导读:本文包含了残差信号论文开题报告文献综述及选题提纲参考文献，主要关键词:校相残差,自跟踪系统,惯性延时,开环增益
残差信号论文文献综述
孙正海,李华春,余晓川[1]（2019）在《和差信号校相残差对星载自跟踪系统的影响》一文中研究指出星载自跟踪系统由于其特殊的工作环境,易产生和差信号的校相残差,从而影响系统跟踪性能,严重时甚至会导致跟踪无法收敛,因此,研究其对自跟踪系统的影响规律,具有实际工程指导意义。由于实际系统具有惯性延时、非线性等特点,无法使用纯数学方法分析和差信号校相残差对自跟踪的影响。本文采用了数学分析结合仿真分析的方法,首先使用数学方法分析了校相残差对无惯性延时理想系统的影响,得到了校相残差对跟踪轨迹、收敛速度的影响规律。然后,结合星载自跟踪系统负载跟踪速度较低的特点,建立并简化了自跟踪系统仿真模型。仿真结果显示,实际系统相对于无惯性延时的理想系统,校相残差的影响更显着,但跟踪轨迹、变化规律相同;同时也验证了理论分析的正确性。结论表明,随着校相残差从零逐渐变大,跟踪轨迹由直线收敛、螺旋收敛、圆形环绕变为螺旋发散直至直线发散;校相残差对自跟踪系统的影响大小主要由控制系统惯性延时和开环增益决定,惯性延时、开环增益越大收敛速度越慢直至发散。(本文来源于《空间电子技术》期刊2019年05期）
查雄,许漫坤,彭华,秦鑫,李天昀[2]（2019）在《基于深度残差网络的特定协议信号识别》一文中研究指出针对短波信道下信号截获质量差,信道环境复杂以及单一特征识别率低等问题,提出了基于深度残差网络的信号特征自动提取算法,设计了一种具有自适应学习能力的短波特定通信协议识别模型.通过对具有特殊结构的协议信号的时频视觉差异进行理论推导,将信号的时频能量转换成灰度图像,并用于对所构建的深度残差网络进行训练.该方法克服了传统方法对信号质量要求高、先验信息需求多等缺陷,可直接对中频接收信号进行处理,适合实际工程应用.实验表明,当深度残差网络达到稳态时,识别准确率高,在低信噪比、多径衰落、多普勒频偏以及信号被强干扰所遮挡的情况下,依旧能准确识别协议类别.(本文来源于《电子学报》期刊2019年07期）
郑升,李月,董新桐[3]（2019）在《Shearlet域深度残差CNN用于沙漠地震信号去噪》一文中研究指出由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet变换的深度残差卷积神经网络(ST-CNN:Deep Residual Convolutional Neural Network for Shearlet Transform)模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet分解后的系数作为输入,将随机噪声经Shearlet分解后的系数作为标签,通过卷积神经网络(CNN:Convolutional Neural Network)学习输入和标签之间的映射关系;在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet反变换获得有效信号。通过与传统的Shearlet硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从-4. 48 d B提高到14. 15 d B,具有更好的去噪效果。(本文来源于《吉林大学学报(信息科学版)》期刊2019年01期）
李文豪[4]（2017）在《视频压缩感知中残差信号重构算法研究》一文中研究指出传统视频编码技术建立在奈奎斯特采样定理之上,它首先以奈奎斯特率进行采样获得视频信号,然后再对采集到的视频信号进行复杂的压缩编码,这种先高速采样后高度压缩的方式造成了采样资源的巨大浪费。近年来,分布式视频应用领域快速发展,在无线多媒体传感器网络等具体应用场景中往往采用资源受限的采集设备,传统视频编码技术不再适用于这些应用领域。压缩感知理论能够实现采样和压缩同时进行,具有采集端算法简单的优点,在资源受限的分布式应用场景中有巨大潜力,因此在学术界引起了广泛关注。将压缩感知理论应用于视频信号采集被称之为视频压缩感知,目前基于预测-残差重构框架的视频压缩感知算法具有最好的重构性能,但由于残差重构算法研究的不深入,限制了残差重构对最终性能的贡献。本文对视频压缩感知中的预测残差进行了深入分析和研究,提出了基于预测残差结构特征的块分类重构算法(BCSC)和基于多假设的残差重构算法(MHRR)。具体研究工作分为以下两个部分:1)目前广泛用于预测残差的重构算法为BCS-SPL,它是自然图像压缩感知重构算法,由于预测残差具有不同的结构特征,BCS-SPL的重构性能并不好。经深入研究,本文提出一种基于预测残差结构特征的块分类重构算法(BCSC),首先利用残差块观测值的平均能量对残差块进行分类,然后再对不同类型的残差块采用不同算法进行重构。仿真实验结果表明,用于运动较快的视频序列时,所提BCSC算法可以比BCS-SPL算法获得更高的重构质量。2)为了进一步提高预测残差信号的稀疏性,本文提出了基于多假设的残差重构算法(MHRR)。该算法中,提出了一种具体的残差域假设集合生成方法,并将像素域运动估计和观测域线性权值求解巧妙地结合起来,更好地利用残差帧间相关性。仿真实验结果表明,所提MHRR算法应用于观测域预测残差重构,比BCS-SPL算法具有更好的重构性能。(本文来源于《华南理工大学》期刊2017-06-08）
师宏慧,李昊璇,乔晓艳[5]（2016）在《基于残差信号谐波和的声门波提取》一文中研究指出为了获取高自然度和高精度的声门波,将残差信号谐波和(SRH)应用到声门波的提取算法中.首先,设计了一种基于小波变换结合SRH的清浊音判别算法W-SRH;然后,提出了一种基于SRH的基音同步迭代自适应逆滤波方法 SRH-PSIAIF,提取激励源声门波.结果表明采用W-SRH方法对清浊音的判别准确率更高,采用SRH-PSIAIF算法提取的声门波自然度较高.该研究为情感语音声门波的分析以及情感语音合成奠定了良好基础.(本文来源于《测试技术学报》期刊2016年01期）
焦卫东,林树森[6]（2014）在《用噪声残差似然估计改进经验模态分解基信号去噪方法》一文中研究指出现有的基于经验模态分解(EMD)的信号去噪算法,用于幅值取阈以及信号重建的本征模函数(IMF)基本都是靠经验筛选,影响了算法的去噪性能。为解决这一问题,引入噪声残差似然估计(LE-RN)测度以建立IMF的优化筛选准则。由消噪后的重建信号与原始带噪信号,可以形成一个噪声残差(RN)分量。在不同去噪参数组合下,通过最大化RN分量与标准正态分布的对数似然,实现IMF分量的优化筛选。最终,形成一种改进的EMD基信号去噪方法。借助仿真消噪试验,通过与现有的EMD基去噪方法进行对比,验证了所提出的去噪参数优选准则及其改进EMD基去噪方法的有效性。(本文来源于《仪器仪表学报》期刊2014年12期）
宋和平,王国利[7]（2014）在《稀疏信号重构的残差最小化追踪》一文中研究指出提出一种新的压缩传感稀疏信号重构算法——残差最小化追踪(residual minimization pursuit,RMP).残差最小化追踪RMP每次迭代选择残差信号在测量矩阵的正交投影绝对值最大的元素来检测支持集,然后求解支持集上的最小二乘解更新稀疏信号.另外,提出两种扩展残差最小化追踪RMP算法,算法每次迭代选择多个元素来检测支持集.实验结果表明,残差最小化追踪RMP稀疏重构性能优于正交匹配追踪OMP算法.(本文来源于《信息与控制》期刊2014年06期）
刘超,李树刚,林海飞,刘纪坤[8]（2013）在《基于P波残差理论的微震信号传播波速标定试验研究》一文中研究指出为了获取监测区域微震信号传播波速,基于P波残差理论,通过爆破试验标定波速的方法,研究了微震信号传播波速的标定原理及方法,并优化了监测区域P波波速,提高了震源定位精度。结果表明:该方法与传统的以实验室所测试样波速进行定位计算相比,能够较为真实地反映出监测区域的煤岩体波速。上述结果能很好地提高微震技术在煤岩体稳定性评估方面的监测效果。(本文来源于《煤矿开采》期刊2013年03期）
叶瑞,宋华明,许前[9]（2011）在《基于LS-SVM残差控制图的失控信号诊断》一文中研究指出针对多变量统计过程控制中失控信号的诊断问题,提出了一种基于最小二乘支持向量机(LS-SVM)残差控制图的诊断方法,给出了基于LS-SVM残差控制图的构造方法与诊断程序,进行了实例分析与模拟分析,并与基于主成分分析的诊断方法进行了对比。研究结果表明:基于LS-SVM残差控制图的方法可以准确地诊断出失控变量,同时在小样本情况下依然适用。(本文来源于《中国制造业信息化》期刊2011年11期）
徐锐,黄丁发,周乐韬,李成刚[10]（2009）在《GPS残差信号提取的时间序列分析方法》一文中研究指出作者使用零基线单差模型研究并讨论了GPS量测噪声的时相关特性,并得出了GPS观测噪声具有类似白噪声或一阶高斯马尔科夫噪声的特殊性质。利用观测噪声所具备的这种特殊性质,作者首先尝试了从时间域的角度分离和提取了残差序列中的多路径信号特性,成功验证了多路径信号在连续两个恒星日内会有所重复的结论。作者提出了一种使用时相关分析法检测观测序列中周期信号(如冰期反弹、固体潮、极潮等)的设想并就其可行性进行了分析研究。最后,针对观测噪声的这种特殊性质,探讨了结合使用小波分析法提取GPS沉降监测信号的可行性。(本文来源于《测绘科学》期刊2009年02期）
残差信号论文开题报告
（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：
针对短波信道下信号截获质量差,信道环境复杂以及单一特征识别率低等问题,提出了基于深度残差网络的信号特征自动提取算法,设计了一种具有自适应学习能力的短波特定通信协议识别模型.通过对具有特殊结构的协议信号的时频视觉差异进行理论推导,将信号的时频能量转换成灰度图像,并用于对所构建的深度残差网络进行训练.该方法克服了传统方法对信号质量要求高、先验信息需求多等缺陷,可直接对中频接收信号进行处理,适合实际工程应用.实验表明,当深度残差网络达到稳态时,识别准确率高,在低信噪比、多径衰落、多普勒频偏以及信号被强干扰所遮挡的情况下,依旧能准确识别协议类别.
（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。
残差信号论文参考文献
[1].孙正海,李华春,余晓川.和差信号校相残差对星载自跟踪系统的影响[J].空间电子技术.2019
[2].查雄,许漫坤,彭华,秦鑫,李天昀.基于深度残差网络的特定协议信号识别[J].电子学报.2019
[3].郑升,李月,董新桐.Shearlet域深度残差CNN用于沙漠地震信号去噪[J].吉林大学学报(信息科学版).2019
[4].李文豪.视频压缩感知中残差信号重构算法研究[D].华南理工大学.2017
[5].师宏慧,李昊璇,乔晓艳.基于残差信号谐波和的声门波提取[J].测试技术学报.2016
[6].焦卫东,林树森.用噪声残差似然估计改进经验模态分解基信号去噪方法[J].仪器仪表学报.2014
[7].宋和平,王国利.稀疏信号重构的残差最小化追踪[J].信息与控制.2014
[8].刘超,李树刚,林海飞,刘纪坤.基于P波残差理论的微震信号传播波速标定试验研究[J].煤矿开采.2013
[9].叶瑞,宋华明,许前.基于LS-SVM残差控制图的失控信号诊断[J].中国制造业信息化.2011
[10].徐锐,黄丁发,周乐韬,李成刚.GPS残差信号提取的时间序列分析方法[J].测绘科学.2009