基于粒子群优化波形神经网络的RTD流门诱导信号否定方法的研究
1College of Computer Science and Technology, Beihua University, No. 3999 East Binjiang Road, Jilin 132013, China.
Sensors (Basel, Switzerland)
|January 25, 2025
概括
使用粒子集群优化和波形神经网络的新方法提高了无人驾驶飞行器 (UAV) 空磁测量准确度. 这有助于在困难地形中加强地质研究和环境监测.
科学领域:
- 地质物理学 地质物理学
- 传感器技术 传感器技术
- 信号处理 信号处理
背景情况:
- 空磁测量对于地质学,环境监测和资源勘探至关重要.
- 无人机上的居住时间差 (RTD) 流量门传感器在复杂的地形上提供灵活性.
- 环境和传感器噪声,如巴克豪森噪声,降低了测量准确性和可靠性.
研究的目的:
- 开发一种用于无人机空气磁性调查的RTD流门传感器信号的新型无声化方法.
- 在具有挑战性的环境中提高测量的准确性和可靠性.
- 提高噪音抑制技术的效率和性能.
主要方法:
- 集成粒子集群优化 (PSO) 与波形神经网络.
- 包括动态压缩因子和自适应性调整策略.
- 波形神经网络参数的实时微调由公共服务局进行,以改善无声化.
主要成果:
- 与传统波形变换方法相比,时间差异波动减少了23.26%.
- 提高了0.46%的信号噪声比 (SNR).
- 提高了传感器的精度和稳定性,从而更好地抑制噪音.
结论:
- 拟议的PSO增强的波形神经网络方法显著提高了RTD流门传感器的无声化性能和计算效率.
- 这种方法提高了基于无人机的气磁测量中的测量精度和可靠性.
- 该方法显示了在复杂地形中进行地质调查和环境监测的巨大潜力.


