基于甚高频数据交换系统的船舶编队通信网络最优路由方案

来源 :科学技术与工程 | 被引量 : 0次 | 上传用户:xxbear0
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
甚高频数据交换系统(VHF data exchange system,VDES)是国际海事组织(International Maritime Organization,IMO)主导的e-航海战略与水面自主航行船舶的基本通信方式之一,计划2021年左右发布正式技术标准;其可提供船-船之间自组织高速数据交换,将有效推进船舶编队通信联网技术发展。为此,在分析海上真实船舶运动特征基础上,提出了一种船舶编队群组移动模型。以此为基础,研究了船舶编队通信网络特征,重点对基于VDES联网编队的自组织网络路由协议性能进行了
其他文献
针对廊道环境的数字重构问题,设计了一种基于单线激光雷达的数字重构系统。该系统利用移动机器人搭载单线激光雷达传感器,构建三维雷达扫描系统,实现廊道环境的自动扫描和实时重构。首先进行系统的硬件搭建,其次详细介绍了系统的数字重构过程,主要包括移动机器人控制模块设计、坐标转换、数据融合等。为了解决移动机器人运动偏离的问题,在控制系统中加入模糊PID(porportion integral differential)控制算法,保证了系统数据采集的准确性。对于2D点云到3D点云的转换的问题,提出了一种里程计数据和激光
针对变压器机器鱼避障过程中发射信号和回波信号时延信息难以准确估计的问题,提出一种基于相位变换加权(PHAT-β)广义互相关(GCC)算法的时延估计方法。区别于传统的基本互相关(BCC)算法,PHAT-βGCC算法可以根据信噪比在频域内对互功率谱进行灵活调节,提高了时延估计的抗噪性和准确性。首先对发射信号和回波信号进行快速傅里叶变换和共轭相乘得到互功率谱,然后对互功率谱进行PHAT-β加权、傅里叶逆变换得到广义互相关函数,最后通过峰值检测得到时延估计值。仿真分析和验证了不同类型发射信号(正弦信号、方波信号)
道路表面裂缝检测是道路安全检测的一项重要指标,随着计算机视觉技术的不断发展,越来越多的基于深度学习的目标检测方法被应用到裂缝检测中。然而这些检测方法大都是对裂缝位置的粗略的检测或分类,无法定量的衡量裂缝。为了定量衡量裂缝,提出了一种基于深度学习的像素级道路表面裂缝检测方法。使用卷积神经网络对裂缝原始图像进行分割得到裂缝的二值化图像,并实现对裂缝的面积、长度、平均宽度的自动计算,提高了测量效率并降低