测的轨迹更精准。最后通过NGSIM数据集中高速公路和城市道路数据集验证该模型的有效性和精确度。　　(2)针对轨迹预测中注意力机制的多模态问题以及特征融合问题，提出了基于多头注意力时空融合机制车辆轨迹预测，以进一步处理整个场景中的拓扑关系，用于得出车辆在未来不同的行驶可能性。并且提出门控特征融合将时间与空间注意力机制融合以提取差异性的信息，消除因不同特征之间的相关性而产生的冗余信息。最后通过NGSIM和INTERACTION数据集验证本文提出的模型架构在高速公路、城市十字路口以及环岛的有效性和精确度。　　(3)针对动力学特征未知的混合车辆队列，研究网联自主车辆插入混合车辆队列问题。将所提出的两种轨迹预测方法与自适应动态规划(Adaptivedynamicprogramming,ADP)的CACC控制器结合应用，以验证轨迹预测方法在插入车辆队列场景下的有效性及准确度，确保网联自主车辆在插入混合车辆队列前后，CACC控制器能够保持混合车辆队列的安全与稳定。