基于超聲相控陣的已知場景多目標(biāo)識別與定位研究.pdf

1、針對核輻射、強(qiáng)粉塵、濃霧、反光等特殊環(huán)境下傳統(tǒng)光學(xué)設(shè)備無法工作或是效果不理想的情況，提出了一種利用超聲換能器陣列實現(xiàn)物體形狀識別以及定位的解決方案。
　　本文在總結(jié)和歸納超聲陣列在識別以及定位方面的研究現(xiàn)狀后，結(jié)合超聲波在空氣中的傳播特性，選擇了壓電片直徑為11mm、中心頻率為40kHz的換能器作為陣元，設(shè)計了一種發(fā)射陣列與接收陣列上下交錯排布的二維超聲檢測平臺。該平臺包括超聲陣列單元、信號處理單元以及嵌入式異構(gòu)單元等三部分。超聲

2、陣列由28個換能器構(gòu)成，其中發(fā)射陣列由8個陣元組成，接收陣列由2×10個陣元組成。信號處理單元主要對微弱的回波信號進(jìn)行放大、濾波、采樣、存儲等處理；嵌入式異構(gòu)單元主要對采集的回波信號進(jìn)行特征提取，實現(xiàn)定位算法與形狀識別算法。
　　在物體定位方面，采用了到達(dá)時間差（TDOA）超聲定位模型。為消除多徑反射引起的渡越時間（TOF）測量誤差，采用快速互相關(guān)算法提高檢測精度。針對算法中快速傅里葉變換（FFT）耗時長的問題，采用級間串行、級內(nèi)

3、并行的思想對FFT算法進(jìn)行了改進(jìn)，引入了計算統(tǒng)一設(shè)備架構(gòu)（CUDA）并行技術(shù)在GPU上加速算法的實現(xiàn)。
　　在形狀識別方面，基于不同形狀的物體反射的超聲波具有的規(guī)律性，基于時域的特征方法和基于頻域的特征方法分別建立特征矢量庫，結(jié)合 BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)物體形狀識別。為加速實現(xiàn) BP算法，通過公式推導(dǎo)出算法中包含的矩陣運算，采用神經(jīng)元結(jié)構(gòu)的并行性和矩陣運算的并行性相結(jié)合的方案對算法進(jìn)行了改進(jìn)，同樣引入了CUDA并行技術(shù)加速算法的實現(xiàn)。<