导读:本文包含了采样密度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:密度,变异性,噪声,尺度,积分器,摄动,射电。
采样密度论文文献综述
彭敏,李括,刘飞,唐世琪,马宏宏[1]（2019）在《东北平原区地块尺度土地质量地球化学评价合理采样密度研究》一文中研究指出选择吉林省公主岭市大岭地区作为东北平原区典型代表区域开展土壤元素空间变异性、经典统计学合理取样数及不同采用密度数据空间插值对比研究。结果表明:(1)受地形平坦及成土母质相对单一等因素影响,研究区土壤元素空间变异性总体较小,大部分以轻中度变异为主(变异系数<15%),受人为因素影响较大的Cd、Hg变异系数分别为35.3%、136.6%,属于高度变异。(2)经典统计学确定的研究区合理采样数为80,该样本量可在95%的置信区间及允许误差为30%的条件下反应区内土壤元素含量的均值与方差,但因未考虑样本的空间属性,不足以反应区内土壤元素空间变异特征,具有一定的局限性。(3)通过对均匀抽稀后4种不同采样密度数据与实测数据空间插值对比研究,在定量评估空间插值相对误差、地块预测值相对误差及预测等级与实测等级一致性的基础上,结合土地质量地球化学调查工作精度要求,提出研究区地块尺度地球化学评价工作合理采样密度为8个点/km2,该密度可在确保评价精度的前提下,大幅减少采样数量和工作成本。上述结论为东北平原及类似地区大面积开展地块尺度土地质量地球化学评价工作提供了关键的技术支撑,对进一步完善土地质量地球化学评价方法技术具有重要意义。(本文来源于《物探与化探》期刊2019年02期）
赵川,余隋怀,王磊,李文华[2]（2019）在《不同采样密度下体压分布特征》一文中研究指出对压力座垫原始数据(采样密度为32×32)进行空域滤波处理剔除噪声,增强独立传感器之间数据分布的连续性.将体压分布采样密度降至24×24、16×16、8×8,提取不同采样密度下的平均压力、峰值压力、平均压力梯度和峰值压力梯度进行分析.单因素方差分析结果表明,32×32采样密度与24×24、16×16采样密度下的特征均值之间的差异较小(1.1、2.6 mmHg),与8×8采样密度下的特征均值之间的差异较大(9.0 mmHg).斯皮尔曼相关性分析结果表明,32×32与24×24、16×16、8×8采样密度下的平均压力、峰值压力、平均压力梯度和峰值压力梯度具有较高的相关性(P<0.05).其中相关性最高的为与24×24采样密度下的峰值压力(0.99,P<0.05),相关性最低的为与8×8采样密度下的平均压力梯度(0.55,P<0.05).试验结果表明采样密度为24×24和16×16的压力座垫可以提供精确的体压分布特征.(本文来源于《浙江大学学报(工学版)》期刊2019年02期）
张瑜[3]（2018）在《基于亚奈奎斯特采样的射电天文信号功率谱密度估计》一文中研究指出对射电信号的高分辨率频谱或功率谱密度(Power Spectral Density,PSD)观测,有助于了解射电源的精细结构,为天体活动及其剧烈程度的预报、预警提供可靠依据。自相关频谱仪是射电天文观测中的重要设备,利用过采样来提高系统抗噪性能,在模数转换器采样频率有限的情况下,观测带宽受到频率分辨率的制约;压缩感知技术能有效降低信号的采样速率,但要求信号具有稀疏性。为了解除信号稀疏性限制,并在保证分辨率的同时提高射电观测频段,本文对信号的亚奈奎斯特采样和功率谱密度估计方法进行了深入研究,主要研究内容如下:第一,针对传统功率谱密度估计采样速率过高的问题,介绍了压缩感知理论的叁种亚奈奎斯特采样框架:多陪集采样(Multi-coset Sampling,MC)、调制宽带转换器(Modulated Wideband Converter,MWC)、随机调制预积分器(Random Modulation Pre-integrator,RMPI)。其中MC通道间精准时延硬件难以控制,而MWC和RMPI已有学者用硬件实现。第二,针对压缩感知对信号稀疏性的限制,研究了基于多陪集采样的功率谱密度估计,该方法模拟前端采用多陪集采样系统进行压缩采样,后端利用各采样通道输出之间的互相关直接分段估计信号功率谱密度。仿真结果证明,压缩估计比非压缩估计在更大程度上降低系统采样率,适用于稀疏或非稀疏信号功率谱密度估计。第叁,针对多陪集采样的精准时延难以硬件实现的局限,研究了基于随机调制预积分器的功率谱密度估计,其模拟前端采用随机调制预积分器进行压缩采样,对各路采样序列做离散傅里叶变换,进而建立互功率谱密度方程实现信号功率谱密度估计。仿真结果表明,该方法能有效降低系统采样率,适用于稀疏或非稀疏信号功率谱密度估计。第四,利用云南天文台实测55-65MHz频段的太阳射电信号对本文的两种功率谱密度估计算法进行验证,实验结果表明:两种方法均能在降低采样率的同时准确估计出信号频段范围;当选取相同的功率谱密度分辨率和采样通道数量时,基于多陪集采样的非压缩功率谱密度估计在估计速度、性能方面均优于基于随机调制预积分器的功率谱密度估计,但随机调制预积分器易硬件实现使其更有实际应用价值。(本文来源于《云南大学》期刊2018-05-01）
邹光达[4]（2018）在《基于特征的地形简化中的采样密度研究》一文中研究指出作为地球科学中的基本问题,数据表达与数据处理中产生的尺度效应被公认为这一研究领域需要关注的基本方向之一。地形基本参数与地表特征要素均不可避免的受到尺度问题的影响。这具体表现为粗尺度地形与同区域的精细尺度地形在形态参数与地表特征上存在关联性与差异性,想要分析与研究这一关联性与差异性,首先需要为精细尺度的地形建立多尺度模型,这一建模过程被称为地形简化。地形简化中常采用基于特征的方式进行简化。这种方法首先采用特定的算法从原始DEM中提取地形特征,对得到的地形特征构建不规则叁角网,然后对TIN插值生成目标尺度下的规则格网DEM。由于TIN结构的特殊性,其所包含的尺度信息无法被量化表达。因此,在TIN转换为规则格网DEM的过程中需要考虑如何确定目标分辨率的问题。这一问题可以进一步转化为,从原始地形提取的一定数量的地形特征究竟可以表达多大尺度下的地形。基于上述问题,本文对基于特征的地形简化方法中涉及的采样密度问题进行研究。选取了一系列形态各异的地形进行实验,利用地形平均坡度作为描述地形复杂度的指标,采用最大Z容差法和骨架线约束法对原始DEM进行简化,生成了不同粗尺度下的简化地形。以简化地形的精度为评价准则,分析了地形形态、简化方法、目标尺度对采样密度的影响。以精度等价的方式将基于特征的简化方法与均匀采样方法进行对比分析。采用精度等价法和极限精度的1.1倍来确定不同地形不同简化方法不同目标尺度下简化地形的采样密度。实验结果表明:(1)不同地形不同目标尺度下,随着采样密度的逐渐增大,简化地形的高程精度从一开始的迅速提高转变为逐渐趋于平稳状态并无限接近简化地形的极限精度;简化地形高程精度的提高受到目标分辨率的限制,不同目标尺度下简化地形所能达到的极限精度各不相同,目标尺度越粗糙,简化地形所能达到的极限精度越低;(2)简化地形的极限精度随着地形平均坡度的升高呈线性降低的趋势;(3)地形平均坡度对采样率的影响较小,简化到某一目标尺度的采样率均在一定范围内波动。当地形平均坡度较小时,采样密度较其它地形有较大差异。本文得到了地形平均坡度大于2°,利用最大Z容差法和骨架线约束法进行地形简化时,接近简化地形极限精度下的目标尺度与采样密度的关系式。利用Z容差法进行简化得到的目标尺度和采样密度的关系式为:y_z=2594.4x_z~(-1.298)(R~2=0.9873),骨架线约束法得到的关系式为:y_g=23214x_g~(-1.623)(R~2=0.9999)。其中,x为简化DEM的分辨率(单位为m),y为采样率(采样点数/原始DEM总格网数′100)。(本文来源于《西南交通大学》期刊2018-05-01）
阮晨[5]（2017）在《采样密度对土壤养分空间变异性研究》一文中研究指出土壤养分具有普遍的空间变异性,对于区域内土壤养分的空间变异性和土壤养分空间插值的研究为该区域农业养分管理和精准施肥提供重要依据。因此,本研究以寿县平原与岗地两个研究区为例,选取了全氮、有效磷、速效钾、有机质四种土壤养分指标,结合着传统统计学方法和地统计学方法,分析了这四种土壤养分的不同采样密度的空间变异特性,利用计算所得最佳半变异模型参数进行土壤养分的空间插值,通过独立数据集检验法完成了对空间插值预测精度的检验。根据所得结果可以了解研究区四种养分在区域内的合理的采样方法和采样密度,找到土壤养分合理空间插值方法,可以为寿县测土配方施肥技术提供理论依据,从总体上提高该区域的农业生产效率。主要研究结果如下:(1)研究区四种土壤养分均存在空间变异性,从变异系数角度看,全氮、有效磷、速效钾和有机质四种土壤养分均存在中等变异水平。(2)由各土壤养分空间插值的独立数据集验证和配对样本t检验得知,不同地形条件下的的土壤养分空间插值预测精度情况存在差异,同一区域的不同采样方法空间插值预测精度和结果也存在较大差异。随着采样密度的减小,土壤空间插值预测精度也随之降低,采样密度与空间插值预测精度呈正相关关系。(3)四种土壤养分用普通克里格插值进行预测,寿西湖农场平原研究区,单点采样空间插值预测精度高,合理采样密度为0.75个/hm~2;用混合采样方法合理采样密度为0.27个/hm~2,才可进行空间插值预测。安丰镇研究区岗地地区,用单点采样空间插值预测精度高,合理采样密度为1.35个/hm~2;用混合采样方法合理采样密度为0.23个/hm~2。(4)区域内的四种养分进行传统统计分析显示:研究区域土壤全氮、土壤有效磷、土壤速效钾、土壤有机质全部样点的平均值对照土壤养分的含量分级标准来看,研究区的土壤养分全氮、有效磷均处于中等等级,速效钾为一级二级,钾含量较高,较为丰富。而安丰镇研究区的有机质处于四级水平,有机质较为缺乏,土壤营养元素的变化跟该区的施肥情况是一致的。(本文来源于《安徽农业大学》期刊2017-06-01）
徐从安,何友,夏沭涛,程俊图,董云龙[6]（2016）在《基于随机摄动再采样的粒子概率假设密度滤波器》一文中研究指出作为概率假设密度滤波的典型实现方式,粒子概率假设密度滤波器无需线性高斯等先验假设,因而在多目标跟踪中得到了广泛的应用。为解决粒子退化问题并保持粒子规模,该滤波器引入了重采样机制,然而,该重采样机制易引起粒子多样性耗尽,导致粒子贫化问题产生。为解决这一问题,该文提出一种新的基于随机摄动再采样的粒子概率假设密度滤波器。首先,全面分析了粒子概率假设密度滤波因粒子贫化问题导致目标失跟的过程。然后设计了一种随机摄动再采样算法,该算法在重采样导致粒子多样性缺失时,根据源粒子的位置与复制次数随机产生相应数目的新粒子,并对源粒子进行删减,其可在保留源粒子信息的前提下保持粒子的多样性。最后,该文将该算法纳入概率假设密度滤波框架,提出了一种新的粒子概率假设密度滤波器。仿真结果表明该滤波器在不显着增加运行时间的前提下能够克服粒子贫化问题,相比标准的粒子概率假设密度滤波器具有更好的跟踪性能。(本文来源于《电子与信息学报》期刊2016年11期）
刘学文,肖嵩,权磊[7]（2016）在《噪声密度不敏感的随机采样椒盐噪声滤波算法》一文中研究指出中值滤波系列算法在处理被不同密度椒盐噪声污染的细节图像和平坦图像时,降噪性能不一致。本文借鉴开关中值滤波和压缩感知的思想,提出了随机采样滤波算法去除椒盐噪声。算法以噪声检测为基础,将被椒盐噪声污染的图像分为疑似噪声像素和信号像素,随机采样仅对信号像素采样。然后,利用正交匹配追踪算法重构出被污染前的图像,替代了中值滤波对噪声像素的估计。由于随机采样滤波基于压缩感知理论,对稀疏信号的重构具有最少测量次数的条件,因此随机采样点的数量具有一定的浮动空间,表现为对噪声密度不敏感。以被不同噪声密度污染图像的纹理、平坦局部区域进行验证,实验表明,当噪声密度在一定范围内变化时,算法可以实现对噪声密度不敏感。在高密度噪声污染的情况下,相较于中值滤波系列算法,随机采样滤波算法具有更好的细节保留能力和滤波能力。对标准测试图像进行了全局滤波,不同噪声密度具有一致的滤波效果,与自适应滤波算法相比,随机采样滤波算法在处理包含密集边缘特征的区域时更具备优势。(本文来源于《信号处理》期刊2016年06期）
刘振,杨俊安,刘辉,王伟[8]（2016）在《模糊近邻密度聚类与重采样的迁移学习算法》一文中研究指出传统机器学习要求训练样本和测试样本具有相同分布的假设在实际应用中难以满足,为解决这种问题,迁移学习的研究近年来逐渐兴起。其中,基于聚类分析与重采样的迁移学习框架不需要直接估计域分布,且能够修正不同类型的域间差异,但其所采用的聚类算法对参数选择的鲁棒性及不同分布数据的适应性较差,并不能很好地适用于挖掘数据结构信息。为此,该文提出一种基于模糊近邻密度聚类与重采样的迁移学习算法。该方法对不同分布形状和密度的数据具有较好的鲁棒性并能够发现更多的近邻结构信息,能够从源域中迁移更多的有用知识用于目标域的学习。在公共数据集上的实验结果表明所提出的迁移学习方法具有更好的性能。(本文来源于《信号处理》期刊2016年06期）
贺金平,阮宁娟,刘兆军,刘雨晨,庄绪霞[9]（2016）在《信息密度评价采样成像系统的合理性分析》一文中研究指出针对信息密度评价采样成像系统性能理论依据不足的问题,文章提出通过对不同成像系统的信息密度和所成图像的质量评价参量进行一致性分析,来研究信息密度评价采样成像系统性能的合理性。信息密度是融合了系统调制传递函数、信噪比和混迭的综合成像质量表征参量,文章对成像系统的信息密度计算式进行了推导,在此基础上介绍了计算信息密度所需各分量的数学模型,进而对仿真流程进行了描述。仿真实验结果表明,成像系统信息密度值随着成像系统设计参量数值的变大而不断增加,计算得到的图像质量评价参量也呈现了相同的规律,信息密度与图像质量评价参量之间保持了较好的单调一致性。调整成像系统参数进行物理验证实验,实验结果进一步证明了利用信息密度评价采样成像系统性能的合理性。(本文来源于《航天返回与遥感》期刊2016年03期）
范曼曼,吴鹏豹,张欢,魏晓,陈富荣[10]（2016）在《采样密度对土壤有机质空间变异解析的影响》一文中研究指出确定合理的采样密度以便更有效地揭示土壤属性的空间变异,是提高土壤质量评价工作准确性的前提。本文以合肥市北部地区为例,从5 207个土壤采样点(采样密度为1个/km2)中重复20次随机抽取不同采样密度的六个样本子集(对应采样密度分别是0.8个/km2、0.56个/km2、0.39个/km2、0.28个/km2、0.19个/km2、0.13个/km2),采用地理信息系统(GIS)技术和地统计学方法,研究采样密度对土壤有机质(SOM)空间变异解析的影响。结果表明:上述不同采样密度下,有机质含量的均值差异不显着,各样本对总体均具有较强的代表性。土壤有机质表现出中等的空间相关性,采样密度为0.28个/km2时探测到的SOM含量变异结构中结构性组分比例最高。采样密度小于0.28个/km2时,则局部细节信息被过滤,不能准确充分地表现其空间变异特征。在研究区的这种自然地理条件和土地利用方式下,若评价目的主要针对土壤肥力质量,揭示土壤有机质空间变异的最佳采样密度应为0.28个/km2。若是针对区域土壤碳汇潜力,则大约22 km2布置一个采样点即可获得预期的效果。(本文来源于《农业现代化研究》期刊2016年03期）
采样密度论文开题报告
（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：
对压力座垫原始数据(采样密度为32×32)进行空域滤波处理剔除噪声,增强独立传感器之间数据分布的连续性.将体压分布采样密度降至24×24、16×16、8×8,提取不同采样密度下的平均压力、峰值压力、平均压力梯度和峰值压力梯度进行分析.单因素方差分析结果表明,32×32采样密度与24×24、16×16采样密度下的特征均值之间的差异较小(1.1、2.6 mmHg),与8×8采样密度下的特征均值之间的差异较大(9.0 mmHg).斯皮尔曼相关性分析结果表明,32×32与24×24、16×16、8×8采样密度下的平均压力、峰值压力、平均压力梯度和峰值压力梯度具有较高的相关性(P<0.05).其中相关性最高的为与24×24采样密度下的峰值压力(0.99,P<0.05),相关性最低的为与8×8采样密度下的平均压力梯度(0.55,P<0.05).试验结果表明采样密度为24×24和16×16的压力座垫可以提供精确的体压分布特征.
（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。
采样密度论文参考文献
[1].彭敏,李括,刘飞,唐世琪,马宏宏.东北平原区地块尺度土地质量地球化学评价合理采样密度研究[J].物探与化探.2019
[2].赵川,余隋怀,王磊,李文华.不同采样密度下体压分布特征[J].浙江大学学报(工学版).2019
[3].张瑜.基于亚奈奎斯特采样的射电天文信号功率谱密度估计[D].云南大学.2018
[4].邹光达.基于特征的地形简化中的采样密度研究[D].西南交通大学.2018
[5].阮晨.采样密度对土壤养分空间变异性研究[D].安徽农业大学.2017
[6].徐从安,何友,夏沭涛,程俊图,董云龙.基于随机摄动再采样的粒子概率假设密度滤波器[J].电子与信息学报.2016
[7].刘学文,肖嵩,权磊.噪声密度不敏感的随机采样椒盐噪声滤波算法[J].信号处理.2016
[8].刘振,杨俊安,刘辉,王伟.模糊近邻密度聚类与重采样的迁移学习算法[J].信号处理.2016
[9].贺金平,阮宁娟,刘兆军,刘雨晨,庄绪霞.信息密度评价采样成像系统的合理性分析[J].航天返回与遥感.2016
[10].范曼曼,吴鹏豹,张欢,魏晓,陈富荣.采样密度对土壤有机质空间变异解析的影响[J].农业现代化研究.2016
论文知识图
