导读:本文包含了频谱估计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:频谱,模糊,系数,质心,频率,卷积,图像。
频谱估计论文文献综述
鲁华超,赵知劲[1]（2019）在《基于功率谱与噪声估计的频谱感知算法及实现》一文中研究指出针对基于功率谱的窄带频谱感知算法中噪声影响问题,提出一种利用功率谱极值与噪声方差估计的频谱感知算法。使用排序系数估计噪声方差,提高其估计精度,最终,提高了算法的抗频偏以及抗噪声功率不确定性的性能。使用USRP X310和GNU Radio搭建软硬件平台,通过编程实现了基于PSEENVR的频谱感知算法,对每个子窄带进行感知,算法仿真和实际信号感知所得结论均表明:该文方法的检测性能优于对比算法,在实际信号感知过程中,虚警概率为0.08时,检测概率达到1,而对比算法的检测概率仅为0.8。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2019年05期）
翟华,茆弘民,左根明,孟勇,丁煦[2]（2019）在《融合KFCM及频谱质心的瞬时频率估计算法研究》一文中研究指出基于时频分析和峰值搜索的瞬时频率估计方法对噪声敏感,结果误差较大。为降低噪声引起的瞬时频率估计误差,提出一种融合核模糊C均值聚类(KFCM)及频谱质心的旋转机械瞬时频率估计算法。依据不同信号分量能量的差异,采用核模糊C聚类的方法,对时频矩阵中的元素点聚类分析,去除时频面上能量噪声点和孤立点,在此基础上利用频谱质心算法,提取瞬时频率,进而估计转速。采用仿真实验对该方法进行验证,误差为0.5%,证明了该算法的有效性。用该方法对旋转机械加速过程中的振动信号进行分析,取得了明显的转速估计效果,误差为1.87%。仿真算例和应用实例表明该方法能实现对旋转机械振动信号的瞬时频率估计。(本文来源于《电子测量与仪器学报》期刊2019年07期）
张少华,秦会斌[3]（2019）在《基于MFCC的频谱重构实现音高估计和发声分类》一文中研究指出音高估计和发声分类可以帮助快速检索目标语音,是语音检索中十分重要且困难的研究方向之一,对语音识别领域具有重要的意义。提出了一种新型音高估计和发声分类方法。利用梅尔频率倒谱系数(MFCC)进行频谱重构,并在对数下对重构的频谱进行压缩和过滤。通过高斯混合模型(GMM)对音高频率和滤波频率的联合密度建模来实现音高估计,实验结果在TIMIT数据库上的相对误差为6. 62%。基于高斯混合模型的模型也可以完成发声分类任务,经试验测试表明发声分类的准确率超过99%,为音高估计和发声分类提供了一种新的模型。(本文来源于《测控技术》期刊2019年11期）
王文恺[4]（2019）在《基于倒谱与频谱分析的模糊核估计算法》一文中研究指出图像盲去模糊是典型的图像和信号处理问题,其目的是从模糊图像中恢复出模糊核及清晰图像。在模糊核估计方面,以往的算法通常将模糊核尺度作为必要的输入参数,近年来有些算法虽然能较准确的估计参数化模糊核,但不能有效估计自然模糊图像中普遍存在的非参数化模糊核。文中利用图像梯度倒谱估计模糊核后再利用频谱分析以进一步精确的估计小尺寸模糊核的尺度。实验结果表明,文中提出的方法能适用于绝大多数场景下自然模糊图像的模糊核尺度估计。(本文来源于《电子科技》期刊2019年02期）
宁宏新[5]（2018）在《多集采样和非线性最小二乘估计的频谱感知》一文中研究指出针对认知无线电和网络中可用频带的感知,提出了一种基于多集采样和非线性最小二乘估计的宽带频谱感知方法.首先,基于多集采样器,把可用的频带划分为有限数量的频道,得到一种基于采样参数和噪声功率的检测阈值的理论表达式,并计算出采样数据的相关矩阵;然后,采用一个非线性最小二乘估计器来估计被占用的频道和空闲频道,同时,采用顺序前向选择算法来降低估计器实现的复杂性;仿真实验结果表明,相比于传统的基于能量检测和其他常用的频谱感知方法,新方案不仅在采样率方面有可观的节省,而且在相同的信噪比(SNR)下能获得更好的检测概率和虚警概率。(本文来源于《电子测量与仪器学报》期刊2018年11期）
南余荣,王福良[6]（2018）在《基于GPU的局部指纹频谱特性估计的实现》一文中研究指出针对已知指纹图像增强系统中指纹局部频谱特性估计的计算负荷大,基于CPU实现后执行时间较长的问题,提出了一种基于GPU的CUDA并行实现方法来提高运算速度.利用不同CUDA线程块来并行处理不同的局部指纹图像,同时线程块中的多线程对相应局部指纹的频谱特性估计进行并行优化,从而完成整个指纹图像的局部频谱特性估计的优化.通过对FVC2000数据库中大量的指纹图像进行测试,得到相应的执行时间并与其基于CPU实现的执行时间相比较.结果显示:通过该基于GPU的CUDA并行实现方法,局部指纹频谱特性估计的执行时间显着减少,从而可以提高已知指纹图像增强系统的运算速度.(本文来源于《浙江工业大学学报》期刊2018年05期）
方正,曹铁勇,付铁连[7]（2018）在《基于Bottom-hat频谱方法的运动模糊参数估计方法》一文中研究指出运动模糊是由于物体与成像系统间的相对运动而形成的,匀速直线模糊图像的复原需要得到精确的模糊参数。根据理论,匀速直线运动模糊的模糊参数与频谱中的零点有关,其频谱暗线数目与模糊尺度有关,且频谱暗线与角度垂直。在检测频谱暗线时,由于受到图像结构或者噪声影响,难以准确定位频谱暗线;同时,图像长宽比的不同也会影响频谱结构。针对以上问题,文中利用形态学中的Bottom-hat操作对模糊图像频谱进行处理,并对处理后的频谱采用霍夫变换得到模糊角度,再利用模糊角度和中心零点距离得出模糊尺度。实验结果表明,该方法检测模糊尺度的误差小于0.25个像素,角度小于0.6°,且拥有较好的稳定性,可以正确检测不同尺度和内容模糊图像的模糊参数。(本文来源于《计算机科学》期刊2018年08期）
金慧,宋晓勤,张云开,雷磊[8]（2018）在《一种基于稀疏度估计的自适应压缩频谱感知算法》一文中研究指出针对现有的频谱感知存在信号稀疏度估计所需压缩观测值不能满足信号稀疏度变化时实时跟踪的问题,研究一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法,在流信号进行稀疏度未知的压缩时,先采集由先验信息得到的观测值数目。在采集到的观测值数目上自适应调整,得到信号稀疏度估计所需的观测值数目,并精确估计信号的稀疏度。仿真结果表明,SCI-CSS算法对流信号频谱能够保持良好的收敛性和较快的跟踪速度,且能有效地确定使信号稀疏度估计所需压缩观测值数目并随信号稀疏度自适应调整,实现对信号稀疏度变化的实时跟踪。(本文来源于《测控技术》期刊2018年07期）
胡耀华[9]（2018）在《Underlay频谱共享方式下的信噪比估计》一文中研究指出随着车联网、物联网带来海量终端和数据的接入,以及人们对应用软件的体验要求越来越高,庞大的数据信息高速涌入无线通信网络,频谱资源显得格外珍贵。为了解决用户日益激增的频谱需求和有限频谱资源之间的矛盾,越来越多的学者投身于频谱共享技术的研究。Underlay频谱共享技术作为解决频谱资源紧张问题的有效手段之一,受到通信领域广泛的关注。当授权用户受到的干扰在某一阈值之下时,该技术允许授权用户和认知用户同时使用授权频段,从而提高了频谱的利用率。其中,干扰温度作为衡量干扰程度的核心依据,是实现频谱共享最关键的先验信息,而信噪比是计算干扰温度的重要参数。因此,本文主要对Underlay频谱共享方式下,授权频道中多个同频分量信号混合时的信噪比估计算法进行了研究,具体内容如下:1.本文提出了一种基于归一化高阶累积量的信噪比估计方法,该方法通过样本信号计算不同阶数的归一化高阶累积量的值,并证明了信号的归一化高阶累积量与信号功率无关,只与信号的调制类型、滚降系数等参数有关。通过查表法可以得到归一化高阶累积量具体的值,根据高斯白噪声的高阶累积量为零的特性,构建方程组。求解出各个分量信号的功率与接收信号功率之间的比值,进一步求解出分量信号和时频重迭信号的信噪比。本文还推导了分量信号信噪比的克拉美罗界(CRB),并以归一化克拉美罗界(NCRB)与实际估计出来的信号信噪比归一化均方误差(NMSE)进行对比,对本文所提出的信噪比估计方法的估计性能做出评价。通过在不同信源个数、不同调制类型、不同重迭率和不同功率比等条件下对Underlay频谱共享方式下的信噪比估计方法进行Matlab仿真验证和深入分析,发现该方法能在较低信噪比的情况下,对时频重迭接收信号的信噪比进行有效估计,也能对每个分量信号的信噪比进行准确估计,并对分量信号的调制类型组合和频谱重迭率具有稳健性。2.为了降低计算难度,本文还提出了一种基于二阶时变矩的信号信噪比估计算法。该方法推导出成型滤波函数的二阶时变矩,发现其只与滚降系数、时延与码元周期的比值有关,并通过信号样本计算接收信号的不同时延的二阶时变矩,得到分量信号的功率估计值,求出各分量信号信噪比和时频重迭信号的总信噪比。实验仿真结果表明,该方法对信号源个数和功率比具有较好的稳健性,并且在混合高斯噪声环境下也能得到精确的估计结果。通过与其他估计方法的对比可知,基于二阶时变矩的信噪比估计方法在低信噪比时估计性能更加出色,而且计算简单,避免了复杂的多元高阶方程组的求解过程。(本文来源于《西安电子科技大学》期刊2018-06-01）
张子鹏[10]（2018）在《基于Overlap FFT的认知无线电频谱感知和盲信道估计技术》一文中研究指出本文以认知无线电中的频谱感知和盲信道估计技术为研究课题,重点研究了以下两个部分的内容:基于Overlap FFT(Fast Fourier Transform)结构的频域能量检测技术和基于高阶统计量的盲信道估计技术,具体贡献如下。在传统的认知无线电信号频域能量检测的基础上,引入了一种基于Overlap FFT帧的频域能量检测架构。首先基于复正弦信号和加性白高斯噪声环境,从理论上对Overlap FFT架构下的频域能量检测算法的检测概率和虚警概率进行了推导,并给出了检测概率和虚警概率与Overlap FFT帧数量、帧间重迭率、信噪比以及检测门限的关系式。然后,通过Matlab平台搭建了基于Overlap FFT架构的频域能量检测器,并使用复正弦信号进行蒙特卡洛仿真,验证了对该架构检测性能的理论分析的准确性,并以仿真结果为支撑,分析了该架构的检测性能随接收数据长度、信噪比和帧间重迭率等参数变化的规律。此外,通过使用OFDM信号进行不同帧间重迭率下的检测性能仿真,并与常用的基于循环平稳特性的FSM(Frequency Smooth Method)检测算法作对比,验证了基于Overlap FFT架构的频域能量检测算法的实用意义和优越性。在对认知无线电盲信道估计技术的研究中,对比研究了时域上基于高阶统计量的盲信道估计算法,并通过蒙特卡洛仿真,验证了这些算法在认知无线电盲信道估计问题中的有效性。同时,发现信源迭代的逆滤波器误差法在低信噪比的条件下,估计性能不理想;而基于累积量匹配的拟合误差法和基于零空间的方程误差法则需要良好的信道参数初始估计值。针对时域盲信道估计算法的不足,研究了一种基于高阶谱并行因子分解的盲信道估计技术。首先,详细地论述了基于高阶谱张量的MPD/SPD(Multiple/Single Parallel Factor Decomposition)算法原理,并通过蒙特卡洛仿真对比了MPD与SPD算法的估计性能与观测数据长度、信噪比和信道阶数估计值等参数的关系。然后,针对MPD/SPD算法中存在的固有模糊度问题,提出了基于MIMO逆滤波器均衡的EMPD/ESPD(MPD/SPD with Equalizer)算法,并通过仿真实验验证了其补偿MPD/SPD算法固有模糊度的有效性。最后,通过与时域盲信道估计算法进行仿真性能对比,验证了EMPD/ESPD算法的优越性。(本文来源于《电子科技大学》期刊2018-05-15）
频谱估计论文开题报告
（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：
基于时频分析和峰值搜索的瞬时频率估计方法对噪声敏感,结果误差较大。为降低噪声引起的瞬时频率估计误差,提出一种融合核模糊C均值聚类(KFCM)及频谱质心的旋转机械瞬时频率估计算法。依据不同信号分量能量的差异,采用核模糊C聚类的方法,对时频矩阵中的元素点聚类分析,去除时频面上能量噪声点和孤立点,在此基础上利用频谱质心算法,提取瞬时频率,进而估计转速。采用仿真实验对该方法进行验证,误差为0.5%,证明了该算法的有效性。用该方法对旋转机械加速过程中的振动信号进行分析,取得了明显的转速估计效果,误差为1.87%。仿真算例和应用实例表明该方法能实现对旋转机械振动信号的瞬时频率估计。
（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。
频谱估计论文参考文献
[1].鲁华超,赵知劲.基于功率谱与噪声估计的频谱感知算法及实现[J].杭州电子科技大学学报(自然科学版).2019
[2].翟华,茆弘民,左根明,孟勇,丁煦.融合KFCM及频谱质心的瞬时频率估计算法研究[J].电子测量与仪器学报.2019
[3].张少华,秦会斌.基于MFCC的频谱重构实现音高估计和发声分类[J].测控技术.2019
[4].王文恺.基于倒谱与频谱分析的模糊核估计算法[J].电子科技.2019
[5].宁宏新.多集采样和非线性最小二乘估计的频谱感知[J].电子测量与仪器学报.2018
[6].南余荣,王福良.基于GPU的局部指纹频谱特性估计的实现[J].浙江工业大学学报.2018
[7].方正,曹铁勇,付铁连.基于Bottom-hat频谱方法的运动模糊参数估计方法[J].计算机科学.2018
[8].金慧,宋晓勤,张云开,雷磊.一种基于稀疏度估计的自适应压缩频谱感知算法[J].测控技术.2018
[9].胡耀华.Underlay频谱共享方式下的信噪比估计[D].西安电子科技大学.2018
[10].张子鹏.基于OverlapFFT的认知无线电频谱感知和盲信道估计技术[D].电子科技大学.2018
论文知识图
