基于超声相控阵的已知场景多目标识别与定位研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的研究内容 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 超声波传播特性及信号处理 | 第14-20页 |
| 2.1 超声波在空气中的传播特性 | 第14-15页 |
| 2.2 超声回波信号处理 | 第15-19页 |
| 2.2.1 噪声 | 第16-17页 |
| 2.2.2 滤波 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 系统总体设计及硬件实现 | 第20-33页 |
| 3.1 系统总体设计 | 第20-25页 |
| 3.1.1 物体定位原理 | 第21-22页 |
| 3.1.2 物体形状识别原理 | 第22-23页 |
| 3.1.3 回波信号特征提取 | 第23-25页 |
| 3.2 发射和接收硬件电路设计与实现 | 第25-32页 |
| 3.2.1 超声波发射端信号驱动单元 | 第26-28页 |
| 3.2.2 超声波接收端回波处理单元 | 第28-32页 |
| 3.3 本章小结 | 第32-33页 |
| 4 基于TDOA算法的物体定位 | 第33-51页 |
| 4.1 超声波定位方法 | 第33-36页 |
| 4.1.1 基于TOA法的超声定位算法 | 第33-35页 |
| 4.1.2 基于TDOA法的超声定位算法 | 第35-36页 |
| 4.2 超声波的TOF估计方法 | 第36-40页 |
| 4.2.1 基于阈值法的TOF估计 | 第37-38页 |
| 4.2.2 基于互相关法的TOF估计 | 第38-40页 |
| 4.3 基于CUDA模型加速实现物体定位算法 | 第40-47页 |
| 4.3.1 FFT算法介绍及并行性分析 | 第40-43页 |
| 4.3.2 CUDA并行算法实现及验证 | 第43-47页 |
| 4.4 定位算法实现 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 基于神经网络算法的物体形状识别 | 第51-74页 |
| 5.1 BP神经网络 | 第51-60页 |
| 5.1.1 概述 | 第51-55页 |
| 5.1.2 网络模型设计 | 第55-60页 |
| 5.2 基于CPU的BP串行算法实现 | 第60-66页 |
| 5.2.1 训练与测试过程 | 第61-62页 |
| 5.2.2 算法验证与结果分析 | 第62-66页 |
| 5.3 基于CUDA模型加速实现BP算法 | 第66-72页 |
| 5.3.1 BP算法并行性分析 | 第66-69页 |
| 5.3.2 CUDA并行算法实现与验证 | 第69-72页 |
| 5.4 本章小结 | 第72-74页 |
| 6 结论 | 第74-76页 |
| 6.1 研究工作总结 | 第74页 |
| 6.2 后续工作的展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 附录 | 第81-82页 |
| 攻读学位期间发表的学术论文及研究成果 | 第82页 |
