导读:本文包含了最小均方误差论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:误差,最小,相位,自适应,高度表,波束,毫米波。
最小均方误差论文文献综述
黄翔东,王惠杰,黎鸣诗,曹月彬[1]（2019）在《GFDM系统低复杂度最小均方误差接收机解调算法》一文中研究指出针对广义频分复用(GFDM)在频率选择性信道下的最小均方误差(MMSE)接收机计算复杂度过高的问题,提出了一种基于矩阵解构的低复杂度GFDM系统的MMSE接收机解调算法.该方法对涉及的大尺寸矩阵做分块处理,发掘了矩阵的特殊性质(稀疏性、准叁对角性和块对称性等),进而将一系列大矩阵的相乘和求逆运算转化为相应子块间的相乘和求逆,从而使得其耗费的复数乘法次数比原始的MMSE接收机解调算法低2～3个数量级.仿真结果表明,所提出的接收机不会导致误比特率性能下降,因而在未来移动通信的解调系统中具有较高的应用价值.(本文来源于《北京邮电大学学报》期刊2019年03期）
孙冬,向豪,卢一相,饶儒婷,杨杨[2]（2019）在《基于最小均方误差估计和稀疏性先验的图像去噪》一文中研究指出提出一种基于稀疏表达理论和最小均方误差估计的图像去噪算法,主要内容包括:在贝叶斯复原框架下,根据图像在冗余字典下的稀疏表达模型,建立原始图像表达系数的最小均方误差复原方程;利用随机正交匹配追踪算法,研究复原方程的数值求解算法,对图像表达系数进行近似求解,进而对原始图像进行恢复.对一组标准测试图像的仿真实验表明,提出的算法能够较好地去除图像中的噪声,并且复原图像具有较好的主观视觉质量和较高的峰值信噪比客观评价指标.(本文来源于《安徽大学学报(自然科学版)》期刊2019年01期）
潘水[3]（2019）在《雷达高度表最小均方误差拟合高度估计算法研究》一文中研究指出针对采用波门分裂法和半功率点法的传统雷达高度表,受噪声和地面各散射单元散射起伏的影响较大,进而影响高度估计的精度问题。文中提出了采用最小均方误差拟合高度估计算法,该算法基于地面回波解析模型,充分利用地面回波能量进行最小均方误差拟合高度估计,从而提高高度估计精度。仿真结果表明,在不同高度上,最小均方误差的精度均优于波门分裂法和半功率点法,降低了噪声和地面散射起伏对高度估计精度的影响。(本文来源于《电子科技》期刊2019年08期）
吴泽民,边少锋[4]（2018）在《后验概率与最小均方误差解结合的GNSS部分模糊度解算策略》一文中研究指出在GNSS弱定位模型中,常常需要采用模糊度部分解算方法获得满意的定位精度。为了进一步提升定位的准确性,本文从3个方面对模糊度部分解算方法进行改进:①决定模糊度被固定元素的依据不再是完全基于模型的Bootstraping成功率,而是同时基于模型和观测数据的后验概率。②当模糊度部分固定时,未固定的模糊度元素不再取条件浮点解,而是取基于已固定元素的最小均方误差解。③当模糊度完全不固定时,模糊度向量不再取浮点解,而是取最小均方误差解。试验中用一组北斗实测数据检验了原GNSS模糊度部分解算方法和新方法。结果表明,新方法部分固定和不固定历元数量少于传统方法,且定位精度显着提高。(本文来源于《测绘学报》期刊2018年S1期）
张涵,闫怀平,张展[5]（2018）在《多特征融合及最小均方误差优化的阴影检测》一文中研究指出为降低阴影对运动目标检测结果的干扰,提出了一种阴影检测方法,作为运动侦测方法的后处理步骤。在运动侦测检测到的目标列表的基础上,该方法针对R、G、B 3个颜色通道提取相邻帧之间像素点的亮度、对比度和结构特征,融合这3类特征生成相似度度量,并依据最小均方误差准则设计目标函数,通过最优化方法求解最佳的像素点分割阈值,检测并消除运动侦测目标中的阴影像素点。阴影检测实验在Changedetection.net数据集的shadow数据子集进行。实验结果表明,该方法的阴影检测率高,检测耗时少。(本文来源于《电子技术应用》期刊2018年10期）
马晓双,吴鹏海,刘诗雨,姚梦园[6]（2018）在《结合相似块匹配及线性最小均方误差滤波器的全极化雷达影像去噪》一文中研究指出针对全极化合成孔径雷达Pol SAR(Polarimetric Synthetic Aperture Radar)影像相干斑噪声严重的问题,提出了一种结合相似块匹配和线性最小均方误差原理的去噪方法。该方法首先在原始影像上实现相似块组的匹配,进而利用线性最小均方误差滤波器对影像块组进行滤波得到初始去噪结果;然后,同时利用原始影像和初始去噪影像的信息进行相似块组的重新匹配,并再次利用线性最小均方误差原理对重匹配影像块进行去噪,得到影像最终的去噪结果。利用模拟的Pol SAR影像和高分叁号卫星Pol SAR影像进行了算法效果的验证。结果表明,去噪算法在显着抑制影像噪声水平的同时,也能较好地保持影像的边缘和极化特性等细节信息。(本文来源于《遥感学报》期刊2018年04期）
韩春雷[7]（2018）在《基于最小均方误差准则的语音信号降噪技术研究》一文中研究指出针对语音信号降噪问题,文中提出了一种自适应滤波降噪方法。该方法基于最小均方误差准则,以递推的方式计算自适应滤波器权系数,结构简单,便于实现。对几种不同信噪比的语音信号进行实验分析,结果表明该自适应滤波方法能有效降低噪声影响,提高信噪比,具有较高的实用价值。(本文来源于《物联网技术》期刊2018年05期）
申敏,徐浩,何云,周朋光[8]（2017）在《毫米波MIMO系统中迭代最小均方误差混合波束成形算法》一文中研究指出混合波束成形结构能有效解决毫米波MIMO系统中射频链路受限的问题,但要设计性能较优的混合波束成形算法仍然存在困难。为了实现更高的频谱利用率,提出了一种性能较优的迭代最小均方误差(Alt-MMSE)混合波束成形算法。该算法利用数字矩阵的正交特性,首先进行初始数字矩阵设计,然后通过最小化发送信号与接收信号的均方误差不断迭代更新数字矩阵,在每一次迭代过程中,通过更新后的数字矩阵得到模拟矩阵的相位信息。仿真结果表明,与OMP混合波束成形算法和基于矩阵分解的混合处理方案相比,该算法具有更优的性能且更接近于纯数字波束成形。(本文来源于《电信科学》期刊2017年08期）
徐文超,王光艳,陈雷[9]（2017）在《改进的变步长最小均方误差电子耳蜗语音增强算法》一文中研究指出针对外部强噪声环境下电子耳蜗语音质量受损、适应性差等问题,提出了基于谱减法和变步长最小均方误差(LMS)自适应滤波算法联合去噪的改进方法,并以该方法构建了一个电子耳蜗前端语音预处理系统。利用变步长LMS自适应滤波算法输出误差的平方项来调节步长,采用步长值固定与变化相结合的方法,解决了自适应滤波算法收敛速度慢、稳态误差大的问题,适应性得到提高,提高了语音信号通信质量。该系统以TMS320VC5416和音频编解码芯片TLV320AIC23B为核心,通过多通道缓冲串口(McBSP)和串行外设接口(SPI)实现了语音数据的高速采集和实时处理。实验仿真和测试结果表明该算法消除噪声性能好,信噪比在低输入信噪比情况下提高约10 d B,语音质量感知评价(PESQ)分值也得到较大提高,能有效提高语音信号质量,且该系统性能稳定,能进一步提高耳蜗前端语音的清晰度和可懂度。(本文来源于《计算机应用》期刊2017年04期）
程琳,刘影,田彦[10]（2016）在《基于最小均方误差的全光纤电流互感器调制相位扰动补偿方法研究》一文中研究指出在分析全光纤电流互感器误差模型的基础上,提出基于加权最小均方误差准则的调制相位扰动补偿方案。通过引入加权函数因子,不断迭代加权函数得到期望调制相位。搭建实验系统对测试数据进行分析,实验结果表明:通过补偿能减小因实际制作中光纤非匹配性、非对称性带来的耦合器相位的微小偏移误差,从而提高全光纤电流互感器性能。分析两台样机在高低温箱内进行多日重复性测试的数据,在经过调制相位补偿后,两台样机多日内全温的归一化变化率在±0.2%以内,且重复性比较好,通过进一步优化,可满足0.2s级继电保护系统的使用要求。(本文来源于《中国测试》期刊2016年12期）
最小均方误差论文开题报告
（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：
提出一种基于稀疏表达理论和最小均方误差估计的图像去噪算法,主要内容包括:在贝叶斯复原框架下,根据图像在冗余字典下的稀疏表达模型,建立原始图像表达系数的最小均方误差复原方程;利用随机正交匹配追踪算法,研究复原方程的数值求解算法,对图像表达系数进行近似求解,进而对原始图像进行恢复.对一组标准测试图像的仿真实验表明,提出的算法能够较好地去除图像中的噪声,并且复原图像具有较好的主观视觉质量和较高的峰值信噪比客观评价指标.
（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。
最小均方误差论文参考文献
[1].黄翔东,王惠杰,黎鸣诗,曹月彬.GFDM系统低复杂度最小均方误差接收机解调算法[J].北京邮电大学学报.2019
[2].孙冬,向豪,卢一相,饶儒婷,杨杨.基于最小均方误差估计和稀疏性先验的图像去噪[J].安徽大学学报(自然科学版).2019
[3].潘水.雷达高度表最小均方误差拟合高度估计算法研究[J].电子科技.2019
[4].吴泽民,边少锋.后验概率与最小均方误差解结合的GNSS部分模糊度解算策略[J].测绘学报.2018
[5].张涵,闫怀平,张展.多特征融合及最小均方误差优化的阴影检测[J].电子技术应用.2018
[6].马晓双,吴鹏海,刘诗雨,姚梦园.结合相似块匹配及线性最小均方误差滤波器的全极化雷达影像去噪[J].遥感学报.2018
[7].韩春雷.基于最小均方误差准则的语音信号降噪技术研究[J].物联网技术.2018
[8].申敏,徐浩,何云,周朋光.毫米波MIMO系统中迭代最小均方误差混合波束成形算法[J].电信科学.2017
[9].徐文超,王光艳,陈雷.改进的变步长最小均方误差电子耳蜗语音增强算法[J].计算机应用.2017
[10].程琳,刘影,田彦.基于最小均方误差的全光纤电流互感器调制相位扰动补偿方法研究[J].中国测试.2016
论文知识图
