导读:本文包含了传输函数论文开题报告文献综述及选题提纲参考文献，主要关键词:土壤水分特征曲线,Gardner模型,非线性多元回归分析,BP人工神经网络
传输函数论文文献综述
李浩然[1]（2019）在《黄土水分特征曲线Gardner模型参数的土壤传输函数研究》一文中研究指出为了解决土壤水分特征曲线获取困难这一问题,简化对曲线的获取方式,本文基于土壤水分特征曲线与Gardner模型,研究对象为山西农耕田的黄土,进行了土壤水分特征曲线的相关测定与拟合,测定了相关土壤基本理化参数与模型的参数并获取了它们之间的对应关系,以土壤传输函数理论为依托试图建立土壤水分特征曲线Gardner模型参数的非线性多元分析预测模型、BP神经预测模型、网格搜索与交叉验证—支持向量机预测模型。主要结论如下:(1)通过机理分析与关联度分析最终得到关于Gardner模型参数主要的影响因素为:土壤质地、土壤干密度、土壤有机化合物、土壤全盐量。它们之间的关联度顺序为土壤粉粒>土壤干密度>土壤全盐量>土壤有机化合物>土壤粘粒。通过单因素分析得到各影响因子与Gardner模型参数的函数关系为:土壤质地与Gardner模型参数成对数关系;土壤干密度与Gardner模型参数呈线性关系;土壤有机化合物含量与Gardner模型参数程对数关系;土壤全盐量与Gardner模型参数呈指数函数关系。(2)建立于Gardner模型参数a与b的非线性多元分析模型的建模样本的平均相对误差分别为10.1%与11.8%,在12%以内,检验样本的平均相对误差分别为9.5%与7.7%,在10%以内;BP网络模型建模样本的平均相对误差分别为9.5%与0.6%,在10%以内,检验样本的平均相对误差分别为5.1%与0.13%,在6%以内;支持向量机模型的建模样本的平均相对误差分别为5.7%与4.9%,在6%以内,检验样本的平均相对误差分别为4.0%与4.77%,在5%以内。(3)对以上叁种模型的精度分析分析可知,用叁种模型预测预报土壤水分特征曲线Gardner模型参数a与b都是可行的。通过对叁种模型多方面进行分析,最终推荐支持向量机预测模型为最适合黄土地区的土壤水分特征曲线Gardner模型参数的预测模型。本文基于土壤传输函数理论建立了叁种关于Gardner模型参数的预测模型,不仅为实际的农田工作人员提供了简便的土壤水分特征曲线获取方法,而且扩充了土壤传输函数的相关理论。但是在研究中,对于影响因素的选取或许不够全面,因此在今后的工作学习中应该对该方面进行更为深入的研究与探索,扩充土壤类型与基本理化参数的数据,优化所完成的预测模型,同时创建更新的土壤传输函数预测模型,进一步的提高预测的精度。(本文来源于《太原理工大学》期刊2019-06-01）
史梦杰,方勇,黄青华,刘华平[2]（2019）在《基于稀疏表示和神经网络的头相关传输函数个性化方法研究》一文中研究指出头相关传输函数(Head-Related Transfer Function,HRTF)的个性化定制,是实现虚拟听觉系统(Virtual Audio Display,VAD)的关键技术之一。本文提出了一个基于稀疏表示和径向基函数(adial Basis Function,RBF)神经网络的HRTF个性化方法,通过LASSO回归分别计算出生理特征的稀疏系数和HRTF数据的稀疏系数,利用神经网络来建模两组系数的映射关系,并使用Pearson相关分析筛选与测试样本相关性强的数据作为训练集,所提方法只需要进行较少的训练就可以估计出个性化头相关传输函数。仿真实验表明,与已有的稀疏表示方法相比,本方法所需的训练集更小,估计误差更低。(本文来源于《电声技术》期刊2019年03期）
赵冬,齐娜[3]（2018）在《基于头相关传输函数的运动音效模拟》一文中研究指出0引言在虚拟环境中,利用HRTF合成与视觉同步的虚拟运动音效可以模拟出更加逼真的场景。本文重点讨论了实际音效模拟场景中,利用HRTF合成运动信号的方法并对合成的运动音效进行主观听感评价,。1虚拟运动音效的合成算法虚拟运动音效的合成算法的基本流程如图1所示,主要利用HRIR重构的方法对运动音效进行模拟[1][2],分为HRIR预处理、HRIR重构和信号合成(本文来源于《2018年全国声学大会论文集 O生理声学、心理声学、音乐声学》期刊2018-11-10）
吴锐兴[4]（2018）在《生理参数测量与个性化头相关传输函数定制》一文中研究指出头相关传输函数(HRTFs)是虚拟听觉重放系统的重要数据基础。为了提高虚拟听觉重放系统的效果,行之有效的办法之一是采用个性化的HRTF数据。通过实验测量或数值模拟准确获取个性化HRTF数据通常需要繁琐的流程和较高的成本,在产品应用中并不现实。采用基于已知数据库对个性化HRTF进行定制,并用于虚拟听觉重放的实际应用,是相对可行的办法。但是,已有基于生理参数的个性化HRTF定制研究仍存在不足,例如:在生理参数测量和提取方面没有统一标准,具有完整生理参数的受试者样本较少,测量HRTF的空间采样不完整,已有工作仅针对少数方向上的HRTF数据进行研究,等等。因此,本文对基于生理参数的个性化HRTF定制方法进行系统的研究,包括扫描受试者头部模型,基于扫描模型测量生理参数和计算模拟近场HRTF数据,研究基于生理参数的个性化HRTF定制方法,对定制的HRTF进行主客观的验证和分析。首先,使用便携式激光叁维扫描仪采集受试者的头部叁维扫描模型。基于头部叁维扫描模型,总结和定义一套完整的生理参数,制定生理参数测量流程。在此基础上,建立包含62个受试者完整的头部和耳廓生理参数的数据库。然后,基于这62名受试者的头部叁维扫描模型,采用边界元法计算并建立其全空间个性化HRTF数据库,使用主成分分析(PCA)提取个性化HRTF的特征,对HRTF数据进行降维和压缩。进一步地,通过对生理参数之间进行Spearson相关分析,对生理参数与个性化HRTF的PCA权重系数之间进行逐步回归分析,筛选出对个性化HRTF有显着影响的8个关键生理参数。进一步地,研究基于关键生理参数的个性化HRTF定制方法,建立基于广义回归神经网络的个性化HRTF定制模型。最后,通过客观参数分析和心理声学实验,证实该模型可以有效定制全空间个性化HRTF。本文所建立的基于生理参数的个性化HRTF定制方法,可以实现通过少数关键生理参数低成本地定制个性化HRTF,在实际应用中可以有效提高虚拟听觉重放系统的效果,在虚拟现实等应用中有良好的应用前景。(本文来源于《华南理工大学》期刊2018-06-07）
李彬楠,樊贵盛[5]（2018）在《土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选》一文中研究指出基于黄土高原区多种土壤的水分特征曲线试验数据样本,建立了以土壤黏粒、土壤粉粒、干密度、有机质和盐分含量为输入变量,Van-Genuchten模型参数α与n为输出变量的非线性预报模型和灰色BP神经网络预报模型,在对两种模型误差参数α与n分别进行误差分析比较的基础上,对两种模型的预测结果进行了整体误差分析。结果表明:无论是参数α还是参数n,非线性模型的平均相对误差低于10%,综合精度平均相对误差为15.73%;灰色BP神经网络模型的预测精度的平均相对误差低于4%,综合精度平均相对误差为10.01%,灰色BP神经网络模型的预测精度都要比非线性模型的预测精度高,但灰色BP神经网络模型易出现过度拟合的情况。综合而言,两种模型均能实现Van-Genuchten模型参数α与n的预测,可根据具体情况选用其中一种以达到更好的预测效果。(本文来源于《中国农村水利水电》期刊2018年05期）
黄夏楠[6]（2018）在《基于能量传输函数的电力系统暂态稳定评估及控制策略研究》一文中研究指出随着我国特高压交直流输电工程建设的推进,我国已经进入大电网时代,而在实现资源大范围优化配置的同时,互联电网面临的安全稳定问题也更加复杂和严峻。特大型电网一旦发生严重故障,如果没有及时采取相应的安全稳定控制措施,则有可能会导致故障蔓延传播至大范围区域内,引发系统解列、大面积停电等严重事故。因此,在对现有的暂态稳定评估方法研究基础上,本文从能量角度围绕电力系统暂态稳定问题展开研究。本文首先对基于能量的电力系统暂态稳定分析方法进行阐述,包括暂态能量函数和能量结构方法。在分析简单系统的暂态能量函数和能量结构理论的基础之上,引入图论理念,构造了发电机间能量传输函数,用于描述故障清除后发电机之间能量流动和系统暂态总势能变化情况。基于所构造的发电机间能量传输函数,结合K-means聚类分析方法,本文提出了一种电力系统同调机群辨识和暂态稳定评估的方法。本文首先提出了发电机端口能量总和及发电机端口能量变化率两个指标,前者用于描述每台发电机在每一时刻的输出或吸收能量,并以输出/吸收状态作为依据,将发电机划分为超前机群/滞后机群;后者用于描述每台发电机在每一时刻的能量变化情况。其次通过K-means聚类分析方法,对暂态过程中的各发电机机组进行同调机群划分,并结合端口能量总和来判断某一同调机群是属于超前机群还是滞后机群。再通过分析超前机群的端口能量变化率是否保持正值,来对电力系统暂态稳定进行评估。基于发电机端口能量总和,结合EEAC法,本文提出一种预防系统失稳的安全稳定控制措施,通过计算预防失稳所需要的切机量,同时识别切机时刻超前机群的端口能量大小,再按照端口能量从大到小依次切除超前机群直至满足切机量,从而完成对系统暂态失稳的预防措施的优化。最后通过IEEE-140节点和实际叁华电网系统的仿真验证了基于发电机间能量传输函数的同调机群辨识方法和暂态稳定评估方法的有效性。(本文来源于《中国电力科学研究院》期刊2018-03-31）
钟小丽,徐秀[7]（2018）在《不同测量对头相关传输函数的听觉影响》一文中研究指出头相关传输函数(HRTF)是虚拟听觉重放的核心·目前,HRTF的实验室测量缺乏统一的规范。本文研究了不同测量对HRTF的听觉影响。首先提出了扩散场均衡的预处理方法,并对来自5个不同数据库的KEMAR假人的HRTF数据进行了扩散场均衡;然后,采用谱差异评估了不同数据库HRTF测量的频谱差异;最后,采用HRTF合成的虚拟声信号开展了一系列的主观听音实验,包括定位实验和区分实验·结果表明,扩散场均衡是一种有效的HRTF预处理方法,可以减小不同测量对HRTF频谱的影响;不同测量基本上不影响HRTF在12 kHz以下的定位效果,但对音色的影响较大,从而导致听觉上的可区分.(本文来源于《声学学报》期刊2018年01期）
张斌[8]（2017）在《基于多属性的体数据传输函数设计研究》一文中研究指出体数据在医学、生物学、气象、地质和科学仿真等领域中有着广泛的应用。在探索体数据的过程中,传输函数是不可或缺的一部分。通过传输函数,可以为体数据内部的特征赋予颜色、不透明度等光学属性,从而可以利用体绘制技术将体数据内部的特征展示给用户。因此,传输函数一直是科学计算可视化领域研究的热点。本文试图利用体数据的原始数据及其衍生出的多个属性来设计直观、高效的传输函数。彩色体数据有别于常见的CBCT、CT和MRI等方式获得的标量体数据,它的每个体素是一个由R、G、B叁个分量组成的颜色向量。把叁个颜色分量分别看作数据的一个属性,那么彩色体数据可以看作是一种特殊的多属性体数据。鉴于对多维空间进行分析然后映射到光学属性的复杂性,在彩色体数据可视化中,一直未有直观且易于交互的传输函数出现。本文提出了一种构建用于彩色体数据的可交互的一维传输函数的方法。本文采用一种非线性的全局颜色映射方法,将彩色体数据的体素映射到一维空间,然后对一维空间进行划分,选取最具代表性的颜色组成展示给用户的传输函数交互组件的坐标轴,构建出一个类似于标量体数据可视化中使用的一维传输函数。用户可以很直观地将坐标轴上的颜色与数据中的特征对应起来,从而使得不透明度的设置变得更加容易。通过引入数据的梯度模,我们可以很容易地将基于颜色的一维传输函数扩展成二维传输函数。我们注意到彩色体数据可视化中使用的梯度计算方法较为简单,无法获取到准确的梯度方向,当数据中有噪声时,梯度计算的结果会受到较大的影响。在体绘制方法中,梯度方向常被用于计算光照,不准确的梯度方向会对数据的可视化结果产生较大的影响,进而影响用户对数据中特征信息的感知。而在二维传输函数中,梯度模常用于选取不同特征之间的边界,不准确的梯度模会使得特征的边界被模糊掉或者出现异常情况。因此本文提出了一种用于彩色体数据的鲁棒的梯度计算方法。彩色数据的梯度需要计算的是颜色向量的变化情况,与标量数据的梯度不同,因此标量数据的梯度计算方法无法适用。在本文的方法中,我们分别计算梯度的叁个分量。针对每一个分量,我们通过组合使用高通滤波器和低通滤波器来降低噪声对梯度结果的影响。在本文的实现中,选用了彩色图像处理领域中具有优秀鲁棒性的RCMG算子并将其扩展到叁维,作为高通滤波器,选用了中值滤波作为低通滤波器。由于选用的滤波器是非线性的,因此调整滤波器的使用顺序会产生不同的结果。对于所有可能的滤波器使用顺序产生的梯度分量结果,我们使用一个聚合算子把结果聚集起来生成最终的梯度分量结果。相对于之前的方法,本文方法得到的梯度结果更加准确,并且具有优秀的抗噪能力,从而可以得到更好的可视化结果。普通的标量体数据不像彩色体数据天然地具有多个属性的数据。但是,我们可以基于标量体数据计算得到各种各样不同的属性数据,如梯度、曲率、遮挡度、形状特征等。传统的传输函数构建方法大多是选取一个或几个属性来构成传输函数空间,这在一定程度上限制了传输函数的分类能力。本文提出了一种层次化的传输函数构建方法。对于从某个传输函数中选取出的特征数据,可以应用其他属性构成的传输函数进行进一步的分析,从而避免属性单一导致的特征区分能力限制,达到更好的分类效果。此外,在传统的高维传输函数构建方法中,随着传输函数维度的提升,用户对于传输函数空间的理解会变得更加困难,而且传输函数空间的交互也会变得十分复杂。而本文采用层次化的方法构建传输函数,每一层均可采用简单、易于理解、易于交互的一维或二维传输函数,不会带来交互和理解上的复杂度提升。将层次化的传输函数以传输函数树的形式展示给用户,使得交互过程更加直观,同时还可以记录数据探索的过程,避免重复同样的工作,提升数据探索的效率。此外,为后续工作中通过对用户数据探索过程和最终结果的分析、实现利用层次化的传输函数进行自动数据分类奠定了基础。(本文来源于《浙江大学》期刊2017-12-21）
李彬楠,樊贵盛[9]（2017）在《土壤水分特征曲线模型参数的非线性传输函数研究》一文中研究指出以黄土高原区土壤为研究对象,通过土壤水分特征曲线与土壤基本理化参数系列试验,获得了Van-Genuchten模型参数的实测数据样本,建立了土壤基本理化参数与Van-Genuchten模型参数之间一一对应的关系,创建了以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,Van-Genuchten模型参数为输出变量的非线性传输函数预报模型。研究表明:以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,对Van-Genuchten模型参数进行非线性预报是可行的;所建立的非线性预报模型精度较高,预测样本下Van-Genuchten模型参数α的实测值与预测值的相对误差的平均值为9.66%,参数n的实测值与预测值的相对误差的平均值为6.83%,检验样本参数α的实测值与预测值的相对误差的平均值为7.34%,参数n的实测值与预测值的相对误差的平均值为5.45%。研究成果为黄土地区提供一种便捷获取土壤水分特征曲线的途径。(本文来源于《节水灌溉》期刊2017年12期）
沈婧,樊贵盛[10]（2017）在《冻融土壤Philip入渗模型参数的非线性传输函数模型研究》一文中研究指出为满足季节性冻土地区越冬期间储水灌溉管理的需求,基于山西省汾河灌区季节性冻土的冬季大田土壤水分入渗试验,得到了120组Philip入渗模型参数实测样本,借助MATLAB软件,建立了以土壤温度、有机质质量分数、土壤含水率、土壤体积质量、物理性黏粒量为输入因子、以Philip入渗模型参数吸渗率和稳渗率为输出因子的多元非线性传输函数模型,并用实测资料对该模型进行了精度检验。结果表明,预测参数的相对误差均小于11%,预报精度在可接受范围之内。(本文来源于《灌溉排水学报》期刊2017年06期）
传输函数论文开题报告
（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：
头相关传输函数(Head-Related Transfer Function,HRTF)的个性化定制,是实现虚拟听觉系统(Virtual Audio Display,VAD)的关键技术之一。本文提出了一个基于稀疏表示和径向基函数(adial Basis Function,RBF)神经网络的HRTF个性化方法,通过LASSO回归分别计算出生理特征的稀疏系数和HRTF数据的稀疏系数,利用神经网络来建模两组系数的映射关系,并使用Pearson相关分析筛选与测试样本相关性强的数据作为训练集,所提方法只需要进行较少的训练就可以估计出个性化头相关传输函数。仿真实验表明,与已有的稀疏表示方法相比,本方法所需的训练集更小,估计误差更低。
（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。
传输函数论文参考文献
[1].李浩然.黄土水分特征曲线Gardner模型参数的土壤传输函数研究[D].太原理工大学.2019
[2].史梦杰,方勇,黄青华,刘华平.基于稀疏表示和神经网络的头相关传输函数个性化方法研究[J].电声技术.2019
[3].赵冬,齐娜.基于头相关传输函数的运动音效模拟[C].2018年全国声学大会论文集O生理声学、心理声学、音乐声学.2018
[4].吴锐兴.生理参数测量与个性化头相关传输函数定制[D].华南理工大学.2018
[5].李彬楠,樊贵盛.土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选[J].中国农村水利水电.2018
[6].黄夏楠.基于能量传输函数的电力系统暂态稳定评估及控制策略研究[D].中国电力科学研究院.2018
[7].钟小丽,徐秀.不同测量对头相关传输函数的听觉影响[J].声学学报.2018
[8].张斌.基于多属性的体数据传输函数设计研究[D].浙江大学.2017
[9].李彬楠,樊贵盛.土壤水分特征曲线模型参数的非线性传输函数研究[J].节水灌溉.2017
[10].沈婧,樊贵盛.冻融土壤Philip入渗模型参数的非线性传输函数模型研究[J].灌溉排水学报.2017