导读:本文包含了极化张量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:张量,光谱,参数,克尔,方程,分解,图像。
极化张量论文文献综述
邹焕新,李美霖,马倩,孙嘉赤,曹旭[1]（2019）在《一种基于张量积扩散的非监督极化SAR图像地物分类方法》一文中研究指出针对相似度表达的困难性以及极化SAR图像中固有的相干斑噪声问题,该文提出了一种基于张量积(TPG)扩散的非监督极化SAR图像地物分类算法。张量积扩散一般用于光学图像的分割或检索,目前研究表明,其已可用于极化SAR(PolSAR)图像地物分类。基于张量积扩散可以稳健地度量数据点之间的测地线距离,因此能够更好地挖掘数据点之间内在的相似度信息。首先,将极化SAR图像进行分割,生成许多超像素;其次,基于超像素提取7种特征并生成一个特征向量,进而利用高斯核构建相似度矩阵;再次,基于已构建的相似度矩阵,利用张量积扩散沿着数据点的内在流形结构进行相似度的传播,实现全局的相似性度量,从而获得一个具有更强判别能力的相似度矩阵;最后,基于此相似度矩阵进行谱聚类以得到地物分类结果。该文在仿真和实测极化SAR图像上均进行了大量实验,并与4种经典算法进行对比,结果表明该方法可以有效地结合空间邻域相似度信息并取得更高的分类精度。(本文来源于《雷达学报》期刊2019年04期）
张晓文,廖桂生,杨志伟,杨春晓[2]（2019）在《基于变换域张量的机载阵列DOA和极化参数估计》一文中研究指出针对强杂波背景下多目标回波的参数估计问题,现有的基于长矢量的多重信号分类(long vector multiple signal classification,LV-MUSIC)法精度下降,基于张量的MUSIC(tensor MUSIC,T-MUSIC)方法通道数不足,无法计算噪声子空间投影矩阵。因此提出基于变换域张量的MUSIC方法。算法利用张量结构,在时域分离不同多普勒频率的信号,分别估计各多普勒通道的回波参数。相比于LV-MUSIC和T-MUSIC,所提算法避免了多目标背景下自由度不足导致的目标分辨力下降的问题,并且能获得更高精度的参数估计。仿真实验证明,所提算法有更高的目标分辨能力,在低信噪比条件下仍保持良好的性能。(本文来源于《系统工程与电子技术》期刊2019年05期）
汪源,张贞,郭源[3]（2019）在《相干反斯托克斯拉曼及相干反斯托克斯超拉曼光谱微观极化率张量元的简化方案-C_(∞v)对称性》一文中研究指出相干反斯托克斯拉曼光谱(CARS)和四阶相干反斯托克斯超拉曼光谱(CAHRS)广泛应用于分子界面和生物膜表面的研究。然而,高阶非线性光学过程中分子微观极化率张量元数量众多,关系复杂,使研究者对CARS和CAHRS很难进行定量分析。采取以下方案对属于C_(∞v)对称性的分子基团的CARS和CAHRS的微观极化率张量元进行简化。首先将CARS微观极化率张量元β_(i′j′k′l′)表示成拉曼微观极化率张量元微分α′_(i′j′)的乘积,CAHRS微观极化率张量元β_(i′j′k′l′m′)表示成超拉曼微观极化率张量元微分β′_(i′j′k′)和拉曼微观极化率张量元微分α′_(i′j′)的乘积,再利用α′_(i′j′)之间的比值及β′_(i′j′k′)之间的比值得到β_(i′j′k′l′)和β_(i′j′k′l′m′)之间的比值。使用这些CARS和CAHRS微观极化率张量元之间的关系,能够得到CARS和CAHRS光谱的广义取向泛函及其广义取向参数,进而对界面分子取向信息进行定量分析。(本文来源于《光谱学与光谱分析》期刊2019年02期）
陈治州[4]（2017）在《基于张量信号处理的极化SAR分类算法研究》一文中研究指出由于张量能够很好地表征高维数据,能够有效保留多维数据之间的结构信息,所以张量分析技术在多维遥感图像分类算法研究中具有重要意义。极化合成孔径雷达(Synthetic Aperture Radar,SAR)是一种具有代表性的多维遥感成像技术。为此,本文研究了基于张量分析的极化SAR边缘检测和分类方法。主要完成以下几个工作:提出了基于加权结构张量的极化SAR边缘检测方法:传统的极化SAR边缘检测方法通常沿袭于SAR边缘检测,在检测效果上并不理想。本文首先研究了基于平均加权结构张量进行极化SAR边缘检测的方法。该方法通过平均加权的方法融合各图像通道的结构张量,其本质是认为每个通道提供等量的边缘信息量。进而,本文提出一种基于特征值度量的加权结构张量的极化SAR边缘检测方法。该方法利用特征值的方式充分度量了每个图像通道的边缘信息量,以此融合得到最终的多通道结构张量。实际数据处理结果表明:相比于传统的极化SAR边缘检测方法,本文提出的基于加权结构张量的极化SAR边缘检测方法可以获得更好的边缘检测结果。提出了极化SAR样本点的高阶表示形式并将秩一支持张量机应用于极化SAR图像分类:极化SAR图像分类的特征量通常由目标极化分解得到。同一分解机制往往能够得到若干特征量,因此所有分解方法得到的特征量集合存在结构关系。传统的极化SAR分类方法将这些特征量排列成向量的形式,这必然破坏了特征量之间的结构关系,导致分类性能较差。为了避免这一问题,本文研究了极化SAR数据的高阶表示形式。基于以上分析,本文还将秩一支持张量机应用于极化SAR图像分类,实验结果表明,本文提出的极化SAR高阶表示形式的确能够利用结构信息,取得更好的分类结果。(本文来源于《电子科技大学》期刊2017-05-15）
李鹏程[5]（2015）在《基于张量分解的极化SAR图像分类》一文中研究指出极化合成孔径雷达(PolSAR,Polarimetric Synthetic Aperture Radar)利用不同极化方式交替发射和接收雷达信号,从而使得雷达系统能够获得丰富的地物目标散射特性信息。与传统的SAR系统相比,极化SAR能够根据不同目标的电磁波极化散射特性,得到反映地物目标固有特性的极化复散射矩阵(全极化模式对应全极化复散射矩阵,双极化模式对应极化复散射向量),从而分析、提取和反演目标特征。因此,极化SAR的研究在遥感应用中有重要意义,在军事、民用中都有很广阔的应用前景。本文以极化SAR的应用为主要发展脉络,充分发掘极化SAR中含有的信息并将其应用于目标的分类、检测等研究中。在传统的图像处理方法中,需要将原始数据转换成向量的形式加以处理,但是这样做破环原始数据中临近位置数据间的相互关系,导致原始数据空间结构信息的丢失,为解决这个问题,结合极化SAR数据本身的高维的特点,将张量模型引入到极化SAR图像的分类领域中,利用张量在处理高维数据上的优势来提高算法性能,具体的研究工作主要包括以下几个方面:(1)提出一种基于张量分解的极化SAR图像分类方法。首先对张量的定义以及相关运算做了详细的说明,并建立了极化SAR数据的张量模型。相比现有方法将原始数据转换成向量形式,本章方法将原始数据用张量形式加以表示,保留了原始数据叁个通道之间的空间结构信息,充分利用了极化SAR图像叁个通道的数据,在提高抗噪声性能的同时,降低了对训练样本数目的要求,提高了分类的准确度。(2)提出一种基于非负张量分解的极化SAR图像分类方法。对非负张量分解加以研究,非负张量分解将张量数据分解为非负的基张量和对应的非负权重,这些非负的基张量具有更好的稀疏性,而且非负张量分解具有分解的唯一性,针对极化SAR原始数据的结构特征,构建张量数据模型,利用非负张量分解算法提取特征,对图像进行初始分类,然后利用复Wishart重新迭代划分,进一步提高了分类精度。(本文来源于《西安电子科技大学》期刊2015-11-01）
孙盛,刘仁峰,温雯,刘竹松[6]（2015）在《张量扩散滤波在极化SAR图像降噪中的应用》一文中研究指出为完成对全极化SAR图像相干斑噪声的有效抑制,引入了张量扩散模型。分析并引入了规范化的张量扩散模型,并对扩散张量的设计进行了分析。结合全极化SAR图像数据的格式,对扩散方程进行了改造,提出了适用于协方差矩阵数据格式的滤波方程,并给出了算法的实施步骤。对AIRSAR数据集中的样本图像Flevoland进行了定性的、定量的实验,实验结果表明,新的算法能够有效的提高等效视数并保持图像的空间分辨率和SAR数据的极化属性。(本文来源于《科学技术与工程》期刊2015年18期）
王程远[7]（2015）在《基于约束张量分解的阵列波达方向和极化联合估计》一文中研究指出信号的波达方向和极化参数估计是阵列信号处理领域的重要应用之一,广泛应用于通信、雷达、声纳等许多领域。电磁矢量传感器阵列相对于传统标量传感器,可以感知空-时-极化叁维全部信息,在信息的利用性上具有优势,因此会取得更好的DOA和极化联合估计的精度,具有广阔的应用前景。因为电磁矢量传感器阵列的输出信号具有空-时-极化叁维结构,传统的基于矩阵分解的方法需要将原始信号转换成矩阵再进行处理,破坏了原有的叁维结构,所以基于张量代数的高维处理工具受到越来越多的关注。由于在实际中阵列的摆放方式和信号的特性使得模型具有先验信息,例如均匀线阵(范德蒙结构)、恒模信号(恒模约束)、信号间不相关(正交约束)、信号统计独立(ICA),从而可以利用约束张量分解方法对其进行张量分解,计算出与信号DOA和极化参数相关的空域和极化域导向矢量矩阵,进而估计出信号的DOA和极化参数。利用约束张量分解算法,不仅利用到信号本来具有的叁维结构,同时可以利用到信号和阵列的先验信息。本文主要研究了基于约束张量分解的电磁矢量传感器阵列的波达方向和极化参数联合估计,取得的主要成果包括：● 研究了基于波形约束的电磁矢量传感器阵列的波达方向和极化参数估计,提出了一种结合信号统计特性的五阶对称张量分解算法：首先通过计算入射信号的四阶累积量构造出五阶对称张量,之后利用算法分解出极化域导向矢量矩阵,最后从极化域导向矢量中估计出信号的波达方向和极化参数；提出了一种基于恒模和正交约束的叁阶张量分解算法：利用算法分解出极化域导向矢量矩阵,从极化域导向矢量中估计出信号的波达方向和极化参数。仿真实验表明,基于波形约束的张量分解算法能够提高波达方向和极化参数估计精度。● 研究了基于波形和阵型同时约束的电磁矢量传感器阵列的波达方向和极化参数估计,提出了叁种算法,分别是：基于范德蒙和恒模约束、基于范德蒙和正交约束、基于范德蒙恒模和正交约束的张量分解算法,这叁种算法全部是从极化域导向矢量中估计出信号的波达方向和极化参数。仿真实验表明,基于正交和范德蒙结构的张量分解算法可以取得最好的估计精度,说明同时结合阵型和波形的约束有利于信号DOA和极化参数估计。但是结合叁种约束的算法并不能取得很好的效果,说明单纯的增加约束的数量并不一定会使估计的精度提高。(本文来源于《大连理工大学》期刊2015-05-20）
郝召锋,阚颖慧,张春平,田建国[8]（2011）在《中心对称半导体表面的面极化率张量及体极化率张量分析》一文中研究指出对m3m和432晶系中心对称晶体表面处面极化张量及体极化张量行了系统地分析,并且讨论了将临近表面的跃迁层对反射的二次谐波的贡献分离出来的可能性,表面对非线性光信号的这种贡献来源于表面处对称性的破缺.首次对纵模激光场在非线性介质表面导致的极化率张量的分量情况进行了分析.(本文来源于《南开大学学报(自然科学版)》期刊2011年03期）
王英华,韩崇昭[9]（2010）在《基于张量空间中的均值漂移聚类的极化SAR图像分割(英文)》一文中研究指出We present an unsupervised segmentation algorithm for fully polarimetric synthetic aperture radar(PolSAR) data by using the mean shift clustering.The previous work using the span values of the PolSAR data as the features in the mean shift clustering,however,does not sufficiently exploit the full information contained in the polarimetric covariance matrix.When considering the polarimetric covariance matrices as the feature vectors,the traditional mean shift clustering in the Euclidean space is not applicable anymore,since these matrices do not form a Euclidean space.We first show that by regarding each Hermitian positive definite polarimetric covariance matrix at per pixel as a tensor,the tensor space can be represented as a Riemannian manifold.Then,the mean shift clustering is extended to the Riemannian manifold to explain the theoretical meanings of the tensor clustering and a practical segmentation algorithm based on the metric lying on the manifold is proposed.Experimental results using the real fully PolSAR data and simulated data verify the effiectiveness of the proposed method.(本文来源于《自动化学报》期刊2010年06期）
赵建勋[10]（2010）在《金刚石单晶叁阶非线性光学极化率张量的测量》一文中研究指出本论文介绍了基于克尔效应理论利用横向电光调制系统测量金刚石单晶的叁阶非线性光学极化率的研究过程与研究结果。首先对克尔效应的理论进行了详细的阐述,并介绍了金刚石材料的相关常识,然后结合现有金刚石样品的特点设计了具体的实验方案,叙述了实验过程,最后对实验结果进行了分析。由于金刚石晶体具有非常高的硬度,不易切割,本文克服了这一困难,根据金刚石晶体的实际外形立方八面体,设计出了一个既考虑了金刚石外形又考虑可为金刚石提供高电压的电极装置,对经典的横向电光调制系统的结构做出一些调整。实验中采用波长为650nm的连续波半导体激光器作为光源,在金刚石单晶的[111]方向上外加电场,光沿着[111]方向通过样品,进行了横向电光调制实验,实验中测得的克尔效应产生的电光信号大小与样品上电压的平方成正比,根据实验方案,计算出金刚石单晶的叁阶非线性光学极化率张量中的一个非零元素? x(y3x)y,大小约为2.17 ? 10 -22 m 2 / V2。接下来在金刚石单晶的[100]方向上外加电场,光沿着[001]方向通过样品,再次进行了横向电光调制实验,实验中测得了金刚石单晶另外两个非零的叁阶非线性光学极化率张量元的差值,即: ? x(3xx) x ? ? x(3xy) y ? 3.18 ? 10 ?22 m 2 / V2。结合M. D. Levenson和N. Bloembergen的实验结果,我们计算得到了? x(x3x)x ? 5.32 ? 10?22 m 2 V2和? x(x3y)y ? 2.03 ? 10?22 m 2 V2,得到了金刚石单晶在650nm处的克尔系数的全部独立元素。最后,本文分析了如果外加电场沿着[110]方向的情况。基于金刚石的克尔效应采用横向电光调制系统测量金刚石单晶的叁阶非线性光学极化率的过程也可以用作基于金刚石光学电压传感器的研制,本文分析了基于金刚石的克尔效应的光学电压传感器的一些优点,如可以测量高电压,适用的探测光的波长选择范围大等。本文的实验研究为研制基于金刚石的克尔效应的光学电压传感器提供了理论依据和实验基础。(本文来源于《吉林大学》期刊2010-05-01）
极化张量论文开题报告
（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：
针对强杂波背景下多目标回波的参数估计问题,现有的基于长矢量的多重信号分类(long vector multiple signal classification,LV-MUSIC)法精度下降,基于张量的MUSIC(tensor MUSIC,T-MUSIC)方法通道数不足,无法计算噪声子空间投影矩阵。因此提出基于变换域张量的MUSIC方法。算法利用张量结构,在时域分离不同多普勒频率的信号,分别估计各多普勒通道的回波参数。相比于LV-MUSIC和T-MUSIC,所提算法避免了多目标背景下自由度不足导致的目标分辨力下降的问题,并且能获得更高精度的参数估计。仿真实验证明,所提算法有更高的目标分辨能力,在低信噪比条件下仍保持良好的性能。
（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。
极化张量论文参考文献
[1].邹焕新,李美霖,马倩,孙嘉赤,曹旭.一种基于张量积扩散的非监督极化SAR图像地物分类方法[J].雷达学报.2019
[2].张晓文,廖桂生,杨志伟,杨春晓.基于变换域张量的机载阵列DOA和极化参数估计[J].系统工程与电子技术.2019
[3].汪源,张贞,郭源.相干反斯托克斯拉曼及相干反斯托克斯超拉曼光谱微观极化率张量元的简化方案-C_(∞v)对称性[J].光谱学与光谱分析.2019
[4].陈治州.基于张量信号处理的极化SAR分类算法研究[D].电子科技大学.2017
[5].李鹏程.基于张量分解的极化SAR图像分类[D].西安电子科技大学.2015
[6].孙盛,刘仁峰,温雯,刘竹松.张量扩散滤波在极化SAR图像降噪中的应用[J].科学技术与工程.2015
[7].王程远.基于约束张量分解的阵列波达方向和极化联合估计[D].大连理工大学.2015
[8].郝召锋,阚颖慧,张春平,田建国.中心对称半导体表面的面极化率张量及体极化率张量分析[J].南开大学学报(自然科学版).2011
[9].王英华,韩崇昭.基于张量空间中的均值漂移聚类的极化SAR图像分割(英文)[J].自动化学报.2010
[10].赵建勋.金刚石单晶叁阶非线性光学极化率张量的测量[D].吉林大学.2010
论文知识图
