导读:本文包含了旋转序列论文开题报告文献综述及选题提纲参考文献，主要关键词:非正交多址接入,相位旋转,非相关性,误码率
旋转序列论文文献综述
龙恳,陈德建,吴芳炜[1]（2019）在《基于用户序列相位旋转的非正交多址接入方案》一文中研究指出为解决非正交多址接入(NOMA)下行链路中因配对用户间的数据干扰导致系统误码率过高的问题,提出一种基于配对用户数据相关性的NOMA方案。发射端根据配对用户数据序列的非相关性估计用户序列的相位旋转角度,设计阈值自适应选择的信号处理方法,将用户比特序列的相位旋转标记以及迭加信号通过高斯信道下发至用户,并在接收端使用下行控制信息携带的旋转标记选择解码方法。仿真结果表明,该方案可降低星座图上迭加信号星座点之间的相互干扰,在增加较少运算量的情况下有效提高系统误码率性能和用户公平性。(本文来源于《计算机工程》期刊2019年09期）
季平,秦川,曹芳[2]（2015）在《对旋转和平移鲁棒的序列图像拼接算法》一文中研究指出受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的全景图像.为此,设计了一种序列图像拼接系统.针对近似仅存在二维平移的待拼接图像,采取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接.针对待拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的序列图像拼接方案.实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.(本文来源于《应用科学学报》期刊2015年04期）
孔令伟,金宇,崔志新,王瑜,赵景新[3]（2014）在《MRI 3D序列薄层轴位扫描联合叁维重建及旋转分割在膝关节半月板测量中价值》一文中研究指出目的探讨应用MRI 3D序列薄层轴位扫描结合叁维重建及旋转分割方法在测量膝关节半月板中的价值。方法对1名健康志愿者的双膝关节进行MRI T2-trufi3d-we-tra-p3-iso序列扫描,将平扫图像上传至Siemens工作站,对内、外侧半月板进行叁维重建,选取所研究层面后,应用旋转分割方法对内、外侧半月板进行任意角度的分割,得到任意方向半月板的图像进行半月板测量。结果 3D序列薄层轴位扫描结合叁维重建及旋转分割技术可清晰显示任意方向半月板的结构,实现了任意方向上半月板高度、宽度及移位距离的测量。结论 3D序列薄层轴位扫描结合叁维重建及旋转分割方法对半月板疾病诊断及半月板移植有重要价值。(本文来源于《中华实用诊断与治疗杂志》期刊2014年11期）
邹永宁,伍立芬,王珏,段伟伟[4]（2013）在《基于CT序列图像的旋转体积测量方法》一文中研究指出针对工程应用中常见的轴向变化剧烈工件,研究一种Zernike矩亚像素层间拟合轮廓旋转积分的高精度体积测量算法。首先用Zernike矩方法提取亚像素级轮廓,其次采用多项式拟合切片轮廓,并进行等相角间隔采样;然后对等相位的轮廓点采用多项式拟合并通过外插法自动预测工件顶端,将各拟合轮廓旋转一个相角,对旋转块积分并累加得到待测工件的体积。分别对体积相等的3个试块进行CT扫描测量实验,结果表明该算法的测量误差低于0.7%;对实际含内腔工件进行测量实验,结果表明该算法测量精度是Canny台体法的1.5倍。(本文来源于《强激光与粒子束》期刊2013年09期）
林近山[5]（2013）在《基于时间序列标度分析的旋转机械故障诊断方法研究》一文中研究指出机械故障诊断的关键问题是故障特征提取。机械故障信号通常具有强烈的非平稳和非线性特征，本文在总结现有机械故障诊断方法优缺点的基础上，采用统计物理学上的标度分析方法来研究复杂机械故障信号的波动状况，提出了基于时间序列标度分析的旋转机械故障诊断方法。本文从一个新的角度来研究机械故障诊断问题，形成了具有学科交叉特色的机械故障诊断方法。本文的研究工作主要包括以下六个部分：(1)受自然界大量存在的标度曲线转折现象的启发，本文将时间序列的多标度指数作为机械故障信号的故障特征，提出了基于时间序列多标度指数特征的机械故障特征提取方法。利用齿轮箱和滚动轴承故障数据对该方法的性能进行了验证，结果证明了该方法的有效性。(2)针对原始序列标度曲线的特征参数难以提取的问题，本文采用增量序列的波动特征来表达机械系统的动力学行为，提出了基于增量序列标度特征的机械故障诊断方法。利用齿轮箱和滚动轴承故障数据对该方法的性能进行了验证，结果证明了该方法的有效性。(3)通过分析从增量序列标度曲线上提取的数据点在坐标图上的分布特征，本文发现故障状态所对应的数据点可以近似拟合为一条直线，而正常状态所对应的数据点则明显地偏离这条直线。为了描述这种有趣的现象，提出了“故障线”的概念，随后探讨了“故障线”的成因。(4)针对齿轮箱故障信号所具有的非平稳和非线性特点，本文提出了基于时间序列多重分形特征的齿轮箱故障特征提取方法。该方法采用MF-DFA计算齿轮箱故障信号的多重分形谱，然后利用从多重分形谱上提取的特征参数对齿轮箱进行故障诊断。利用齿轮箱故障数据对该方法的性能进行了验证，结果证明了该方法的有效性。(5)为了解决滚动轴承的故障类型和损伤程度难以识别的问题，本文提出了基于MF-DFA和马氏距离判别法的滚动轴承故障诊断方法。该方法利用MF-DFA计算轴承故障信号的多重分形谱，从多重分形谱上提取特征参数，然后采用马氏距离判别法对这些特征参数进行分类。利用滚动轴承故障数据对该方法的性能进行了验证，结果证明了该方法的有效性。(6)本文对旋转机械振动信号出现多重分形的原因进行了研究。通过比较原始数据及其重排数据和替代数据的广义Hurst指数曲线，本文确定了数据波动的内在长程相关性是导致齿轮箱和滚动轴承振动信号出现多重分形的主要原因。(本文来源于《南京航空航天大学》期刊2013-09-01）
翟斌斌[6]（2013）在《基于显微视觉的旋转图像序列叁维重建技术研究》一文中研究指出基于显微视觉的精密测量技术对微电子机械系统(MEMS)的普及与产业化具有重要意义和研究价值,有助于人们从微观角度认知和改造客观世界。叁维重建是显微视觉技术的核心内容,也是计算机视觉的研究热点和难点,其快速发展将会给显微视觉技术带来革命性的突破。本文的研究目标是实现一套完整的基于旋转平台和单目直筒显微镜的显微视觉系统,该系统能够从图像序列(视频)中快速重建MEMS构件的叁维形貌结构,从而完成MEMS构件的精密测量。本文的主要工作和成果如下：1)提出了显微视觉系统中任意放大倍率下棋盘格角点自动识别和定位算法,并结合张正友平面标定法,实现了在显微视觉系统初始位置时摄像机标定的自动化过程。2)通过旋转几何模型的建立和旋转轴的标定,提出了平面内旋转图像序列的摄像机外参标定方法,解决了平面标定法不适用于同一标定平面的问题。3)基于旋转几何模型和重投影方法,提出了旋转平台机械误差评估方法,并建立了旋转平台机械误差补偿模型,最后对显微图像序列(视频)进行机械误差补偿预处理,从而提高了多视图叁维重建精度。4)利用Canny边缘检测算法和数学形态学处理方法对显微图像进行目标对象轮廓提取,再结合前面的摄像机参数,提出了融合侧影轮廓和旋转立体视觉的叁维重建方法。该方法先利用旋转立体视觉叁维重建得到物体表面的基本结构,然后将其作为侧影轮廓叁维重建中可视外壳的边界约束,进而得到物体表面的密集点云结构,最终得到物体叁维形貌结构。对MEMS构件的叁维重建结果分析可知,本文的显微视觉系统具有设备成本低,操作简单,对实验环境要求低,重建速度快等优点,而且重建精度基本达到了目前比较成熟的超景深叁维显微系统的水平。总之,基于显微视觉的叁维重建有着非常高的研究价值,本文所提出的显微视觉系统及相关算法具有广阔的应用前景。(本文来源于《浙江工业大学》期刊2013-05-22）
林清松,何卫平,雷蕾,王伟,李夏霜[7]（2013）在《基于旋转采集Data Matrix码序列图像拼接方法》一文中研究指出针对刀具柱面Data Matrix码图像拼接的特殊需求,已有算法拼接结果识读率低、实时性差的缺陷,提出了一种基于Data Matrix码图像特征的拼接方法.该方法基于缝隙内旋转采集的刀具柱面Data Matrix码序列图像,通过条码纵向位移校正与模块划分,完成基于模块信息的最小欧氏距离图像粗配准和归一化互相关图像精配准;为了保证条码结构正确,消除无重合区域对图像拼接的影响,根据匹配度先将序列图像融合成3部分并校正畸变;最后将这3部分按条码模块关系融合成一幅尺寸正确的图像,实现了条码定位、模块划分,以方便后续进行解码.实验结果表明,文中方法能够满足刀具柱面Data Matrix码序列图像的拼接需求,拼接结果解码正确率达到96%,拼接时间小于250ms,并且大大提高了解码速度.(本文来源于《计算机辅助设计与图形学学报》期刊2013年05期）
段伟伟[8]（2013）在《用于CT序列图像的体积和表面积分段旋转测量方法》一文中研究指出工业CT技术在无损检测以及无损评价领域得到了广泛运用，是目前无损检测界公认的最佳无损检测手段。基于工业CT技术的叁维图像测量可以在无损条件下高效率地测量待测对象的内部结构参数和叁维尺寸信息。目前的叁维测量方法由于存在轮廓点定位精度不高，且对轮廓变化复杂的工件层间缺失数据补齐不准确的问题，最终导致叁维参数和尺寸测量的精度不高。本文针对这些问题进行了具体分析后，在对现有算法进行研究改进的基础上，就进一步提高叁维测量的精度开展研究工作。本文以工业CT序列图像为研究对象，实现并采用了一种改进后的工业CT图像体积和表面积测量方法。首先，对经过预处理的切片图像用Zernike矩方法提取亚像素级边缘轮廓并对其进行邻域跟踪，得到矢量化的边缘轮廓点；然后，对边缘轮廓点进行拟合插值，在进行极坐标变换后进行等相角插值，得到重置后的边缘点；在此基础上，对不同切片层的轮廓点依据等相角准则进行边缘点匹配，采用叁次样条函数拟合同一相角下的所有轮廓点，得到各分段区间的叁次样条曲线，对顶端数据缺失的对象进行顶端自动闭合，将待测对象的顶端缺失数据补齐；最后对各相角下拟合得到的轮廓曲线进行分段旋转积分，求出每一个相角下的旋转体的体积和表面积并累加，从而得到整个待测对象的体积和表面积。对实际的标准工件和非标准工件CT序列图像进行了叁维体积和表面积测量实验，结果表明，该测量方法能以较高的精度进行叁维体积和表面积测量，相对于已有方法在使用对象上有了进一步的推广，同时在精度上有了进一步的提高，验证了本文采用方法的有效性。(本文来源于《重庆大学》期刊2013-04-01）
陈芳,陈恺,赵斌文,史金飞[9]（2012）在《消除序列图像拼接中旋转偏差的新方法(英文)》一文中研究指出在用机器视觉在线自动测量大尺寸零件的直线轮廓尺寸时,为了消除序列图像拼接中的旋转偏差,提出了一种基于链码搜索的新算法.将序列图进行滤波、分割、边缘提取预处理后,搜索边缘轮廓线的链码长度,根据链码长度求出轮廓线与坐标轴间的夹角,将序列图反向旋转这一角度,使序列图中直线轮廓方向与坐标方向一致,从而消除了序列图的旋转偏差,为后续拼接中消除平移偏差做好准备.对旋转偏差为0°～9°的线性轮廓零件进行了实验,结果表明:与经典的Hough变换相比,新方法精度更高,速度更快,这对实现大尺寸直线轮廓零件在线高精度测量具有重要实用价值.(本文来源于《Journal of Southeast University(English Edition)》期刊2012年04期）
王丁禾,牛照东,汤达,刘鹏,陈曾平[10]（2012）在《旋转扫描序列图像的投影矩阵和拼接应用》一文中研究指出利用8参数投影矩阵(单应性矩阵)拼接旋转扫描序列图像的方法,由于矩阵估计误差的影响,配准精度不高,易导致拼接图像中的景物歪斜。针对这一问题,通过研究相机拍摄旋转扫描序列图像的透视关系,推导了一种5参数的投影矩阵,减少了单应性矩阵中8个参数之间的相关性,从而降低了投影矩阵估计误差对全景图拼接的影响,提高了配准精度。图像拼接实验结果显示,应用该5参数投影矩阵得到的全景图,能够保证场景正直,配准精度较高,视觉效果良好。(本文来源于《电视技术》期刊2012年19期）
旋转序列论文开题报告
（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：
受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的全景图像.为此,设计了一种序列图像拼接系统.针对近似仅存在二维平移的待拼接图像,采取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接.针对待拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的序列图像拼接方案.实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.
（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。
旋转序列论文参考文献
[1].龙恳,陈德建,吴芳炜.基于用户序列相位旋转的非正交多址接入方案[J].计算机工程.2019
[2].季平,秦川,曹芳.对旋转和平移鲁棒的序列图像拼接算法[J].应用科学学报.2015
[3].孔令伟,金宇,崔志新,王瑜,赵景新.MRI3D序列薄层轴位扫描联合叁维重建及旋转分割在膝关节半月板测量中价值[J].中华实用诊断与治疗杂志.2014
[4].邹永宁,伍立芬,王珏,段伟伟.基于CT序列图像的旋转体积测量方法[J].强激光与粒子束.2013
[5].林近山.基于时间序列标度分析的旋转机械故障诊断方法研究[D].南京航空航天大学.2013
[6].翟斌斌.基于显微视觉的旋转图像序列叁维重建技术研究[D].浙江工业大学.2013
[7].林清松,何卫平,雷蕾,王伟,李夏霜.基于旋转采集DataMatrix码序列图像拼接方法[J].计算机辅助设计与图形学学报.2013
[8].段伟伟.用于CT序列图像的体积和表面积分段旋转测量方法[D].重庆大学.2013
[9].陈芳,陈恺,赵斌文,史金飞.消除序列图像拼接中旋转偏差的新方法(英文)[J].JournalofSoutheastUniversity(EnglishEdition).2012
[10].王丁禾,牛照东,汤达,刘鹏,陈曾平.旋转扫描序列图像的投影矩阵和拼接应用[J].电视技术.2012