一、BP算法应用于标定相移器时的数据处理（论文文献综述）
李自强[1]（2021）在《基于深度学习的自适应光学波前传感技术》文中进行了进一步梳理自适应光学系统能够校正大气湍流带来的波前畸变以及各种生物组织中的折射率不均匀引起的成像模糊,因此广泛应用于天文观测、自由空间光通信和生物医学等领域。波前传感器作为自适应光学系统的重要组成部分,为自适应光学系统中的波前控制和波前校正提供了畸变波前的相位信息,因此不仅决定了系统的校正精度,很大程度上还影响着系统的稳定性。其中夏克-哈特曼波前传感器和基于干涉原理的波前传感器是自适应光学系统中最为常用的两种波前传感器,也同时广泛应用于光学测量和光束质量诊断等领域中,具有十分重要的研究价值。与此同时,以人工神经网络为核心的深度学习技术在近年来突飞猛进,成为人工智能领域最为成功和最有潜力的技术之一。正所谓“人工智能就是新电力”,深度学习技术就像第二次工业革命中的电力那样,正迅速在各个科学及工业领域普及和应用。深度学习技术和自适应光学的波前探测、波前控制等环节的结合也正被广泛和深入地研究,具有广阔的发展潜力。本文围绕使用深度学习技术对夏克-哈特曼波前传感器以及基于干涉原理的波前传感器进行算法和结构上的改进,以期实现稳定性和探测精度的提升。全文的主要内容可以分为四个部分:首先,介绍了自适应光学系统的基本原理,以及常用的波前传感器。详细分析了夏克-哈特曼波前传感器的组成结构和算法原理,指出夏克-哈特曼波前传感器在极端环境下存在鲁棒性不足的问题,以及在高精度测量环境下存在对高频信息探测精度不足的问题。详细分析了干涉法中的相位提取算法,发现现有的移相干涉算法存在需要的干涉图数量过多以及对移相器精度依赖严重的问题。然后概述了深度学习中的常用技术,并详细梳理了深度学习在自适应光学波前探测以及波前控制中的应用现状。从已有的研究中可以发现,将深度学习技术引入波前传感具有很高的技术可行性,但同时也存在不少问题,有巨大的改进空间。第二部分,首先建立了低信噪比以及干扰光环境下的子孔径高斯光斑模型,并分析了各类改进重心法在极端环境下的局限性。为了解决夏克-哈特曼波前传感器在极端环境下质心探测失效而导致闭环紊乱的问题,提出了基于逻辑回归的变形镜闭环稳定性分类方法,能在自适应光学系统闭环异常的时候及时开环,避免系统设备遭受损失。为了进一步使自适应光学系统能够在极端环境下继续工作,详细分析了各类改进重心法的神经网络计算图表示形式,发现所有的改进重心法都是全连接单隐层神经网络的特例,因此提出了能找出子光斑质心所在像素点的分类神经网络SHNN,并仿真生成包含6万个数据的训练集对网络进行训练。训练完成后,对SHNN和传统算法在仿真和实际实验中进行了对比,实验结果发现,最优的SHNN复原相位的残差的均方根误差要比传统的阈值法复原相位的残差的均方根误差小近一个数量级。第三部分,详细介绍了四种只使用两幅干涉图并且不需要准确知道相移步长的双帧干涉测量算法,随后概述了计算机视觉领域的有力工具U-Net的发展历程,并借鉴和改造了原始U-Net,构造了能从两幅干涉图恢复包裹相位的神经网络Phase U-Net。仔细选择参数生成仿真数据集,并对Phase U-Net进行了训练。随后对训练完成的Phase U-Net的性能进行了详细的仿真分析,并探讨了神经网络计算包裹相位的原理和有效性。通过与四种传统算法的实验对比,证明了Phase U-Net算法的精度优势。第四部分,为了提高夏克-哈特曼波前传感器对相位中高频信息的探测能力,提出了融合相位反演技术的离焦面高分辨率哈特曼波前传感器。充分利用子孔径的光斑形态信息,从而获取相位分布信息,一直是众多研究人员努力的方向。然而如何从一幅光强图获得子孔径相位信息,以及如何将子孔径相位信息和传感器的斜率信息进行融合一直是提升夏克-哈特曼波前传感器精度的两个难点。本文首先利用线性相位反演技术,仅需一幅离焦面哈特曼传感器的光强图,就能在小像差的前提下恢复出每个子孔径中的相位,然后构造神经网络LPR U-Net对线性相位反演的结果和模式法复原的相位进行融合。仿真表明,该方法对相位中高频信息的探测精度要优于经典夏克-哈特曼传感器的探测精度。本文针对不同应用环境下对波前传感器的具体需求,重点开展基于深度学习的自适应光学波前传感技术的算法研究和实验验证,为进一步推动深度学习技术与自适应光学系统的深度融合打下了基础。
刘爱琦[2]（2021）在《天然气流量测量与泄漏检测技术研究》文中研究说明随着管道天然气的不断普及,对管道天然气流速进行实时,高精度测量的需求越来越迫切。超声波测量凭借其对气流影响最小的优点避免了传统测量手段的不足,并随着传感器,芯片性能的提高使其应用范围得到进一步推广。本文利用时差法原理设计制作超声波气体流量检测系统,采用MAX35104芯片提高流量测量中时数转换的精度。本文先分析了近年来出现的超声波气体流量计的原理、研究方法和相关进展,测量原理重点分析了时差法,介绍了在时差法公式推导中解决声速和电路延迟的方法,目的是将电路和声速的影响降到最低。介绍超声换能器的原理、安装并在此基础上完成选型工作。考虑到现实中的管道流场并非理想流场,利用solidworks以及ansys软件对三维T型管,U型管建模网格划分,仿真分析其对管道天然气流场的影响,并利用流体仿真得到的数据在matlab上拟合出误差补偿函数进行校正。确定了气体流量测量系统硬件设计。选择STM32F103作为控制核心,可以提供测定流速,存储数据等功能。以MAX35104为时间测量核心,提供收发超声波脉冲,传播时间测量等功能。设计编写气体流量测量系统软件选择在MDK平台上进行,并通过流程图介绍软件（主程序和中断程序）。针对获得的管道燃气泄漏数据集,在matlab平台上使用GA-ELM算法分析实时泄漏流量,通过与不同优化算法的对比证实了GA-ELM算法的分析预测精度是可靠的。最后制作出超声波管道天然气流量计的原型机,设计通过实验验证来流量计的测量功能,确定了原型机的测量精度,验证了方案的正确性,并根据实验中的不足提出了流量计的完善方向。
李润东[3]（2021）在《基于深度学习的通信信号智能盲检测与识别技术研究》文中认为非合作接收条件下的通信信号检测、调制识别、辐射源个体识别等盲检测与识别处理,是开展无线电频谱监测和战场通信侦察对抗的重要基础。然而,受限于非合作接收时强干扰和快变化的恶劣电磁环境、复杂多样的通信信号体制、无法全面掌握信号先验信息等不利因素影响,通信信号盲检测与识别是一项极具挑战性的研究课题。本文在全面梳理基于专家经验特征的传统盲检测与识别方法的基础上,针对其特征提取依赖人工经验的主要问题,基于深度学习的特征自主学习框架,提出了通信信号智能检测、智能调制识别、智能辐射源个体识别等智能盲检测与识别方法。通过仿真和实测数据验证了算法有效性,并设计实现工程系统,验证了算法和系统对于实际通信信号的检测与识别效能。本文的主要工作和贡献包括:1、在通信信号宽带检测方面,针对传统检测方法信号参数获取不完整和易受噪声影响的问题,提出了基于YOLOv3（You Only Look Once v3）目标检测网络优化改进的智能宽带检测方法,从宽带时频图中完成了高效准确的信号盲检测。首先,采用小样本量信号自动标注构建宽带时频图数据集,解决了海量样本标注难题;其次,根据通信信号时频特性自适应设置先验锚框,保证了网络对通信信号的适应性与高效检测能力;最后,针对原有网络训练和推断时数据分布不一致所导致的检测精度低问题,采用CIOU（Complete-Intersection Over Union）算法改进训练代价函数,利用DIOU（Distance-Intersection Over Union）算法改进推断时的非极大值抑制准则,在提高训练速度的同时达到了较高的检测精度。2、在窄带突发通信信号体制识别方面,针对深度学习方法难以区分时频特征相近信号、模板匹配方法需要先验规格且计算量大的问题,提出了将深度学习时频图识别与前导码滑动相关频谱峰值检测进行级联融合的智能窄带突发信号识别方法,实现了精确的信号体制识别和参数估计。首先,设计了时频多维参数偏移算法来增强训练数据集,降低了数据收集难度且提升了训练数据的全面性和多样性;然后,引入改进的深度残差注意力网络,提取了重点时频特征进行体制初步识别,再基于信号与前导码滑动相关后的频谱峰值检测结果,对不可分信号进行细化判证,实现了对窄带突发信号体制类型、载频、突发时刻等参数的精确获取。3、在通信信号调制识别方面,针对传统识别方法依赖专家经验和信号条件的问题,提出了基于降噪循环谱与稀疏滤波卷积网络的智能调制识别方法,实现了模拟调制和低阶数字调制信号的鲁棒识别。首先,对信号循环谱进行低秩表示降噪处理,净化数据以降低网络训练难度;其次,设计了一种新型的稀疏滤波准则对网络进行逐层无监督预训练,有效挖掘了循环谱的稀疏特性,利用小规模卷积网络即可实现鲁棒可靠的调制识别。更进一步,为适应对高阶数字调制信号的识别,提出了一种基于新型深度几何卷积网络的智能调制识别方法,设计了具备多尺度和多方向特性的几何滤波器,从信号的魏格纳-威利分布映射图中学习更具有分辨力的多尺度和多方向几何特征,提高了调制识别的准确率和鲁棒性。4、在通信信号调制编码联合识别方面,为了能以端到端的方式同时识别信号的调制方式和信道编码类型,研究探索了一种基于深度注意力门控卷积网络的智能调制编码联合识别方法,实现了多类型调制编码信号的有效识别。首先,为避免时频图变换带来的高计算复杂度,针对一维原始波形数据,设计了一维卷积层来提取调制结构特征;其次,利用门控循环模块提取信号时序监督特征,并设计“显着”注意力机制对时序特征开展注意力变换以增强特征提取与识别效能。5、在通信辐射源个体识别方面,针对传统识别方法难以全面表征辐射源本质特性、易受信号与目标变化影响的缺点,提出了基于多域特征融合学习的智能辐射源个体识别方法,在多目标辐射源集合上达到了较好的识别效果。首先,对接收信号进行精确的参数“校准”预处理以去除信号中的不稳定因素,再对校准后信号进行高精度星座矢量图映射以表征辐射源发射机的联合畸变特性;其次,设计了新型一维复数密集连接卷积网络、引入了具有高层特征全局注意力机制的新型Bo TNet（Bottleneck Transformer Networks）模型,分别对波形与频谱、波形与星座矢量图数据开展高效的复杂多域特征提取;最后,设计了三种融合策略对多域特征进行融合学习,提取了更全面完整的个体特征。同时,还研究了基于迁移学习的新辐射源目标集识别网络设计和训练方法,有效利用了大样本训练得到的基础模型的先验知识,实现了小样本条件下新辐射源目标的准确识别。6、在工程实现方面,设计构建了通信信号智能检测识别系统,对本文提出的各类通信信号智能检测与识别方法开展转化与集成,解决了快速并行信道化与深度学习推断加速等工程实现关键问题,对实际短波、卫星、超短波等通信信号实现了高性能的盲信号检测、调制识别和辐射源个体识别。
包俊[4]（2020）在《钛合金板材电涡流无损检测与定量化评估研究》文中研究说明钛合金是一种新兴的结构材料,因其优越的综合性能而被广泛应用于各行各业。在各类钛合金加工材中,板材的应用最为广泛,产量也最高,近年来占到总产量的50%以上。钛合金板材在轧制过程中难免会产生一些质量问题,例如厚度不均匀、同板差超差,以及表面质量不佳,出现裂纹、麻坑等缺陷。电涡流检测是一种基于电磁感应的无损检测技术,被广泛应用于金属材料的无损检测与评估中,相比其他无损检测技术,具备高效、低成本、无污染等优势。而使用电涡流检测技术对钛合金板材进行无损检测时,仍面临着检测信号易受噪声干扰、厚度测量反演繁琐,以及缺陷的分类识别、定量化评估精度不足等问题。本文在讨论了钛合金板材轧制过程中可能出现的质量问题后,结合国内外研究现状,开展了钛合金板材电涡流无损检测与定量化评估研究,主要的研究工作如下:（1）针对钛合金板材缺陷电涡流检测图像的降噪预处理问题,研究了一种主元分析（Principal Component Analysis,PCA）联合局部线性嵌入（Locally Linear Embedding,LLE）的降噪方法。利用PCA方法对电涡流检测图像进行初步的处理,去除较大噪声。然后,使用LLE算法在像素点的可变邻域内自动搜索最近邻数据,并采用近邻数据的局部最优线性组合替代像素,在进一步精细降噪的同时,可保持图像局部几何结构。实验表明,在输入信噪比为15d B～30d B的条件下,输出信噪比可达26.80～39.89d B,电涡流检测图像信噪比平均提高11.16d B,证实了该方法对钛合金板材缺陷电涡流检测图像降噪预处理的有效性。（2）针对传统电涡流测厚方法难以直接通过检测信号反演板材厚度的问题,提出了一种钛合金板材电涡流解析模型与改进的厚度测量方法。结合钛合金板材低电导率、非铁磁的电磁特性,在特定测量条件下建立了一种新的解析模型,用于描述电涡流探头差分电压实部与钛合金板材厚度的关系。最后基于改进的解析模型提出一种快速、准确的钛合金板材电涡流测厚方法。该方法可直接根据标定信号计算钛合金板材的测量厚度,不需要通过预先获得的实验记录进行对比,也不需要预先求解复杂的正演模型。实验结果表明,6mm厚度范围内冷轧薄钛板的厚度测量误差不超过±0.14mm,远小于现行钛工业标准规定的±0.35mm。（3）针对传统机器学习方法难以在不同工况下对质量各异、高维非线性的钛合金板缺陷电涡流检测图像信息进行准确、有效分类的问题,提出了一种栈式稀疏降噪自编码（Stacked Sparse Denoising Autoencoder,SSDAE）深度神经网络的钛合金板材缺陷电涡流检测图像分类方法。该方法将稀疏性限制引入降噪自编码器（Denoising Auto Encoder,DAE）,并在此基础上将多个DAE进行栈式组合构建深度神经网络。训练后的网络模型在不同工况下均能有效地对钛合金板缺陷进行分类识别,有较好的鲁棒性。实验结果表明,在输入信噪比大于26d B时,该方法的分类准确率高于97%;当输入信噪比逐渐下降时,分类准确率也能保持较高水平,在环境复杂的钛合金板生产线上,具有抗干扰、性能稳定等优势。（4）针对钛合金板材缺陷定量化评估中,电涡流检测图像难以人工设计特征,使用常规的回归方法需要设计复杂目标函数等问题,研究了一种基于深度置信网络（Deep Belief Network,DBN）和最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）的钛合金板缺陷缺陷定量化评估方法。在正确缺陷分类的基础之上,利用DBN从钛合金板材缺陷的电涡流检测图像中提取有效特征,并采用LSSVM算法建立钛合金板缺陷参数的多目标回归模型,实现对钛合金板材缺陷的定量化评估。实验结果表明,缺陷评估的相对误差和重复性标准差分别小于4.1%和0.12mm,与其他常规方法相比,该方法具有更高的准确性和可重复性。（5）完成了钛合金板材电涡流无损检测系统的设计和开发。对系统需求进行了综合的分析,设计了检测系统的总体架构,并模块化实现了检测系统的软硬件功能。最后将前述研究的厚度测量模型、分类识别和定量化评估智能算法在系统中进行了集成。钛合金板材缺陷电涡流检测、分类识别和定量化评估应用实例证实了所开发系统的有效性和实用性。
何睿[5]（2020）在《基于数字光栅的构件三维识别研究》文中研究指明制造业在我国地位弥足重要,据2018年统计,制造业GDP占我国总GDP的29.4%,同时制造业在新技术研发,经济发展乃至于国际竞争中都不可或缺。而数字化则是制造业自动化的瓶颈所在,三维重建技术在逆向工程,质量检测等领域应用广泛,是工件数字化的基础。传统的工件测量方法受限于难以在精度,效率与成本之间达到平衡,难以实现在行业中广泛普及。本文从硬件和软件两个方面构建了一个结构光视觉检测系统,研究了设备的选型与系统的标定,工件表面点云的生成与点云的后续处理,如分割,配准与可视化,同时采用一系列实验对系统各个环节进行验证。本文首先结合本系统的使用场景,对硬件设备进行选型。对相机成像原理与投影仪-相机几何关系进行建模,得到相位-高度映射。设计流程对相机内参数与映射关系中的参数进行标定,实验表明该方法简单快速,且对投影仪,相机相对位置不严格。其次研究了工件表面三维形貌重建技术。采用四步相移法计算物体表面受调制光栅相位,采用改进的质量引导法和多频外差法对相位进行展开。基于针孔原理对物体相位-三维形貌关系进行推导。通过实验验证上述算法能够完成复杂表面的三维建模,同时得到前者在小范围内效果较优,而后者在大范围内效果较优的结论。接着研究了三维点云后处理技术。针对目标点云与背景混杂的问题,采用OTSU算法结合Kmeans算法,将目标点云与背景进行分割,有效解决了局部收敛问题;针对大尺度物体不能单次完成测量问题,采用FPFH描述子对点云特征进行提取,RANSAC算法进行点云粗匹配,ICP算法进行精匹配的方法进行点云配准,结合应用场景设计实验,实验表明该算法可以用于复杂场景点云的匹配。针对点云可视化效果差的问题,采用泊松重建的方法对点云表面进行重建,实验表明该方法可以有效刻画点云的局部特征。最后在软件系统搭建方面,采用C++语言,在Visual Studio 2017上对软件系统进行开发。将系统标定,三维重建,点云后处理等功能采用模块化设计进行封装,并开发简易的人机交互界面方便用户使用。
郑磊珏[6]（2020）在《基于相位法测距的压缩感知三维成像系统研究》文中研究表明无扫描式激光三维成像技术是目前获取三维信息的一种新型技术,具有测量范围大、成像精度高和三维成像速度快等优点,被广泛应用于各种三维测量场景中,但是无扫描激光三维成像也有成像分辨率低和数据处理量大等问题。直到压缩感知理论的出现,为无扫描三维成像技术提供了一种新的三维成像思路——压缩感知三维成像。压缩感知技术一方面能够大幅减少测量次数,从而提高测量效率;另一方面,只需采用单像素探测器对光信号进行探测,相对面阵探测器,探测信号信噪比更高。本文对基于相位法测距的压缩感知三维成像系统开展了研究,在基于压缩感知的单像素相机基础上,结合激光相位法测距技术,实现压缩感知三维成像。首先,本文介绍了压缩感知理论的原理,包括信号的稀疏表示、测量矩阵和重构算法三部分。然后阐述了基于相位法测距的压缩感知三维成像的基本原理和总体方案,并建立了系统的数学模型。其次,根据该数学模型,在Matlab软件中对基于相位法测距的压缩感知三维成像系统进行了数值仿真。通过仿真实验,比较分析了相位法测距中的不同鉴相方法和压缩感知参数对成像结果的影响,优选了同步解调法、快速傅里叶稀疏变换基、局部哈达玛矩阵和最小全变分等作为实验参数。最后,对压缩感知三维成像系统中的关键器件（探测器、数字微镜器件等）进行选型,设计并搭建了基于相位法测距的压缩感知三维成像系统实验平台。完成了采样率和目标形状对成像效果的比较实验,实验结果验证了压缩感知三维成像原理的可行性和系统的有效性。
吴思东[7]（2019）在《基于人工复眼的场景感知方法》文中研究表明人工复眼系统作为一种新型成像设备,通常具有视场大、体积小、对运动目标敏感等特点。在机器视觉领域,特别是需要微小型设备进行场景感知等领域具有广泛的应用前景。近年来,人工复眼受到广泛关注和研究,然而大部分研究成果仍集中在人工复眼系统设计中。在实际场景感知应用时,由于人工复眼小眼孔径小,导致现有方法在人工复眼成像效果、静态场景三维重构、动态场景运动估计等关键问题上难以获得满意的效果。因此,为推进人工复眼在场景感知等领域的应用,本文以电子簇眼（Electronic Cluster Eye,eCley）为研究对象,针对以上亟待解决的关键问题,从人工复眼图像算法模型、算法优化和实验对比分析等方面展开,设计适用于人工复眼的场景感知方法。论文针对eCley阵列图像失真问题,充分考虑eCley光通道存在偏移角、光线入射角与成像传感器平面不平行等因素,提出一种eCley图像失真修正方法。该方法结合eCley系统参数估计光通道阵列修正后图像,利用采集图像与估计图像获取光通道图像失真参数;根据eCley光通道视场角交叠范围对相邻通道图像固有偏移量进行准确估计。通过对修正后光通道图像的重构实验结果表明,该图像失真修正方法计算简单,能有效估计光通道图像失真参数和偏移量,为后续工作奠定基础。针对eCley图像在静态场景中的三维图像重构问题,论文提出三种三维图像重构方法,分别对eCley采集图像存在失真、图像存在大面积无纹理区域、图像场景存在斜平面三类图像深度估计问题进行研究。针对eCley阵列图像失真导致子眼图像视差不一致的现象,从几何角度推导光通道图像像素点空间位置关系,直接利用像素空间坐标计算深度估计中匹配代价,提出一种基于几何信息的eCley失真图像三维重构方法。该方法可同时估计重构聚焦图像及其深度信息,获取重构的三维图像。通过对多实验场景验证结果表明,该三维图像重构方法能有效对图像深度进行估计,并且获得较为满意的三维重构效果,有效避免光通道偏移角引起的视差不一致现象。为了减小图像失真以及无纹理区域对深度估计的影响,提高三维重构效果,针对失真修正后的eCley光通道图像,提出边缘深度匹配传播方法对前向平行子眼图像进行准确深度估计,并对子眼图像阵列融合重构获取完整三维重构图像。该方法利用边缘匹配估计稀疏边缘深度图,基于前向平行假设对边缘深度图进行传播,处理无纹理区域问题,获得稠密深度图。该算法输入光通道图像已进行失真修正,即使利用前向平行假设,仍能获得满意的深度估计效果,进一步提高三维重构图像效果。为了抑制前向平行假设对斜平面场景深度估计效果的影响,结合传统立体匹配全局深度估计方法原理,从像素点深度估计全局优化角度出发,提出跨图像置信传播三维重构方法。该方法将eCley光通道图像视为潜在全聚焦完整大图的子图像,设计图像阵列深度估计优化方法,在优化过程中融合光通道图像间对应区域信息获得一致性深度估计结果,提高子眼图像深度估计效果。实验结果表明该算法未进行深度优化前能获得较一致的深度估计结果,深度优化后在斜平面场景能获得满意的深度估计结果,提高斜平面场景图像三维重构效果。针对eCley系统在动态场景运动估计中边缘光流估计不准确和不一致的问题,结合跨图像置信传播三维图像重构方法中对应区域一致性的思想,设计eCley图像阵列光流估计模型,提出一种多孔图像光流估计模型及优化算法。通过对标准数据库及eCley采集图像的实验结果表明所提出的eCley光流估计方法能有效抑制光通道视场角小导致的光流估计结果不准确和不一致的情况,获得满意的光流估计效果。
王亚林[8]（2019）在《电阻桥式MEMS传感器接口电路研究》文中提出基于微纳制造技术的进步,MEMS传感器近年来获得重大发展,依靠其高精度、小型化、低成本、智能化、集成化等优势,目前已经在汽车、手机、航空航天、医疗仪器、工业监测等众多领域得到了应用。电阻桥式MEMS传感器是一类具有广泛应用的传感器,它利用电阻材料的压敏、热敏特性来检测外界信号,典型应用如压力传感器,压阻式加速度传感器,热膜式流量传感器等。热膜式流量传感器是一种典型的电阻桥原理传感器,基于MEMS技术的数字型热膜式空气流量传感器具有测量精度更高、动态响应速度更快、抗干扰能力更强和可以识别进气的方向等特点,已成为流量传感器的发展主流。接口电路作为MEMS传感器重要组成部分,它控制传感器正常工作并将测量信号进行调理计算并输出,因此设计一款高性能接口电路对于MEMS传感器整体性能提升具有重要意义。本文对电阻桥式MEMS流量传感器进行研究,设计了一款用于MEMS热膜式流量传感器的数字型接口电路芯片。流量传感器采用恒温差工作模式,该电路基于两个恒流源闭环控制方式,实现进气温度与加热温度温差恒定。2阶sigma delta模数转换器（EA ADC）实现流量信号与温度信号的实时模拟/数字转换,CIC+IIR级联方式的后级滤波器实现降采样与噪声滤除。设计了指数过渡分段拟合方法用于传感器输出电压与流量值的标定,提高了传感器拟合误差。温度信号与流量信号经过温度补偿算法处理后,最终通过SPI通信接口输出补偿后的流量测量值。根据MEMS流量传感器的设计参数,在MATLAB上建立了 ΣΔADC模型,仿真结果表明过采样率为512,ADC的信噪比达到103dB。设计了 64倍降采样CIC滤波器,IIR低通滤波器,并在FPGA进行原型验证。利用Cadence、Mentor等EDA工具进行了电路设计与仿真,芯片基于0.18μμm CMOS工艺制造。接口电路芯片与MEMS敏感结构封装形成流量测量微系统,整个系统最终测试结果表明:该芯片输出有效位数≥14bits,功耗≤25mW,1h测量稳定性（相对误差）小于770ppm。设计的分段拟合方法,相比传统多项式拟合方法,拟合误差仅为原来的三分之一。改进BP神经网络温度补偿算法改善了传感器的温度适应性,流量检测的精度均小于1%FS。
苏东风[9]（2011）在《高精度标定转台光栅测角系统关键技术研究》文中认为本文论述的测试转台是标定测绘相机用的高精度、高稳定性、大尺寸、大载荷的复杂精密机电设备，为了实现精确定位我们研制了高精度光栅测角系统。本文以实际的工程项目为基础，对光棚测角系统的关键技术包括光机结构系统、电子学、精度分析和检测、误差补偿等方面进行了深入研究和探i、J。论文论述了光栅测角系统的基础理论、光栅信号主要质量指标以及对光栅信号质量产生影响的因素、光栅信号质量的检定方法，对测角系统的误差进行了理论分配来指导系统设计，为了有效提高测角精度并降低成本，研究了误差的软件补偿方法。论文分析了光机结构系统的关键技术：轴系采用高精度、高稳定性的密珠轴系；主光栅采用大直径薄光栅；采用指示光栅的多缝读数配合多头读数，减少光栅分度误差的长、中、短周期误差；采用四读数头全数字量相加技术，减小了光栅盘的偏心误差，降低了对装调的苛刻要求。论文对测角系统的轴系晃动误差、光栅盘分度误差、细分误差等进行了分析，并对轴系晃动误差和光栅盘分度误差进行了检测。论文分析了测角系统电子学的关键技术：选用性能稳定，特性一致的光电接收元件；采用相位补偿电路减少相位漂移；采用了差分放大电路减少直流分量误差；采用幅值调整电路保证了细分信号的等幅性，由于采取多种技术手段，保证了精码信号的正交性。设计了均匀性、准直性、稳定性好的照明系统，保证角度信号的高质量。采用改进的BP算法对测角系统的测角误差进行了补偿，有效的提闻了系统的测角精度。采用直接比较法和排列全组合法实测了测角系统的精度。实测结果表明测角系统精度达到设计指标，满足使用要求。本论文的完成结合了测绘相机标定转台的实际工程项目，同时也是对该工程项目的总结。主要创新点如下：（1）在光机结构系统设计中，提出了利用指示光栅的多缝读数配合多头读数消除主光栅的长、中、短周期误差；（2）在复制大直径薄光栅盘时，推导出了支撑板变形与厚度的理论关系公式，为成功研制高精度的大直径薄光栅提供了理论基础；（3）测角系统的传统软件误差补偿方法多是基于数值分析或误差修正表法，本文将BP神经网络及其改进算法应用于测角系统的误差补偿，有效的提高测角系统的精度，丰富了测角系统误差补偿的方法。本文的研究内容为研制大型高精度转台光栅测角系统提供了理论依据和工程经验，具有重大的工程意义。
黄燕群,田爱玲,李力[10]（2003）在《BP算法应用于标定相移器时的数据处理》文中研究表明提出在相移干涉测量中用神经网络BP算法拟合相移器电压-位移曲线的方法.拟合数据通过相移剪切干涉仪和傅立叶变换得到,对实验数据进行网络训练以后,可以获得很好的输入-输出特性,平均相对误差由最小二乘法拟合的2.16%下降到现在的0.37%.
二、BP算法应用于标定相移器时的数据处理（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
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。
写法范例：
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。
（2）本文研究方法
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。
三、BP算法应用于标定相移器时的数据处理（论文提纲范文）
（1）基于深度学习的自适应光学波前传感技术（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 自适应光学与波前传感 |
| 1.1.1 自适应光学概述 |
| 1.1.2 常见的波前传感器 |
| 1.2 夏克-哈特曼波前传感器 |
| 1.2.1 夏克-哈特曼波前传感器的组成 |
| 1.2.2 不同应用环境中的需求与现有测量机制的缺陷 |
| 1.3 基于干涉原理的波前传感器 |
| 1.3.1 激光干涉与波前传感 |
| 1.3.2 相位提取算法 |
| 1.4 本文的主要研究内容及安排 |
| 第2章 深度学习在自适应光学中的应用现状 |
| 2.1 引言 |
| 2.2 深度学习中的常用技术 |
| 2.2.1 激活函数 |
| 2.2.2 损失函数及正则化 |
| 2.2.3 反向传播与梯度下降 |
| 2.2.4 卷积和池化 |
| 2.3 深度学习用于波前测量 |
| 2.3.1 基于人工神经网络的相位反演波前传感器 |
| 2.3.2 哈特曼传感器质心计算和多传感器融合 |
| 2.4 利用深度学习技术的自适应光学控制技术 |
| 2.4.1 基于深度学习的有波前探测自适应光学控制技术 |
| 2.4.2 基于深度强化学习的无波前探测自适应光学控制技术 |
| 2.5 本章小结 |
| 第3章 哈特曼波前传感器质心探测失效时的闭环稳定性分类 |
| 3.1 引言 |
| 3.2 哈特曼波前传感器子孔径模型 |
| 3.2.1 子孔径的高斯光斑模型 |
| 3.2.2 子孔径中的噪声与干扰 |
| 3.3 光斑质心定位算法 |
| 3.3.1 重心法计算质心坐标 |
| 3.3.2 各类改进重心法的局限 |
| 3.4 基于逻辑回归的变形镜闭环稳定性分类 |
| 3.4.1 波前探测失效导致变形镜异常 |
| 3.4.2 基于逻辑回归的自动开闭环 |
| 3.4.3 验证与分析 |
| 3.5 本章小结 |
| 第4章 干扰环境下基于神经网络的的哈特曼波前传感器质心探测 |
| 4.1 引言 |
| 4.2 哈特曼传感器质心探测的神经网络表示 |
| 4.2.1 神经网络的基本运算过程 |
| 4.2.2 重心法及其改进算法的神经网络计算表示 |
| 4.3 质心探测神经网络的结构与训练 |
| 4.3.1 转化为分类问题的质心探测神经网络 |
| 4.3.2 SHNN的训练及质心定位后处理 |
| 4.3.3 神经网络的质心探测能力分析 |
| 4.4 仿真分析与实验对比 |
| 4.4.1 仿真分析 |
| 4.4.2 真实干扰光环境下的实验对比 |
| 4.5 本章小结 |
| 第5章 基于U-Net的双帧相移干涉波前测量 |
| 5.1 引言 |
| 5.2 激光干涉法复原波前的原理 |
| 5.2.1 四步相移和三步相移法 |
| 5.2.2 单帧激光干涉法及其不足 |
| 5.2.3 双帧相移干涉法解决相位模糊问题 |
| 5.3 经典的双帧相移干涉法 |
| 5.3.1 Kreis算法 |
| 5.3.2 光流法 |
| 5.3.3 Gram–Schmidt正交化算法 |
| 5.3.4 求解四次方程法 |
| 5.4 Phase U-Net的结构与训练 |
| 5.4.1 像素级处理网络:从FCN到 U-Net |
| 5.4.2 仿真数据集的制作 |
| 5.4.3 Phase U-Net训练及后处理 |
| 5.5 仿真分析与实验验证 |
| 5.5.1 仿真对比 |
| 5.5.2 神经网络计算包裹相位的有效性分析 |
| 5.5.3 实验验证 |
| 5.6 本章小结 |
| 第6章 融合相位反演技术的离焦面高分辨率哈特曼波前传感器 |
| 6.1 引言 |
| 6.2 基于衍射传输理论的哈特曼波前传感器仿真 |
| 6.2.1 角谱传输理论与透镜的相位变换作用 |
| 6.2.2 大气湍流相位屏的仿真 |
| 6.2.3 哈特曼波前传感器数值仿真 |
| 6.3 小像差线性相位反演技术 |
| 6.3.1 小像差条件下的相位差反演 |
| 6.3.2 基于奇偶分解的线性相位反演 |
| 6.3.3 基于Zernike多项式的线性相位反演 |
| 6.4 基于深度学习的离焦面哈特曼波前传感器波前重构 |
| 6.4.1 Zernike模式波前复原算法 |
| 6.4.2 子孔径高阶信息探测 |
| 6.4.3 模式法与子孔径高阶信息的融合 |
| 6.4.4 LPR U-Net的结构与训练 |
| 6.4.5 仿真分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文的主要研究工作 |
| 7.2 本文的主要创新点 |
| 7.3 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）天然气流量测量与泄漏检测技术研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 超声波气体流量计介绍 |
| 1.3 国内外研究现状 |
| 1.3.1 超声波气体流量检测技术研究现状 |
| 1.3.2 流量计测量流场研究 |
| 1.4 课题研究内容和论文框架 |
| 1.4.1 课题研究目标 |
| 1.4.2 论文框架 |
| 2 超声波气体流量计测量原理研究 |
| 2.1 时差法测量原理介绍 |
| 2.1.1 时差法测量公式推导 |
| 2.1.2 时差法流量计算方程 |
| 2.2 时间测量介绍 |
| 2.2.1 模拟测量法 |
| 2.2.2 数字测量法 |
| 2.2.3 过零检测法 |
| 2.3 超声波换能器选型安装 |
| 2.3.1 超声波的性质 |
| 2.3.2 超声波换能器的工作原理 |
| 2.3.3 超声波换能器的选择 |
| 2.3.4 换能器的安装模式 |
| 2.4 本章小结 |
| 3 管道流场仿真及误差补偿研究 |
| 3.1 理想流场流速分布 |
| 3.1.1 层流流速分布 |
| 3.1.2 紊流流速分布 |
| 3.2 流场仿真参数 |
| 3.3 空间T型管流场的流场分布 |
| 3.3.1 计算几何模型 |
| 3.3.2 求解条件 |
| 3.3.3 仿真结果分析 |
| 3.4 空间U型管流场的流场分布 |
| 3.4.1 计算几何模型 |
| 3.4.2 求解条件 |
| 3.4.3 仿真结果分析 |
| 3.5 误差补偿函数 |
| 3.6 本章小结 |
| 4 测量系统硬件设计 |
| 4.1 硬件总体设计 |
| 4.1.1 系统硬件架构 |
| 4.1.2 系统工作过程 |
| 4.2 时间测量电路 |
| 4.2.1 时间测量芯片MAX35104 |
| 4.2.2 MAX35104 的时间测量原理 |
| 4.2.3 早期边沿检测的原理 |
| 4.2.4 MAX35104 的最小系统 |
| 4.3 超声波收发电路 |
| 4.3.1 超声波发射电路 |
| 4.3.2 超声波接收电路 |
| 4.4 控制系统电路 |
| 4.4.1 STM32F103芯片 |
| 4.4.2 STM32最小系统 |
| 4.4.3 测试电路 |
| 4.4.4 STM32与MAX35104通信电路 |
| 4.5 电源电路 |
| 4.5.1 稳压电路 |
| 4.5.2 电量检测电路 |
| 4.6 外围电路 |
| 4.6.1 显示电路 |
| 4.6.2 按键电路 |
| 4.6.3 数据存储电路 |
| 4.6.4 串口通信电路 |
| 4.7 电路抗干扰措施 |
| 4.8 本章小结 |
| 5 测量系统软件设计 |
| 5.1 软件开发环境 |
| 5.2 软件总体设计 |
| 5.3 主程序设计 |
| 5.3.1 系统初始化 |
| 5.3.2 运算模块 |
| 5.3.3 数据存储 |
| 5.4 中断程序设计 |
| 5.4.1 时间测量 |
| 5.4.2 按键显示模块 |
| 5.4.3 通信电路 |
| 5.5 软件抗干扰措施 |
| 5.6 本章小结 |
| 6 泄漏预测优化算法 |
| 6.1 算法介绍 |
| 6.1.1 极限学习机(ELM) |
| 6.1.2 BP算法 |
| 6.1.3 遗传算法(GA) |
| 6.1.4 粒子群算法(PSO) |
| 6.1.5 GA-ELM算法 |
| 6.2 ELM与BP算法对比 |
| 6.3.不同的优化算法对比 |
| 6.3.1 泄漏分析算法参数设置 |
| 6.3.2 泄漏分析算法验证标准 |
| 6.3.3 泄漏分析算法仿真结果分析 |
| 6.4 本章小结 |
| 7 测试与分析 |
| 7.1 超声波气体流量计的制作 |
| 7.2 超声波流量计标定测试标准 |
| 7.3 标定实验平台 |
| 7.4 样机测试 |
| 7.4.1 零漂稳定实验 |
| 7.4.2 动态标定测试 |
| 7.5 标定实验误差分析 |
| 7.6 本章小结 |
| 8 总结与展望 |
| 8.1 研究总结 |
| 8.2 研究展望 |
| 参考文献 |
| 攻读学位期间研究成果 |
| 致谢 |
（3）基于深度学习的通信信号智能盲检测与识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究历史与现状 |
| 1.2.1 通信信号检测方法研究现状 |
| 1.2.2 通信信号调制识别方法研究现状 |
| 1.2.3 通信信号辐射源个体识别方法研究现状 |
| 1.3 存在的问题挑战与研究思路 |
| 1.4 论文的结构安排与主要工作 |
| 第二章 深度学习理论基础 |
| 2.1 引言 |
| 2.2 深度学习概述 |
| 2.2.1 发展历程 |
| 2.2.2 从浅层到深度学习 |
| 2.3 典型深度学习网络 |
| 2.3.1 卷积神经网络 |
| 2.3.2 循环神经网络 |
| 2.4 深度学习应用于通信信号智能盲检测与识别的思考 |
| 2.5 本章小结 |
| 第三章 基于深度学习的通信信号智能检测方法 |
| 3.1 引言 |
| 3.2 基于自适应频谱噪底抵消的能量检测方法 |
| 3.2.1 宽带频谱估计 |
| 3.2.2 自适应噪底估计 |
| 3.2.3 噪底抵消和信号检测 |
| 3.3 基于目标检测网络的通信信号智能宽带检测方法 |
| 3.3.1 宽带时频图数据集标注与构建 |
| 3.3.2 ISD-ODN智能宽带检测网络 |
| 3.3.3 算法流程总结 |
| 3.3.4 实验结果与分析 |
| 3.4 基于级联分类树的智能窄带突发信号识别方法 |
| 3.4.1 双滑动窗突发信号检测 |
| 3.4.2 窄带时频图数据增强 |
| 3.4.3 深度残差注意力信号识别网络 |
| 3.4.4 基于前导码滑动相关频谱峰值检测的信号识别 |
| 3.4.5 算法流程总结 |
| 3.4.6 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于深度学习的通信信号智能调制识别方法 |
| 4.1 引言 |
| 4.2 基于专家经验特征的调制识别方法 |
| 4.2.1 信号参数统计特征 |
| 4.2.2 高阶统计量特征 |
| 4.2.3 循环平稳特征 |
| 4.2.4 基于特征分类的调制识别 |
| 4.3 基于降噪循环谱与稀疏滤波卷积网络的智能调制识别方法 |
| 4.3.1 二维循环谱变换 |
| 4.3.2 低秩表示降噪 |
| 4.3.3 稀疏滤波卷积网络 |
| 4.3.4 算法流程总结 |
| 4.3.5 实验结果与分析 |
| 4.4 基于魏格纳-威利分布与深度几何卷积网络的智能调制识别方法 |
| 4.4.1 魏格纳-威利分布映射 |
| 4.4.2 维度不可分的几何滤波器 |
| 4.4.3 深度几何卷积网络 |
| 4.4.4 算法流程总结 |
| 4.4.5 实验结果与分析 |
| 4.5 基于深度注意力门控卷积网络的智能调制编码联合识别方法 |
| 4.5.1 一维卷积模块 |
| 4.5.2 注意力机制门控循环模块 |
| 4.5.3 深度注意力门控卷积网络 |
| 4.5.4 算法流程总结 |
| 4.5.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 基于深度学习的智能通信辐射源个体识别方法 |
| 5.1 引言 |
| 5.2 基于专家经验特征的辐射源个体识别方法 |
| 5.2.1 信号参数统计特征 |
| 5.2.2 信号变换域统计特征 |
| 5.2.3 机理模型特征 |
| 5.2.4 辐射源特征降维和分类器 |
| 5.3 基于时域与频域特征融合学习的智能辐射源个体识别方法 |
| 5.3.1 信号精细预处理及表示 |
| 5.3.2 IRI-TFF多域特征融合识别网络 |
| 5.3.3 算法流程总结 |
| 5.3.4 实验结果与分析 |
| 5.4 基于波形与星座矢量图特征融合学习的智能辐射源个体识别方法 |
| 5.4.1 信号精细预处理及表示 |
| 5.4.2 IRI-WCF多域特征融合识别网络 |
| 5.4.3 基于迁移学习的小样本新目标SEI方法 |
| 5.4.4 算法流程总结 |
| 5.4.5 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 通信信号智能检测识别系统及实验结果 |
| 6.1 引言 |
| 6.2 系统组成和关键技术 |
| 6.2.1 系统框架和组成 |
| 6.2.2 系统实现关键技术 |
| 6.3 实验验证与分析 |
| 6.3.1 实际短波信号智能检测实验 |
| 6.3.2 实际卫星信号智能调制识别实验 |
| 6.3.3 实际超短波信号智能辐射源个体识别实验 |
| 6.4 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 论文主要贡献 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（4）钛合金板材电涡流无损检测与定量化评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 钛合金板材的生产制造及质量标准 |
| 1.2.1 钛合金板材的发展与应用 |
| 1.2.2 钛合金板材轧制工艺 |
| 1.2.3 钛合金板材质量标准 |
| 1.2.4 钛合金板材无损检测方法 |
| 1.3 电涡流无损检测技术概述及其研究现状 |
| 1.3.1 电涡流检测技术发展概述 |
| 1.3.2 电涡流检测信号预处理研究现状 |
| 1.3.3 电涡流测厚方法研究现状 |
| 1.3.4 电涡流检测缺陷分类识别研究现状 |
| 1.3.5 电涡流缺陷定量化评估研究现状 |
| 1.4 钛合金板材电涡流无损检测研究现状及存在的问题 |
| 1.4.1 钛合金板材电涡流无损检测研究现状 |
| 1.4.2 研究热点 |
| 1.4.3 存在的问题 |
| 1.5 本文的主要研究内容及创新 |
| 1.5.1 论文的主要研究内容 |
| 1.5.2 论文的创新点 |
| 1.6 本章小结 |
| 第二章 钛合金板材电涡流检测信号预处理 |
| 2.1 引言 |
| 2.2 钛合金板材电涡流检测信号特性 |
| 2.2.1 探头线圈阻抗模型 |
| 2.2.2 探头线圈电压变化 |
| 2.2.3 钛合金板材电涡流检测信号 |
| 2.3 数字相敏检波算法与电涡流成像原理 |
| 2.3.1 数字相敏检波 |
| 2.3.2 电涡流扫描成像原理 |
| 2.4 钛合金板电涡流检测图像PCA-LLE联合降噪方法 |
| 2.4.1 主元分析(PCA)降噪 |
| 2.4.2 局部线性嵌入(LLE)图像重构 |
| 2.4.3 基于PCA-LLE的电涡流检测图像降噪 |
| 2.4.4 降噪预处理实验 |
| 2.5 本章小结 |
| 第三章 钛合金板材电涡流解析模型与厚度测量研究 |
| 3.1 引言 |
| 3.2 钛合金板材电涡流解析模型建立 |
| 3.2.1 电涡流探头与测量原理 |
| 3.2.2 Dodd-Deeds解析模型 |
| 3.2.3 钛合金板材电涡流解析模型 |
| 3.3 钛合金板材电涡流解析模型的分析与改进 |
| 3.3.1 钛合金板材解析模型相位分离 |
| 3.3.2 钛合金板材电涡流解析模型的改进 |
| 3.4 基于改进解析模型的钛合金板材电涡流测厚方法 |
| 3.5 钛合金板电涡流厚度测量实验 |
| 3.5.1 测量设备及实验设置 |
| 3.5.2 厚度测量结果与分析 |
| 3.6 本章小结 |
| 第四章 基于SSDAE深度神经网络的钛合金板材缺陷电涡流检测图像分类方法 |
| 4.1 引言 |
| 4.2 降噪自编码器原理及训练方式 |
| 4.2.1 自编码器原理 |
| 4.2.2 降噪自编码器原理 |
| 4.2.3 降噪自编码器训练方式 |
| 4.3 稀疏性限制引入与深度神经网络构建 |
| 4.3.1 稀疏性限制 |
| 4.3.2 栈式稀疏降噪自编码(SSDAE)深度神经网络构建 |
| 4.4 基于SSDAE深度神经网络的钛板缺陷电涡流图像分类方法 |
| 4.5 钛合金板缺陷电涡流检测与分类实验 |
| 4.5.1 检测装置 |
| 4.5.2 检测材料与试验设置 |
| 4.5.3 实验结果及分析 |
| 4.6 本章小结 |
| 第五章 基于DBN与LSSVM的钛合金板材缺陷电涡流检测图像定量化评估方法 |
| 5.1 引言 |
| 5.2 基于DBN的钛合金板缺陷特征提取 |
| 5.2.1 限制玻尔兹曼机原理 |
| 5.2.2 深度置信网络构建与特征提取 |
| 5.3 基于LSSVM的钛合金板缺陷参数回归 |
| 5.4 基于DBN和LSSVM的钛合金板缺陷定量化评估方法 |
| 5.5 钛合金板缺陷定量化评估实验 |
| 5.5.1 参数影响分析 |
| 5.5.2 评估结果与讨论 |
| 5.6 本章小结 |
| 第六章 钛合金板材电涡流无损检测系统设计与实现 |
| 6.1 引言 |
| 6.2 钛合金板材电涡流无损检测系统总体架构 |
| 6.2.1 电涡流检测系统总体硬件架构 |
| 6.2.2 电涡流检测系统总体软件工作流程 |
| 6.2.3 电涡流检测系统功能模块划分 |
| 6.3 电涡流无损检测系统软硬件模块化实现 |
| 6.3.1 电涡流探头设计 |
| 6.3.2 电涡流检测系统硬件实现 |
| 6.3.3 电涡流检测系统软件实现 |
| 6.4 智能检测分析功能集成 |
| 6.4.1 钛合金板测厚功能 |
| 6.4.2 钛合金板缺陷分类与评估功能 |
| 6.5 钛合金板材电涡流无损检测应用实例 |
| 6.5.1 钛合金板材缺陷检测 |
| 6.5.2 钛合金板材厚度测量 |
| 6.5.3 钛合金板材缺陷分类与评估 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读博士学位期间取得的主要研究成果 |
| 附录B 攻读博士期间参与的科研项目 |
（5）基于数字光栅的构件三维识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 自动化构件测量系统研究现状 |
| 1.2.1 自动化构件测量系统 |
| 1.2.2 激光跟踪仪 |
| 1.2.3 电子经纬仪 |
| 1.3 视觉测量系统研究现状 |
| 1.3.1 双目视觉测量系统 |
| 1.3.2 单目视觉测量系统 |
| 1.4 文献综述 |
| 1.5 主要研究内容 |
| 第2章 硬件系统搭建与标定 |
| 2.1 硬件平台的搭建 |
| 2.1.1 投影仪的选型 |
| 2.1.2 相机的选型 |
| 2.1.3 机械夹持架构的搭建 |
| 2.2 相机标定 |
| 2.2.1 针孔相机模型 |
| 2.2.2 相机标定原理 |
| 2.2.3 相机标定实验 |
| 2.3 投影仪标定 |
| 2.3.1 投影仪标定原理 |
| 2.3.2 投影仪标定步骤 |
| 2.3.3 投影仪标定实验 |
| 2.4 本章小结 |
| 第3章 相位展开与三维建模 |
| 3.1 OpenCV图像处理原理 |
| 3.2 相位移原理 |
| 3.3 空域相位展开算法 |
| 3.3.1 空间解相位基本原理 |
| 3.3.2 包裹相位预处理 |
| 3.3.3 质量引导图生成 |
| 3.3.4 相位展开 |
| 3.4 时域相位展开 |
| 3.4.1 多频外差法原理 |
| 3.4.2 包裹相位预处理 |
| 3.4.3 相位条纹级数解算 |
| 3.5 三维重建 |
| 3.5.1 三维重建原理 |
| 3.5.2 三维重建实验 |
| 3.6 本章小结 |
| 第4章 点云数据后处理 |
| 4.1 PCL简介 |
| 4.2 目标与背景点云分割 |
| 4.2.1 OTSU算法 |
| 4.2.2 Kmeans算法 |
| 4.2.3 基于OTSU的改进Kmeans算法 |
| 4.2.4 点云分割实验 |
| 4.3 局部点云配准 |
| 4.3.1 特征点提取 |
| 4.3.2 点云粗配准 |
| 4.3.3 点云精匹配 |
| 4.3.4 点云配准实验 |
| 4.4 局部点云曲面重建 |
| 4.4.1 泊松重建原理 |
| 4.4.2 泊松算法定义 |
| 4.4.3 泊松算法实现 |
| 4.4.4 泊松重建实验 |
| 4.5 本章小结 |
| 第5章 软件系统开发 |
| 5.1 整体系统设计 |
| 5.1.1 开发环境配置 |
| 5.1.2 系统整体框图设计 |
| 5.2 系统模块设计 |
| 5.2.1 图像采集模块设计 |
| 5.2.2 标定模块设计 |
| 5.2.3 人机交互界面设计 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（6）基于相位法测距的压缩感知三维成像系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 激光测距技术简述 |
| 1.3 压缩感知三维成像的国内外研究现状 |
| 1.3.1 压缩感知三维成像国外研究现状 |
| 1.3.2 压缩感知三维成像国内研究现状 |
| 1.4 论文主要研究内容 |
| 2 基于相位法测距的压缩感知三维成像理论 |
| 2.1 压缩感知基本理论 |
| 2.1.1 信号的稀疏表示 |
| 2.1.2 测量矩阵 |
| 2.1.3 重构算法 |
| 2.2 压缩感知三维成像总体方案 |
| 2.3 压缩感知三维成像数学模型 |
| 2.4 本章小结 |
| 3 基于相位法测距的压缩感知三维成像原理的仿真研究 |
| 3.1 相位法测距的鉴相仿真 |
| 3.1.1 鉴相方法 |
| 3.1.2 鉴相仿真 |
| 3.2 压缩感知三维成像系统仿真 |
| 3.2.1 系统仿真模型 |
| 3.2.2 仿真参数设置 |
| 3.2.3 仿真结果 |
| 3.3 稀疏变换基FFT的重构结果分析及优化 |
| 3.4 本章小结 |
| 4 基于相位法测距的压缩感知三维成像实验平台搭建 |
| 4.1 激光发射模块 |
| 4.1.1 调制激光的产生 |
| 4.1.2 调制激光的准直整形 |
| 4.2 DMD调制模块 |
| 4.2.1 DMD结构及工作原理 |
| 4.2.2 DMD主要参数及调节支架 |
| 4.2.3 DMD软件控制 |
| 4.3 信号采集模块 |
| 4.3.1 光电探测器 |
| 4.3.2 高速采集卡 |
| 4.4 系统实验平台 |
| 4.5 本章小结 |
| 5 基于相位法测距的压缩感知三维成像的实验研究 |
| 5.1 采样率对三维成像重构效果的影响对比实验 |
| 5.2 目标形状对三维成像重构效果的影响对比实验 |
| 5.3 实验结果分析讨论 |
| 5.4 本章小结 |
| 6 结论 |
| 6.1 研究工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在读期间发表的学术论文及参加的科研项目 |
（7）基于人工复眼的场景感知方法（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 昆虫复眼系统分类和分析 |
| 1.2.2 人工复眼技术研究现状 |
| 1.2.3 静态场景三维重构深度估计研究现状 |
| 1.2.4 动态场景光流估计研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文结构安排 |
| 第2章 电子簇眼图像修正方法 |
| 2.1 引言 |
| 2.2 电子簇眼系统 |
| 2.3 电子簇眼图像修正 |
| 2.3.1 电子簇眼图像平场修正 |
| 2.3.2 电子簇眼图像失真修正 |
| 2.4 实验结果及分析 |
| 2.5 小结 |
| 第3章 静态场景电子簇眼失真图像三维重构方法 |
| 3.1 引言 |
| 3.2 电子簇眼失真图像深度估计问题分析 |
| 3.3 电子簇眼失真图像三维重构方法 |
| 3.3.1 空间坐标计算 |
| 3.3.2 匹配代价计算和聚合 |
| 3.3.3 初始深度估计及图像重构 |
| 3.3.4 深度图及重构图像优化 |
| 3.4 实验结果及对比分析 |
| 3.4.1 评价指标 |
| 3.4.2 实验结果分析 |
| 3.5 小结 |
| 第4章 静态前向平行场景电子簇眼图像三维重构方法 |
| 4.1 引言 |
| 4.2 前向平行场景图像三维重构方法总体框架 |
| 4.3 子眼通道图像匹配特征选择 |
| 4.4 边缘深度估计 |
| 4.4.1 边缘特征匹配 |
| 4.4.2 边缘深度融合 |
| 4.5 边缘深度传播 |
| 4.6 一致性检验和深度优化 |
| 4.7 深度图融合和图像重构 |
| 4.8 实验结果及对比分析 |
| 4.9 小结 |
| 第5章 静态含斜平面场景电子簇眼图像三维重构方法 |
| 5.1 引言 |
| 5.2 含斜平面场景图像三维重构方法总体框架 |
| 5.3 置信传播方法 |
| 5.4 电子簇眼跨图像传播模型 |
| 5.5 图像阵列深度优化算法 |
| 5.6 含斜平面场景图像三维重构算法 |
| 5.7 实验结果及对比分析 |
| 5.7.1 算法评价指标 |
| 5.7.2 实验参数设置 |
| 5.7.3 图像阵列深度结果比较及分析 |
| 5.7.4 重构图像和深度结果比较及分析 |
| 5.8 小结 |
| 第6章 动态场景电子簇眼图像光流估计方法 |
| 6.1 引言 |
| 6.2 变分法光流估计问题 |
| 6.3 电子簇眼阵列图像光流估计模型 |
| 6.4 电子簇眼阵列图像光流估计优化算法 |
| 6.5 电子簇眼光流估计算法 |
| 6.6 实验结果及对比分析 |
| 6.6.1 Middlebury数据集光流估计效果分析 |
| 6.6.2 Sintel数据集光流估计效果分析 |
| 6.6.3 电子簇眼图像光流估计效果分析 |
| 6.7 小结 |
| 结论与展望 |
| 致谢 |
| 附录 |
| 参考文献 |
| 攻读博士学位期间科研成果 |
| 学术论文 |
| 发明专利 |
| 参与科研项目 |
（8）电阻桥式MEMS传感器接口电路研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究目的及意义 |
| 1.4 论文主要研究内容 |
| 第二章 MEMS热膜式流量传感器 |
| 2.1 MEMS热膜式流量传感器传热学原理 |
| 2.2 传感器电桥检测电路原理 |
| 2.3 恒温差控制电路设计 |
| 2.4 本章小结 |
| 第三章 ASIC前端电路设计 |
| 3.1 前端放大器设计 |
| 3.2 ∑ΔADC结构设计与仿真 |
| 3.2.1 过采样技术分析 |
| 3.2.2 噪声整形技术分析 |
| 3.2.3 ∑Δ调制器参数设计 |
| 3.2.4 ∑Δ调制器行为级建模与仿真 |
| 3.3 ∑ΔADC电路设计 |
| 3.4 本章小结 |
| 第四章 数字后处理电路设计 |
| 4.1 数字后处理滤波器级联系统设计 |
| 4.2 CIC滤波器设计与仿真 |
| 4.3 IIR滤波器设计与仿真 |
| 4.4 ASIC通信接口设计 |
| 4.5 数字电路FPGA验证 |
| 4.6 本章小结 |
| 第五章 数据处理方法研究 |
| 5.1 分段拟合方法研究 |
| 5.2 BP神经网络补偿算法 |
| 5.3 改进BP神经网络补偿算法 |
| 5.4 本章小结 |
| 第六章 传感器系统测试与分析 |
| 6.1 硬件测试平台的搭建 |
| 6.2 芯片功能验证 |
| 6.3 温度补偿算法验证 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在学期间发表的学术论文及取得的研究成果 |
（9）高精度标定转台光栅测角系统关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 高精度标定转台综述 |
| 1.3 光栅测角系统综述 |
| 1.4 转台测角系统的关键技术 |
| 1.5 论文研究的主要内容和结构 |
| 第二章 光栅测角系统关键理论研究 |
| 2.1 光栅测角系统的基础理论 |
| 2.2 光栅信号质量分析理论 |
| 2.3 测角系统的精度分配及误差软件补偿 |
| 2.4 小结 |
| 第三章 光机结构关键技术研究 |
| 3.1 引言 |
| 3.2 高精度轴系分析与设计 |
| 3.3 提高光栅副精度的相关技术 |
| 3.4 照明系统 |
| 3.5 读数头的布置 |
| 3.6 整体光机结构 |
| 3.7 本章小结 |
| 第四章 提高系统精度的电子学关键技术 |
| 4.1 引言 |
| 4.2 光栅信号的获取 |
| 4.3 提高信号质量的电路 |
| 4.4 细分技术 |
| 4.5 数字量相加数据处理 |
| 4.6 电子学系统总体结构 |
| 4.7 本章小结 |
| 第五章 精度分析与检测 |
| 5.1 引言 |
| 5.2 轴系晃动误差分析和测试 |
| 5.3 光栅盘分度误差分析和测试 |
| 5.4 细分误差分析 |
| 5.5 测角系统精度检测 |
| 5.6 本章小结 |
| 第六章 基于BP神经网络的误差补偿 |
| 6.1 神经网络模型 |
| 6.2 BP神经网络模型及其改进算法 |
| 6.3 测角系统的误差补偿 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文研究的结论 |
| 7.2 论文的创新点 |
| 7.3 论文的不足之处 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导教师及作者简介 |
| 致谢 |
四、BP算法应用于标定相移器时的数据处理（论文参考文献）
- [1]基于深度学习的自适应光学波前传感技术[D]. 李自强. 中国科学院大学(中国科学院光电技术研究所), 2021
- [2]天然气流量测量与泄漏检测技术研究[D]. 刘爱琦. 常州大学, 2021(01)
- [3]基于深度学习的通信信号智能盲检测与识别技术研究[D]. 李润东. 电子科技大学, 2021(01)
- [4]钛合金板材电涡流无损检测与定量化评估研究[D]. 包俊. 昆明理工大学, 2020
- [5]基于数字光栅的构件三维识别研究[D]. 何睿. 哈尔滨工业大学, 2020(01)
- [6]基于相位法测距的压缩感知三维成像系统研究[D]. 郑磊珏. 杭州电子科技大学, 2020(01)
- [7]基于人工复眼的场景感知方法[D]. 吴思东. 西南交通大学, 2019
- [8]电阻桥式MEMS传感器接口电路研究[D]. 王亚林. 中国电子科技集团公司电子科学研究院, 2019(02)
- [9]高精度标定转台光栅测角系统关键技术研究[D]. 苏东风. 中国科学院研究生院（长春光学精密机械与物理研究所）, 2011(10)
- [10]BP算法应用于标定相移器时的数据处理[J]. 黄燕群,田爱玲,李力. 西安工业学院学报, 2003(04)