导读:本文包含了稀疏采样论文开题报告文献综述及选题提纲参考文献，主要关键词:柔性直流,分段指数函数,稀疏采样,频谱特征
稀疏采样论文文献综述
吴觅旎,徐习东,裘鹏,王朝亮[1]（2019）在《稀疏采样下DC/DC输出波形时域参数计算方法》一文中研究指出分析了纹波频谱及稀疏采样下频域计算方法的误差,设计了一种基于时域指数函数的计算方法,并提出了采样点在分段中的辨识方法,实现了稀疏采样下电流电压较高精度的计算,为直流系统电能计量及保护测控装置中的电流电压计算提供了一种参考方案。最后,以Buck DC/DC输出电能计量为例,比较分析了本方法与基于频域的电度计量方法的精确度;结果表明,在相同的采样率下,本算法相对误差和绝对误差都较小。(本文来源于《能源工程》期刊2019年05期）
傅建军,刘琛琛,许伟[2]（2019）在《基于非均匀采样的稀疏信号恢复FPGA实现技术研究》一文中研究指出针对宽频段非均匀采样信号恢复的FPGA实现进行了技术研究。以非均匀采样器作为频域稀疏信号的压缩采样模型,应用快速迭代阈值收缩算法(FISTA)求解基于L1范数最小化的稀疏信号恢复优化问题——基追踪抗量化噪声,提出了对求解过程的近似处理方法,使得硬件实现难度大幅降低,最终给出了基于FISTA的信号恢复算法在FPGA上的实现方法,编写了Verilog HDL代码,在逻辑电路仿真工具上进行了仿真,算法运行时间为6.7 ms。结果表明所设计的恢复电路能够正确运行,且具备良好的实时性能。(本文来源于《电子与封装》期刊2019年10期）
邱越,宋寿鹏,吴华清[3]（2019）在《编码超声稀疏采样仿真研究》一文中研究指出编码超声可以在不增加发射能量的前提下提高平均发射声功率,进而有效提高微小目标体的检出率,增加检测深度,提高目标体成像分辨率。而稀疏采样技术可以有效减少采集数据量,提高检测算法实时性。将二者的优点结合,在高频、超宽带以及多传感器超声阵列实时检测与成像领域有重要研究价值。为此,提出了一种编码超声有限新息率稀疏采样方法,该方法在建立编码超声信号稀疏采样构架的基础上,通过脉冲压缩技术实现编码超声信号的时域压缩,并通过仿真实验对3位二进制编码超声信号进行了稀疏采样与参数重构。仿真结果表明,该方法可实现编码超声信号的稀疏采样,在减少数据量的同时准确重构出原信号。(本文来源于《测控技术》期刊2019年09期）
骆英,周杨,李鹏飞,徐晨光[4]（2019）在《一种基于均匀稀疏采样的Lamb波场重构方法》一文中研究指出为了提高研究区域内Lamb波场的获取效率,提出了一种均匀稀疏采样策略,结合压缩感知理论,通过扫描式激光多普勒测振仪拾取的少量测点信号重构出待测波场,并对含人工损伤的铝板进行了试验验证。结果表明:提出的方法可在空间上将测点数减少至传统Nyquist采样点数的90%以上,并得到与原始波场相干性较高的重构波场,同时实现对结构损伤的定位和成像;研究结果可极大地提高基于波场分析的损伤检测技术的执行效率。(本文来源于《无损检测》期刊2019年09期）
门哲,宁宏晓,李伟波,柳兴刚,郭明杰[5]（2019）在《基于压缩感知的随机采样与稀疏性约束采样重构效果对比》一文中研究指出压缩感知的叁个关键要素是目标数据的稀疏表达、随机采样和稀疏约束的优化重构算法,其中随机采样即对目标数据进行随机地抽样,采样点之间的间隔通常是不相等的。由于单纯的随机采样是完全随机的,存在某些位置采样点过于聚集或者过于分散的问题,导致过于分散位置的重构结果不理想。因此随机采样观测系统设计时要控制缺失采样点之间的最大间隔。本文提出了一种既适用于二维也适用于叁维的稀疏性约束的非规则采样方法,既具有随机性又能够控制缺口大小。针对一个实际二维数据,分别使用随机采样和本文提出的稀疏性约束采样,炮点保留75%,检波点保留50%,总道数为原始的37.5%,然后进行了数据重构,重构记录表明,稀疏性约束采样的结果优于随机采样的结果,稀疏性约束采样重构结果的迭加剖面的品质和原始数据的迭加剖面品质相当,并优于随机采样重构结果的剖面品质。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
齐林,邢家柱,陈俊鑫,张良钰[6]（2019）在《基于压缩感知的心电信号稀疏采样与重构算法》一文中研究指出实时心电监测的数据量过大,给系统的传输和存储带来很大压力.为降低采集端的功耗,达到既减轻采样复杂度又降低传输数据量的目的,使用压缩感知技术对心电信号进行压缩采样及重构.以信号重构时间和重构误差为关键指标,研究不同重构算法和小波基的性能表现.结果表明,当压缩率在30%以内时,基追踪作为信号重构算法的百分比均方根差小于4%,同时其重构耗时最短;当压缩率在70%以内时,子空间追踪的误差小于10%,且始终保持较低的重构耗时.最优小波基往往和具体压缩率有关.(本文来源于《东北大学学报(自然科学版)》期刊2019年08期）
张舒然,武岩波,朱敏[7]（2019）在《基于MCMC采样器的簇稀疏水声信道估计方法》一文中研究指出针对实际水声信道存在簇稀疏特性,提出了一种多层贝叶斯模型下基于马尔科夫链蒙特卡罗(MCMC)采样器的正交频分复用(OFDM)水声通信信道估计方法。利用簇稀疏水声信道的结构特性对信道的先验分布进行建模,借助贝叶斯推断和接收信号的似然函数得到信道模型参数的后验分布,采用MCMC采样器对信道模型参数的后验条件分布进行采样从而得到稀疏水声信道的最大后验估计。仿真对比不同接收信噪比下该方法与基于最小平方、匹配跟踪和逐步正交匹配跟踪信道估计方法的性能。湖试试验表明,该方法能够在无任何信道先验信息下实现准确的OFDM水声信道估计和跟踪译码,实现了通信距离600 m到3 500 m、传输速率6. 08 kbps的OFDM水声通信。(本文来源于《仪器仪表学报》期刊2019年08期）
李宁[8]（2019）在《稀疏Wasserstein蓝噪采样》一文中研究指出现实空间中的物体往往包含复杂的形状信息,利用一种被称为叁维扫描的高新技术能够在计算机中初步重现这些信息。但是由于扫描设备技术支持上的不完善,限制了这些信息的完备性,导致得到的数据存在许多缺陷。根据实际需求,本文对蓝噪采样进行深入研究,为后续工作提供便利。本文的研究工作首先严谨地完善相关理论,再逐步展开到实际应用。以多尺度分层分区的离散最优传输理论为基础,通过对概率测度和概率密度模型的探讨,完成多尺度分层分区模型下的稀疏蓝噪采样算法。然后利用稀疏蓝噪采样框架对单类和多类采样问题进行研究,并且扩展应用到自适应采样和点画采样。本文主要工作是对Wasserstein蓝噪采样算法的稀疏性表达,稀疏蓝噪采样算法使得内存需求显着性降低。本文创新点在于以下两个方面:1.基于多尺度分层分区最优传输理论的稀疏蓝噪采样算法Wasserstein蓝噪采样方法通过一组密度分布约束Wasserstein重心提供了一种松弛采样方法,但是它在内存成本上付出了沉重的代价,因为在最优传输问题的求解中用到的全局密集距离矩阵会消耗大量内存。为降低内存损耗以适应大规模数据,本文提出多尺度分层分区的稀疏蓝噪采样算法。通过求解一系列离散稀疏问题去类比连续问题以获得全局最优的稀疏传输计划,再根据传输计划求Wasserstein空间下的重心去近似采样点位置来得到一组具有高质量蓝噪性的采样点。2.多尺度分层分区框架下的多类稀疏蓝噪采样算法自然界中的事物及其产生的现象千差万别,单类蓝噪采样难以描述这些事实上的变化。多类蓝噪采样能够很好地扩展采样技术的应用,但是高昂的成本仍是亟待解决的问题。层级框架下的多类稀疏蓝噪采样算法降低了内存需求,多概率分布约束的Wasserstein重心重新定义了采样点位置更新的方式,使得各类别之间也能够保持较好的蓝噪性。根据提出的稀疏蓝噪采样方法,文章进行了常密度函数采样、半色调采样、色彩点画等实验。结果充分证明该稀疏方法在获得高质量蓝噪分布点集的同时成功降低了内存的消耗。(本文来源于《重庆邮电大学》期刊2019-06-02）
徐江阳[9]（2019）在《间接稀疏采样数据时空可视分析研究》一文中研究指出时空数据可视化是信息可视化领域中一个重要分支。随着传感器设备、移动通讯设备的广泛普及,稀疏采样轨迹数据越来越多,如道路监控数据、公司员工打卡数据、手机连接基站数据等。该类数据的采集方式与传统GPS数据不同,不需要物体携带GPS定位装置,存在采样广度上远好于传统轨迹数据,但在单个物体的采样精度上不足。在实际场景中,有的时候需要通过间接的信息来推测移动物体的轨迹,如伪基站散布的恶意短信数据,该数据在时间、空间信息上均存在一定的偏差,本文将该类数据称之为间接稀疏采样轨迹数据。为此,如何探索并分析间接稀疏采样数据的时空特性就显得尤其关键。本文主要解决了间接稀疏采样数据的轨迹拟合工作与时空可视分析探索工作。(1)针对恶意短信数据的轨迹拟合方法。该方法主要解决了轨迹数据分组问题与轨迹数据重构问题。轨迹数据分组方法是结合恶意短信文本内容,计算出短信的文本相似度和时空相似度来划分轨迹组,从而确定来自同一个伪基站发送的恶意短信。轨迹数据重构方法主要使用如下叁步:聚类提取移动模式、重采样生成轨迹轮廓、结合路网绑定轨迹,最终重构出符合实际伪基站活动的轨迹。(2)针对恶意短信数据的时空可视分析工作。使用恶意短信数据来推测伪基站行为规律,本文分别从时间、空间、语义叁个角度来展开。时间维度的可视分析,使用栅格化视图方式、堆栈视图、日历视图等各种可视化方法来展示不同时间粒度的伪基站活动。空间维度可视分析,使用了基于地图的热力图、散点图和划分不同功能区的空间可视化视图来展示伪基站规律,同时结合轨迹拟合方法来探寻移动型伪基站的行为模式。在语义维度可视分析,使用词云图、饼图、河流图来揭示不同类别的伪基站行为。(本文来源于《太原理工大学》期刊2019-06-01）
班晓征[10]（2019）在《面向稀疏采样的图像重建算法研究》一文中研究指出层析成像技术广泛应用于无损检测、超视距雷达成像等领域。图像重建是层析成像的核心,虽然发展了很多年,但随着新应用和新需求的层出不穷,图像重建算法面临着许多不足,其中稀疏采样背景下的图像重建问题,由于求解的不适定性在学术界受到广泛关注。一方面,新的理论例如压缩感知等被引入,通过对图像进行稀疏化表示获得图像特征值,然后在迭代过程中去除噪声逼近原始图像。另一方面,一些经典图像重建算法与神经网络等人工智能方法相结合,力图为欠采样重建图像与全采样图像建立映射关系,但是由于欠采样导致恢复投影数据或者修复重建面临很多困难,因此本文针对这一问题展开研究,主要研究工作和创新点可以被概括为如下:(1)提出了一种基于非局部先验约束的PGS-MTGV图像重建算法。针对广义全变分模型重建图像时不能充分利用图像本身结构自相似性的缺点,为了提升稀疏采样背景下的图像重建质量,首先构建了一种非局部约束下的图像重建模型,该模型引入了变化域非局部自相似性作为图像重建的先验信息,同时在八邻域空间计算多方向的广义全变分正则化约束;其次,通过增广拉格朗日算法对模型去约束化,并推导出基于改进广义全变分的模型求解方法。最后,基于上述研究进一步提出图像重建算法,算法在迭代中首先根据非局部信息修正先验图像,然后对改进的模型进行求解得到重建图像。实验结果表明,所提出的PGS-MTGV图像重建算法可以有效的去除图像中的伪影,满足稀疏采样情形下对图像重建质量的要求。(2)提出了一种基于混合正则化模型的AWAT重建算法。首先针对TV正则化图像重建算法在欠采样环境中容易对噪声敏感且出现伪影的问题,建立了一种结合离散小波和TV的双正则化自适应加权图像重建模型;然后,基于该模型提出了一种自适应加权迭代重建算法。该算法在每次迭代中首先通过阈值收缩方法依次计算TV正则项、小波系数先验项和噪声项;其次更新待重建图像;最后为了进一步提升重建图像的质量,引入迭代支集检测方法,对小波系数计算其自适应权重,降低了重建算法对投影数据量的要求。实验结果表明,AWAT算法在时间效率和重建质量上相比于LSQR-STF、L1TV等算法能够获得更好的综合表现。(本文来源于《江南大学》期刊2019-06-01）
稀疏采样论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对宽频段非均匀采样信号恢复的FPGA实现进行了技术研究。以非均匀采样器作为频域稀疏信号的压缩采样模型,应用快速迭代阈值收缩算法(FISTA)求解基于L1范数最小化的稀疏信号恢复优化问题——基追踪抗量化噪声,提出了对求解过程的近似处理方法,使得硬件实现难度大幅降低,最终给出了基于FISTA的信号恢复算法在FPGA上的实现方法,编写了Verilog HDL代码,在逻辑电路仿真工具上进行了仿真,算法运行时间为6.7 ms。结果表明所设计的恢复电路能够正确运行,且具备良好的实时性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
稀疏采样论文参考文献
[1].吴觅旎,徐习东,裘鹏,王朝亮.稀疏采样下DC/DC输出波形时域参数计算方法[J].能源工程.2019
[2].傅建军,刘琛琛,许伟.基于非均匀采样的稀疏信号恢复FPGA实现技术研究[J].电子与封装.2019
[3].邱越,宋寿鹏,吴华清.编码超声稀疏采样仿真研究[J].测控技术.2019
[4].骆英,周杨,李鹏飞,徐晨光.一种基于均匀稀疏采样的Lamb波场重构方法[J].无损检测.2019
[5].门哲,宁宏晓,李伟波,柳兴刚,郭明杰.基于压缩感知的随机采样与稀疏性约束采样重构效果对比[C].中国石油学会2019年物探技术研讨会论文集.2019
[6].齐林,邢家柱,陈俊鑫,张良钰.基于压缩感知的心电信号稀疏采样与重构算法[J].东北大学学报(自然科学版).2019
[7].张舒然,武岩波,朱敏.基于MCMC采样器的簇稀疏水声信道估计方法[J].仪器仪表学报.2019
[8].李宁.稀疏Wasserstein蓝噪采样[D].重庆邮电大学.2019
[9].徐江阳.间接稀疏采样数据时空可视分析研究[D].太原理工大学.2019
[10].班晓征.面向稀疏采样的图像重建算法研究[D].江南大学.2019