【摘 要】
：
针对传统校正方法在非均匀背景场中会面临校正性能降低,甚至完全失效的问题,设计了一种新的非均匀背景场中的矢量磁力计阵列校正方法,依据空间中一点的张量不变量的旋转不变
【机 构】
：
中国科学院空天信息创新研究院 北京100190;中国科学院磁辐射与探测技术重点实验室 北京100190;中国科学院大学 北京100049;中国科学院空天信息创新研究院 北京100190;中国科学院磁辐
论文部分内容阅读
针对传统校正方法在非均匀背景场中会面临校正性能降低,甚至完全失效的问题,设计了一种新的非均匀背景场中的矢量磁力计阵列校正方法,依据空间中一点的张量不变量的旋转不变特性,建立新的误差校正模型,并采用数值方法估计系统的校正参数.经过仿真与野外实测的双重测试,在多种背景场下,这种经过基于张量不变量的校正(TI)方法校正后的磁梯度张量矩阵的缩并CT近似为一个常数,与理论分析保持一致,表明TI校正算法在不同的背景场下都有满意的校正性能.结果表明此校正方法不仅可以应用于非均匀场中,同样也可以用于均匀场环境下,相较于传统方法实时性强,校正效果好.
其他文献
基于FBD功率理论的谐波检测法因实现简单、稳定性强被广泛应用于有源电力滤波器,但传统FBD法在电网电压畸变下由于锁相环失锁,检测精度降低,且低通滤波器的使用存在稳态误差
基于ZigBee接收信号强度指标的室内定位由于其成本低、硬件功耗低和易于实现而受到越来越多的研究者关注和使用。由于存在多径效应和阴影效应的影响,传统的室内定位算法无法获得良好的定位效果。为了提高传统的无线传感器网络室内定位算法的定位精度,提出了退火算法(SA)与遗传算法(GA)优化神经网络(SAGA-BP)的室内定位算法,采用退火算法结合遗传算法优化神经网络算法的初始权值和初始阈值。仿真实验表明,仿真中添加一定的随机噪声,得出SAGA-BP算法的平均定位误差为0.40 m,最大定位误差为0.83 m;相比
为了弥补U-Net模型和水平集方法分割肝脏CT图片的不足之处,提出了一种将两者进行融合的分割算法。该算法在训练阶段使用U-Net模型作为先验网络对肝脏进行分割,然后将其输出的分割结果作为先验特征图送入到水平集方法中进一步分割;通过计算两次分割结果的差异,反向传播误差,更新网络参数,最终得到一个完整的分割算法模型。通过在公开数据集3Dircadb上进行实验对比,所提出分割算法的灵敏性和Dice系数的
由于轴承的振动信号中往往蕴含大量的干扰信号,高效提取故障特征并进行分类识别是轴承诊断工作的关键所在.传统的故障特征提取方法往往需要多种表征不同故障的指标集合,本文
煤矿井下机车运输在煤矿日常生产中起到运输物料和矸石的作用,机车作为运输的载体,其能否安全高效地完成调度中心指派的运输任务对煤矿生产至关重要.对机车进行合理的调度优
边缘计算在物联网领域有着广阔的应用前景,尤其是智能配电网中的电缆实时在线监测业务。然而,由于边缘节点的资源和能力相对有限,难以高度全面地满足电缆在线监测任务的高实时性要求。对此,提出了一种基于边缘计算的有线实时在线监测业务任务分配机制,在有效利用和优化边缘节点的资源和能力的基础上,进行动态任务分配。考虑到配网的线性分布特性、边缘节点状态、任务处理开销以及延迟敏感任务的调度策略,建立了基于边缘计算的任务分配模型。其次,提出了一种基于任务分配策略的优化方法。仿真结果表明,所提出的任务分配机制能够有效降低配网有
针对传统的小波增强算法应用于医学CT图像时处理效果不理想。存在许多问题,如在增强图像的同时使图像的细节丢失,减弱图像中目标的边缘信息,降低了图像的对比度。为保持良好的边缘细节信息,突出CT图像敏感信息,更好地重构增强图像,提出了一种基于多视小波变换融合的医学CT图像增强算法。该算法利用乘性分解得到原始图像的细节图和利用聚类的共显性方法得到原始图像的显著图并且通过小波变换进行融合,然后对图像融合准则
随着传动系统的进步以及传感器技术的发展,光电跟踪系统的应用领域不断拓展,系统针对的跟踪目标也从高空、远距离、速度快、运动规律强的传统目标进一步拓展到了低空、距离近、速度慢、运动规律弱的新型目标。面对新型的跟踪目标,光电跟踪系统需考虑进一步提升光电跟踪技术以提高系统的跟踪能力。前馈控制是一种提高系统跟踪能力非常有效的手段,前馈控制的关键在于获取实时准确的目标运动状态,但探测目标的图像传感器一般都存在不可忽略的时间延迟。因此就形成了基于预测滤波的光电跟踪技术研究方向。回顾目前主流的4种基于预测滤波的光电跟踪技
针对当前利用RGB-D图像进行目标检测出现的网络融合不充分和检测效率不高等问题,提出一种基于注意力机制的特征逐级融合网络结构。首先在基于Yolo v3的Backbone网络结构下,分别用标注好的RGB-D样本分别训练RGB和Depth网络,然后通过注意力模块增强两种特征,最后在网络中期逐层融合得到最终的特征权重。在具有挑战性的NYU Depth v2数据集上测试,得到本文方法的均值平均精度为77.
为了提高手语识别准确率,提出一种基于混合粒子群优化的支持向量机(HPSO-SVM)的多传感器手语识别方法.在原始数据采集阶段,利用ZTEMG-2000肌电传感器采集人体手臂表肌电信号