运动参数范文（精选10篇）

运动参数 第1篇

1.1 水分运动基本方程

Darcy (1856) 通过饱和砂层的渗透试验, 得出通量q和水力梯度成正比, 即达西定律:q=KsΔH/L, 式中, L为渗流路径的直线长度, H为总水头, ΔH为渗流路径始末断面总水头差, ΔH/L是相应的水力梯度, Ks为饱和导水率。Richards (1931) 将达西定律引入非饱和土壤水流动, 表示为:q=-K (Ψm) 塄Ψ或q=-K (θ) 塄Ψ, 式中, K (θ) 为非饱和导水率, 塄Ψ为总水势梯度。它成为研究非饱和土壤水流动的基本定律。

达西定律是多孔介质中液体流动所应满足的运动方程, 质量守恒是物质运动和变化普遍遵循的基本原理, 将质量守恒原理具体应用在多孔介质中的液体流动即为连续方程。将土壤视为一种固相骨架不变形、各向同性的多孔介质, 达西定律和连续方程相结合便可得到描述非饱和土壤水分运动的基本方程, 即Richards方程:, 取单位重量土壤水分的水势, 则Ψ=Ψm+z, 将上式展开为:

由于滞后作用, 基质势Ψm和土壤含水量θ不是单值函数, 土壤吸湿过程和脱湿过程不同, Richards基本方程只用于吸湿和脱湿的单一过程。运用上述基本方程解决实际问题时, 根据实际情况的不同及求解方便, 基本方程可以有多种形式:

(1) 以基质势Ψm为因变量的基本方程。非饱和土壤导水率K和比水容量C均可表示为土壤含水量θ的函数K (θ) 和C (θ) , 也可以表示为基质势Ψm的函数K (Ψm) 和C (Ψm) , 方程 (1) 式可改写为:。

1.2 Green-Ampt (1911) 模型

Green-Ampt模型研究初始干燥土壤在薄层积水条件下入渗问题。基本假定是, 入渗时存在明确的水平湿润锋面, 同时具有固定不变的吸力Sf, 土壤含水率θ的分布成阶梯状, 湿润区为饱和含水量θs, 湿润锋前为初始含水率θi。由达西定律得出地表处入渗率为:

式中, i为地表入渗率 (cm/min) , Sf为湿润锋处的土壤水吸力 (cm) , Zf为概化的湿润锋深度 (cm) , H为积水深度 (cm) 。对于入渗时间较短, 基质势吸力Sf起主要作用, 公式 (2) 可简化为:I=Ksszff, 根据模型假定和水量平衡原理, 可得出累积入渗量I (t) 为:I= (θs-θi) zf, 对于入渗时间较长而Zf较大或H较小, 公式 (2) 可简化为:i=Ks[1+ (θs-θi) Sf/I]。

Green-Ampt模型入渗公式简单, 且有一定的物理模型基础, 可应用于均质与非均质土壤或初始含水率不均匀的情况, 均有较好结果。缺点是湿润锋处的土壤基质吸力Sf的确定较为困难, 不能描述水分实际分布情况。

1.3 Philip (1957) 模型

Philip模型中一维水分垂直运动基本方程取解的无穷级数形式为:I=St0.5+At+Bt0.5+, 式中, S为吸湿率 (cm/min) , A为稳渗率 (cm/min) , 各系数逐项递减且相邻2系数相差1~2个数量级, 通常取前2项为常用的Philip一维垂直入渗公式:I=St0.5+At, 取第1项为忽略重力作用的Philip一维水平吸渗公式:I=St0.5, 相应入渗率分别为:i=1/2St0.5+A, i=1/2St0.5。

Philip模型具有明确的物理意义, 对于短历时的入渗情况较精确。缺点是只适用于均质土壤, 在长历时的入渗情况下计算值与实际有较大偏差, 对参数精度要求较高。

1.4 Ghosh (1980) 入渗公式

Ghosh分析常用的Philip一维垂直入渗公式及Kostiakov经验公式得出, 随着入渗时间的延长, 两者预测的入渗过程与实际入渗过程逐渐偏离, 对于长历时入渗, 难以满足精度要求。因此, Ghosh将两者综合考虑提出新的入渗公式为:I=atb=Kst, 式中, a、b为常数, 与土质及土壤含水量有关;Ks为饱和导水率。应用这一公式时, 需要预先已知Ks值并根据土壤含水量确定出a、b值。Ghosh入渗公式能够很好地预测入渗过程, 特别是对于长历时入渗, 较其他公式具有更高的预测精度。但由于公式中含有3个参数, 尤其当饱和导水率Ks未知时, 公式应用较繁琐且精度难以保证。

1.5 其他入渗经验公式

在研究和解决实际问题计算过程中, 不断提出的一些形式简单、方便实用的入渗经验公式得到了广泛应用。Kostiakov入渗公式:i (t) =Bt-α;Horton入渗公式:i (t) =ic+ (i0-ic) e-β;Holtan入渗公式:i=ic+a (W-I) n。这些经验公式中的参数由试验或实测资料拟合得出, 本身无物理意义。参数选值根据具体情况而定, 适用于粗略计算, 而且经验公式缺乏理论依据, 不易在理论上继续发展。

2 土壤水分运动参数方法研究

求解非饱和土壤水分运动方程进而预报非饱和土壤水分运动必须首先获得土壤水分运动参数。参数的准确性决定于这些参数相关的水分运动模型的可靠性。

2.1 土壤水分特征曲线的测定方法

土壤水分特征曲线是描述土壤含水量与吸力 (基质势) 之间的关系曲线。它反映了土壤水能量与土壤水含量之间的函数关系, 因此, 它是表示土壤基本水力特性的重要指标, 对研究土壤水滞留与运移有十分重要的作用。

2.1.1 直接法。

通过实验方法直接测定土壤水分特征曲线的方法称为直接法。直接法中有众多的实验室和田间方法, 如张力计法、压力膜法、离心机法、砂芯漏斗法、平衡水汽压法等, 而前3种应用最为普遍。 (1) 张力计法:是土壤通过陶土杯从张力计中吸收水分造成一定的真空度或吸力, 当土壤与外界达到平衡时, 测出土壤基质势, 再测出陶土杯周围的土壤含水量, 不断变更土壤含水量并测相应的吸力, 就可完成土壤水分特征曲线的测定。张力计法可用于脱水和吸水2个过程, 可测定扰动土和原状土的特征曲线, 是用于田间监测土壤水分动态变化重要的手段, 在实际工作中得到广泛应用。但张力计仅能测定低吸力范围0~0.08Mpa的特征曲线。 (2) 压力膜法:是加压使土壤水分流出, 导致土壤基质势降低直到基质势与所加压力平衡为止, 测定此时的土壤含水量, 通过改变压力逐步获取不同压力下的含水量即可得到水分特征曲线。压力膜法可应用于扰动土和原状土, 测定特征曲线的形状与土壤固有的特征曲线相符, 可应用于土壤水分动态模拟, 但测定周期长, 存在着土壤容重变化的问题。 (3) 离心机法:测定某吸力下所对应的含水量, 原理和实验过程同压力膜法相似, 但其压力来源于离心机高速旋转产生的离心力。离心机法可应用于扰动土和原状土, 测定周期短, 特征曲线的相对形状与土壤固有的特征曲线相符, 可用于土壤水分动态模拟。但是离心机仅可测定脱水过程, 且在测定过程中土壤容重变化很大, 若能对容重的影响进行校正, 可望有较高的测定准确度。邵明安 (1985) 从土壤蒸发试验的预测与实测的含水量的偏离程度初步研究了以上3种方法测定土壤基质势的差别及准确性, 结果表明考虑容重变化的离心机法有较高的准确度。 (4) 砂芯漏斗法:就是用一个砂芯漏斗和连接悬挂水柱的陶土板形成对土样的吸力。它适用于扰动土和原状土, 可测定吸水和脱水2个过程, 但是只适合在室内使用。 (5) 平衡水汽压法:是根据在一个平衡体系中各相的自由能相等的原理, 让土壤水自然蒸发, 使其与容器中的水汽达到平衡。只要测出密封容器中的相对湿度和温度, 就可计算出1g分子土壤水的势值。它要精确测定密封容器中的相对湿度, 对恒温、密封条件要求比较高, 但是其测定的土水势范围较宽。

以上方法在概念上相对清晰, 是测定土壤水分特征曲线的常用方法, 但费时、费力、费资金, 在测定范围上也有较大的限制, 不能获取整个含水量范围内的土壤水分特征曲线, 在田间测定水分特征曲线时还存在较大的不确定性。

2.1.2 间接法。

(1) Arya和Paris于1981年发展了一个模型, 用土壤的孔隙分布、重及与水分特征曲线形状相似的基础上的颗粒密度来预测水分特征曲线。Mishraeta (1989) 又进一步修正了Arya-Paris模型, 并运用一阶误差分析评估了其参数的不确定性。这些模型的重大意义在于使用了连续或累积的颗粒大小分布, 而不是仅仅应用3种类型的颗粒 (砂粒、粉粒、粘粒) 。这一方法最大的缺陷在于仅能在有机质含量低的砂性土壤上应用, 并且预测的土壤水分特征对AryaParis模型中的经验参数变化有较大的依赖性。 (2) Assouline和Tessier利用毛管孔径 (d) 与水吸力 (h) 的关系和基于土壤颗粒组成曲线与土壤水分特征曲线相似的原理建立了土壤水分特征曲线与土壤机械组成关系的理论模型, 可通过拟合土壤颗粒分布曲线获得VanGenuchten (1980) 模型。间接法最大的优势在于能获取整个土壤含水量范围内的水分特征曲线, 并提供参数不确定性的消息, 但目前尚停留在理论研究上。

2.2 测定非饱和土壤水分运动参数的方法

目前, 利用间接方法推求非饱和土壤水分运动参数的方法在不断完善和发展当中, 基于土壤孔隙大小分布模型的方法虽然得到了广泛的应用, 但是依然需要测定土壤水分特征曲线, 并确定其模型参数。

2.2.1 直接法。

通过实验方法直接测定土壤导水率的方法称为直接法。直接法包含众多的实验室方法和田间方法, 如水头控制法、通量水头控制法、长柱入渗法、稳定蒸发法、三维入渗法、圆盘积水入渗/滴灌法、瞬时剖面法、单位梯度法、喷洒入渗计法、出流法等, 其中应用较广的方法有瞬时剖面法、稳定蒸发法、出流法。 (1) 瞬时剖面法:是测定非饱和土壤水分运动参数的常用方法之一, 20世纪60年代起在国外被采用, 既可用于实验室测定, 又可用于田间测定。此法对扰动土和原状土均适用, 可测定吸湿和脱湿过程, 试验和计算都不复杂, 但要求同时测定土壤水的吸力和含水量, 测量精确度对所得结果有较大影响, 因而准确度不高, 稳定性差。 (2) 稳定蒸发法:是过去30年来一种相对简单且可同时测定水分特征曲线和非饱和导水率的实验室方法, 稳定蒸发法最早由Gardner和Miklicht在1962年提出, 他们只采用了2支张力计, 此后, 该法得到不断的简化和改进, 一个重要的改进是由Wind于1968年提出的, 他从平均含水景和均质土壤样品的不同点读取的压力头剖面图及在不同含水量分布下的变化来决定导水率。 (3) 出流法:是将饱和土样置于一个带多孔底板的密闭压力室, 对压力室施加一定的压力, 测定排水量和时间的关系直至平衡。一次加压出流可测定土壤水分扩散率, 多次加压出流可测定土壤水分特征曲线, 二者结合计算导水率。

直接法在概念上相对清晰, 在饱和导水率的测定中仍是一种常用方法。邵明安 (1991年) 对上述方法进行了综合评价, 结果表明还没有一种方法能同时满足费用小、准确度高、测定范围广等多方面的要求。

2.2.2 间接法。

利用较易测定的土壤物理特性来确定土壤导水率的方法称为间接法, 间接法中应用较多的有以下3种:Wind模型、Garder模型、Budine模型。 (1) Wind (1955) 模型:Kr=[ (h/b) n+1]-1, 式中, Kr为相对导水率, h为吸力, b、n为模型参数。 (2) Garder (1958) 模型:Kr=exp (ah) , 式中, 参数含义同上, K为饱和导水率, K=a/[|h|n+b]。 (3) Budine模型 (BUR) :, 式中, Kr为相对导水率, e为土壤含水量, As、Br分别为土壤饱和、残留含水量, h为土壤基质势 (压力头) , K为土壤非饱和导水率, Ks为饱和导水率。土壤导水率经验模型的建立可以获得某些非饱和水流问题的近似数学解, 从而可以简化数值解的计算要求、节约计算时间、提高准确性, 它还提供了外延实测曲线的系统方法和确定土壤导水特征逆向方法的应用。

由此可见, 土壤导水率模型的建立不仅可以减少具体测定的时间和费用, 还为土壤水分运动的定量化研究提供方便, 与直接法相比, 间接法最大的优势在于能获取整个土壤含水量范围内的水分特征曲线, 并提供参数不确定性的消息, 但在收敛和参数唯一性方面还存在许多问题。

3 结论

描述土壤水分运动的基本参数有土壤导水率 (K) 、土壤水分扩散率 (D) 、土壤比水容重 (C) 即水分特征曲线等。按照土壤水分准确获取能代表田间土壤条件的土壤水分运动参数是模拟土壤中水和溶质运动的基础。

在获取土壤水分运动参数方面已提出众多的直接和间接方法。直接法在概念上相对清晰, 是测定土壤水分特征曲线的常用方法, 但它耗时、昂贵, 在田间应用时具有不确定性。与直接法相比, 间接法最大的优势在于能获取整个土壤含水量范围内的水分特征曲线, 并提供参数不确定性的消息, 但在收敛和参数唯一性方面还存在许多问题。

运动参数 第2篇

3.2.2 起跳能力的比较分析

助跑速度只是为创造高水平成绩提供了可能性，但不是决定跳远成绩的唯一因素。为了能跳越更远的水平距离，还必须将助跑和起跳很好的结合起来，做到起跳时既要保持助跑所获得的水平速度，又要重视发挥垂直 速度，以获得较大的腾起速度和适宜的腾起角，这就需要具有与高速助跑相适应的起跳能力。由统计可知，第 6 届世锦赛男女跳远选手的起跳垂直速度和腾起角平均值分别为3.41m/s、3.11m/s和21 °、21.33°。其中 男子跳远第一名获得者佩德罗索，女子第二、 第三名获得者赞瑟欧及梅等人，在保持较高助跑水平速度的前提 下，起跳阶段也获得了相当高的垂直速度和适宜的腾起角(23°左右)，分别为3. 86m/s、3.48m/s、3.32m /s和24°、24°、23°， 表现出极强的起跳能力。而对照第8 届全运会男女跳远决赛选手垂直速度和腾起角平均值仅分别为3.10m/s、2.86m/s和18.94°、19.55°，其差值男子为0. 31m/s、2.06°，女子为0.25m/ s、1.78°。可见， 我国选手与世界选手在腾起垂直速度和腾起角度上有明显的`差异，其原因除绝对速度和起 跳技术相对较差外，主要与起跳能力较弱有一定关系。由于我国选手的快速起跳能力还没有与助跑速度利用率 的提高同步，在快速助跑中跳不起来，腾起角太小，不能充分发挥水平速度的作用。特别是我国男子在腾起水平速度大于世界选手0.06m/s时，因腾起垂直速度的差异致使跳远成绩相差0.36m。据前苏联跳远教练员费・勃 ・波波夫研究发现， 跳远运动员的助跑速度每增加0.2m/s或增大腾起角度1°时运动员的起跳力量需要增加2 %。因此，针对我国选手绝对速度能力的现状， 要在重点提高腾起水平速度的同时，着重提高腾起垂直速度。 而要提高腾起垂直速度就必须提高我国选手的快速起跳能力。因此，加强与跳远运动员起跳能力有关的专项力 量训练，使起跳能力与助跑速度利用率的提高相适应，是今后提高我国跳远成绩的关键。

3.2.3 踏板准确性和落地动作比较分析

尽管助跑速度及起跳能力等技术环节对跳远成绩和比赛胜负有着非常重要的作用，但有时它们之间并非成 正比关系。随着跳远技术的发展和水平的不断提高，当今世界大赛跳远选手水平已相当接近，许多有实力的选 手往往会因助跑准确性不高或落地动作不佳造成距离损失，只相差几厘米，便与奖牌失之交臂或失去较好的名 次。由统计显示，第6 届世锦赛男女跳远决赛选手有效距离(起跳脚的脚趾至落地脚的最近点的水平距离)平均值分别为8.43m和7.02m，而正式成绩平均值仅分别为 8.12m和6.81m， 因踏板不准确和落地动作不佳而总损 失距离(包括着地损失的距离、跳跃中的偏移和趾一板距离的总和)男子平均达0.31m，女子平均为0.21m。特 别是第8名获得者迪尔沃思，总损失距离竟高达 0.80m。这表明踏板不准确和落地动作不佳是当今世界不少优秀 跳远选手存在的较为严重的问题。而我国选手在这方面也同样存在着问题，从而影响跳远成绩水平发挥。从第 8届全运会跳远决赛有关距离参数看， 男女跳远有效距离平均值分别为7.94m和 6.68m，正式成绩平均值分别为 7.76m和6.53m，总损失距离平均值分别为0.18m和0.15m， 分别比世界男女选手平均少损失0.13m和0.06m。说明 我国选手在助跑的准确性和落地动作上优于世界选手。这是我国教练员近年来注重助跑的准确性和落地动作的 正确性等一些技术细节训练的结果。

4 结论与建议

4.1 我国跳远选手的助跑速度与世界选手相比存在着一定

运动参数 第3篇

摘 要 对我国优秀标枪运动员投掷步阶段有关环节进行技术诊断，发现其存在的主要问题，为标枪运动员的技术训练提供参考依据。主要运用文献资料法、数理统计法和逻辑分析法对国内优秀标枪运动员投掷步技术进行运动学整合分析，并与世界优秀标枪运动员对比，结果发现：（1）我国男子标枪运动员第1、第2投掷步躯干后倾角过大，第3步躯干后倾角变化幅度较小；第4步躯干后倾角幅度减小较大。（2）我国优秀男子标枪运动员在投掷步的第1步投掷臂肘角弯曲角度大；在第2、3、4步投掷臂的肘关节角度在不断的减小。（3）我国优秀男子标枪运动员左膝弯屈角较小，不利于力量的传递。（4）我国优秀男子标枪运动员拉引角与世界优秀男子标枪运动员相比，不存在显著性差异。

关键词 投掷步技术 技术分析 运动学指标

掷标枪是技术比较复杂的田径运动项目之一。标枪器械是长棒型，需要运动员良好的沿标枪纵轴用力和良好器械感觉。合理的掷标枪技术要求运动员在周期性转化为非周期的快速运动中，充分发挥人体能力将标枪掷出。投掷步是投标枪过程中的关键技术之一，它是助跑与最后用力阶段的有机联系，具有承上启下之功效，因此，投掷步技术的质量，直接关系到最后用力阶段躯干肌群的用力效果和动量的有效传递，影响出手速度和投掷的远度。

一、掷标枪投掷步技术阶段划分

刘生杰、李建英认为从第2标志线到最后用力时左脚落地为投掷步阶段。该阶段的任务就是在保持预跑速度的基础上，完成引枪动作。基于本研究需要，主要选取我国优秀标枪运动员投掷步后4步技术与世界优秀标枪运动员的相关投掷步技术运动学参数进行比较研究，如图1所示。

二、标枪运动员掷标枪投掷步技术运动学特征

标枪运动员掷标枪投掷步技术主要运动学角度参数包括躯干后倾角、投掷臂肘关节角度（肘角）、支撑腿膝关节角度（膝角）和拉引角。

（一）躯干后倾角

躯干后倾角指运动员在投掷过程中，支撑腿着地瞬间身体重心与着地点的连线和垂面间的夹角。

1.第1、2步躯干后倾角

李建英、谢威和刘生杰对第十届全运会男子标枪决赛的前8名运动员进行运动生物力学分析，我国优秀男子标枪运动员投掷步第1、2步躯干后倾角分别为14.367°±3.569°和15.984°±3.697°，而世界男子標枪运动员投掷步第1、2步躯干后倾角分别为8.361°±4.324°和10.657°±3.682°。

第1、2步引枪动作主要是靠投掷臂向后撤肩和躯干逐渐向右扭转完成的，此时躯干应保持垂直。若上体后倾过大，会导致身体下肢各环节前移速度加快，支撑腿着地点过远，着地时的制动作用增大，使预跑段获得的水平速度损失加大。

2.第3步躯干后倾角

第十届全运会男子标枪决赛的前8名运动员进行运动生物力学分析，我国优秀男子标枪运动员投掷步第3步躯干后倾角为24.915°±2.851°，而世界男子标枪运动员投掷步第3步躯干后倾角为8.361°±4.324°和10.657°。

在保持人体快速运动的情况下，进一步完成躯干的扭转并形成合理的后倾角度，为发力创造良好的肌肉力学条件，此时后倾角为20-25°。

3.第4步躯干后倾角

我国优秀男子标枪运动员投掷步第4步躯干后倾角为24.915°±2.851°，而世界男子标枪运动员投掷步第4步躯干后倾角为8.361°±4.324°和10.657°。

综上所述，我国优秀男子标枪运动员在投掷步第1、第2步引枪过程中，上体后倾过大，导致身体在无支撑状态下，下肢各环节前移速度加快，支撑腿着地点过远，制动作用增大，使预跑阶段获得的水平速度损失加大，影响了交叉步的动作速度和幅度；故限制了交叉步时右腿快速有力地前摆和左腿积极蹬伸，致使第3步躯干后倾角变化幅度不大，其结果势必延缓躯干肌群拉长的时间，降低肌群的收缩力量；第4步躯干后倾角减小幅度较大，主要原因是投掷步第1、第2步躯干后倾角过大，加快了交叉步时下肢环节的前移速度，使右腿着地时伸得过直，左腿主动前摆下插不积极，人体形成了以右脚为支点的杠杆，产生了较大的向前翻转力，增加了躯干后倾角保持的难度。

（二）肘角

1.第1、2步肘角

第十届全运会男子标枪决赛的前8名运动员，第1、2步肘角分别为169.9°和161.5°。而对中、外优秀标枪运动员投掷步技术进行生物力学分析，我国优秀男子标枪运动员第1、2步肘角分别为172.30°和168.40°，而世界优秀男子标枪运动员第1、2步肘角分别为175.20°和103.60°。

2.第3步肘角

对中、外优秀标枪运动员投掷步技术进行生物力学分析，我国优秀男子标枪运动员第3步肘角为163.20°，而世界优秀男子标枪运动员第3步肘角为125.90°。

3.第4步肘角

第十届全运会男子标枪决赛的前8名运动员进行运动生物力学分析，第4步肘角为127°。

综上所述，我国优秀男子标枪运动员在投掷步的第1步有努力伸展投掷臂的趋势，但并没有完全伸直；在第2、3、4步投掷臂的肘关节角度在不断的减小，为最后用力出枪做好准备。但是，从投掷步肩角的变化可以看出，投掷臂肩角应呈递增现象，说明运动员在进行投掷步时，投掷臂向后伸展的充分，加大上肢对枪的加速距离，有利于加快标枪的出手初速度。

（三）膝角

王德平、吴雪山和徐茂典对中、外优秀标枪运动员投掷步技术进行生物力学分析，我国优秀男子标枪运动员左膝弯屈角为156.4±6.02°，世界优秀男子标枪运动员左膝弯屈角为162.5±8.49°。

缓冲阶段理想的弯屈度为160°左右，伸展阶段左膝弯曲度应增大，形成及时蹬伸制动的技术，确保动量自下而上的传递。

综上所述，我国优秀男子标枪运动员左膝弯屈角较小，导致最后用力时左侧支撑不牢固，不利于动量向上肢的有效传递，必然影响器械出手速度。

（四）拉伸角

我们继续对中、外优秀标枪运动员投掷步技术进行生物力学分析，我国优秀男子标枪运动员拉引角为93.56°，而世界优秀男子标枪运动员拉引角为90.15°。

拉引角的大小是衡量最后用力过程中“满弓”程度的指标。这一指标我国优秀男子标枪运动员与世界优秀男子标枪运动员相比，并不存在显著性差异。

三、结论与建议

（一）我国男子标枪运动员第1、2投掷步躯干后倾角过大，影响交叉步的动作幅度，第3步躯干后倾角变化幅度较小；第4步躯干后倾角幅度减小较大。

（二）我国优秀男子标枪运动员在投掷步的第1步投掷臂肘角弯曲角度大，没有完全伸直；在第2、3、4步投掷臂的肘关节角度在不断的减小。

（三）我国优秀男子标枪运动员左膝弯屈角较小，没有形成有力的左侧支撑，不利于力量的传递。

（四）我国优秀男子标枪运动员拉引角与世界优秀男子标枪运动员相比，不存在显著性差异。

参考文献：

[1] 李老民.田径运动教程[M].北京：北京体育大学出版社.2008.5：94.

[2] 刘生杰，李建英.我国优秀女子标枪运动员投掷步技术的运动学研究[J].中国体育科技.2007.43（4）：64-67.

[3] 李建英，谢威，刘生杰.中英优秀标枪运动员投掷步技术的运动学比较[J].成都体育学院学报.2007.33（6）：83-85.

匀速直线运动模糊图像参数的确定 第4篇

1 运动模糊图像的频谱特征分析

在MATLAB7.0 环境下对其水平方向匀速直线运动产生模糊频谱图如图1 所示。

其实现的MATLAB代码如下:

由于在实验过程中我们假定运动方向是水平的, 运动长度L=32 个像素, 从图1 实验结果的频谱图中可以明显的看出亮条纹, 并且, 这条亮条纹与水平方向是垂直的。

对于非水平方向运动模糊图像频谱图如图2 所示。

图2 的实验结果是图像运动方向与x轴之间有一定的角度, 所以得到的亮条纹和X轴之间也存在着一定的角度。

2 匀速直线运动模糊方向和模糊长度的确定

2.1 模糊方向的确定

在图2 的基础上, 通过多次实验发现, 当模糊图像的角度发生变化时, 条纹也随之改变, 该亮条纹方向正好反映了运动模糊点扩散函数的方向性。于是我们只要求出这条亮条纹的倾角就可以了;所以将求模糊角度的问题转化为在平面上求一个三角形的角度问题;也就是下图中所示的 θ 角的度数。

根据频谱图用MATLAB7.0 自带的作图工具Show Plot Tools作出三条直线构成一个三角形, 然后在MATLAB7.0 命令窗口中输入函数ginput () 来完成求解。用[x, y]=ginput (2) , 获得两点坐标, 可以取好多个点, 再求平均值然后利用k= (y (2) -y (1) ) / (x (2) -x (1) ) 得到斜率, 按照上面步骤求出度数为 θ=69.1°, 理论值为θ=70°, 基本上吻合。

2.2 模糊长度的确定

本文首先采用Matlab7.0 做出运动模糊图像的自相关图, 生成的自相关图是一条曲线, 具体如下图4 所示, 在这条曲线上出现了一对比较明显的负峰, 并且方向朝下, 通过多次实验结果显示这两负峰之间的距离L正好等于运动模糊长度的2 倍。因此, 只要能够计算出这两个负峰之间的距离就可以得出运动模糊长度L。

其MATLAB实现代码如下所示:

在图4 的自相关图中利用matlab的Data Cursor工具可以测得两负峰之间的坐标分别为69 与131, 距离为62 个像素点, 两相关负峰间的距离等于运动模糊长度的2 倍, 因运动模糊的长度为31 个像素, 与理论值32 个像素基本上吻合 (比较精确) 。

3 结论

上面的实验结果基本上和理论值吻合, 采用手动的方法来确定匀速直线运动模糊图像的点扩散函数, 不但操作方法简单灵活, 而且具有很高的精确度和稳定性。对于非匀速直线运动所造成的图像模糊, 在某种程度上可以近似看成是多个小段匀速直线运动合成的。所以可以将此方法推广到非匀速直线运动模糊图像的处理上。

摘要：本文针对匀速直线运动模糊图像的参数确定问题, 提出在MATLAB7.0下得到模糊图像的频谱图和自相关图, 并用Matlab自带工具进行手动的方法确定模糊参数;实验结果证明模糊角度和理论值相差0.9°, 模糊长度和理论值相差1个像素, 与已有的几种方法相比较精确度更高, 更有利于提高图像复原的清晰度。

关键词：傅立叶变换,点扩散函数,频谱图,自相关图

参考文献

[1]陈前荣, 陆启生, 成礼智.运动模糊图像点扩散函数尺度鉴别[J].计算机工程与应用, 200 (23) :15-19.

[2]黎玮.运动模糊图像复原的参数估计与算法研究[D].合肥:安徽大学, 2011.

[3]贺卫国, 黎绍发.匀速直线运动模糊长度的精确估计[J].计算机应用, 2005, 25 (6) :1317-1320.

[4]张明谦.运动模糊图像的运动参数估计及复原研究[D].成都:电子科技大学, 2009.

[5]杨文涛.分数傅里叶变换在数字图像处理中的应用研究[D].武汉华中科技大学博士学位论文, 2009, 12 (3) :92-95.

[6]张德丰.MATLAB数字图像处理[M].北京:机械工业出版社, 2012, 3.

运动参数 第5篇

对高校体育课运动函变参数的度量研究① 作者：张雷

来源：《科技创新导报》2012年第13期

摘 要:体育课运动函变参数主要是指体育课的练习密度和运动量。本文通过对河南省5所高校76次体育课的练习密度和运动量的测试、统计、分析,论证了普通高等学校公共体育课练习密度和运动量的合理安排标准。

关键词:高校体育体育教学练习密度运动量

运动参数 第6篇

调频步进雷达信号是高分辨力雷达信号之一,该信号用线性调频子脉冲代替频率步进雷达信号中的简单矩形子脉冲,克服了雷达作用距离和距离分辨力之间的矛盾,又能在要求距离分辨力一定的条件下,减少脉冲数,提高雷达系统的输出数据率,降低对系统处理带宽和采样率的要求。但是,该信号具有时延-多普勒耦合特性,目标运动会造成一维距离像的时移、宽度展宽和幅度下降,导致距离像失真。因此,在调频步进雷达中必须对运动目标进行较精确的速度补偿。

该文介绍了调频步进信号及其多普勒效应,分析了目标运动对调频步进雷达相参合成一维距离像的影响,用最小脉组误差准则的最优运动参数估计方法来对运动目标的速度进行估计,并给出了计算机仿真结果。

2调频步进信号及其多普勒效应

2.1 调频步进信号形式

调频步进雷达发射信号是一串载频线性跳变的线性调频(Chirp)子脉冲,其时域表达式为:

$\begin{array}{l}S(t)=\frac{1}{\sqrt{{\rm N}{\rm T}}}{\displaystyle \sum _{i=0}^{{\rm N}-1}u}(t-i{\rm T}{}_r)\exp (\text{j}2\text{π}f{}_{i}t)\\ =\frac{1}{\sqrt{{\rm N}{\rm T}}}{\displaystyle \sum _{i=0}^{{\rm N}-1}\text{r}}\text{e}\text{c}\text{t}(\frac{t-i{\rm T}{}_r}{{\rm T}})\exp [\text{j}\text{π}{\rm K}(t-i{\rm T}{}_r){}^2]\\ \exp [\text{j}2\text{π}(f{}_0+i\text{Δ}f)t](1)\end{array}$

其中u(t)=rect(t/T)exp(jπKt2)为Chirp子脉冲,K为Chirp子脉冲斜率且K=B/T,B为Chirp子脉冲的带宽,T为Chirp子脉冲的时宽;N为Chirp子脉冲个数;Tr为脉冲重复周期(PRT);fi=f0+iΔf为第i+1个子脉冲的载频,f0为每个子脉冲的载频分量,Δf为脉间载频增量。

2.2 调频步进信号的处理

对于点目标来说,雷达接收到的调频步进回波信号可以表示为:

$\begin{array}{l}u(t)={\displaystyle \sum _{i=0}^{{\rm N}-1}A}{}_i\text{r}\text{e}\text{c}\text{t}(\frac{t-i{\rm T}{}_r-\tau (t)}{{\rm T}})\cdot \\ \exp [\text{j}\text{π}{\rm K}(t-i{\rm T}{}_r-\tau (t)){}^2]\\ \exp [\text{j}2\text{π}(f{}_0+i\text{Δ}f)(t-\tau (t))](2)\end{array}$

式中:Ai表示第i个脉冲回波幅度;Vt为目标相对速度,回波时间延迟是τ(t)=2(R-Vtt)/c。

相参本振信号为:

$\begin{array}{l}x(t)={\displaystyle \sum _{i=0}^{{\rm N}-1}\text{r}}\text{e}\text{c}\text{t}(\frac{t-i{\rm T}{}_r-{\rm T}{}_r/2+{\rm T}/2}{{\rm T}{}_r})\cdot \\ \exp (\text{j}2\text{π}(f{}_0+i\text{Δ}f)t)(3)\end{array}$

则回波信号与相参本振信号混频后的视频输出可以表示为:

$\begin{array}{l}y(t)={\displaystyle \sum _{i=0}^{{\rm N}-1}A}{}_i\text{r}\text{e}\text{c}\text{t}\left[\frac{t-i{\rm T}{}_r-\tau (t)}{{\rm T}}\right]\cdot \\ \exp \{\text{j}\text{π}{\rm K}[t-i{\rm T}{}_r-\tau (t)]{}^2\}\\ \exp [-2\text{j}\text{π}i\text{Δ}f\tau (t)]\exp [-2\text{j}\text{π}if{}_0\tau (t)](4)\end{array}$

由式(4)可以看出混频后的视频回波脉冲可以分为两个部分,一部分是线性调频信号rect[(t-iTr-τ(t))/T]exp[jπK{t-iTr-τ(t)]2},另一部分则表示由于频率步进而形成的相位变化项exp[-2jπiΔfτ(t)]

exp[-2jπif0τ(t)]。因此在进行信号处理时,首先在各个脉冲重复周期内对线性调频子脉冲进行脉冲压缩处理,其次在N个脉冲重复周期期间进行IDFT处理。

当Vt=0时,τ(t)=2R/c,Chirp信号的脉压输出为:

$u^{\prime }(t)=\sqrt{{\rm K}{\rm T}{}^2}\frac{\sin (\text{π}{\rm K}{\rm T}t)}{\text{π}{\rm K}{\rm T}t}\exp [-\text{j}\text{π}{\rm K}t{}^2]\exp [\text{j}\text{π}/4](5)$

将式(5)代入式(4)中相应的线性调频子脉冲部分,得到脉冲压缩后的输出信号为:

$\begin{array}{l}y(t)={\displaystyle \sum _{i=0}^{{\rm N}-1}A}{}_i\sqrt{{\rm K}{\rm T}{}^2}\text{r}\text{e}\text{c}\text{t}[\frac{t-i{\rm T}{}_r-2R/c}{{\rm T}}]\cdot \\ \frac{\sin \text{π}{\rm K}{\rm T}(t-i{\rm T}{}_r-2R/c)}{\text{π}{\rm K}{\rm T}(t-i{\rm T}{}_r-2R/c)}\\ \exp [-\text{j}\text{π}{\rm K}(t-i{\rm T}{}_r-2R/c){}^2]\exp (\text{j}\text{π}/4)\\ \exp \left(-\text{j}2\text{π}i\text{Δ}f\frac{2R}{c}\right)\exp \left(-\text{j}2\text{π}f{}_0\frac{2R}{c}\right)(6)\end{array}$

在t=iTr+2R/c时刻采样,则对式(6)进行IDFT处理(假定Ai=1)的输出结果为:

$\begin{array}{l}\left|y(l)\right|=\sqrt{{\rm K}{\rm T}{}_1^2}\left|\frac{\sin \text{π}(l-{\rm N}\text{Δ}f2R/c)}{{\rm N}\sin \text{π}(l/{\rm N}-\text{Δ}f2R/c)}\right|,\\ l=0,1,\cdots ,{\rm N}-l(7)\end{array}$

令W=(l-NΔf2R/c),幅度归一化得到点目标合成响应的幅度为:

$\left|y(l)\right|=\left|\frac{\sin \text{π}W}{\sin \frac{\text{π}W}{{\rm N}}}\right|(8)$

峰值出现在$l{}_k=\frac{2{\rm N}R\text{Δ}f}{c}\pm k{\rm N},k\in \mathbf{{\rm Z}}$,系数l0对应距离为:

$R=\frac{cl{}_0}{2{\rm N}\text{Δ}f},\frac{c(l{}_0\pm {\rm N})}{2{\rm N}\text{Δ}f},\frac{c(l{}_0\pm 2{\rm N})}{2{\rm N}\Delta f},\cdots (9)$

因此对Chirp子脉冲频率步进雷达回波视频信号进行脉内子脉冲压缩和脉间IDFT处理,可以获得目标的高分辨合成距离像。

2.3 调频步进雷达信号的多普勒效应

当Vt≠0,将τ(t)代入式(4),对第i个子脉冲回波进行压缩后的波形为:

$\begin{array}{l}x{}_i(t)=\text{r}\text{e}\text{c}\text{t}(t^{\prime }/{\rm T})\sqrt{{\rm K}{\rm T}{}^2}\frac{\sin \text{π}(f{}_{di}+{\rm K}{t}^{\prime }){\rm T}}{\text{π}(f{}_{di}+{\rm K}{t}^{\prime }){\rm T}}\cdot \\ \text{e}{}^{-\text{j}\text{π}{\rm K}{t}^{\prime }}\text{e}{}^{\text{j}\text{π}/4}\exp [-\text{j}2\text{π}f{}_i(\frac{2R}{c}-\frac{2V{}_t}{c}i{\rm T}{}_r)](10)\end{array}$

式中:fdi=fi2Vt/c为多普勒;t′=t-iTr-2R/c+2VtiTr/c。

可以看出目标运动对调频步进信号性能影响分为对子脉冲压缩的影响和对频率步进的影响。

2.3.1 目标运动对子脉冲压缩的影响

包络因子rect(t′/T)表示脉压输出峰值位置在不同PRT之间的“走动”[3]。每个PRT之间的“走动”为(2Vt/c)Tr,则N个回波之间的最大时移为(2Vt/c)NTr。假设可容忍的最大时移为半个脉压后的距离单元,则有:

$(2V{}_t/c)\cdot {\rm N}{\rm T}{}_r<1/(2\text{Δ}f)(11)$

2.3.2 目标运动对频率步进的影响

目标运动对频率步进信号的主要影响是形成一次、二次相位误差[3],一次相位误差造成IDFT输出的耦合时移,二次相位误差造成IDFT输出的波形发散。补偿精度的要求为:

一次相位补偿精度:

$\left|\text{Δ}V{}_t\right|<c/(4{\rm N}f{}_0{\rm T}{}_r)(12)$

二次相位补偿精度:

$\left|\text{Δ}V{}_t\right|<c/(4{\rm N}{}^2\text{Δ}f{\rm T}{}_r)(13)$

2.3.3 运动目标的处理

运动目标处理的关键因素是实现“距离走动”和“二次相位误差”补偿[3]。“距离走动”满足式(11),则可以进行后续的IDFT处理。对频率步进的影响,首先要补偿波形发散,而耦合时移补偿对测速精度要求极高,可达1 m/s量级,因此这一误差完全补偿有一定困难。在实际应用中,子脉冲压缩的影响通过雷达参数设计来满足。因此,对运动目标进行速度补偿,主要考虑运动对频率步进的影响。运动补偿在子脉冲压缩以后IDFT之前进行。根据式(10),子脉冲压缩后运动目标回波中的干扰相位项为exp(j2πfi2Vt/ciTr),若得到目标速度精确估值V,将各个子脉冲脉压后的结果乘以加权因子exp(-j2πfi2V/ciTr),然后再进行IDFT,即可实现高精度的速度补偿。

3最小脉组误差速度估计原理

顺序发射两组载频由f0正步进至f0+(N-1)Δf和由f0+(N-1)Δf负步进至f0的脉冲序列[5,6,8]。定义脉组误差函数为:

$Be(v)={\displaystyle \sum _{i=0}^{{\rm N}-1}\left|S{}_2^c(i)-S{}_1^c(i)\right|},{}^{}i=0,\cdots ,{\rm N}-1$ (14)

式(14)中S${}_2^c$(i),S${}_1^c$(i)分别为正、负调频脉组内子脉冲回波信号复采样值经运动补偿并以发射频率高低排序后的值。脉组误差函数的物理意义为不同脉组间同一载频激励下目标回波响应误差绝对值的总和,它反映了目标运动产生的子脉冲回波信号附加相移的总体大小。

取采样时刻为:t=iTr+2R/c,Vt≪c,则S${}_1^c$(i),S${}_2^c$(i)分别表示为:

$\begin{array}{l}S{}_1^c(i)⧋\sqrt{{\rm K}{\rm T}{}^2}\cdot \frac{\sin (\text{π}f{}_{di}\cdot {\rm T})}{\text{π}f{}_{di}\cdot {\rm T}}\text{e}{}^{\text{j}\text{π}/4}\cdot \\ \exp \left(\text{j}2\text{π}f{}_i\frac{2\text{Δ}v}{c}i{\rm T}{}_r\right)\exp (-\text{j}2\text{π}f{}_i\frac{2R}{c})\\ S{}_2^c(i)⧋\sqrt{{\rm K}{\rm T}{}^2}\cdot \frac{\sin (\text{π}f{}_{di}\cdot {\rm T})}{\text{π}f{}_{di}\cdot {\rm T}}\cdot \text{e}{}^{\text{j}\text{π}/4}\cdot \\ \exp \left(\text{j}2\text{π}f{}_i\frac{2\text{Δ}v}{c}(2{\rm N}-1-i){\rm T}{}_r\right)\\ \exp \left(-\text{j}2\text{π}f{}_i\frac{2R}{c}\right)\end{array}$

上面两式中:Δv=V-Vt,V为估计速度,Vt为目标真实速度,Δv为速度估计误差,可得:

$\begin{array}{l}Be(\text{Δ}v)⧋{\displaystyle \sum _{i=0}^{{\rm N}-1}\sqrt{{\rm K}{\rm T}{}^2}}\cdot \left|\frac{\sin (\text{π}f{}_{di}\cdot {\rm T})}{\text{π}f{}_{di}\cdot {\rm T}}\right|\\ |\exp \left(\text{j}2\text{π}f{}_i\frac{2\text{Δ}v}{c}i{\rm T}{}_r\right)-\\ \exp [\text{j}2\text{π}f{}_i\frac{2\text{Δ}v}{c}(2{\rm N}-1-i){\rm T}{}_r]|(15)\end{array}$

式(15)表明,当Δv=0,脉组误差函数达到全局最小值,即$Be(V{}_t)=\underset{v\subset V}{{\displaystyle \min }}\{Be(v)\}=0$。假设目标速度真实值Vt=280 m/s,图1给出了脉组误差函数随运动补偿速度v的变化曲线。

上面的分析基于点目标。在高分辨力雷达中,目标应等效为多散射点目标模型,这时雷达和目标间的径向运动不仅要考虑平动分量还应考虑转动分量[5]。假设目标运动仅有平动分量,在进行精确的运动补偿而消除了平动分量的影响后,各子脉冲回波信号复采样值就等效为静止目标的响应。理论上同一载频激励下静止目标的回波响应是相同的,故脉组误差Be(Vt)=0。当平台分量与转动分量同时存在时,在平台分量被补偿后,目标的转动也会使同一载频激励下的回波响应发生变化。但在脉组间目标的转动量很小,由此引起的脉组间同一载频激励下目标回波响应的变化量也很小。所以,影响脉组误差值大小的主要因素为目标的径向平动分量,关系式$Be(V{}_t)=\underset{v\subset V}{{\displaystyle \min }}\{Be(v)\}=0$仍然成立。

由上面分析可知,目标速度参数估计可以结合实际应用中对目标速度范围的先验知识,通过在速度轴上搜索脉组误差函数最小值所在位置,即可实现目标速度的快速最优估计。

4计算机仿真实验

假设雷达信号参数为:N=128,T=10 μs,B=128 MHz,Tr=100 μs,Δf=10 MHz,f0=10 kHz;三个点目标的相对距离为(5,10,12)m,它们与雷达的相对速度分别为(15,25,40) m/s,它们的雷达散射截面积都是10 m2,加速度为0,信噪比为40 dB。仿真结果如图2～图5所示。

比较图2和图3,可以看出目标运动导致一维距离像的明显时移和波形发散;从图4可以看出利用最小脉组误差准则实现了对三个目标速度的精确估计;比较图2和图5,可以看出进行速度补偿后的距离像和目标静止时的距离像一样。说明在线性调频子脉冲频率步进雷达中利用最小脉组误差准则可以进行精确的运动补偿。

5结语

针对调频步进脉冲雷达在运动目标环境中的应用问题,分析了目标运动对合成一维距离像的影响,利用最小脉组误差准则实现对目标速度的精确估计进而实现精确的运动补偿,这种补偿方法测速精度高、抗噪声性能强,具有较强的实用性。

参考文献

[1]Vasquez R,Flores B C.Fourier Transform Receive Process-ing of Hopped Frequency Sequences for Synthetic RangeProfile Generation.Proc.SPIE,1996,2845:14-15.

[2]Son J S,Flores B C,Tariq S.Phase Difference Method forTarget Motion Compensation of Stepped-frequency ISARSignature[J].SPIE,1996,2845:163-174.

[3]龙腾,毛二可,何佩琨.调频步进雷达信号分析与处理[J].电子学报,1998(12):84-88.

[4]蒋楠稚,王毛路,李少红,等.频率步进脉冲距离分辨一维成像速度补偿分析[J].电子科学学刊,1999(5):665-670.

[5]刘峥,张守宏.跳频脉冲雷达目标的运动速度参数估计[J].信号处理,2000(16):98-100.

[6]刘峥,张守宏.跳频脉冲雷达目标的运动参数估计[J].电子科学学刊,2000(4):591-596.

[7]毛二可,龙腾,韩月秋.频率步进雷达数字信号处理[J].航空学报,2001,22(Z1):16-25.

[8]宋玉霞.一种调频步进雷达目标的运动补偿方法[J].电讯技术,2004,44(5):102-106.

[9]牛涛,陈卫东.脉冲步进频率雷达的一种运动补偿新方法[J].中国科学技术大学学报,2005,35(2):161-166

[10]靳凯,王卫东,王东进.一种脉内相位编码脉间步进频雷达信号的研究[J].中国科学技术大学学报,2006,36(2):137-142.

土壤水分运动方程与参数研究进展 第7篇

关键词：土壤水分运动方程,土壤水分运动参数,计算机模拟,数值模拟,自动测定装置

土壤水是水资源中一种十分重要的资源,是联系地表水与地下水的纽带,是水循环过程中不可缺少的部分。研究土壤水要从土壤水分物理性质和过程开始,土壤水分运动基本方程可直接反应土壤水分运动基本原理。土壤水分运动基本方程除了位置坐标、时间坐标、基质势或土壤含水量外,还有非饱和导水率、土壤水分扩散率和比水容量等水分运动参数,在模拟土壤水分运动时这些参数是必不可少的。因此,研究土壤水分运动基本方程和土壤水分运动参数对认识和掌握土壤水物理性质、运动过程等具有重要意义,同时为解决农业生产、实践上的合理灌溉,以及水利科研上水文产流计算、地下水补给、流域合理调水、用水也具有十分重要的意义。

1 土壤水分运动基本方程

1.1 达西定律

早在150多年以前,Darcy(1856)便提出了至今仍被人们用于研究土壤水分运动的达西定律[1],其是在测定饱和沙柱渗透率过程中发现的,得出土壤水通量q与土壤水势梯度成正比,即

式中:Ks为饱和导水率,是一个与水流状况无关、仅与土壤特性有关的参数;为水势梯度,负号表示水流方向与水势梯度方向相反。

后人将达西定律外推时发现,达西定律不仅适用于均质土壤,而且还适用于非均质土壤。对于非均质土壤,土壤在各个方向上的导水率是不同的,达西定律用下式表示:

式中:Ksx,Ksy,Ksz分别为x、y、z 3个方向上的饱和导水率。

达西定律是以砂土为研究对象的,是多孔介质中液体流动所应满足的运动方程,随后将达西定律应用到其他质地的土壤中发现,达西定律并不是对所有多孔介质中的液体流动普遍有效,它只适于层流状况。当土壤水通量很高时,惯性力作用不可忽略,水流达到稳流,水流通量与单位能量损失之间不再满足线性关系。且当水流通过过大或过小孔隙时,水分运动规律可能不符合达西定律。事实上,在极大多数情况下达西定律可以运用于土壤水流运动,而在粗砂或黏土介质中必须慎用。

1.2 白金汉达西定律

基于土水势由基质势和重力势组成;土壤是等温、膨胀的,且不含任何溶质成分,气体压力势为零;非饱和土壤导水率是土壤含水量或基质吸力函数这3种主要的假设。Edgar Buckingham于1907年通过修正达西定律用来描述非饱和土壤水流[2]。非饱和土壤白金汉达西定律为:

式中:q为土壤水流通量;K(θ)表示土壤非饱和导水率,同时也可以表示土壤含水量的函数;ψ=(ψm+z);ψm为基质势,z为重力势,方向向上为正。

如果用基质吸力代替基质势,达西定律可表示为:

式中的正负号与垂向坐标轴方向的选取有关,如坐标轴方向上为正,则取正号,相反取负号。

土壤各向性质不同的情况下,3个方向上的非饱和导水率函数一般不同,达西定律的表达式为:

式中:Kx(θ),Ky(θ),Kz(θ)分别为x、y、z 3个方向上的非饱和导水率;正负号与(4)式规定相同。

1.3 Richards方程

Richards[2]方程是基于白金汉达西定律和连续方程得到的。将白金汉达西定律带入连续方程可得到三维空间Richards方程的表达式:

式中,正负号与垂向坐标轴方向的选取有关,如坐标轴方向上为正,则取正号,相反取负号。

对于各性质相同的介质,K(θ)=Kx(θ)=Ky(θ)=Kz(θ),则Richards方程也可以写成:

当在土壤中无植物的情况下,rw=0,则方程可以写成:

土壤水分运动的滞后性作用导致土壤含水量θ和基质势ψm不是单值函数,引起土壤水分吸水和脱水曲线不重合,土壤的吸湿过程和脱湿过程不符,即土壤水分特征曲线只是单一的吸水和脱水曲线过程,因此Richards方程只能用于土壤水分吸湿和脱湿的单一过程。

由于面临问题的不同,解决实际问题应该根据具体问题的特点,Richards方程可以有多种形式:

(1)以基质势为因变量的Richards方程。在这里我们引入土壤水分运动参数中的比水容量C(ψm),是由单位基质势的增加所引起的土壤含水量的变化,可以表示为:

非饱和导水率和比水容可表示为土壤含水量的函数K(θ)、C(θ),也可表示为基质势的函数K(ψm)、C(ψm)。我们可以通过替换带入可得基质势为因变量的Richards方程:

(2)以含水量为因变量的Richards方程。在这里引入土壤水分运动参数中的土壤水分扩散率D(θ),该值是导水率K(θ)和比水容C(θ)的比值,即为:

同样,土壤水分扩散率既可以表示为土壤含水量D(θ),也可以表示为基质势的函数D(ψm)。通过替换带入,可得到以含水量为因变量的Richards方程:

一维垂直流动入渗,方程为:

一维水平流动吸渗,方程为:

(3)以位置坐标z或x为因变量的Richards方程:这里将为了对方程求解简便,将含水率D(θ)以隐函数的形式表示,可得到以位置坐标z为因变量的一维垂直流动入渗的Richards方程:

以位置坐标x为因变量的一维水平流动吸渗的Richards方程:

(4)柱坐标系下的Richards方程:假如以z轴为坐标轴的中心,r为径向坐标;φ为旋转角。在该柱坐标系下,以含水量为因变量的基本方程为:

如果土壤含水量在z轴方向上无变化,且具有轴对称的特点,方程为:

(5)球坐标系下的Richards方程。如果假设球坐标系的径向坐标为r,经度角为φ,纬度角为α,则在球系坐标以含水量为变量的方程为:

若研究的问题具有沿过坐标原点的平面对称特点,方程为:

如果问题具有轴对称的特点,则方程有与柱坐标系下沿z轴对称问题相同表达式:

2 土壤水分运动参数研究

土壤水分运动参数主要包括非饱和导水率K(θ)、土壤水分扩散率D(θ)和比水容量C(θ),三者所具有的函数关系为K(θ)=D(θ)C(θ),其中C(θ)=dθ/dψm。预报非饱和土壤水分运动,必须首先获得土壤水分运动参数,参数的准确性决定了水分运动模型的可靠性。

2.1 直接法

直接法包括实验室和田间方法。如通量水头控制法[3]、水头控制法[3]、垂直下渗通量法[4]、长柱入渗法[5]、壳方法[1]、垂直土柱稳定蒸发法[1]、水平入渗法[6]、Wind蒸发法[1]、三维入渗法[7]、圆盘积水入渗法[7]、滴渗法[7]、瞬时剖面法[8]、单位梯度法[9]、喷洒入渗计法[10]、出流法[11]等,其中应用较广的有垂直土柱稳定蒸发法、水平入渗法、瞬时剖面法、出流法。

(1)瞬时剖面法[12,13,14]。瞬时剖面法是在实验室内进行均质土壤的一维上渗或下渗试验时,测定不同时刻土壤剖面的含水率和吸力分布,通过计算求得非饱和导水率K(θ)。瞬时剖面法可适用于扰动土和原状土,可测定吸湿脱湿过程,因其较方便,应用也较普遍。由于要求同时测定土壤水的吸力和含水量,且测量精确度严重影响结果,因而稳定性差,准确度低。

(2)水平入渗法。水平入渗法是测定土壤水分扩散率D(θ)的非稳定流法,是由Bruce等[6]最早提出的。此方法是利用一个半无长水平土著吸渗试验资料,结合解析方法求得的计算公式计算出土壤水分扩散率D(θ)。但是由于受到测试手段和设备的限制,进水端附近土柱的含水量分布会出现跳动或偏高,故需要对λ-θ的关系曲线进行修正,使其成为光滑曲线,再由此曲线就可以求出相应的土壤水分扩散率D(θ)。

(3)垂直土柱稳定蒸发法。垂直土柱稳定蒸发法是一种相对简单且可同时测定水分特征曲线和非饱和导水率的实验室方法。其最早是由Gardner等[15]在1962年提出,此后,不断的简化和改进,重要改进之一是由Wind[16]于1968年提出的Wind蒸发法。垂直土柱稳定蒸发法概念清晰,试验及计算均较简单,缺点是达到稳定蒸发所需要的时间较长。

(4)出流法[17]。Gardner[10]首先提出出流法,此后,被Miller和Elrick等进行了一系列的改进和发展,改进后考虑了多孔板阻抗等问题。出流法将饱和土样置于一个带孔底板的砂性漏斗或密闭压力室内,通过对其施加压力,使土样中的水分通过多孔板排出,测定排出水量与时间的关系,直到达到平衡为止。利用出流公式可以计算出土壤水分运动参数。施加不同压力就可以得出一系列土壤含水率所对应的参数,还可根据平衡时的压力和排水量,得出土壤水分特征曲线。

直接法在使用过程中由于概念、方法比较清晰,在土壤水分运动参数测定上仍然是一种比较常用的方法。

2.2 间接方法

直接测量土壤水力参数耗资、耗时、耗力,且由于土壤结构的复杂性,在测定范围上也有较大的限制,有些情况下的测量结果是不可靠的。因此,对土壤水分运动参数的确定常使用间接方法[3],就是将土壤导水特性和土壤颗粒(孔隙)大小分布、容重等一些较容易测定的土壤物理特性联系起来,进行非饱和土壤水分运动的相关研究。间接方法主要包括:基于土壤水分特征曲线推求土壤水分运动参数的方法、积分方法、基于土壤水分再分布过程的方法、土壤转换函数方法(PTFs)。

(1)基于土壤水分特征曲线推求土壤水分运动参数的方法。由于土壤水分特征曲线相对容易获得,并且毛细管理论揭示了土壤水分特征曲线与土壤孔隙分布之间的关系,而土壤的非饱和导水率又是孔隙结构的函数,通过对土壤孔隙分布特征的概化,建立了土壤水分特征曲线与非饱和导水率间的函数关系,最有代表性的是Burdine[18]和Mualem[19]建立的由土壤水分特征曲线预报非饱和导水率的模型。基于这些模型,Brooks-Corey和Van Genuchten先后根据不同的土壤水分特征曲线形式获得了非饱和导水率的计算方法。

Burdine模型为:

Mualem模型为:

式中:h(x)为土壤水分特征曲线;l为孔隙弯曲度;Θ为有效饱和度,表达式为:

Van Genuehten(1980)对2种模式的比较结果表明,Mualem模式的结果一致性略好于Burdine模式。Mualem模型能更为有效地比较不同土壤的水力特性,对含水量范围应用更广,是求土壤导水率的较为广泛的基础方法。

Brooks-Corey采用的土壤水分特征曲线模型为:

将(25)代入(22),积分可得非饱和导水率的表达式为:

土壤水分扩散率为:

Brooks-Corey模型形式简单、未知参数少,应用广泛,缺点是在进气值处存在不连续性。

Van Genuchten采用的土壤水分特征曲线模型为:

将(28)代入(23),积分可得非饱和导水率的表达式为:

土壤水分扩散率为:

Van Genuchten模型形式复杂,未知参数多,但因其具有连续性,所以适用范围较广,应用也较广泛。

(2)积分方法。邵明安(1998)提出了一个通过水平入渗试验测定Van Genuchten水分运动参数的方法。这种方法只需要测量作为时间函数的入渗率和湿润锋。土壤水分特征曲线和非饱和导水率曲线采用Van Genuchten模式,即为:

其中所以,如果已知饱和含水量θs、滞留含水量θr和饱和导水率Ks,只有2个独立的土壤水分运动参数α和n需要确定。通过积分计算得到:

这样,参数α和n就可以通过测定饱和导水率、特征湿润长度和吸渗率得到。有了这2个重要参数,加上一些可简单测定的参数,就可发得到土壤水分特征曲线和非饱和导水率。

(3)基于土壤水分再分布过程的方法。邵明安(1985)以土壤水分运动的基本方程及湿润锋湿度与土壤剖面平均湿度的函数关系为理论基础,提出根据土壤水分再分布过程求土壤导水参数的理念,具有计算简单,花费小,不需要特殊装置,只需要确定土壤水分特征曲线,就可以通过简单的试验求得K和D值,准确度高,尤其在低湿度条件下,甚至在永久凋萎点,土壤的导水参数仍具有一定的理论性和准确性。

室内试验中,邵明安[20]假定湿润锋湿度(θ)与平均湿度之间呈幂函数关系根据垂直一维土壤水分入渗再分布推导出和的函数表达式为:

式中:H为湿润层的总水量;V=dz/dt,为湿润锋的前进速度;△θ为湿润锋湿度与该处初始湿度之差,与土壤质地有关。该方法只适宜中、低含水量范围内的土壤,土壤含水量较高时无法应用。

(4)土壤转换函数方法(PTFs)。利用土壤容重、质地、颗粒大小分布和有机质含量等资料来求得非饱和土壤水分运动参数的方法称土壤传递函数法。由于上述数据较容易测定和获得,因而土壤传递函数法应用较广。研究者利用以上数据通过建立半物理概念模型、数字高程模型[21]、神经网络法(ANN)等模型和线性回归方程等来推求土壤水分运动参数。

3 结语

运动参数 第8篇

关键词：虚拟驾驶,运动参数估计,块匹配,全局运动估计,小波分解

0 引言

在驾驶环境模拟过程中, 需要对运动物体进行模拟和建模[1], 而运动物体及其相对于背景的运动规律的建模一方面需要对运动实体的运动规律的建立, 另一方面为了更为逼真地仿真现实生活中的目标非线性的运动规律, 在建模过程中常常需要从运动视频影像中提取运动目标的运动参数, 并且转换为模拟环境坐标系下的目标运动参数。本文对视频影像中运动目标进行检测, 并且提取出运动图像坐标系下的对应运动参数, 从而实现虚拟环境中目标运动轨迹的模拟。该方法也可以用于各类飞行器和机车的模拟驾驶环境的建立, 提高驾驶员在各类情况下的驾驶水平[1]。从视频影像中提取运动目标参数的研究较多[2,3,4,5,6,7], 这些研究方法主要应用于视频图像的压缩处理。由于在凝视拍摄过程中, 摄像机以运动目标为视场中心追随运动目标, 此时的视频图像可以看作是具有全局运动特征的图像。图像全局运动参数估计[7]是当前研究的一个热点。

本文针对传统视频数据中目标运动参数估计复杂度高不利于快速处理的问题, 基于小波分层的图像子块分解和匹配的方法, 提出了一种特征级子块匹配准则, 实现了运动目标运动参数的高精度提前, 通过对运动图像实例分析, 验证了本文方法的有效性。

1 视频影像全局运动坐标系模型

现实中的目标是在三维空间中运动, 摄像机处面对着三维空间中的目标对象进行摄录成像产生的二维图像。而由于摄像机和运动对象的相对运动产生了视频图像序列, 在对视频图像描述和处理过程中, 需要考虑3个坐标系: 目标对象所处的三维世界坐标系、摄像机所在的三维坐标系和图像所处的二维坐标系。在对图像目标动态参数提取过程中, 需要通过坐标转换和构建运动参数模型实现对目标对象在三维世界空间坐标系下的运动参数进行提取。在一般的视频图像运动目标参数分析时, 摄像机一般都采用经典的针孔模型。将摄像机坐标系和世界坐标系重合, 将摄像机的光心只与坐标系的原点, 把z轴作为光轴, x轴为水平方向, y轴为垂直方向。如图1所示, 摄像机把三维空间点 ( x, y, z) 映射到二维空间平面点 ( x, y) 上。图像平面与Z轴垂直, 中心坐标为 ( 0, 0, f ) , 这里f表示摄像机的焦距。映射关系可表示为:

摄像机运动模型主要分为: 位移运动、刚性运动、放射变换和透视变换, 其中位移运动模型下的坐标变换关系为:

式中, tx和ty为位移。

刚性运动模型下的坐标变化关系为:

式中, s为缩放; θ为旋转; tx和ty为位移。

仿射变换模型下的坐标变化关系为:

式中, a1和a5为缩放; a2和a4为旋转; a3和a6为位移。

透视变换模型下的坐标变化关系为:

式中, a1, a2, …, a8为模型参数。

2 基于块匹配的运动参数快速提取

2. 1 基本思想和实现步骤

用于运动目标检测及参数提取的传统方法是首先通过对图像进行变化检测处理, 将图像中的静止背景和运动物体区分开来, 然后对运动物体的实际位移进行估计。如果能够较好地将图像中运动目标区域分割出来, 这种方法提取运动参数可靠性较高。但是实现背景与目标分离等算法需要较大的计算量, 不利于快速处理。

为了实现快速图像全局运动参数的快速提取, 基于块的图像提取的基本思想是: 认为图像可以分为多个能够代表图像运动的特征子块, 通过分析子块在视频图像序列中的运动变化位移, 实现对图像整体运动参数的提取, 也就是将图像像素运动转换为子块运动的参数提取, 以实现快速处理。

在块匹配运动参数的快速提取过程中, 首先对视频序列的图像进行子块划分, 将图像划分成互补重叠的众多子块。通过一定规则尽可能实现每个子块内的像素具有相同运动特征, 因此每个子块都可以看作一个具有独有运动特性的物体。然后, 对帧间的子块进行匹配, 为了找到不同帧间子块的移动位置, 需要通过子块匹配进行确定, 子块匹配的准则是块匹配方法的一个重要因素。相邻帧间匹配的过程如图2所示。图2中子块C为前一帧中子块A在当前帧中的位置, 子块B为当前帧中A的最佳匹配子块。C到B的移动反映了运动方向和运动参数。判别子块B为当前帧中A的最佳匹配子块是需要通过在当前帧中搜寻和A满足匹配准则的最佳子块。在帧间子块准确匹配的基础, 再通过计算子块在序列图像空间位置的变化来计算子块的位移参数。最后通过对所有划分的子块的位移参数进行综合处理和分析得到目标的全局相对运动参数。

2. 2 块匹配准则

块匹配准则在块匹配方法中占有非常重要的地位, 准则制定的正确与否关系到块匹配的效果。常用的匹配标准有: 平均平方误差 ( Mean Square Error, MSE) 、平均绝对误差 ( Mean Absolute Difference, MAD) 、最大误差最小函数 ( MME) 和归一化互相关函数 ( NCCF ) 等[8], MSE匹配函数运动估计的精度最高, 但多次乘方运算在实时实现中比较困难;MAD匹配函数略差但相对简单易于快速算法实现;MME匹配函数没有充分利用匹配块所包含的特征信息, 使匹配误差增大, 甚至产生错误匹配。相对而言, MAD准则函数比较实用并的得到广泛运用。绝对平均误差准则 ( MAD) 定义如下:

式中, ( i, j) 为位移量; IK和IK +1分别为当前帧和参考帧的像素值; M·N为宏块的大小。

当目标运动速度较快、背景变化较大时, 上述基于像素差值的准则由于受到光照变化和背景变化的影响, 在应用中会受到一些限制, 容易产生误差和不良影响。因此, 本文提出了基于图像特征的匹配准则 ( FPC) , 称为最大匹配特征数。

式中, K为阈值, 是判断每个像素或归入匹配像素, 或归入非匹配像素的依据。该准则取FPC最大者对应的运动矢量作为搜索结果。上述各公式中, ft ( m, n) ( t =1, 2…) 是对子块处理提取的某种特征, 比如梯度特征、分形特征等参数。

2. 3 子块选择方法

在块匹配方法中的另一个重要问题就是子块尺寸的选择。块匹配法中块的大小受到两个矛盾的约束: 子块选择较大时, 常常遇到“边界块”, 即块内一部分为背景, 一部分为运动物体。此时块匹配法的块内各像素作相同的平移运动的前提假设不成立, 无法估计到精确的运动, 影响估计的精度。子块选择较小时, 则易受噪声影响, 估计不够可靠, 而且运算量增加, 并且当平移运动的物体较大, 即包含了多个子块时, 这些相关子块的运动矢量应该是十分接近的。但由于块匹配法将图像分割成子块, 孤立地逐块进行匹配, 没有利用块间的相关性, 常常造成所求得的运动矢量场一致性不好。因此必须恰到好处地选择块的大小, 以做到两者兼顾。

3 基于小波分层的运动参数提取方法

3. 1基于小波分层的子块划分方法

子块划分是块匹配方法中的一个重要问题, 子块划分关系到块匹配精度和动态参数提取成功与否, 因而在子块划分方法上有较多的研究[10,11,12,13]。本文提出了基于小波多层分解的子块划分方法。在研究和分析图像时, 有时需要一个从粗略到精细、从局部到整体的过程。这时有必要考虑图像的多级分辨率, 小波变换可得到不同频带 ( 子带) 下的子图像, 其中低频平滑子图像保留了原始图像重要的视觉和统计特性。通过对低频子带图像的分析, 可以获得上一级图像的平均统计特性。同时, 对子图像“点”的分析, 实际上是对上一级图像“区域”的分析, 考虑了全局特性, 有效扩大了搜索范围[14]。

小波是具有时频局部化特征的数学化分析工具, 每一个小波都对应着一共轭镜像滤波器对, 对图像进行小波变换就是用低通滤波器 ( 对应分析尺度函数) 和高通滤波器 ( 对应分析小波) 对图像的行和列进行滤波卷积, 然后进行2∶1的抽样。这样进行一次小波变换的结果便将图像分解为4个子带 ( 子图像) , 其中包括低频子带、高频水平子带、高频垂直子带以及高频正交子带。进行第2次小波分解时只对低频子图像进行小波分解, 将最低频子图像进一步分为4个子图像, 所以进行M次变换得到3M+ 1个子带。由于图像经过小波分解后图像信息主要集中在低频部分, 高频部分包含了图像的一些细节信息和边缘信息, 基于小波分层技术就是从最低分辨率图像开始, 逐次对每一层进行运动矢量分析, 由较低分辨率确定运动矢量的粗略估计; 在高分辨率下, 用前一较低分辨率级矢量作为起始估计进行匹配, 以获得更精细的矢量估计。分层参数估计的过程为: 从最下层即最低分辨率级开始, 在每一层进行子块划分并估计运动参数, 将最下层的运动参数估计中的平移结果扩大1倍, 作为上一层的运动参数的初始值, 然后再在上一层进行更精细的匹配, 重复与最下层计算相同步骤, 计算出原始图像的运动参数。本文中以2层小波分解来说明小波分层处理方法:

1对视频图像当前帧f ( x, y) 和参考帧I ( x, y) 进行小波变换, 分别得到图像的低频分量fL ( m, n) 、水平分量fH ( m, n) 和垂直分量fV ( m, n) 以及参考帧图像的低频分量IL ( m, n) 、水平分量IH ( m, n) 和垂直分量IV ( m, n) 。

2将小波分解的低分辨低频图像分量fL ( m, n) 、水平分量fH ( m, n) 和垂直分量fV ( m, n) 以及参考帧图像的低频分量IL ( m, n) 、水平分量IH ( m, n) 和垂直分量IV ( m, n) 进行预分块处理, 为了提高运算效率, 采用将图像和参考图像进行均匀分块, 假定将图像分为M* N个子块, 每个子块按照匹配检测准则在相应参考帧中的子块进行匹配。当前帧和参考帧的小波分解后的低频分量间子块的匹配关系可以通过匹配准则MAD来进行检测, 而小波分解后的垂直分量和水平分量呈现出图像中的细节特征, 因此可以采用基于图像特征的匹配准则MPC。通过匹配处理, 可以得到3个图像分量的对应不同运动矢量的匹配块组, 找到3个分量中具有最多匹配子块的运动矢量参数最为图像的子分量的全局运动参数, 保留具有此全局运动参数的子块组, 因而可以去除其他运动分量产生的不可靠子块。

3将当前帧和参考帧低频分量中获取的对应匹配子块映射到上一层图像f ( x, y) 和I ( x, y) , 如图3所示。与匹配子块相映射的区域比原有子块大4倍, 为了获得更为准确的运动信息, 将当前图像和参考帧图像的对应区域划分为4个子块。由于在低频分量中已经获得了相应的匹配子块对应关系, 因此在图像f ( x, y) 和I ( x, y) 的子块匹配过程中所需要的搜索范围大大缩小, 加快了搜索时间, 同时获得了较高精度的子块间运动参数。

3. 2基于图像运动凝视点的运动参数提取

在完成子块划分后, 研究基于图像运动凝视点的运动参数提取方法。在以运动主体为主线的运动视频图像的拍摄过程中, 一般画面的主要内容是以运动主体为主要内容。比如拍摄某新型军用飞机进行高难度飞行的画面, 这一画面的主体是飞机, 而画面中心设置为会尽可能将飞机的飞行方向的尽头也就是聚焦点, 而飞机的各种运动是基于这个聚焦点来进行的。

本文提出的图像分块参数提取技术就是基于视频图像运动中心聚焦点来开展的。由于场景变化的复杂性, 视频运动中心聚焦点的确定可以通过人工观察测量来确定。在进行了正确的图像分块划分后, 确定运动聚焦点所属子块后, 目标的几何运动可以看作以运动聚焦点为不动参考点所做的运动。

3. 3分块图像运动检测

在进行图像分块运动检测时, 以前一帧图像作为参考图像, 当前帧图像作为被检测图像, 假定图像划分为N* N个子块。通过图像分块匹配后可以得到如图4所示的块运动关系, 其中P点为运动聚焦不动点, 子块C是子块B相邻下一帧的匹配子块, 因此可以计算块运动矢量。

从子块B到子块C的运动矢量定义为T, 其水平分量为TH, 垂直分量为TV。运动矢量T相对于P的运动反映了目标在运动方向上的各种运动变化情况。设运动矢量T与矢量PB的夹角为θ, 这样对N* N个块进行匹配检测获得N* N个运动矢量。其中TH= x·WH/FH, TV= y·WV/FV, TH为B到C水平方向的偏移量, TV为B到C垂直方向的偏移量。x、y分别为水平和垂直方向的偏移像素数, WH、WV分别为水平和垂直视场的场景范围, FH、FV分别为水平与垂直像素数。

根据每个分块匹配后得到的运动矢量参数来计算目标基本动态运动参数, 基本运动参数包括以下4个分量: 水平运动分量MH、垂直运动分量MV、场景伸缩变化Mzoom和旋转分量Mrot。4个分量的计算要通过对N* N个子块的运动参数进行平均得到全局的变化。可以根据下述公式计算相关参数:

3. 4 仿真结果分析

针对多帧视频运动图像, 在Matlab仿真环境对某运动图像进行处理分析, 得到了多个方向的运动参数。对一段汽车在坑洼路面上运行的视频进行了测试, 提取的各个参数波形如图5所示。

从150帧视频数据中运动目标参数的估计结果中可以看出, 运动目标在真实环境下参数的变化非常剧烈, 利用模拟的形式难以实现真实运动目标轨迹的刻画, 而借助真实视频中运动目标的特征参数能够实现虚拟驾驶环境中车辆或飞行器的运动的逼真再现。

4 结束语

轮组式爬楼轮椅运动装置参数设计 第9篇

本文采用轮组式的设计方式, 设计了一款平地爬梯两用的轮椅, 所有参数的确定都是在实际情况的基础上确定的, 为以后设计爬楼轮提供数据支持和检验依据。

1我国楼梯参数

本文计划采用的运动装置为三轮组行星轮式, 为了保证轮椅运动装置设计的可行性, 首先考虑的因素是我国居民楼楼梯的参数, 如表1所示。

2爬楼轮椅行走方式

本文采用的是三轮组行星轮式爬楼方式, 爬楼过程中的结构如图1所示。

3运动装置参数确定

轮组式结构尺寸范围根据楼梯的踏步高度来确定。根据中华人民共和国国家标准《住宅设计规范》 (GB 50096-1999) 的规定“:住宅楼梯梯段净宽不应小于1.10米, 6层及6层以下住宅, 一边设有栏杆的梯段净宽不应小于1米 (楼梯梯段净宽系指墙面至扶手中心之间的水平距离) 住宅楼梯踏步宽度不应小于0.26m, 踏步高度不大于0.175m, 坡度为33.94°, 为接近舒适性标准。”普通住宅的层高一般为2.80m, 按一级台阶高度是0.175m计算, 共16个台阶。根据以上条件我们可以确定a=260mm, h=175mm, 由图2可得:

所以旋臂的宽度2t=71.5mm, 因此设计时旋臂的宽度要小于71.5mm, 但是还要保证旋臂的强度, 设旋臂的宽度2t=65mm, 旋臂的厚度b=5mm, 所选的材料是45#钢。

4参数汇总

5结论

本文确定了轮椅的运动形式是三轮组行星轮式, 并且模拟了轮椅爬楼的全过程。为满足设计要求, 车轮组中心轴到轮椅轮子圆心的距离为R=170mm, 轮椅轮子的半径r=90mm, 轮组结构转臂宽2t=65mm。本文还进行了简单的合理性验证, 证明爬楼轮椅的设计参数是合理、安全的, 为以后确定爬楼轮椅的参数, 提供了几何图形参考和数据支持。

摘要：为了辅助老年人或残疾人自助独立的攀爬步梯, 设计了一种可以爬楼越障、跨越沟壑的轮组式爬楼轮椅。此轮椅主要由运动装置和驱动装置组成。本文主要对运动装置进行了设计, 主要包括行星轮、行星轮悬臂等, 并确定了行星轮半径、行星轮的间距和悬臂的几何参数, 并通过建模验证了设计参数的合理性, 为以后设计轮组式爬楼轮椅提供了参考依据。

关键词：爬楼轮椅,运动装置,行星轮,悬臂,验证

参考文献

[1]第二次全国残疾人抽样调查领导小组, 中华人民共和国国家统计局.2006年第二次全国残疾人抽样调查主要数据公报[J].时政文献辑览, 2007, 32 (7) :26-29.

[2]苏和平, 王人成.爬楼梯轮椅的研究进展[J].康复医学工程, 2005, 20 (5) :366-367.

[3]滕, 姚辰, 王挺等.变形履带轮椅机器人的张紧力最优估计和越障能力分析[J].机器人, 2010, 32 (5) :622-629.

运动参数 第10篇

关键词：运动模糊,频谱,Radon变换

在获取数字图像的过程中,由于设备或操作者的原因,易造成运动模糊,这是一种常见的降晰过程。如果在曝光瞬间,相机镜头和对象之间有相对运动,那么拍摄到的图像便是运动模糊图像。运动造成图像模糊的过程实质就是对原始图像进行多点平滑的过程,也就是一个像素与运动方向上的周围像素进行累加平均的过程,即模糊图像某一位置上的原像素值已经不是原来的值,因此观测图像往往在某一方向上有模糊的重影[1]。

建立图像复原模型的关键是确定运动模糊系统的两个重要参数[2]:一是运动模糊的方向θ;二是运动模糊的长度L。文中主要通过对运动模糊图像做频谱预处理,对频谱实施Radon变换确定运动模糊的方向θ,进而计算出运动模糊的尺度L。试验结果证明这种参数估计的方法准确,模糊图像复原效果良好。

1 运动模糊图像的退化模型

一般来说,图像的退化过程可以用以下的模型表示。

模型中h(x,y)和g(x,y)分别表示理想的图像和降质图像;则h(x,y)表示退化函数;n(x,y)表示各种噪音的集合,主要是指加性噪声。

因此,图像的降质现象可以用理想图像与点扩散函数的卷积过程来描述,公式表示如式(1)所示

g(x,y)=h(x,y)*f(x,y)+n(x,y) (1)

由于曝光时间短,在这段时间内的相对运动可近似认为是匀速直线运动。因此观测图像往往在某一方向上有模糊的重影,这就为重建模糊模型提供了依据。

假设模糊图像的运动方向与x正轴成θ角度,运动距离为L像素,点扩展函数可以看作沿着x正轴旋转了θ角[3],表达式如下

$h(x,y)=\{\begin{array}{l}\frac{1}{L},0\le x\le L-1\\ 0,\text{o}\text{t}\text{h}\text{e}\text{r}\text{s}\end{array}(2)$

其中,x、y取值范围是

$\sqrt{x{}^2+y{}^2}\le L/2,x/y=-\tan (\theta )$

由上式(2)可知得,确定模型的关键在于准确的得出模糊尺度L和模糊角度θ。

2 运动模糊图像的参数估计

当目标图像和背景发生相对运动时,运动的方向可在倒频谱中体现出来[4]。由式(2)可得,点扩散函数的傅里叶变换表示为

${\rm H}(u,v)=\frac{\sin (\text{π}Lw)}{\text{π}Lw}(3)$

其中w=ucos(θ)+vsin(θ),H(u,v)是个正弦函数,其零值发生在w=±1/L,±2/L,±3/L,…。

在忽略噪音的情况下,对式(1)做傅立叶变换,可得

G(u,v)=H(u,v)F(u,v) (4)

因此,H(u,v)的零点也是G(u,v)的零点。

2.1 频谱中的方向特征

如果引起图像退化的点扩散函数具有零点,这些零点就会迫使退化图像的频谱在这些特点的频域上变为零。这将导致模糊图像的频谱也会在某些频谱上出现零点,表现在频谱上就会出现一系列暗线。根据上面得到的零点位置,可知运动模糊图像在频域上表现为一些垂直的等间距直线。

直接观察运动模糊图像的视觉效果差,因此为了精确提取出运动模糊图像的有效信息,采用Canny算子进行频谱图边缘检测,阈值的选取也直接影响频谱中方向的检测精度,选取阈值范围0.05～0.015。

Radon变换可以实现在某一特定方向上进行灰度累加,因此可以根据在一个[-90°,90°]的角度范围内求累加值,假设最大的累加值对应的角度是θ°,那么运动模糊的角度为θ-90°。

图2(a)中亮纹的走向验证了Randon变换。其中模糊尺度L是10像素,模糊角度θ=60°。

2.2 频谱中的长度特征

文献[5]中从理论上分析了模糊距离的频谱特点,即图像实际运动的距离与频谱图中暗线的数目有关,因此可以利用它来估计运动模糊长度。

为便于直接观察图像频谱中的平行条纹,对频谱进行对数变换,对数变换的目的就是将原图像的频谱进行灰度压缩,使图像的条纹更加清晰,而其条纹间距不变。同时注意,由于对数变换的原因,应将式(4)中的零点替换为很小的正数。

考虑到Radon变换[6]的特点,可以使用求得的模糊角度θ,得到频谱在方向θ上的投影向量。频谱中心是低频部分,因此这个投影向量也会以中心为轴,两边对称分布,中间最宽的部分可看作两边的叠加,是两个峰值的叠加。如图3所示,模糊尺度L是10像素,模糊角度θ是60°的投影图,峰值的个数正好与模糊长度相等。

这里对于同一幅图像,只要模糊长度确定,任意的模糊角度,得到的Radon变换投影图都是相似的。

3 模糊参数的验证结果与分析

采用上述方法验证了本算法的有效性和适用性。针对仿真的和实际拍摄的模糊图像,应用本文提出的估计方法所鉴别出运动模糊参数,并用经典的维纳滤波复原运动模糊图像。

(1)仿真运动模糊图像,参数:

L=17像素;θ=25°;方差为0.01的高斯噪声。鉴别出参数是L=17像素,θ=23°。复原效果如图4所示。

(2)实拍的运动模糊图像,应用提出的方法鉴别出模糊参数:

L=10像素;θ=42°。复原效果如图5所示。

运动模糊图像经维纳滤波复原后的效果,也进一步证实了提出的求解方法。

4 结束语

提出了在频域中应用频谱特点,研究运动模糊图像的点扩散函数参数的估计问题。结合Radon的数学特性鉴别出模糊参数,并给出了具体步骤。实验结果表明,根据PSF的模型参数进行维纳滤波复原验证了该方法的准确性。该算法具有易于理解和操作,适用性较广的优点,具有一定的研究价值。

参考文献

[1]LOK HANDE R,ARYA K V.Identification of parametersand restoration of motion blurred images[J].Chinese Jour-nal of Computers,2007,30(4):686-692.

[2]YITZTMKY Y,KOPEIKAN.SIdentification of blur param-eters from motion blurred images[J].Graphical Modelsand Image Processing,1997,59(5):310-320.

[3]孙兆林.Matlab 6.x图像处理[M].北京:清华大学出版社,2002.

[4]CANNON M.Blind deconvolution of spatially invariant im-age blurs with phase[J].IEEE Trans.Acoust.SpeechSignal Process,1976,ASSP-24(1):56-63.

[5]郭永彩,郭瑞瑞.运动模糊图像点扩展函数的参数鉴别[J].仪器仪表学报,2010,5(31):1052-1057.