运动目标噪声源识别方法

运动目标噪声源识别方法

严光洪,陈志菲,孙进才

(西北工业大学航海学院,陕西西安　710072)

摘　要:文章提出了利用单线列阵确定运动目标噪声源部位和特性的方法,并提出了基于DOA解算运动目标噪声源的空间位置的方法。介绍了噪声源部位识别时M USIC近场和相关性处理方法。数字仿真计算、消声水池模拟试验和实物试验结果表明,文中所介绍的方法是正确的。当运动目标和测试阵垂直距离小于150m时,噪声源部位测试误差不大于0.1m,可用于工程测试。

关　键　词:噪声源,部位识别,线列阵,M USIC

中图分类号:TN911.7 文献标识码:A 文章编号:1000-2758(2009)03-0378-04

水下航行体、汽车、飞机等运动物体辐射噪声,很多场合下要求降噪,为了有效实现噪声控制,必须确定噪声源位置和特性。对于静态目标的噪声源部位和特性的确定,可利用单个声压传感器、声矢量、多传感器形成的阵列对噪声源进行定向定位和特性分析[1～4]。而对于运动目标的噪声特性的确定,目前一般只利用声压传感器或矢量传感器测试到噪声的时域和频域特性[5,6],对运动目标的噪声源部位,目前还没有很有效的确定方法。在运动目标均速直线运动、测试平台静止条件下,本文提出了利用单线列阵基于MU SIC算法解算DOA(Direction of Arrival)的噪声源部位确定方法。另外,本文也介绍了噪声源部位识别时M USIC近场和相关性处理方法。利用仿真确定了基于单一线列阵的噪声源部位识别的误差。消声水池试验和水库试验结果表明本文所介绍方法的正确性,当运动目标和测试阵垂直距离小于150m时,噪声源部位测试误差不大于0.1m,可用于工程测试。

1　噪声源部位确定的方法

当测试阵与运动目标在同一平面时,测试阵可设计成线列阵,噪声源部位求解为2D坐标系的求解,如图1

所示。

图1　不同时刻运动目标在坐标中的位置

当运动目标作均速直线运动时,若t1、t2、t3时刻(设 t=t3-t2=t2-t1)声源与x轴的夹角 1、 2、 3可求得,则根据图中的几何关系可求出t2时刻声源的位置。由图中几何关系,则有

a sin

R1-a cos

=tg( 3- 2)

2a sin

R1-2a co s

=tg( 3- 1)

(1)

式中,a=v t,为 t时刻运动物体的移动距离。由(1)式可求出和R1

=ctg-1[ctg( 3- 2)-2ctg( 3- 1)]

R1=a cos+a sin ctg( 3- 2)

(2)

2009年6月第27卷第3期

西北工业大学学报

Jo ur nal o f N or thw ester n Po ly technica l U niv ersity

June2009

Vo l.27N o.3

收稿日期:2008-03-04基金项目:国家自然科学基金(60672136)资助作者简介:严光洪(1966-),西北工业大学博士生,主要从事信号处理、噪声控制和固体力学研究。

因为R sin( 3- 2)=a sin,则可求得R

R=

a sin

sin( 3- 2)

(3)

当R已知时,t2时刻声源的坐标(x0,y0)为

x0=x c1-R cos 2

y0=R sin 2

(4)同时,可求得运动物体和阵的夹角!为

!=1800- 3-(5) 由以上分析可知,若在3个时刻的噪声源辐射方位角度已知,则可确定声源相对阵的位置。方位角估计可采用高分辨DOA估计算法[7～9]。计算噪声源不同频率f1和f2单频点或窄带下的某一时刻的方位和位置。当f1和f2噪声源的相对位置可求解时,并已知其中一个频率噪声源在运动目标上的固定位置(可采用在运动物体上某固定位置安装声换能器发射和一般辐射噪声频率不一样的某特定频率的声信号)时,则运动目标的另一频率的噪声源发出的位置可求得。2　DOA求解方法

本文采用MU SIC算法[10]。线列阵的M USIC算法的远场DOA精确求解方法如下:

在?≥#≥0范围内,分别求解P M USI C(#), P MU SIC(#)最大值对应的角度即为信号到达方位角, P MU SIC(#)值计算公式为

P MU SIC(#)=

1

∑N

i=D+1

‖a(#)H e i‖

(6)式中,‖ ‖为范数值,e i为测试信号的协方差矩阵的特征矢量,∑

N

i=D+1

为所有噪声特征矢量构成的和。

a(#)H为

a(#)H=[e-j kx1cos#,…,e-j kx N cos#](7)式里,k为波数,x1,…,x N为线列阵阵元的坐标位置。

当运动目标和阵的距离不满足远场条件时, DOA求解时需进行M USIC近场修正,MU SIC近场修正时近场协方差矩阵R近修正成R修[11]

R修(r,r+h)=

R近c-

h

2,c+

h

2如果c-

h

2为整数

R近c-

h-1

2

,c+

h+1

2

+R近c-

h+1

2

,c+

h-1

2

2其它

(8)

式中,c为阵列中心,c=(N+1)/2,N为线列阵的阵元总数。

当信号相关时,协方差矩阵R的秩会退化,构造一个T oeplitz矩阵进行去相关处理[12]

R T=r-xx[1]r-*xx[2]…r-*xx[N]

r-xx[2]r-xx[1]…r-*xx[N-1]

…………

r-xx[N]r-x x[N-1]…r-*xx[1]

(9)

式中,T oeplitz矩阵中的元数为

r-[i]=1

N-i+1∑N

n=1

r xx[n,n-i+1]

i=1,2,…,N (10)

3　仿真计算分析

由以上分析可知,噪声源部位求解的准确度和DOA求解的精度有关,而DOA求解的精度和阵元数目有关,数目越大精度越高,理论上,可实现任何精度的噪声源部位识别的线列阵。工程实现时,若噪声源部位识别误差在±0.1m内就基本可行。以下以16元线列阵为例,利用仿真计算分析噪声源部位识别的误差,用于确定工程可行性。仿真计算分析的模型如下:

(1)线列阵为均匀线列阵,阵元之间的间距d ≤?/2,?为分析最高频率信号所对应的波长,阵元数为16个。

(2)设第i个阵元采集到的信号x i(t)为

x i(t)=s(t-%i)+n i(t)(11)式中,s(t-%i)为第i个阵元接受到的声信号,s(t) = A cos(&t-kr i+?0)/r i,&=2?f,k为波数,?0为声信号的相位,r i为声源和第i个阵元之间距离。式中n i(t)为空间噪声,假设为高斯白噪声,即均值为0方差为1的均匀分布的随机信号。信噪比S N R =6dB。

(3)设运动物体航行方向和阵连线方向的夹角

?

379

?

第3期严光洪等:运动目标噪声源识别方法

!不大于30°。

(4)t 1、t 2、t 33个时刻的取值和运行速度有关,要求a =v t 和R 取值基本相当,计算结果取3个时刻的平均值。

图2为仿真计算结果,横坐标为运动目标和阵之间的垂直距离,纵坐标误差定义为两声源间距的仿真计算值(5次随机数下的计算结果均值)和预设值之间的差值。当垂直间距小于150m 时,误差小于0.1m ,

满足工程要求。

图2　仿真结果图

4　水池和外场试验

水池试验为静态模拟试验,试验系统组成见图3、图4,共有3组换能器,每组换能器可分别发出f 1、f 2频率的水声信号。3组中发出f 1、f 2的换能器等间距布置,模拟运动物体3个时刻的间距,每组发出f 1、f 2声信号的换能器模拟运动物体2个噪声源。第2组换能器约在O 点(水听器8/9中间)正上方。接收

阵和仿真计算时所用的阵相同。

图3　静态试验示意图

水池长20m,宽8m ,深7m ,水池周围布有消声尖劈。分别进行了声源到水听器阵的垂直距离R = 4.2m 、5.0m 、6.3m 、7.3m 、8.1m 的声源定位试验。试验结果见表1,试验结果和仿真结果基本吻合。

表1　水池试验结果

垂直距离/m 4.2 5.0

6.3

7.3

8.1

偏差/m

0.004

0.029-0.0180.0080.010

外场试验在水库中央抛锚的方驳船上进行。方驳船处水深30m ,离最近岸约30m 。测试阵入水15m

。

测试系统与水池试验所用的系统相同。由于声反图4　试验使用的线列阵和发射换能器

射,水库试验时的水声场为弱混响场。试验结果见表2,试验结果和仿真结果基本吻合。

表2　外场试验结果

垂直距离/m 8.020.0偏差/m

0.038

-0.023

5　结　论

当航行速度已知的运动目标作均匀直线航行时,利用线列阵可确定运动目标的声源位置。仿真计算结果表明利用单一16元阵可测试距离小于150m 的运动目标噪声源,识别距离误差在±0.1m 范围

内。消声水池模拟试验和实物试验结果表明进一步验证了本文所介绍方法的正确性和可达到的精度,本文提出的方法可应用于工程实际,具有重要的工程应用价值。

?

380?西北工业大学学报第27卷

参考文献:

[1]　A r no ld D P,et al.A Directio nal A co ust ic A r ray U sing Silico n M icro machined Piezor esistiv e M icro pho nes.J A co ust Soc

A m,2003,113(1):289～298

[2]　贾智骏等.客车主要噪声源识别的试验研究.汽车工程,2004,26(4):485～487

Jia Z hijun,et a l.An Ex per imental Study o n N o ise Sour ces Identificat ion o f a Bus.A uto mot ive Eng ineering ,2004,26(4):485～487(in Chinese)

[3]　Heinz T eutsch,et a l.A coustic So ur ce D etectio n and L o calization Based o n W avefield Decomposit ion U sing Circular

M icro pho ne A r ray s .J A co ust Soc A m ,2006,120(5):2724～2736[4]　何元安等.用声场空间变换识别水下噪声源.应用声学,2000,19(4):9～13

He Yuanan,et al.U nder w ater N oise Source Identificatio n by U se o f Spatial T r ansfor m o f So und F ield.A pplied A coustics,2000,19(4):9～13(in Chinese)

[5]　程广福等.舰艇辐射噪声源分离方法研究.哈尔滨工程大学学报,2004,25(5):563～565

Cheng Guangfu,et al.Study o f Separation M ethod of N aval Ship R adiated No ise So urces.Jo ur nal of Ha rbin Eng ineering U niv ersity ,2004,25(5):563～565(in Chinese )

[6]　Chen J C ,et al .Sour ce Lo calizat ion and Beamfo rming .IEEE SP M ag azine ,2002,30～39

[7]　K r im H ,et a l .T w o Decades of A rr ay Signal Pr ocessing R esear ch .IEEE SP M aga zine ,1996,67～90[8]　孙进才等.信号相位匹配原理及其应用.西安:西北工业大学出版社,2005

Sun Jinca i,et al.Sig nal P hase M atch Pr inciple a nd A pplicatio n.Xi ′an:N or thw est ern P olytechnical U niver sity Pr ess,2005(in Chinese )

[9]　Schmidt R O .M ultiple Emitter L o cat ion and Sig nal Par ameter Est imation .IEEE T r ans on A P ,1986,34(3):276～280[10]俞　靖等.确定声源频率和位置的超分辨率阵列处理方法.声学学报,1999,24(1):45～52

Yu Jing ,et al.A Hig h Reso lution A r ray P ro cessing fo r Fr equencies Estimatio n and L ocation o f So urces.Acta A custica ,1999,24(1):45～52(in Chinese )

[11]K ung S K ,L o C K ,Fo ka R.A T o eplitz A ppr ox imat ion A ppr oach to Coher ent So urces Dir ectio n F inding.P ro c of

ICA SSP ′86,1986,193～196

A Method for Localizing Noise Source of Constant -Speed Target

Y an Guanghong ,Chen Zhifei ,Sun Jincai

(Co lleg e of M ar ine Engineer ing ,N or thw est ern Po ly technical U niver sity ,Xi ′an 710072,China )

Abstract :Under the co nditions that the mov ing object mo ves linearly w ith constant speed and that the measurement platform is statio nary ,we present in sectio n 1of the full paper the m ethod for no ise source localization using DOA (direction of ar rival )estimation algor ithm for a linear array ;section 1derives eqs .(1)through (5)and explains how to make use o f them .Sectio n 2,ex plaining the use o f DOA estim ation algo rithm ,utilizes the near-field MU SIC correction algorithm and the sig nal de-corr elation method.T he results of sim ulation calculation of the erro rs o f noise so urce localization w ith a 16-element linear arr ay ,pr esented in Fig .2o f the full paper ,sho w preliminar ily that ,if the vertical distance betw een a m oving object and the measurement array is less than 150m ,then the m easur em ent err or of noise source localization is less than 0.1m.T he test r esults in anechoic cham ber,given in Table 1,and lake test results ,given in T able 2,show that our m ethod is accurate and practical .Key words :arrays,signal processing ,noise source,localization,linear arr ay

?

381?第3期严光洪等:运动目标噪声源识别方法

噪声测量噪声源识别与定位的方法简析

噪声测量：噪声源识别与定位的方法简析噪声测量的一项重要内容就是估计和寻找产生噪声的声源。 确定噪声源位置是实施控制噪声措施的先决条件。从声源上控制噪声可以大大减轻噪声治理的工作量，而且对促进生产低噪声产品研制，提高产品质量和寿命有直接效果，同时噪声源识别技术是声学测量技术的综合运用，具有很强的技术性。因此，噪声源识别有很大的现实意义。 噪声源识别的本质在于正确地判断作为主要噪声源的具体发声零部件，主要辐射部分。有时还要求对噪声源的特点及其变化规律有所了解。噪声源识别的要求有以下两个主要方面： ?确定噪声源的特性，包括声源类别，频率特性，变化规律和传播通道等。在复杂的机械中，用一种测量方法要明确区分声源的主次及其特性实际上往往是比较困难的。因此经常需要综合应用多种测量方法和信号处理技术，以便最终达到明确识别的目的。 ?确定噪声产生的部位、主要的发声部件等以及各噪声源在总声级中的比重。对多声源噪声，控制噪声的主要方法之一是找到

发声部件中占噪声总声级中比重最大的声源噪声，采取措施进行降噪，可达到事半功倍的效果。 噪声源识别方法很多，从复杂程度、精度高低以及费用大小等方面均有不少的差别，实际使用时可根据研究对象的具体要求，结合人力物力的可能条件综合考虑后予以确定。具体说来，噪声源识别方法大体上可分为二类： ?第一类是常规的声学测量与分析方法，包括分别运行法、分别覆盖法、近场测量法、表面速度测量法等。 ?第二类是声信号处理方法，它是基于近代信号分析理论而发展起来的，象声强法、表面强度法、谱分析、倒频谱分析、互相关与互谱分析、相干分析等都属于这一类方法。 在不同研究阶段可以根据声源的复杂程度与研究工作的要求，选用不同的识别方法或将几种方法配合使用。 声学测量法 人的听觉系统具有比最复杂的噪声测量系统更精确的区分不同声音的能力，经过长期实践锻炼的人，有可能主观判断噪声声

关于三维图像目标识别文献综述

关于三维目标识别的文献综述 前言： 随着计算机技术和现代信息处理技术的快速发展，目标识别已经迅速发展成为一种重要的工具与手段，目标识别是指一个特殊目标（或一种类型的目标）从其它目标（或其它类型的目标）中被区分出来的过程。它既包括两个非常相似目标的识别，也包括一种类型的目标同其他类型目标的识别。目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。它属于模式识别的范畴，也可以狭义的理解为图像识别。三维目标识别是以物体表面朝向的三维信息来识别完整的三维物体模型目标识别需要综合运用计算机科学、模式识别、机器视觉以及图像理解等学科知识。目标识别技术已广泛应用于国民经济、空间技术和国防等领域。 正文： 图像识别总的来说主要包括目标图像特征提取和分类两个方面。但是一般情况下，图像受各种因素影响，与真实物体有较大的差别，这样，就需要经过预处理、图像分割、特征提取、分析、匹配识别等一系列过程才能完成整个识别过程。 目前，最主流的三种三维物体识别研究思路是： 1)基于模型或几何的方法；

2)基于外观或视图的方法； 3)基于局部特征匹配的方法； 一、基于模型或几何的方法： 这种方法所识别的目标是已知的，原理就是利用传感器获得真实目标的三维信息并对信息进行分析处理，得到一种表面、边界及连接关系的描述，这里，三维物体识别中有两类最经常使用的传感器：灰度传感器和深度传感器，前者获取图像的每个像素点对应于一个亮度测量，而后者对应于从传感器到可视物体表面的距离；另一方面，利用CAD建立目标的几何模型，对模型的表面、边界及连接关系进行完整的描述。然后把这两种描述加以匹配就可以来识别三维物体。其流程如下图所示： 传感器数据获取过程，就是从现实生活中的真实物体中产生待识别的模型。分析/建模过程，是对传感器数据进行处理，从中提取与目标有关的独立应用特征。模型库的建立一般式在识别过程之前，即首先根据物体的某些特定特征建立一些关系以及将这些信息汇总成一个库。在模型匹配过程，系统通过从图像中抽取出的物体关系属性图，把物体描述与模型描述通过某种匹配算法进行比较、分析，最终得到与物体最相似的一种描述，从而确定物体的类型和空间位置。 基于模型的三维物体识别，需要着重解决以下4个问题：

运动目标检测光流法

摘要 运动目标检测方法是研究如何完成对视频图像序列中感兴趣的运动目标区域的“准确定位”问题。光流场指图像灰度模式的表面运动，它可以反映视频相邻帧之间的运动信息，因而可以用于运动目标的检测。MATLAB这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以利用MATLAB 软件来用光流法对运动目标的检测中具有很大的优势。本设计主要可以借助matlab软件编写程序，运用Horn-Schunck算法对图像前后两帧进行处理，画出图像的光流场。而图像的光流场每个像素都有一个运动矢量，因此可以反映相邻帧之间的运动，分析图像的光流场就可以得出图像中的运动目标的运动情况。 关键字：光流法；Horn-Schunck算法；matlab

目录 1光流法的设计目的 (1) 2光流法的原理 (1) 2.1光流法的介绍 (1) 2.1.1光流与光流场的概念 (1) 2.1光流法检测运动目标的原理 (2) 2.1.1光流场计算的基本原理 (2) 2.2.2基于梯度的光流场算法 (2) 2.2.3Horn-Schunck算法 (3) 2.2.4光流法检测运动目标物体的基本原理概述 (5) 3光流法的程序具体实现 (6) 3.1源代码 (6) 3.1.1求解光流场函数 (6) 3.1.2求导函数 (9) 3.1.3高斯滤波函数 (9) 3.1.4平滑性约束条件函数 (10) 3.1.5画图函数 (10) 4仿真图及分析 (12) 结论 (13) 参考文献 (14)

1 光流法的设计目的 数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。随着计算机的发展，图像处理技术在许多领域得到了广泛应用，数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。 数字图像处理课程设计是在学习完数字图像处理的相关理论后，进行的综合性训练课程，其目的是：使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力；尝试所学的内容解决实际工程问题，培养学生的工程实践能力。 运动目标检测是数字图像处理技术的一个主要部分，近些年来，随着多媒体技术的迅猛发展和计算机性能的不断提高，动态图像处理技术日益受到人们的青睞，并且取得了丰硕的成果，广泛应用于交通管理、军事目标跟踪、生物医学等领域。 因此，基于光流法，实现运动目标的检测是本文的研究对象。结合图书馆书籍、网上资料以及现有期刊杂志，初步建立起运动目标检测的整体思路和方法。 2 光流法的原理 2.1 光流法的介绍 2.1.1 光流与光流场的概念 光流是指空间运动物体在观测成像面上的像素运动的瞬时速度，它利用图像序列像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，即反映图像灰度在时间上的变化与景物中物体结构及其运动的关系。将二维图像平面特定坐标点上的灰度瞬时变化率定义为光流矢量。视觉心理学认为人与被观察物体

汽车发动机振动噪声测试实用标准系统

附件1 汽车发动机振动噪声测试系统 1用途及基本要求： 该设备主要用于教学和科研中的振动和噪声测量，要求能够测量试验对象的振动噪声特性（频率、阶次、声强等），能对试验数据进行综合分析。该产品的生产厂应具有多年振动噪声行业从业经验，有较高的知名度和影响力。系统软件和硬件应该为成熟的模块化设计，同时具有很强的扩展能力，能保证将来软件和硬件同时升级。 2设备技术要求及参数 2.1设备系统配置 2.1.1数据采集系统一套； 2.1.2数据测试分析软件一套； 2.1.3传声器 2个； 2.1.4加速度计 2个； 2.1.5声强探头 1套； 2.1.6声级校准器 1个； 2.1.7笔记本电脑一台 2.2数据采集、控制系统技术要求 2.2.1主机箱一个；供电采用9～36V直流和 200～240V交流； 2.2.2便携式采集前端，适用于实验室及现场环境； 2.2.3整机消耗功率<150W； 2.2.4工作环境温度：-10?C ～50?C； 2.2.5中文或英文WindowsXP下运行，操作主机采用笔记本电脑； 2.2.6输入通道数：4个以上，其中2个200V极化电压输入通道、不少一个转速输入通道； 2.2.7输入通道拥有Dyn-X技术，动态围160dB； 2.2.8每通道最高采样频率：≥65.5kHz，最大分析带宽：≥25.6kHz； 2.2.9系统留有扩充板插槽，根据需要可以进一步扩充；数据采集前端可同时连接多种形式传感器,包括加速度计、转速探头、传声器、声强探头等； 2.2.10系统具有堆叠和分拆能力，多个小系统可组成多通道大系统进行测量。大系统可分拆成多个小系统独立运行； 2.2.11采集前端的数据传输具备二种方式之一：①通过10/100M自适应以太网传输至PC； ②通过无线通讯以太网技术传输至PC，通信距离在100米以上。使测量过程更为灵活方便，方便硬件通道和计算机系统扩展升级；

2011005646_噪音振动分析系统在变速器校验台上的应用

噪音振动分析在变速器校验台上的应用 摘要：传统的变速器校验台使用声级计测量变速器的噪音并通过校验人员人工判别变速器校验是否合格，由于环境噪音的客观存在和操作人员的主观因素导致校验结果可靠性不高。在江铃变速器校验台使用噪音振动分析系统，此系统通过加速度传感器将变速器表面的振动信号通过一系列数学变换转换为噪音能量，并使用阶次分析和频谱图直观的反映出各特征频率能量大小，从而可有效判断各运动部件的状态。噪音振动分析系统的引入大幅提高了变速器校验的科学性和可靠性。 关键词：噪音振动系统阶次分析频谱图变速器校验 1.概述 现代工程信号处理技术的高速发展，使得采用信号分析在变速器乃至汽车整车NVH（振动、噪音及舒适性）测试方面的应用也越来越广泛，其中频谱分析便是其中最常用的方法之一。频谱分析的数学基础是离散傅里叶变换（DFT）。该方法的一般过程是通过传感器以固定的采样频率采集时域信号，然后通过傅里叶变换得到频域信号，或者说频谱。由于平稳旋转机械中相关部件如齿轮、电动机等它们的工作频率（即特征频率）相对稳定，因此在频谱图可以很直观的反映出各特征频率能量大小，从而可有效判断各运动部件的状态。然而，当旋转机械的转速不平稳时则难以在频谱上判断出各运动部件的状态。例如在变速器总成加载校验中，就存在加载的过程同时转速也在不断变化的校验过程，这就需要新的处理方法。阶次分析就是近些年发展起来的，针对非稳态旋转机械状态检测和故障分析有效方法之一。 在江铃变速器校验台上使用的是德国Discom公司的Rotas噪音振动分析系统，通过加速度传感器将变速器的振动信号通过一系列数学变换转换为噪音能量并使用阶次分析将变速器输入轴、中间轴、输出轴的噪音信号分离，便于变速器的诊断。 2.阶次分析的基本原理 2.1.阶次的概念 阶次概念的提出，是为区别于传统频谱分析概念。阶次分析的本质上是基于参考轴转速的频率分析。 阶次O、频率f与参考轴转速n1之间的关系为： O =f/ n1 (1) 齿轮啮合频率的计算公式为：

三维目标的编写方法整理

三维目标的编写方法整理 （网络资料V1-2018.3.1） 一、三维目标的水平（层次）分类 （1）知识与技能（结果性目标）分类 1.知识水平 了解——再认或回忆、识别、举例、描述对象的特征。 行为动词：说出、举例、识别、背诵等 理解——把握内在逻辑联系，对知识作出解释、扩展、提供证据、判断等。 行为动词：解释、概括、判别、猜测、推断等。 应用——使用抽象的概念、原则，总结、建立新的合理联系等。 行为动词：设计、撰写、解决、总结、推广、证明等。 2.技能水平 模仿——在原型示范或指导下完成操作，对提供的对象进行模拟、修改等。 行为动词：模仿、临摹、重复、例证、缩写、听唱、跟奏等。 独立操作——独立完成操作，进行调整与改进，尝试与已有技能建立联系。 行为动词：完成、演唱、演奏、测试等。 迁移——在新情景中使用已有技能，或是同一技能在不同情景中使用。 行为动词：改编、转换、灵活运用、举一反三等。 （3）过程与方法（体验性目标）层次分类 经历——经历知识形成的过程，独立或合作参与活动，获得初步经验，建立感性认识。 行为动词：经历……的过程 体验——经历知识的形成，并能对知识作一定解释和应用的过程。行为动词：体验……的过程探索——经历应用所获得的知识探索发现问题、分析和解决问题的过程。 行为动词：探索……的过程 （4）情感态度价值观（体验性目标）层次分类 感受——经历学习活动后建立的感性认识。 行为动词：感受、感悟、聆听、参观、观摩、访问等。 认同——经历学习活动后表达感受、态度及价值判断等。 行为动词：接受、同意、采纳、拥护、怀疑、抵制、反对等。 内化——确立相对稳定的态度，表现出持续的行为。 行为动词：养成、树立、具有、追求、塑造等。

噪声源测量方法

噪声源测量方法 发布时间：2014-02-11 来源于：互联网 噪声源测量是一种多用途测量方法，这种方法能测量与次临界中子增殖因子相关的量。 噪声源测量 (1)主要是测量噪声源的辐射功率和指向性。测量方法有混响室法、消声室（或半消声室）法和比较法等。 混响室法只能测量噪声源的辐射声功率。将被测的噪声源放在混响室（见声学实验室）中，当噪声源辐射声功率W随时间的改变量不大时，即 在混响室的混响场中声压的均方根的平方： (2) 或声源辐射的声功率级（分贝）： (3) 式中ρ为室内空气密度；c为室内声速;V为混响室的体积；A=S峞,S为混响室总面积；峞为平均吸声系数；岧p为混响场中的平均声压级。ρc值取温度为15℃时空气中的值为415。 在混响室的混响场中取n个点,在这些点上测声压级，取其平均值岧p代入(3)式。混响室的平均吸声系数可由混响时间的测量得到。 在实际测量时,声源应放在离开墙壁λ/4的距离以外，测点之间的距离不小于λ/2,各测点与墙壁之间的距离应大于λ/2。λ是相应于测量的频率的波长。 消声室法（或半消声室法）在消声室内，可以同时测量噪声源的辐射声功率和指向性。在自由场内，声强(I)与声压p之间的关系为： (4) 将被测的噪声源放在消声室内，以它为中心，作一球面，将球面等分为n个面元，在每个面元的中心测量声压级Lpj,取这些测量值的平均值岧p，按声强与声功率之间的关系计算声功率级LW： (5) 式中r为测量球面的半径,ρc值取温度为15℃时空气中的值。再按 (6) 计算指向性指数DI。θ和φ是以球心为中心的方位角。 在半消声室中的测量与在消声室中的测量相似。将被测的噪声源尽可能按实际的安装放置在半消声室的地面上，以声源为中心在自由场内作半球面，将半球面分成n个相等面元，在每个面元中心测声压级Lpj，取它们的平均值岧p，按下式计算辐射声功率级： (7) 及按(6)式计算指向性指数。 比较法是一种工程方法。对测量环境除要求安静、不影响声压级测量数据以及有一个用以比较的标准声源以外，没有其他要求。比较法可以在安装机器(设备)的现场，或在其他环境进行。测量时，以机器或设备为中心，在地面上作一半球面，将它分成n个相等的面元,在每个面元的中心测量一个声压级，计算其平均声压级岧p。机器或设备如能移开，将

关于三维目标识别的文献综述

1.1研究背景 随着人类社会的快速发展，图像识别已经迅速发展成为一项极为重要的科技手段，其研究目标是，赋予计算机类似于人类的视觉能力，使其通过二维图像认知周边环境信息，包括识别环境中三维物体的几何形状、位置和姿态等。图像识别需综合运用计算机科学、模式识别、机器视觉及图像理解等学科知识，并随着这些学科的发展而前进。图像识别技术己广泛应用到许多领域，例如：宇宙探测、生物医学工程、遥感技术、交通、军事及公安等。针对不同对象和环境有不同的识别方法。由于图像可以提供十分丰富有效的信息，为给识别带来较大方便。因此，图像识别技术一直受到研究者重视，是模式识别领域的研究热点之一。一般来说，图像识别技术大体经历了三个主要阶段即：文字识别、二维图像识别和处理、三维物体识别。文字识别开始于1950年前后，首先是识别字母、数字和符号，后来发展到识别文字，从识别印刷字体到手写文字，并研制出相应的文字识别设备。从六十年代初期开始，人们开始图像处理和识别的研究，逐步发展到识别静止图像和运动图像，最初主要利用成像技术光学技术等，后来人们结合了日新月异的计算机技术，获得巨大成功。接下来是对三维物体识别问题的研究。三维物体识别的任务是识别出图像中有什么类型的物体,并给出物体在图像中所反映的位置和方向，是对三维世界的感知理解。在结合了人工智能科学、计算机科学和信息科学之后，三维物体识别成为图像识别研究的又一重要方向。 目前，出于城市规划、工业自动化、交通监控、军事侦察及医疗等各个领域的大量应用需求，三维物体识别已成为一个活跃的研究领域，有较大的实用价值和重要意义，具有广阔前景。设计一个三维物体识别系统，理论上要求它有足够好的通用性、稳健性，且学习简单，即这个系统能够在各种条件下，无需手工干预就能识别任何物体，没有特殊或复杂的过程来获得数据库模型。当然这个需求一般很难达到，实际都是在一定约束条件下进行方法的研究，然后尽可能减约束条件。三维物体识别一般可分为五种主要的研究思路： 1)基于模型(model-based)或几何(geometry-based)的方法； 2)基于外观(appearance-based)或视图(view-based)的方法； 3)基于局部特征匹配的方法； 4)光学三维物体识别 5)基于深度图像的三维物体识别 现在主流的是前三项， 1.基于模型或几何的方法 如果在识别的过程中，要利用有关物体外观的先验知识，如CAD设计的模型则称为基于模型（model-based）或几何（geometry-based）的三维物体识别。基于模型的方法，从输入图像数据中得到物体描述，并与模型描述进行匹配，以达到对物体进行识别及定位目的。这里的物体模型一般仅描述物体的三维外形，省略颜色和纹理等其他属性，其算法流程如图1-1所示。

运动目标检测原理

运动检测（移动侦测）原理 一、引言 随着技术的飞速发展，人们对闭路电视监控系统的要求越来越高，智能化在监控领域也得到越来越多的应用。在某些监控的场所对安全性要求比较高，需要对运动的物体进行及时的检测和跟踪，因此我们需要一些精确的图像检测技术来提供自动报警和目标检测。运动检测作为在安防智能化应用最早的领域，它的技术发展和应用前景都受到关注。 运动检测是指在指定区域能识别图像的变化，检测运动物体的存在并避免由光线变化带来的干扰。但是如何从实时的序列图像中将变化区域从背景图像中提取出来，还要考虑运动区域的有效分割对于目标分类、跟踪等后期处理是非常重要的，因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得运动检测成为一项相当困难的工作。 二、运动检测（移动侦测）原理 早期的运动检测如MPEG1是对编码后产生的I帧进行比较分析，通过视频帧的比较来检测图像变化是一种可行的途径。原理如下：MPEG1视频流由三类编码帧组成，它们分别是：关键帧（I 帧），预测帧（P帧）和内插双向帧（B帧）。I帧按JPEG标准编码，独立于其他编码帧，它是MPEG1视频流中唯一可存取的帧，每12帧出现一次。截取连续的I帧，经过解码运算，以帧为单位连续存放在内存的缓冲区中，再利用函数在缓冲区中将连续的两帧转化为位图形式，存放在另外的内存空间以作比较之用，至

于比较的方法有多种。此方法是对编码后的数据进行处理，而目前的MPEG1/MPEG4编码都是有损压缩，对比原有的图像肯定存在误报和不准确的现象。 目前几种常用的方法： 1.背景减除（Background Subtraction ） 背景减除方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。 2.时间差分（Temporal Difference ） 时间差分（又称相邻帧差）方法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区域。时间差分运动检测方法对于动态环境具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。 3.光流（Optical Flow） 基于光流方法的运动检测采用了运动目标随时间变化的光流特性，如Meyer[2] 等通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，

车辆噪声源识别方法综述

文章编号：1006-1355(2012)05-0011-05 车辆噪声源识别方法综述 胡伊贤，李舜酩，张袁元，孟浩东 （南京航空航天大学能源与动力学院，南京210016） 摘要：在车辆产业中，噪声问题越来越突出，噪声源识别方法是车辆噪声控制的重要前提。近年来，车辆噪声源识别的方法得到快速发展，但仍需不断改进和完善。本文对车辆噪声源识别方法进行总结，将车辆噪声源识别方法分为传统方法、基于信号处理方法和基于声阵列技术方法三类，并描述和分析各种识别方法的特点。最后总结全文，展望未来车辆噪声源识别方法。 关键词：声学；车辆；噪声控制；综述；噪声源识别方法 中图分类号：V231.92文献标识码：A DOI编码：10.3969/j.issn.1006-1335.2012.05.003 Reviews of Vehicle Noise Source Identification Methods HU Yi-xian,LI Shun-ming,ZHANG Yuan-yuan,MENG Hao-dong (College of Energy and Power Engineering,Nanjing University of Aeronautics and Astronautics, Nanjing210016,China) Abstract:In the vehicle industry,noise issues have become more evident.Vehicle noise source identification is an important prerequisite for noise control.In recent years,new methods of vehicle noise source identification have been developed,but it is necessary still for them to improve and optimize.The different methods for identifying noise sources are reviewed in this paper.All methods are divided into three categories,i.e.the traditional analysis method,the method based on signal processing,and method based on acoustic array technology.The features of various identification method are described and compared.Finally,some prospects of noise source identification method are given. Key words:acoustics;vehicle;noise control;review;noise source identification method 车辆噪声源识别是指在有许多噪声源或包含许多振动发声部件的复杂声源情况下，为了确定各个声源或振动部件的声辐射的性能，区分噪声源，并加以分等而进行的测量与分析。车辆的噪声主要分为发动机噪声、进排气噪声、传动噪声、轮胎噪声以及其他机械噪声[1，2]。 车辆噪声产生机理不同，针对不同噪声源有不同的识别方法[3]。本文将车辆噪声源识别方法分为三类：一类是传统噪声源识别方法，包括主观识别法、铅覆盖法、分部运行法、表面振速法和近场声压 收稿日期：2011-11-23；修改日期：2012-01-21 项目基金：江苏省普通高校研究生科研创新计划资助(基金编号：CX10B_094Z) 作者简介：胡伊贤（1986-），男，江苏，江苏宿迁泗阳县人，硕士，目前从事车辆噪声与振动控制研究。 E-mail:nuaayixian@https://www.wendangku.net/doc/a712516997.html, 测试法等。这些方法可以简单的对车辆噪声源进行识别。第二类是以信号处理为基础的噪声源识别方法，典型的有时域平均法、相关分析法、相干分析法、倒谱分析法、阶次分析法、小波分析法以及盲源分离法等。其中时域平均与相关分析是描述幅值随时间变化的时域分析方法。相干分析、倒谱分析在频域内对噪声信号进行分析，主要针对平稳噪声信号；阶次分析、小波分析、盲源分离识别方法在时频域内对信号进行分析，一般用于非平稳噪声信号。第三类是以声阵列技术为基础的噪声源识别方法，主要包括声强测试、波束成形以及声全息测试技术，它们主要特征是以全息面来直观全面反映各声源对整车噪声贡献的大小。本文在对各种声源识别方法总结基础上，分析声源识别方法的使用特点、优点与不足，对车辆噪声源识别方法进行总结与展望。

运动目标图像的识别与跟踪

运动目标图像的识别与跟踪 本文主要目的是将视频摄像头中的运动目标从背景中提取出来，并加以跟踪。首先考虑的是常见的目标检测的算法，其次考虑对于噪声的滤除，最后是对运动目标的跟踪。 一、基本目标检测算法 我们主要考虑的目标检测的算法主要有三种，光流场法、背景模型法以及时域差分法。 1.1光流场法 光流主要是图像亮度模式的表现运动。而光流场则是指灰度模式的表面运动。一般条件下，我们可以根据图像的运动，进行估算相对运动。 光流场法的基本理论是光流场基本方程： 0=++t y x I vI uI (1.1) 式中我们根据亮度守恒，利用泰勒公式展开，忽略高阶项与二次项。其中x I 、y I 和t I 是图像在对数轴x 、y 两个方向和t 的的导数，()v u ,就是这个点的光流坐标。 光流场法的目标检测，在摄像机运动时候也可以做出判断，但是图像的噪声太过明显，使得计算数据庞杂，计算的公式更加复杂，这样并不适合我们的对于目标跟踪的高精度的摄像系统。 1.2背景模型法 背景模型法，也被称为背景差法，主要利用当前的图像和背景的图像的二值化做差，然后取阈值，分割运动目标。 首先根据： ()()()y x b y x f y x D t t t ,,,-= (1.2) 我们可以得到当前的图像帧数()y x f t ,和背景图像的帧数),(y x b t 做差，然后以公式对图像进行二值化的处理。 ???≤>=)(,0)(,1),(BackGround T D ForeGround T D y x P t t t (1.3) 上面),(y x P t 是二值化模板图。假设某一区域大于一个给定的面积的时候，该区域就是我们要找的目标区域。 背景模型法的算法简单，可以快速反应，并且可以提供运动目标的大略特征等数据。但是对于复杂背景下，比如人流较大的公共场所，或者有光照等干扰时，就需以其他的算法以不断更新背景信息来进行弥补。

运动目标检测方法总结报告

摘要 由于计算机技术的迅猛发展，使得基于内容的视频信息的存取、操作和检索不仅成为一种可能，更成为一种需要。同时，基于内容的视频编码标准MPEG-4和基于内容的视频描述标准MPEG-7正在发展和完善。因此提取和视频中具有语义的运动目标是一个急需解决的问题。运动目标提取和检测作为视频和图像处理领域的重要研究领域，有很强的研究和应用价值。运动检测就是将运动目标从含有背景的图像中分离出来，如果仅仅依靠一种检测算法，难以从复杂的自然图像序列中完整地检测出运动的目标。较高的检测精度和效率十分重要，因此融合多种检测方法的研究越来越受到重视。本文介绍了几种国内外文献中的经典的视频运动目标的检测和提取算法，并对各种方法进行了评价和总结。首先介绍了基本的运动目标检测的基本知识和理论，然后介绍了基本的几种目标检测方法及其各种改进方法。对今后的运动目标检测提取的相关研究提供一定的参考。 关键词：运动目标检测光流法帧差法背景建模方法

摘要i ABSTRACT Because of the rapid development of computer technology, it is possible to access, operate and retrieve the video information based on the content of the video. At the same time, based on the content of the video coding standard MPEG-4 and content-based video description standard MPEG-7 is developing and improving. Therefore, it is an urgent problem to be solved in the extraction and video. Moving object extraction and detection is a very important field of video and image processing, and has a strong research and application value. Motion detection is to separate moving objects from the image containing background, if only rely on a detection algorithm, it is difficult to from a complex natural image sequences to detect moving target. Higher detection accuracy and efficiency are very important, so the study of the fusion of multiple detection methods is becoming more and more important. In this paper, the detection and extraction algorithms of the classical video moving objects in the domestic and foreign literatures are introduced, and the methods are evaluated and summarized. Firstly, the basic knowledge and theory of basic moving target detection is introduced, and then the basic method of target detection is introduced. To provide a reference for the research on the extraction of moving target detection in the future. Keywords: Visual tracking Optical flow method Frame Difference Background modeling method

近场声全息方法识别噪声源的实验研究

近场声全息方法识别噪声源的实验研究Ξ 于　飞　陈　剑　李卫兵　陈心昭 (合肥工业大学机械与汽车工程学院　合肥,230009) 摘　要　根据近场声全息(NA H)的原理,建立了全息实验所需要的采集、分析系统。针对影响重建精度较大的截止波数的选取问题,给出了较为详细的讨论,并提出一种不需先验知识的截止波数选取方法。最后通过对实测数据进行全息变换,重建结果表明:在采用提出的截止滤波选取方法后,NA H技术可以精确地对噪声源进行定位与识别,并且可以得到三维空间内的声压、质点振速和声强矢量等声学信息。 关键词:声源识别;近场声全息;实验研究;截止波数 中图分类号:TB532;TB533+.2 进行空间声场的可视化和噪声源的识别与定 位,对于噪声测量和控制工程具有非常重要的意义。上世纪80年代初提出的近场声全息技术(NA H),便是可视化空间声场和定位噪声源的一种强有力工具。近场声全息可以由一个测量面的声压标量数据,反演和预测另一面上的声压、质点振速、矢量声强等重要声场参量,受到了各国研究人员及一些相关公司的重视。近场声全息技术真正地将丰富的声学理论同噪声测量、控制工程紧密地结合起来[1～2]。20世纪80年代末,国内一些学者逐渐对此方法进行了研究:中科院武汉物理所对编磬表面振动模态做了研究[3～4];哈尔滨工程大学对基于边界元法的水下近场声全息也做了研究[5];清华大学汽车工程系对非近场声全息确定噪声源进行了研究[6～7];合肥工业大学机械工程学院对近场声全息方法识别噪声源作了一定的研究[8～9]。 近场声全息可以不受波长分辨率限制重建声场,但在此种全息过程中截止波数的选取对重建分辨率的影响非常大。文献[3]提出一种需要测量先验知识的优化滤波方法,而这种先验知识一般是不易获得的。本文根据截止波数的大小对重建结果的影响趋势,提出一种不需要先验和后验知识的截止波数选取方法。并根据近场声全息的原理,建立了全息实验所需要的采集、分析系统。采用提出的滤波参数选取方法后,对数据进行全息变换,得到了令人满意的重建结果。该优化截止波数选取方法的提出,有助于在实际工程中推进近场声全息技术在高分辨率识别噪声源、可视化声场等方面的应用。1　理论背景 由文献[1,8]可知,在稳态的三维空间声场中,一个平面(全息面)上声压的波数谱与另一个更靠近声源的平行面(声源面或重建面)上声压和质点法向振速的波数谱之间的关系为 P(k x,k y,z S)=P(k x,k y,z H)e-i k z(z H-z S)(1) V(k x,k y,z S)=k z P(k x,k y,z H)e-i k z(z H-z S) Θ0ck(2)式中　z H和z S分别为全息面和重建面的z坐标;k 为声波数;k x和k y分别为对应坐标x和y的波数;而k z与波数k x,k y之间的关系为 当k2x+k2y≤k2时 k z=k2-(k2x+k2y)(3)当k2x+k2y>k2时 k z=i(k2x+k2y)-k2(4) k z取值为式(3)时,对应的声波传播方式是以幅值不变、相位改变的传播波方式传播;当取值为式(4)时,对应的声波传播方式是以相位不变、幅值减小的倏逝波方式传播。倏逝波随全息面与重建面之间距离的增加,成指数倍地迅速衰减,对应的是高波数成分的声波。在非近场的声全息中,由于测量点位置与声源面之间距离过大造成倏逝波信息的丢失或被测量噪声所掩盖,全息重建的结果也就失去高频信息,这种高频信息类似于小波变换处理图像中的细节信息。 近场声全息技术除了能够由全息声压数据重建源面上的声压和法向振速之外,由Eu ler公式还能 第17卷第4期2004年12月 振　动　工　程　学　报 Jou rnal of V ib rati on Engineering V o l.17N o.4 D ec.2004 Ξ国家自然科学基金资助项目(编号:50275044)及高等学校博士点科研基金资助项目(编号:20020359005)收稿日期:2004203203;修改稿收到日期:2004205231

发动机台架振动噪声试验规范

发动机台架 振动噪声 试验规范 湖南大学 先进动力总成技术研究中心

1.适用范围 本标准适用于缸径100mm以内，功率在150kW以内的往复活塞式发动机。 2.规范性引用文件 下列文件中的条款通过本标准的引用而成为本标准的条款。凡是注日期的引用文件，其随后所有的修改单（不包括勘误的内容）或修订版均不适用于本标准，然而，鼓励根据本标准达成协议的各方研究是否可使用这些文件的最新版本。凡是不注日期的引用文件，其最新版本适用于本标准。 2.1 GB/T 1859-2000 往复式内燃机辐射空气噪声测量工程法及简易法。 2.2 GB/T 6072.1-2000 往复式内燃机性能第1部分：标准基准状况，功率、燃油消耗和机油消耗的标定及试验方法。 2.3 GB/T 6072.3-2008 往复式内燃机性能第3部分：试验测量。 3.试验目的 在发动机消声室试验台架上进行发动机振动噪声测试，评价发动机振动噪声水平。 4.测试设备 4.1传声器应该符合GB/T3785规定的1级仪器要求，其测量装置必须至少覆盖 20Hz～20000Hz的频率范围。 4.2加速度传感器应该符合GB/T3785规定的1级仪器要求，其测量仪器频率范围至少为10Hz～2000Hz，并应包括发动机最低稳定转速到lO倍最高转速的激励频率。 4.3 传声器、加速度传感器在测量前必须进行标定。 4.4测量前后，仪器应该按照规定进行校准，两次校准值不应超过1dB。 4.5 发动机转速的测试仪器的准确度应优于1%。 5.安装条件和运转工况 5.1发动机工作条件 测试前确保发动机为工作正常且油位、水位正常。 在测量过程中，发动机的所有运行条件，应该符合制造厂家的规定。测量开始前，发动机应该稳定在正常工作温度范围内。 5.2 发动机状态

运动目标噪声源识别方法

运动目标噪声源识别方法 严光洪,陈志菲,孙进才 (西北工业大学航海学院,陕西西安　710072) 摘　要:文章提出了利用单线列阵确定运动目标噪声源部位和特性的方法,并提出了基于DOA解算运动目标噪声源的空间位置的方法。介绍了噪声源部位识别时M USIC近场和相关性处理方法。数字仿真计算、消声水池模拟试验和实物试验结果表明,文中所介绍的方法是正确的。当运动目标和测试阵垂直距离小于150m时,噪声源部位测试误差不大于0.1m,可用于工程测试。 关　键　词:噪声源,部位识别,线列阵,M USIC 中图分类号:TN911.7 文献标识码:A 文章编号:1000-2758(2009)03-0378-04 水下航行体、汽车、飞机等运动物体辐射噪声,很多场合下要求降噪,为了有效实现噪声控制,必须确定噪声源位置和特性。对于静态目标的噪声源部位和特性的确定,可利用单个声压传感器、声矢量、多传感器形成的阵列对噪声源进行定向定位和特性分析[1～4]。而对于运动目标的噪声特性的确定,目前一般只利用声压传感器或矢量传感器测试到噪声的时域和频域特性[5,6],对运动目标的噪声源部位,目前还没有很有效的确定方法。在运动目标均速直线运动、测试平台静止条件下,本文提出了利用单线列阵基于MU SIC算法解算DOA(Direction of Arrival)的噪声源部位确定方法。另外,本文也介绍了噪声源部位识别时M USIC近场和相关性处理方法。利用仿真确定了基于单一线列阵的噪声源部位识别的误差。消声水池试验和水库试验结果表明本文所介绍方法的正确性,当运动目标和测试阵垂直距离小于150m时,噪声源部位测试误差不大于0.1m,可用于工程测试。 1　噪声源部位确定的方法 当测试阵与运动目标在同一平面时,测试阵可设计成线列阵,噪声源部位求解为2D坐标系的求解,如图1 所示。 图1　不同时刻运动目标在坐标中的位置 当运动目标作均速直线运动时,若t1、t2、t3时刻(设 t=t3-t2=t2-t1)声源与x轴的夹角 1、 2、 3可求得,则根据图中的几何关系可求出t2时刻声源的位置。由图中几何关系,则有 a sin R1-a cos =tg( 3- 2) 2a sin R1-2a co s =tg( 3- 1) (1) 式中,a=v t,为 t时刻运动物体的移动距离。由(1)式可求出和R1 =ctg-1[ctg( 3- 2)-2ctg( 3- 1)] R1=a cos+a sin ctg( 3- 2) (2) 2009年6月第27卷第3期 西北工业大学学报 Jo ur nal o f N or thw ester n Po ly technica l U niv ersity June2009 Vo l.27N o.3 收稿日期:2008-03-04基金项目:国家自然科学基金(60672136)资助作者简介:严光洪(1966-),西北工业大学博士生,主要从事信号处理、噪声控制和固体力学研究。

【CN110070025A】基于单目图像的三维目标检测系统及方法【专利】

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910306845.6 (22)申请日 2019.04.17 (71)申请人 上海交通大学 地址 200240 上海市闵行区东川路800号 (72)发明人 林巍峣　陈志明　朱燕民　卢宏涛　 熊红凯　 (74)专利代理机构 上海交达专利事务所 31201 代理人 王毓理　王锡麟 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/32(2006.01) G06K 9/62(2006.01) (54)发明名称 基于单目图像的三维目标检测系统及方法 (57)摘要 一种基于单目图像的三维目标检测系统及 方法，将三维目标检测转化到二维图像下的预 测，然后应用摄像头标定参数将二维映射到摄像 头三维坐标系下，重构出目标的三维目标框，通 过对映射出的三维目标框进行进一步修正，得到 精确的三维目标框，经两步法训练后进行精确三 维目标检测，本发明低成本，高效，具有广泛的实 际应用价值。权利要求书3页 说明书5页 附图4页CN 110070025 A 2019.07.30 C N 110070025 A

1.一种基于单目图像的三维目标检测系统，其特征在于，包括：二维框检测模块、二维修正模块以及用于将二维映射三维的标定摄像头投影矩阵模块，三维目标框进一步修正模块，其中：二维框检测模块与深度特征相连进行二维信息预测并传输二维目标框、接地点等信息，二次修正模块与二维框检测模块相连进行进一步修正二维预测信息，投影矩阵映射模块与二次修正模块相连进行将二维点映射到摄像头坐标系下的三维点处理并传输三维目标框信息，三维目标框修正模块与投影矩阵映射模块相连进行三维目标框修正处理，最终系统输出精确的三维目标框。 2.一种根据权利要求1所述系统的目标检测方法，其特征在于，将三维目标检测转化到二维图像下的预测，然后应用摄像头标定参数将二维映射到摄像头三维坐标系下，重构出目标的三维目标框，通过对映射出的三维目标框进行进一步修正，得到精确的三维目标框，经两步法训练后进行精确三维目标检测。 3.根据权利要求2所述的方法，其特征是，所述的将三维目标检测转化到二维图像下的预测是指：采用二维修正模块分别提取训练后的三维目标检测系统中的VGG16网络结构的Conv4层、Conv5层、fc7层、Conv6层的特征，分别用一系列卷积操作直接进行回归图像坐标系下的四个接地点和摄像头坐标系下的离“0”平面的真实偏移量预测。 4.根据权利要求3所述的方法，其特征是，为了让设计的网络更好地学习目标的(c x ，c y ，width，height)， 信息，将其按照以下方式进 行编码： i＝0，1，2，3，i＝0，1，2， 3，其中：p i 表示对应目标信息设置的先验值，o i 表示对应目标信息的真实值。 5.根据权利要求2所述的方法，其特征是，所述的重构出目标的三维目标框是指：采用三维目标检测系统中的二维修正模块分别提取三维目标检测系统中的RefineDet网络结构的P4层、P5层、P6层、P7层的特征，通过一系列卷积操作直接进行二维框的预测值(c x ，c y ，width，height)、 三维目标框的底部四个点的映射值以及目标接地点的真实偏移量的修正，使网络预测的以上目标信息更加准确；然后将图像坐标系下的接地点到摄像头坐标系下的映射，得到摄像头坐标系下的三维目标框的信息。 6.根据权利要求5所述的方法，其特征是，所述的映射，具体包括： 4.1)由于网络学习的是编码过后目标的信息，故首先解码目标的二维框的预测值(c x ，c y ，width，height)、 三维目标框的底部四个点的映射值以及目标接地点的真实偏移量具体为： c x ＝predict x *p w +p cx ，c y ＝predict y *p h +p cy ， width＝exp(predict w )*p w ，height＝exp(predict h )*p h ， 权　利　要　求　书1/3页2CN 110070025 A