粒子像斑三维定位的透视成像原理和方法

在三维粒子成像测速 (PIV)方面 ,可运用体积光照明同时从不同光轴用多个照相机获得PIV图像 ,如何根据这些不同光轴获得的PIV图像确定出粒子物点的空间位置是实现三维粒子成像测速的前提。基于此 ,提出了根据多幅不同光轴的PIV图像的粒子像斑实现粒子物点三维定位的透视成像定位原理和方法。精确确定透视平面与透视中心在空间的位置是实现粒子物点三维定位的关键 ,直接测定透视中心 (照相机的光学中心 )和透视平面在空间的精确位置用常规的测量手段和方法难以奏效 ,因而针对透视图像成像特征及规律进行了较为深入地研究探讨 ,这对于寻求精确计测透视中心和透视平面空间位置的方法有着重要意义。作为实例 ,还给出了两光轴夹角为 90°情况下实现粒子物点三维定位的一系列具体方法和有关算法及定量关系。     

用加权几何精度因子选星的GPS抗多径定位方法

在ＧＰＳ（Ｇｌｏｂａｌ ｐｏｓｉｔｉｏｎｉｎｇ ｓｙｓｔｅｍ）中普遍用几何精度因子（Ｇｅｏｍｅｔｒｉｃ ｄｉｌｕｔｉｏｎ ｏｆ ｐｒｅｃｉｓｉｏｎ,ＧＤＯＰ）来选星,但对近距差分ＧＰＳ,多径干扰已变成了主要误差源,传统的ＧＤＯＰ值选星不是最佳的。为减小多径误差,文中提出了一种新的加权ＧＤＯＰ值选星方法。在仿真验证过程中,分析了多径的几何传播机理,并考虑了抗多径天线的抑制效应。仿真结果表明,用加权Ｇ     

声发射检验技术进展

本文简要介绍了声发射技术的发展史，并从声发射技术的原理、波形分析法、参数分析法、声源定位技术和声发射仪器几个方面进行了综述，主要讨论了最新的波形分析技术和检测仪器的构成。最后指出了声发射检测的发展方向是声发射信号的模拟识别及人工神经网络模式识别分析。     

一种新的射频仿真目标位置控制方法与软件研究

针对射频目标仿真系统中目标位置的控制，本文通过对国内外目标位置控制的常用方法进行研究，提出一种新的通用目标位置控制方法，该方法适用于任何天线分布的面阵。利用这种新的方法编写了基于三元阵天线阵面的射频仿真目标位置控制软件，实现对多目标在天线阵面上多种轨迹运动下的高速准确的定位，并能实时监视目标的运动状态和运动轨迹。     

内外分区空间统一精度场建立方法研究

针对内外分区空间内结构和设备安装的数字化测量需求,研究内外参考点之间的关联技术,构建与外测量精度场相统一的内测量精度场。对于内外空间不同的开口数,利用多测点定位法、二测点和水平仪单站位定位法、二测点和水平仪双站位定位法等方法建立内精度场,实现与外精度场的统一。以某型设备为例进行试验表明,利用内外精度场测量同一检测点进行比较,测量的最大不一致误差为0.14 mm,证明构建模式可行、简单、可靠。     

航空制造领域移动机器人加工系统研究综述

移动机器人加工系统在航空大部件装配领域应用广泛。由于移动机器人加工系统脱离定点作业模式进行移动加工,在实际加工过程中,其大部件待加工部分的高精度定位以及切削加工过程的加工稳定性问题必须要得到研究和解决。通过对国内外先进移动机器人加工系统的研究综述,重点研究移动状态下大部件高精度定位技术以及加工过程中的振动抑制问题,以实现移动机器人的稳定切削加工,并对有待解决的问题及未来的研究方向进行了讨论和展望。     

新型冗余双目PNP摄影定位方法研究CSCD

介绍了一种新型冗余双目PNP摄影定位方法。该测试方法,通过建立图像坐标系、摄像机坐标系和世界坐标系的关系,并通过坐标转换可以求出被测物体的三维绝对位置,从而实现了视觉定位。与单目摄影定位方法相比,该定位测试方法具有定位精度高,可靠性好,并可应用于其他相关领域。     

基于经验模分解的PPP时间比对数据消噪方法

精密单点定位(PPP)时间比对数据会受到观测噪声的影响,因此对时间比对数据进行消噪是一项重要工作。提出一种基于经验模分解(EMD)的PPP时间比对数据消噪方法,并将该方法与Vondrak滤波方法的消噪效果进行对比。结果表明,两种方法的消噪效果相当,均能有效滤除PPP时间比对数据中的随机噪声,明显改善时间比对的稳定度。     

差分卫星定位技术及其在武器系统中的应用

差分卫星定位系统可以极大地提高卫星定位的精度,但也有使用、维护复杂等缺点。针对差分卫星定位的特性,首先阐述了卫星差分定位的基本原理,分析了卫星定位误差源,并介绍了差分定位系统对各种误差的修正情况,然后介绍了差分定位系统的分类、方法及发展,其中详细介绍了在武器系统领域中应用较广的局域差分系统的各种方法及其优缺点;最后,对差分系统的实际应用进行了阐述,并重点探讨了其在进攻性武器及防御性武器领域实现应用的可行性。     

抵御对抗样本攻击的指纹室内定位方法

随着城市智能化的发展, 基于WiFi接收信号强度(RSS)的指纹室内定位服务受到社会的广泛关注。深度学习技术是利用RSS信号获得高室内定位性能的一种重要手段, 但其易遭受对抗样本攻击, 给定位系统带来严重安全隐患。为此, 提出了一种抵御对抗样本攻击的基于深度学习的RSS指纹室内定位方法(AdvILoc)。该方法基于图像识别领域对抗样本防御方法的研究和分析, 结合室内RSS指纹数据特征单一且高维的特点, 通过在RSS指纹室内定位深度学习模型中添加池化层、全连接层, 以及满足差分隐私的噪声层来抵御对抗样本攻击, 解决了基于深度学习的室内定位模型易过拟合且泛化能力不高的问题。通过添加Dropout层, 以及设计模型参数正则化方法, 提高模型抵御对抗样本攻击的鲁棒性。在2个真实RSS指纹室内定位数据集上的实验结果表明:与已有基于多层感知机(MLP)、卷积神经网络(CNN)的RSS指纹室内定位方法相比, 所提方法在保证时间开销和基本不影响定位模型性能的情况下, 提高了模型抵御对抗样本攻击的鲁棒性;在满足l₂范式规范的C&W攻击下, 随着攻击大小不断增大, 模型的定位准确率下降也更平稳。