您的位置: 专家智库 > >

国家高技术研究发展计划(2002AA615130)

作品数:5 被引量:52H指数:4
相关作者:陶春辉何拥华周建平顾春华张金辉更多>>
相关机构:国家海洋局第二海洋研究所夏威夷大学浙江大学更多>>
发文基金:国家自然科学基金国家高技术研究发展计划国家海洋局青年海洋科学基金更多>>
相关领域:天文地球交通运输工程更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 4篇天文地球
  • 1篇交通运输工程

主题

  • 3篇海底
  • 2篇多频
  • 2篇信号
  • 2篇声速
  • 2篇海底沉积
  • 2篇海底沉积物
  • 1篇信号处理
  • 1篇原位
  • 1篇原位测试
  • 1篇声呐
  • 1篇声呐信号
  • 1篇声衰减
  • 1篇网络
  • 1篇无损检测
  • 1篇小波
  • 1篇小波变换
  • 1篇海底声学
  • 1篇BP网
  • 1篇BP网络
  • 1篇波变换

机构

  • 5篇国家海洋局第...
  • 2篇浙江大学
  • 2篇夏威夷大学
  • 1篇吉林大学

作者

  • 5篇陶春辉
  • 4篇顾春华
  • 4篇周建平
  • 4篇何拥华
  • 3篇张金辉
  • 2篇金翔龙
  • 1篇刘财
  • 1篇吕文正
  • 1篇李红星
  • 1篇邓显明
  • 1篇金肖兵

传媒

  • 2篇海洋学报
  • 1篇吉林大学学报...
  • 1篇海洋技术
  • 1篇海洋学研究

年份

  • 3篇2007
  • 1篇2006
  • 1篇2005
5 条 记 录,以下是 1-5
排序方式:
多频海底声学原位测试系统研制和试用被引量:27
2006年
海底沉积物的声学特性(最重要的是声速和声衰减)以及它们与物理(包括土力学)特性之间的关系是沉积物声学中两个重要的研究项目.介绍了新研制的实时监控多频海底声学原位测试系统.该系统可测量浅表层沉积物的声速.探测频率为8,10,12,15kHz,可根据实际情况选择发射波形、接收增益和采样长度,采样率为0.5~2.0MHz,工作水深为300m.系统具有倾斜传感器、8通道扩充等功能.用该系统在杭州湾测得了四种频率的沉积物原位声速.
陶春辉金肖兵金翔龙周建平张金辉顾春华何拥华WIL KENS R HFU Shung-sheng
关键词:海底沉积物声速
多频海底声学原位测试信号消除干扰研究被引量:4
2007年
多频海底声学原位测试系统是由国家海洋局第二海洋研究所自行研制的国内首套海底声学原位测试系统。对多频海底声学原位测试系统的测试信号处理方法进行了初探。海底声学原位测试信号难免会包含干扰信号,其将影响到海底沉积物特性提取的准确性。通过对多频海底声学原位测试系统的测试信号进行基于小波分解的自相似性分析,发现信号在不同尺度上都相似于其本身,说明干扰信号与有效信号在频谱分布上并没有太多差异,通过频率域滤波难以消除干扰信号。将小波分析方法引入海底声学原位测试信号消除干扰信号处理中,利用小波对信号进行分解并经过小波系数选择与信号重构后,消除了干扰信号,并保留了有效信号。
李红星陶春辉刘财邓显明周建平张金辉顾春华何拥华
关键词:小波变换信号处理
Biot反演在夏威夷钙质沉积物原位测量声速和衰减中的应用被引量:16
2005年
对夏威夷檀香山岛的两个站(H3和H4)钙质沉积物进行了20~100kHz的原位纵波声速和声衰减测量.它们均有轻微的频散.随频率的增加H3站位声速从1691m/s增加到1708m/s,H4站位的声速从1579m/s增加到1585m/s.随频率的增加H3站位的有效衰减从15dB/m增加到75dB/m,H4站位的有效衰减从22dB/m增加到62dB/m.运用Biot Stoll模型对所测得的纵波速度和声衰减数据进行了Biot模型未知参数反演,发现粒径较大的H3站的沉积物(孔隙率为45%)比粒径较小的H4站的沉积物(孔隙率为56%)具有曲率小和渗透率及孔隙半径都大的性质.
陶春辉BAFFI SWILKENS R HFU S SRICHARDSON M D金翔龙
关键词:原位测试声速声衰减
超声无损检测技术在海底沉积物调查中的应用被引量:5
2007年
论文就超声波无损检测技术在海底沉积物声学特性测量上的应用,介绍了其所需的必要设备、样品采集和测量基本原理。探讨了沉积物超声无损测量的资料处理与分析方法及其内容,主要包括声速、声衰减、声阻抗和声速比等声学特性计算;声速与孔隙度、平均粒径和粘土含量等物理力学参数的统计相关性研究。
周建平陶春辉何拥华顾春华张金辉
关键词:超声无损检测海底沉积物
基于BP网络对模拟声呐信号分类被引量:3
2007年
针对常规的主动声呐调查设备.在简单海洋分层模型的基础上.模拟了多波束类单频信号、侧扫类单频信号、Chirp调频信号和混合信号4类声呐接收信号,并针对接收信号特征构造了3层BP网络模型,将隐藏层神经元数目设为可调节;利用时间域脉冲宽度和水深与频率域功率谱密度相结合的特征参量,成功地对模拟信号进行了分类。采用改进的BP网络模型,用训练成功的BP网络对102个检测信号进行了分类测试,结果表明,分类成功率较高,可达76%~84.6%,因而利用BP网络可以对不同类别设备的模拟声呐接收信号进行分类。
周建平陶春辉吕文正何拥华顾春华
关键词:BP网络声呐信号
共1页<1>
聚类工具0