基于超聲相控陣的已知場景多目標識別與定位研究.pdf

1、針對核輻射、強粉塵、濃霧、反光等特殊環(huán)境下傳統(tǒng)光學設備無法工作或是效果不理想的情況，提出了一種利用超聲換能器陣列實現(xiàn)物體形狀識別以及定位的解決方案。
　　本文在總結和歸納超聲陣列在識別以及定位方面的研究現(xiàn)狀后，結合超聲波在空氣中的傳播特性，選擇了壓電片直徑為11mm、中心頻率為40kHz的換能器作為陣元，設計了一種發(fā)射陣列與接收陣列上下交錯排布的二維超聲檢測平臺。該平臺包括超聲陣列單元、信號處理單元以及嵌入式異構單元等三部分。超聲

2、陣列由28個換能器構成，其中發(fā)射陣列由8個陣元組成，接收陣列由2×10個陣元組成。信號處理單元主要對微弱的回波信號進行放大、濾波、采樣、存儲等處理；嵌入式異構單元主要對采集的回波信號進行特征提取，實現(xiàn)定位算法與形狀識別算法。
　　在物體定位方面，采用了到達時間差（TDOA）超聲定位模型。為消除多徑反射引起的渡越時間（TOF）測量誤差，采用快速互相關算法提高檢測精度。針對算法中快速傅里葉變換（FFT）耗時長的問題，采用級間串行、級內

3、并行的思想對FFT算法進行了改進，引入了計算統(tǒng)一設備架構（CUDA）并行技術在GPU上加速算法的實現(xiàn)。
　　在形狀識別方面，基于不同形狀的物體反射的超聲波具有的規(guī)律性，基于時域的特征方法和基于頻域的特征方法分別建立特征矢量庫，結合 BP神經網絡實現(xiàn)物體形狀識別。為加速實現(xiàn) BP算法，通過公式推導出算法中包含的矩陣運算，采用神經元結構的并行性和矩陣運算的并行性相結合的方案對算法進行了改進，同樣引入了CUDA并行技術加速算法的實現(xiàn)。<