导读:本文包含了高维信号处理论文开题报告文献综述及选题提纲参考文献，主要关键词:地震数据重构,地震道插值,张量稀疏编码,字典学习
高维信号处理论文文献综述
畅京博[1]（2018）在《基于张量稀疏编码的高维地震信号处理方法研究》一文中研究指出受地震数据野外采集的影响,地震信号存在受噪声污染及空间采样率不足的问题,这些会影响后续的地震资料解释,因此对野外采集得到的原始地震记录进行处理,压制噪声干扰,提高地震数据的信噪比、分辨率以及保真度至关重要。张量稀疏编码是一种多维数据表示方法,可以很好地利用多维地震数据间的冗余信息,具有强大的信号处理和特征提取能力。本文将张量稀疏编码与压缩感知数据重构及字典学习等理论结合起来,从地震道插值和地震数据去噪两个方面提出了合理有效的算法,具体工作概括如下:(1)针对地震数据空间采样率不足造成空间假频的问题,本文将压缩感知数据重构理论与张量稀疏编码相结合,提出了基于张量联合稀疏编码的重构方法并用于地震道插值。该方法引入张量乘积将二维字典学习扩展到叁维,并采用张量稀疏系数和张量字典交替迭代的方式进行求解,在求解张量稀疏系数时采用基于张量的迭代收缩阈值算法进行处理,在求解张量字典时采用拉格朗日对偶的方法提高计算速率。该方法采用叁维字典学习能更加有效地利用地震数据的多维信息,实现地震道插值重构,提高地震数据的分辨率。(2)针对地震数据被噪声污染的问题,本文提出了一种基于张量相干约束字典学习的地震数据去噪方法,该方法通过定义张量相干性及张量相干比,将相干约束去噪与张量稀疏编码有效结合起来,解决了传统字典学习去噪方法依赖噪声方差先验及当噪声方差变化时效果不好的问题。在交替迭代求解的过程中,张量相干匹配追踪算法用于张量稀疏系数的求解,同时本文引入张量奇异值分解将K-SVD字典学习算法拓展到叁维得到K-TSVD算法,用于求解张量字典,从而实现了地震数据的张量相干约束去噪。本文将上述两种方法在理论模型和实际工区的叁维地震数据中进行了实验验证并与传统方法进行了比较,分析发现本文方法与传统方法相比具有一定的优势,可以达到更好的效果。(本文来源于《电子科技大学》期刊2018-04-03）
杨仰强[2]（2015）在《基于虚拟子阵的共形阵列降维信号处理算法研究》一文中研究指出经济社会和国防科技的快速发展对阵列天线提出了新的要求,如在飞行器、航行器或高速列车上加载天线,以便进行遥测遥控和可靠通信。然而,受限于载体外形或空间等原因,传统阵列无法满足实际应用的需求,这时需要用到共形阵列天线。共形阵列天线复杂的电磁特性导致其建模与信号处理难度加大,给共形阵列的研究及其工程应用提出了挑战。虚拟内插技术通过变换矩阵将共形阵列映射到平面阵列,进而可利用传统的基于均匀线阵、平面阵列的算法进行信号处理;且变换矩阵的求解是个离散过程,只需根据阵列结构计算一次并存储于系统中即可。利用虚拟内插技术进行共形阵列信号处理,其优点在于原理简单、算法运算复杂度低且易于实现。本文研究基于虚拟内插技术的共形阵列信号处理算法,重点研究具有规则形状的共形阵列,主要工作包括以下叁个方面:(1)分析MUSIC算法应用于叁维柱面共形阵列的情况,提出偏置MUSIC算法解决叁维柱面阵列的阵元遮挡问题;通过自适应子阵分割确定信号DOA对应的子阵与俯仰角、方位角区间,再利用相应子阵在预估区间上进行精确搜索,可以低运算复杂度获得高精度DOA估计结果。(2)结合虚拟内插技术和坐标旋转的思想,提出基于坐标旋转的二维柱面共形阵列DOA估计算法,将传统的基于虚拟内插技术的DOA估计算法需要的多个变换矩阵减少到一个,在保持算法性能的同时使DOA估计过程更加简单。(3)利用虚拟内插技术和自适应对角线加载SMI算法,对柱面共形阵列进行波束形成,进而对动态目标波束形成进行讨论,结果表明当二维柱面共形阵列进行子阵切换时,加权矢量可以直接赋值而不会产生偏差。(本文来源于《国防科学技术大学》期刊2015-11-01）
解虎[3]（2015）在《高维小样本阵列自适应信号处理方法研究》一文中研究指出近几十年来,阵列信号处理被广泛应用于雷达、声纳、无线通信、麦克风阵语音处理和医学成像等领域。首先,为了获取更高的分辨率、更强的干扰抑制能力和更远的探测距离,现代阵列采用的阵元数目越来越大,使得传统的自适应处理方法的计算复杂度显着增加,难以实时处理。其次,受到外部环境和硬件水平的限制,自适应阵列处理所需要的训练样本数目并没有同步得到提升。针对大规模阵列处理面临的高维小样本问题,我们从提高收敛速度和降低计算复杂度两个方面对阵列信号处理中的波达方向估计(DOA)、自适应波束形成和空时自适应处理方法进行了研究。本论文的主要研究内容和成果包括以下几个方面：1.利用目标辐射源空间分布的稀疏性,提出了两种基于稀疏表示的多快拍联合DOA估计方法。第一种方法利用采样数据矩阵大奇异值对应的左奇异向量近似信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示进而确定出目标方位。第二种方法对传统的基于协方差矩阵稀疏表示的模型进行改进,提出一种新的基于样本协方差矩阵稀疏表示的联合波达方向估计方法。该方法仅利用协方差矩阵的部分信息进行DOA估计,不需要估计噪声功率,以一个阵元的孔径损失换取算法的稳健性。与传统的角度高分辨估计方法不同,基于稀疏表示的DOA估计方法对具有相干性的信号源能进行有效估计,不需要进行去相关处理。2.通过对最优自适应波束形成权矢量构成进行分析,发现最优权仅位于低维的干扰加信号子空间中。根据经验,一般系统设定的所要抑制的干扰数目都远小于系统自由度。因此一旦干扰空间和信号导向矢量已知,只需求解一个低维的组合矢量即可求得自适应权矢量,同时也降低了算法的计算复杂度。我们首先构造一个完备的干扰加信号子空间(IPSS),然后对组合矢量进行稀疏约束,找到一组列数最小的信号加干扰子空间来构造自适应权。与传统的降秩方法不同,所提方法不需要已知干扰的数目,且对多种常见的不匹配情况稳健。3.非均匀杂波环境下,空时自适应处理的关键在于如何在样本较少时准确估计杂波协方差矩阵(CCM)。首先,根据杂波谱的稀疏性,采用少量样本可估计出杂波功率谱,进而估计出CCM。基于稀疏表示的杂波协方差矩阵估计方法仅利用少量样本即可达到较好的CCM估计效果,明显提高了空时自适应算法(STAP)的收敛速度。然而采用少量样本稀疏表示估计所得的杂波谱常出现伪峰,容易造成CCM估计偏差。利用杂波谱分布的特殊空时耦合性,通过杂波脊曲线拟合方法剔除杂波谱中的伪峰,有效提高了CCM估计精度。另外,该算法还可以对载机飞行参数(载机速度,偏航角等)进行估计。4.针对传统空时自适应处理计算量大的问题,提出一种基于权矩阵低秩逼近的快速空时自适应处理方法。与传统的低秩逼近算法不同,我们利用空时导向矢量特殊的Kronecker累积性,重新构造新的权矩阵,使得该权矩阵的行数与列数尽可能的相同或相近。采用低秩逼近方法对新构造的权矩阵进行表示,提高了自适应权的自由度,而且原二次优化问题被转化为一个双二次代价函数问题,可以采用双迭代方法进行求解。5.传统的降维降秩类空时自适应处理方法虽然提高了系统的收敛速度,降低了计算复杂度,但是不同的方位、多普勒需要重新计算自适应权,计算量依然很大。针对小样本情况,我们提出一种基于核方法的快速自适应处理方法,能有效的降低权更新的计算量。由于自适应权仅位于干扰加信号子空间且训练样本主要由干扰组成,通过训练样本和目标空时导向矢量的线性组合来构造自适应权。因而只需计算一个低维的组合矢量,避免了直接对协方差矩阵进行求逆,大幅降低了计算量。针对当样本数超过干扰自由度时,权矢量易受病态Gram矩阵求逆影响的问题,采用叁种正则化方法解决病态求逆问题。(本文来源于《西安电子科技大学》期刊2015-04-01）
张小英[4]（2012）在《小波分析在一维信号处理中的应用及发展》一文中研究指出本文总结了小波分析在一维信号处理中的应用。对小波分析存在的问题进行了分析,并对小波的应用提出了展望。(本文来源于《内江科技》期刊2012年01期）
白春霞,赵文忠[5]（2011）在《基于复小波-Contourlet变换的高维信号处理》一文中研究指出Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能。因此将Contourlet变换用于多维信号处理,能更好的提取图像信号边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应对偶树复小波-Contourlet变换的多传感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。(本文来源于《自动化与仪器仪表》期刊2011年01期）
陈东义,曹长修,朱冰莲[6]（1999）在《Mallat 塔式算法在一维信号处理中的应用研究》一文中研究指出探讨了 Ｍａｌｌａｔ 塔式算法处理一维信号的问题，给出了按二次采样间隔构造尺度函数与小波函数以及计算相应连续逼近及细节的公式。(本文来源于《重庆大学学报(自然科学版)》期刊1999年04期）
高维信号处理论文开题报告
（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：
经济社会和国防科技的快速发展对阵列天线提出了新的要求,如在飞行器、航行器或高速列车上加载天线,以便进行遥测遥控和可靠通信。然而,受限于载体外形或空间等原因,传统阵列无法满足实际应用的需求,这时需要用到共形阵列天线。共形阵列天线复杂的电磁特性导致其建模与信号处理难度加大,给共形阵列的研究及其工程应用提出了挑战。虚拟内插技术通过变换矩阵将共形阵列映射到平面阵列,进而可利用传统的基于均匀线阵、平面阵列的算法进行信号处理;且变换矩阵的求解是个离散过程,只需根据阵列结构计算一次并存储于系统中即可。利用虚拟内插技术进行共形阵列信号处理,其优点在于原理简单、算法运算复杂度低且易于实现。本文研究基于虚拟内插技术的共形阵列信号处理算法,重点研究具有规则形状的共形阵列,主要工作包括以下叁个方面:(1)分析MUSIC算法应用于叁维柱面共形阵列的情况,提出偏置MUSIC算法解决叁维柱面阵列的阵元遮挡问题;通过自适应子阵分割确定信号DOA对应的子阵与俯仰角、方位角区间,再利用相应子阵在预估区间上进行精确搜索,可以低运算复杂度获得高精度DOA估计结果。(2)结合虚拟内插技术和坐标旋转的思想,提出基于坐标旋转的二维柱面共形阵列DOA估计算法,将传统的基于虚拟内插技术的DOA估计算法需要的多个变换矩阵减少到一个,在保持算法性能的同时使DOA估计过程更加简单。(3)利用虚拟内插技术和自适应对角线加载SMI算法,对柱面共形阵列进行波束形成,进而对动态目标波束形成进行讨论,结果表明当二维柱面共形阵列进行子阵切换时,加权矢量可以直接赋值而不会产生偏差。
（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。
高维信号处理论文参考文献
[1].畅京博.基于张量稀疏编码的高维地震信号处理方法研究[D].电子科技大学.2018
[2].杨仰强.基于虚拟子阵的共形阵列降维信号处理算法研究[D].国防科学技术大学.2015
[3].解虎.高维小样本阵列自适应信号处理方法研究[D].西安电子科技大学.2015
[4].张小英.小波分析在一维信号处理中的应用及发展[J].内江科技.2012
[5].白春霞,赵文忠.基于复小波-Contourlet变换的高维信号处理[J].自动化与仪器仪表.2011
[6].陈东义,曹长修,朱冰莲.Mallat塔式算法在一维信号处理中的应用研究[J].重庆大学学报(自然科学版).1999