检索结果-内蒙古大学图书馆

作者：杨忠李世华杨俊 210000 江苏省南京市江宁区弘景大道99号

本发明涉及一种基于EMD与稀疏变换的无人设备用非线性抗干扰系统。针对无人机信号采集系统会因电路，外部环境因素产生大量噪声，噪声会导致信号重要特征信息丢失，使得控制系统难以稳定运行，本发明提出一种基于EMD与稀疏变换的无人设... 详细信息

标准号: CN112287883A

本发明涉及一种基于EMD与稀疏变换的无人设备用非线性抗干扰系统。针对无人机信号采集系统会因电路，外部环境因素产生大量噪声，噪声会导致信号重要特征信息丢失，使得控制系统难以稳定运行，本发明提出一种基于EMD与稀疏变换的无人设备用非线性抗干扰系统，对采集的原始信号进行经验模态分解(Empirical Mode Decomposition，EMD)，把原始信号非线性分解到不同的模态，然后建立稀疏分解字典块，利用稀疏分解的去噪能力，分别对不同模态信号进行稀疏重构，去除干扰噪声。进而保留原始信号的特征，增加系统的抗干扰能力。

关键词：原始信号抗干扰系统无人设备稀疏变换稀疏分解噪声经验模态分解外部环境因素信号采集系统非线性分解抗干扰能力导致信号干扰噪声控制系统模态信号稳定运行稀疏重构信息丢失增加系统模态去噪去除字典电路采集保留

来源：评论

学校读者我要写书评

暂无评论

一种基于稀疏变换学习的改进ESPIRiT重建方法

一种基于稀疏变换学习的改进ESPIRiT重建方法

引用

作者：段继忠李玺兰 650093 云南省昆明市五华区学府路253号

本发明涉及一种基于稀疏变换学习的改进ESPIRiT重建方法，属于磁共振成像技术领域。本发明将数据驱动的自适应稀疏变换学习(Transform Learning,TL)引入ESPIRiT模型中，提出了一种基于ESPIRiT多组灵敏度算子结合数据驱动自适应稀疏变换... 详细信息

标准号: CN114820859A

本发明涉及一种基于稀疏变换学习的改进ESPIRiT重建方法，属于磁共振成像技术领域。本发明将数据驱动的自适应稀疏变换学习(Transform Learning,TL)引入ESPIRiT模型中，提出了一种基于ESPIRiT多组灵敏度算子结合数据驱动自适应稀疏变换学习正则项的并行MRI重建算法，命名为TL‑ESPIRiT。该算法引入紧框架技术进行求解，仿真实验结果表明，与LpJTV‑ESPIRiT和TV‑ESPIRiT模型相比，TL‑ESPIRiT模型减少了重建图像的阶梯伪影，纹理细节和边缘轮廓信息保留完整，重建图像比较清晰。

关键词：稀疏变换数据驱动重建图像自适应磁共振成像技术仿真实验结果边缘轮廓纹理细节信息保留重建算法紧框架灵敏度算子引入求解伪影算法学习并行清晰重建改进

来源：评论

学校读者我要写书评

暂无评论

一种极低信噪比下最佳稀疏域变换的LFM雷达信号处理方法

一种极低信噪比下最佳稀疏域变换的LFM雷达信号处理方法

引用

作者：张盼黄毅许笑一金仲和 310058 浙江省杭州市西湖区余杭塘路866号

本发明公开了一种极低信噪比下最佳稀疏域变换的LFM雷达信号处理方法。该方法针接收机接收到的信号信噪比极低，通过分数阶傅里叶变换到稀疏变换域中，实现LFM信号的能量聚焦，并且利用变分步长实现对变换矩阵Xp[u]最佳变换p阶阶数的快... 详细信息

标准号: CN111948621A

本发明公开了一种极低信噪比下最佳稀疏域变换的LFM雷达信号处理方法。该方法针接收机接收到的信号信噪比极低，通过分数阶傅里叶变换到稀疏变换域中，实现LFM信号的能量聚焦，并且利用变分步长实现对变换矩阵X_p[u]最佳变换p阶阶数的快速精细搜索，尤其是利用滤波器W[n]，对最佳p阶阶数对应的X_{p_opt}[u]序列信号进行滤波，并通过分数阶傅里叶逆变换，卷积计算得到提升信噪比后的时域信号序列。针对SAR系统信号信噪比极低以及计算量极大的特性，本发明方法通过FrFT变换以及变分步长快速精细搜索，实现快速提高接收机信噪比，同时减小对发射机系统功率的要求。

关键词：信噪比接收机精细搜索阶数分数阶傅里叶变换滤波器傅里叶逆变换雷达信号处理时域信号序列发射机系统变换矩阵低信噪比卷积计算能量聚焦稀疏变换系统信号序列信号分数阶计算量域变换减小滤波稀疏

来源：评论

学校读者我要写书评

暂无评论

一种极低信噪比下最佳稀疏域变换的LFM雷达信号处理方法

一种极低信噪比下最佳稀疏域变换的LFM雷达信号处理方法

引用

作者：张盼黄毅许笑一金仲和 310058 浙江省杭州市西湖区余杭塘路866号

标准号: CN111948621B

来源：评论

学校读者我要写书评

暂无评论

基于微纳结构滤光片调制和稀疏矩阵变换的光谱重建方法

基于微纳结构滤光片调制和稀疏矩阵变换的光谱重建方法

引用

作者：刘德连郭文豪叶云龙张建奇 710071 陕西省西安市太白南路2号

本发明提出了一种基于微纳结构滤光片阵列调制和稀疏矩阵变换的光谱重建方法，实现步骤为：构建微纳结构滤光片阵列；对每个微纳结构滤光片的透射光谱进行测量；对每个微纳结构滤光片的透射光谱进行离散点采样；对通过每个微纳结构滤光... 详细信息

标准号: CN113324920A

本发明提出了一种基于微纳结构滤光片阵列调制和稀疏矩阵变换的光谱重建方法，实现步骤为：构建微纳结构滤光片阵列；对每个微纳结构滤光片的透射光谱进行测量；对每个微纳结构滤光片的透射光谱进行离散点采样；对通过每个微纳结构滤光片的透射光强进行测量；构建矩阵方程；对矩阵方程进行离散余弦变换；对离散余弦变换矩阵方程进行稀疏变换；获取光谱重建结果。本发明解决了现有技术中未对噪声误差进行处理，所获取的重建光谱仍会受到噪声误差的影响，同时有效的减小了重建光谱的均方根误差，仿真结果表明，本发明有效提高了光谱重建的精度。

关键词：微纳结构光谱重建滤光片滤光片阵列矩阵方程透射光谱噪声误差构建光谱离散余弦变换矩阵测量离散余弦变换均方根误差仿真结果透射光强稀疏变换稀疏矩阵离散点重建采样减小调制

来源：评论

学校读者我要写书评

暂无评论

基于微纳结构滤光片调制和稀疏矩阵变换的光谱重建方法

基于微纳结构滤光片调制和稀疏矩阵变换的光谱重建方法

引用

作者：刘德连郭文豪叶云龙张建奇 710071 陕西省西安市太白南路2号

标准号: CN113324920B

来源：评论

学校读者我要写书评

暂无评论

基于线性回归法的电力计量数据缺失重构研究

引用

电气技术与经济 2025年第2期 46-47,54页

作者：马燕玲国网西宁供电公司

电力计量数据缺失原因多样,导致了电力计量数据缺失的模式的高度不确定性,为准确重构缺失数据带来了极大挑战,故提出基于线性回归法的电力计量数据缺失重构的研究。利用稀疏变换离散电力计量数据矩阵,生成对抗网络,以此帮助线性回归模... 详细信息

电力计量数据缺失原因多样,导致了电力计量数据缺失的模式的高度不确定性,为准确重构缺失数据带来了极大挑战,故提出基于线性回归法的电力计量数据缺失重构的研究。利用稀疏变换离散电力计量数据矩阵,生成对抗网络,以此帮助线性回归模型学习数据模式、估算缺失数据并填充,实现电力计量数据的缺失重构。算例分析结果表明:相较于其他两种对比方法,基于线性回归法的电力计量数据缺失重构方法得到的重构数据集与实际数据集测算结果高度重合,证明该方法能够准确完整地对电力计量数据进行缺失重构,满足电力工作需求。

关键词：线性回归法电力计量数据缺失数据重构稀疏变换

来源：评论

学校读者我要写书评

暂无评论

基于Shearlet变换稀疏约束地震数据重建

引用

石油物探 2016年第5期55卷 682-691页

作者：冯飞王征刘成明王德利中海油田服务股份有限公司天津300451 吉林大学地球探测科学与技术学院吉林长春130026

地震数据重建是地震数据处理流程中关键步骤之一,重建效果的好坏直接影响到后续的多次波消除以及偏移成像效果。为了获得更好的重建效果,提出了以压缩感知为理论基础,采用jitter欠采样的Shearlet变换稀疏约束地震数据重建方法。将Shear... 详细信息

地震数据重建是地震数据处理流程中关键步骤之一,重建效果的好坏直接影响到后续的多次波消除以及偏移成像效果。为了获得更好的重建效果,提出了以压缩感知为理论基础,采用jitter欠采样的Shearlet变换稀疏约束地震数据重建方法。将Shearlet变换与凸集投影(POCS)算法结合起来在动校正预处理后对地震数据进行重建,增强了地震数据在Shearlet域的稀疏性。理论分析和实际地震数据验证结果表明,该方法可以在部分地震数据缺失的情况下取得很好的重建效果,有效地解决了假频问题。

关键词： Shearlet变换数据重建稀疏变换压缩感知 jitter欠采样

来源：评论

学校读者我要写书评

暂无评论

基于离散Gabor变换的信号稀疏时频表示

基于离散Gabor变换的信号稀疏时频表示

引用

作者：李锐安徽大学

学位级别：博士

离散Gabor变换是一种重要的时频分析工具,已经在数字信号处理、数字图像处理、系统建模中得到广泛的应用。在过去的十年里,稀疏变换已经被证明是一种全新的、有效的数学工具并成功应用于语音处理、图像去噪、压缩感知等工程领域。本文... 详细信息

离散Gabor变换是一种重要的时频分析工具,已经在数字信号处理、数字图像处理、系统建模中得到广泛的应用。在过去的十年里,稀疏变换已经被证明是一种全新的、有效的数学工具并成功应用于语音处理、图像去噪、压缩感知等工程领域。本文将稀疏变换理论应用于离散Gabor变换,研究了基于离散Gabor变换的信号稀疏时频表示方法。传统的离散Gabor变换在过抽样情况下是冗余的变换,且包含大量的非零变换系数,信号的稀疏表示可利用尽可能少的非零Gabor变换系数来表示原始信号,所以基于稀疏理论的离散Gabor变换能够提高Gabor时频谱的分辨率和集中度从而使离散Gabor变换更加有效地运用于非平稳信号分析和处理。主要研究内容和创新成果如下：提出了一种基于离散Gabor变换的信号稀疏时频表示方法。离散Gabor变换中窗函数宽度直接决定了Gabor时频谱的聚集性和时频分辨率。首先我们利用Gabor时频谱熵度量确定了信号在离散Gabor变换中最优窗函数的宽度,然后将离散Gabor变换转换成带有lp稀疏约束的凸优化方程,最后根据稀疏模型求出近似解。由于基于l1范数的稀疏约束模型得到的解往往不够稳定,该模型容易导致解过于稀疏并且破坏解的内在结构,而使用基于l1-l2混合范数的稀疏约束模型得到的解具有较好的稀疏性和稳定性,因此该模型具有实际的工程应用价值。实验也表明基于此稀疏约束模型获得的Gabor时频谱具有较好的时频集中度并且在降噪方面具有更好的效果。提出了一种基于多窗离散Gabor变换的信号稀疏时频表示方法。多窗离散Gabor变换可以克服单窗离散Gabor变换具有固定时频分辨率的缺点,基于多窗离散Gabor变换的结构化稀疏时频表示方法可以对信号进行有效的分解和分析。首先将多窗离散Gabor变换转换成带有混合范数(lp,q)约束下的凸优化方程,然后根据不同的混合范数使用相应的软门限函数,最后使用块坐标下降法获得稀疏Gabor系数。实验表明所提出的方法能获得更高精度的时频谱。提出了一种基于矩阵分解和快速傅里叶变换的对偶窗快速求解算法。由于在稀疏分析中,需要分析窗对应的对偶窗来综合还原信号,因此研究对偶窗的快速求解算法十分必要。本文提出了一种基于矩阵分解和快速傅里叶变换的对偶窗的快速求解方法。该方法首先根据离散Gabor变换的完备性条件得到了变换窗的新双正交关系式,然后对新双正交关系式的线性方程组进行简化并分解成一定数量的独立线性子方程组,每一子方程组可利用快速傅里叶变换求解对偶窗,从而可节省大量的计算时间,实验验证了方法的有效性和快速性。提出了一种基于加权线性组合分析窗的离散Gabor变换及其权值求解算法。在传统的多窗离散Gabor变换中,Gabor组合时频谱的时频精度不仅取决于所选择的分析窗还取决于这些窗的线性组合权值。本文据此提出了一种基于加权线性组合分析窗的离散Gabor变换算法,利用变换系数稀疏性原则从而将加权线性组合分析窗的离散Gabor变换转换成带有l1-l2范数约束下的稀疏方程,进而根据稀疏变换理论求解出窗函数的权值。由于求解窗函数权值的迭代过程中需要计算组合分析窗对应的综合窗序列,所以使用前面提出的对偶窗序列的快速求解算法可以减少运算时间和加快运算速度。实验表明了所提出的离散Gabor变换的有效性。

关键词：离散Gabor变换稀疏变换 l1-l2范数多窗离散Gabor变换加权线性组合分析窗

来源：评论

学校读者我要写书评

暂无评论

基于压缩感知的地震数据规则化技术在塔里木区块的应用

引用

物探与化探 2025年第1期49卷 189-199页

作者：郑多明王德英吴宇兵寇龙江陈阳阳金保中中国石油塔里木油田公司新疆库尔勒841000 中国石油勘探开发研究院西北分院甘肃兰州730020 中国石油大学(华东)地球科学与技术学院山东青岛257061

塔里木盆地是中国最重要的石油勘探区之一,其盆地内沉积岩层厚,构造活动频繁,形成了大量的生油岩、储油岩和盖层,为石油等资源的生成和储存提供了良好的条件。但该地区地形起伏较大,极大地阻碍了观测系统布置和采集工程设计,同时起伏地... 详细信息

塔里木盆地是中国最重要的石油勘探区之一,其盆地内沉积岩层厚,构造活动频繁,形成了大量的生油岩、储油岩和盖层,为石油等资源的生成和储存提供了良好的条件。但该地区地形起伏较大,极大地阻碍了观测系统布置和采集工程设计,同时起伏地表和地下复杂构造也对地震波的传播产生影响,从而降低地震勘探数据的质量,对数据预处理、成像及储层预测等方面造成困难。本文针对塔里木区块内由于不良采集所造成的数据缺失问题,利用压缩感知技术实现地震数据的高精度重建,希望为预处理或叠加阶段提供高完整度、高可信度和高精度的地震记录。压缩感知作为一种新型的采样技术,在数据重建领域发挥了重要作用,该理论的关键是对地震数据进行充分的稀疏表达,但Fourier和DCT等传统变换仅适用于简单的全局型构造,本文根据塔里木区块数据的高复杂型,引入Shearlet变换作为压缩感知重建的稀疏基函数并成功应用于塔里木盆地实际资料,处理结果证明所用方法在该区域具有高度准确性和适用性。

关键词：地震资料处理地震数据重建压缩感知稀疏变换稀疏反演

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：