航空重力梯度仪动态测量的噪声抑制

发布时间：2023-09-17 19:09

　　重力梯度测量由于其信号分辨率高,精度高等特点使得其在军用和民用方面都发挥着极其强大的作用。军用方面如潜艇的探测,地下军事目标的检测等;民用方面可用于地质勘探调查,自然灾害的预防,各种矿产及地下水等资源的勘探。航空重力梯度测量是指将重力梯度仪器放置在飞机,飞艇等载体上;因其载体的运动能力,使得这种测量方式可以在恶劣的地形下进行测量,如山川,湖泊,沼泽,无人区等。这极大地提高了勘探效率,因此是一项十分重要的技术。但也正是由于其方便性和高精度,使得仪器的数据需要经过复杂的处理(如事后误差补偿)才能最终获得我们想要的信号。梯度仪的制造以及数据处理的过程都是极为敏感的技术,因此西方国家一直对我国实行技术封锁。我国迫切地需要研发自己的梯度数据补偿技术。本文的工作便是从这个原因出发,从国外为数不多的公开文献和商业公司的生产报告中,以及国内许多研究重力梯度仪误差分析的文章当中总结经验,并想办法加以提高。提出了一种基于深度学习的梯度信号噪声抑制方法,该方法将造成误差的主要因素,即载体相对于梯度仪的残余线速度,角速度以及角加速度等作为特征量,输入到神经网络之中。通过神经网络的训练使其掌握导致误差的因素之间...

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 重力梯度仪研究现状
        1.2.2 重力梯度数据噪声抑制研究现状
        1.2.3 深度学习研究现状
    1.3 技术路线
    1.4 研究内容及成果
    1.5 论文结构
第2章 重力梯度仪的测量原理与正演模拟
    2.1 测量原理
    2.2 正演模拟
    2.3 本章小结
第3章 深度学习原理
    3.1 人工神经网络
        3.1.1 M-P感知机模型
        3.1.2 激活函数
        3.1.3 多层感知机
    3.2 传播算法
        3.2.1 正向传播
        3.2.2 反向传播
    3.3 本文网络构建
    3.4 本章小结
第4章 信号仿真与噪声抑制
    4.1 梯度信号仿真
        4.1.1 信号正演
        4.1.2 信号解调
    4.2 基于深度学习的噪声抑制
        4.2.1 数据集的建立
        4.2.2 神经网络的构建
        4.2.3 神经网络预测结果及噪声抑制
    4.3 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
参考文献
作者简介及在学期间所取得的科研成果
致谢



本文编号：3847985