小波变换和神经网络在空间位置感知中的应用研究

发布时间：2020-10-10 06:30

　　目前,文献对超声波去噪处理采用的方法,大多是基于傅里叶变换和短时傅里叶变换。由于超声波信号是一种非平稳信号,并且常常表现为局部奇异,而傅里叶变换的基是全局性的基,没有局部化的能力,所以傅立叶变换在处理这类信号时,其不足和缺点日益凸显。短时傅里叶变换虽然在一定程度上弥补了傅里叶变换存在的缺点,但是,短时傅里叶变换的窗口是固定的,在一次变换中其宽度不会变化,所以短时傅里叶变换仍无法解决对非稳态信号的处理问题。另外,在研究中发现,测量前的设备调试,测量中的计算以及测量后的统计,都会引入较大的不确定性误差,影响定位精度。因此,这些不确定性误差,也成为本文亟需解决的实际问题。针对以上存在的问题,本文引入了小波变换理论来对超声波信号进行降噪处理。因为小波变换可以对信号进行时频分析,具有局部处理能力,是处理非平稳信号的理想工具,也是目前处理非平稳信号的研究的热点。针对设备调试、计算以及统计中引入的不确定性误差,本文基于神经网络能够最大程度逼近真值的能力,设计了PSO-RBF神经网络模型。本文主要完成了以下研究工作:1.通过对文献的调研和综述,找出了提高超声定位精度研究中存在的主要问题,并对超声波信号产生影响的环境因素进行了分析,考察了受噪声影响的超声波信号的特征。2.将小波阈值降噪法应用到了超声波信号的降噪处理,主要进行了以下研究:(1)研究了小波基在小波阈值降噪法中的选取方法。由于不同信号的小波基是不同的,所以小波基的选取主要基于实验。本文选取了三种不同的非平稳信号作为测试信号,通过实验进行了小波基选择方法的研究。(2)研究了小波降噪法中分层数的选择方法。在小波阈值去噪法中,分层数的选择决定了信号分解的完整性,分解层数过低,会导致信号与噪声的匹配特征不明显;分解层数过大,重构后的信号误差较大。本文对分层数的选取,采用了如下方法:首先参考经验法选择分层数的大致范围,然后利用三种非平稳信号对以上实验选定的小波基进行实验测试,从测试结果来确定分层数。(3)研究了小波降噪参数选择的融合指标方法。以上的研究是根据均方根误差、信噪比、平滑度和相关系数来评价小波基和分层数的去噪效果,本节主要是研究如何把不同的评价指标融合成一个复合评价值,简化参数的选择过程,提出了一种基于复合评价值的小波去噪参数选择方法。该方法是通过构建了复合评价值来同时确定小波基和分层数。3.将以上研究的小波降噪方法和PSO-RBF神经网络模型,应用到超声波定位算法中,对传统的三边定位算法进行了改进。4.改进定位算法,设计了一套超声波定位系统。主要完成了一些设计工作:(1)完成了系统的总体设计。⑵完成了系统的硬件设计。设计的硬件电路主要有:节点控制电路、节点电源电路、超声波发射电路、超声波接收电路、射频电路及接口转换电路。⑶完成了系统软件设计。软件设计分为上位机程序和各个节点程序。设计的上位机软件主要有各种算法程序、控制程序及通信程序。设计的节点程序主要有:超声波发射和接收程序、射频发射和接收程序、测距算法程序等。5.对所设计的系统进行了性能分析。实验结果表明,本文所提出的小波降噪方法及PSO-RBF神经网络模型是正确的,并具有可行性。实验结果也证明,本文设计的系统在一定程度上提高了定位精度,具有一定的应用价值。
【学位单位】：太原理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN911.7;TP183
【文章目录】：
摘要
abstract
第一章绪论
    1.1 研究背景与意义
    1.2 空间位置感知技术的国内外研究现状
    1.3 超声波位置感知中存在的问题分析
    1.4 论文的主要研究内容及章节安排
        1.4.1 论文主要研究内容
        1.4.2 论文章节安排
    1.5 本章小结
第二章超声波信号产生影响的环境因素及特点分析
    2.1 超声波信号的产生和接收
    2.2 环境因素对超声波的影响
        2.2.1 温度对超声波的影响
        2.2.2 距离对超声波的影响
        2.2.3 噪声对超声波的影响
    2.3 受噪声干扰的超声波信号的特征及去噪研究中存在的问题
        2.3.1 受噪声干扰的超声波信号的特征
        2.3.2 去噪研究中存在的问题
    2.4 超声波测距原理及定位算法
        2.4.1 超声波测距原理
        2.4.2 三边定位算法
    2.5 本章小节
第三章小波去噪算法及对超声噪声信号的处理
    3.1 小波分析的理论基础
        3.1.1 傅里叶变换与短时傅里叶变换
        3.1.2 连续小波变换
        3.1.3 离散小波变换
    3.2 小波阈值去噪法基本步骤
        3.2.1 小波基的选择及试验
        3.2.2 分层数的选择和试验
        3.2.3 小波阈值的改进
        3.2.4 软硬阈值函数
    3.3 基于复合评价值的小波去噪参数选定
        3.3.1 构建复合评价值
        3.3.2 参数统一选定方法程序设计
    3.4 实验结果及分析
    3.5 超声波噪声信号处理实验
    3.6 本章小节
第四章基于PSO-RBF神经网络的感知位置确定
    4.1 RBF神经网络的发展和基本理论
        4.1.1 RBF神经网络的发展
        4.1.2 RBF神经网络基本理论
    4.2 基于PSO-RBF神经网络的数据补偿
        4.2.1 粒子群优化算法
        4.2.2 构建基于粒子群寻优算法的RBF神经网络模型
        4.2.3 模型评价指标
    4.3 实验数据的采集
    4.4 实验及结果分析
    4.5 本章小节
第五章超声波位置感知系统设计
    5.1 超声波位置感知系统的总体设计
    5.2 感知系统的硬件设计
        5.2.1 未知节点设计
        5.2.2 参考节点设计
        5.2.3 汇聚节点设计
    5.3 超声波空间位置感知系统的软件设计
        5.3.1 超声波发射接收程序流程设计
        5.3.2 射频模块程序设计
        5.3.3 上位机程序设计
    5.4 本章小节
第六章空间位置系统性能实验及分析
    6.1 评估实验
        6.1.1 实验系统的搭建
        6.1.2 实验步骤设计
        6.1.3 实验数据的采集
    6.2 实验数据分析
    6.3 本章小节
第七章结论与展望
    7.1 结论
    7.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文和科技成果

【相似文献】