导读:本文包含了统计信号处理论文开题报告文献综述及选题提纲参考文献，主要关键词:接收器,ICA,混合信号,镜像干扰抑制
统计信号处理论文文献综述
王煜坤[1]（2018）在《一种在二进制相移调制接收器中的基于统计信号处理的数字干扰技术的研究》一文中研究指出本文介绍了一种基于Fast-ICA算法的盲分离法的基本原理和对镜像干扰抑制的应用,通过仿真说明了该算法可以在中频无线接收机中有效地分离期望信号和镜像信号,且具有较快的收敛速度并得出热噪声会降低该算法抑制能力的结论。(本文来源于《数码世界》期刊2018年09期）
蒋忠进,孟桥,钱进,张在琛[2]（2018）在《“统计信号处理”的案例研讨式本科教学研究》一文中研究指出本文基于案例研讨式教学理念,对"统计信号处理"课程的本科教学进行了研究。案例研讨式教学涉及到案例设计、课堂案例研讨、Matlab编程实践和教学效果评估等重要方面,该教学模式将"统计信号处理"这门抽象、宽泛而又艰深的课程以实用、形象而又有趣的面貌展现在本科生面前,明显提高了本科生对统计信号处理知识的理解和兴趣,以及利用统计信号处理方面的知识去解决实际问题的能力。(本文来源于《电气电子教学学报》期刊2018年04期）
代大海,王玺,张文明,罗鹏飞,谢晓霞[3]（2018）在《小班研讨教学法在《统计信号处理》课程中的应用与实践》一文中研究指出小班教学法是国内外一流大学普遍的做法,研讨式教学法是近年来在研究生教学改革中主要推荐的方法之一,结合二者的小班研讨教学法可以很好的兼顾二者的优点。本文笔者结合多年来从事《统计信号处理》小班研讨教学法的实践,从翻转课堂、课前学习、课堂研讨、课程考核等方面对小班研讨式教学法的应用进行了介绍。实践结果表明:小班研讨教学法在提高学生对核心课程的学习掌握以及科研创新能力培养等方面收到了不错的效果。(本文来源于《教育教学论坛》期刊2018年18期）
罗忠涛,张刚[4]（2017）在《《统计信号处理基础》课程教学模式探索》一文中研究指出《统计信号处理基础》是电子信息类专业高年级本科课程,内容包括统计信号处理中关于信号检测与估计的基础知识及其典型应用。笔者分析了该课程教学存在的问题与原因,提出从新工程教育、项目实例、学生知识体系叁个方面展开模式改革。通过课程教学模式的探索与创新,加强本科生的理论学术训练并激发其科学研究兴趣,培养学生运用理论算法解决实际问题的工程实践能力。(本文来源于《信息与电脑(理论版)》期刊2017年12期）
王友国,翟其清,刘健[5]（2016）在《统计信号处理中的随机共振研究进展》一文中研究指出非线性系统中,噪声改善系统性能的现象称作随机共振。文中简单回顾了随机共振研究中取得的主要成果,着重分析了随机共振在统计信号处理领域的研究进展,展示了在不同的信号处理要求或准则下噪声改善检测或估计性能的功效。最后提出研究中的问题,并对随机共振的发展作了展望。(本文来源于《南京邮电大学学报(自然科学版)》期刊2016年05期）
郭力萌[6]（2015）在《基于统计信号处理的时间序列预测模型选择方法研究》一文中研究指出近年来,时间序列预测在许多领域得到了广泛应用。一般地,每一种时间序列预测方法都无法解决任意时间序列的预测问题,仅能够对具备某些特性的时间序列进行合理预测。因此,为时间序列选择合理的预测模型成为获得可靠预测信息的关键。本文主要针对时间序列预测模型选择机制展开研究。首先,构建时间序列特征描述体系,对幅值连续性、长记忆性、季节性和趋势性四个特性展开分析。随后,构建时间序列特征分类体系,将时间序列分为九个类别。此外,分析基于统计信号处理的时间序列预测算法特性,从理论角度总结不同预测模型适用的时间序列特征及类别,利用公开数据集验证理论分析结果,完成预测模型与时间序列类别之间的映射关系的最终构建。上述研究为时间序列预测模型定性选择机制的构建奠定理论基础。其次,构建可定制化的时间序列预测模型适用性量化评价指标体系,覆盖六个不同适用性评价角度,并完成了时间序列预测模型定量选择机制的构建。进而,提出包含定性选择和定量选择两个串行模型选择环节的时间序列预测模型选择机制。其中,定性选择机制通过时间序列特性分析将时间序列归入分类体系中对应类别,并将该类别时间序列映射得到的各预测模型作为候选预测模型。而定量选择机制针对当前预测场景,定制预测模型适用性量化评价体系,对候选预测模型进行适用性量化评价和比较,实现最优模型的选择。此外,针对应用中时间序列可能出现的特性变化,提出一种模型适用性判断及决策建议的反馈机制,针对不同的时间序列特性变化程度给出交互式决策建议,保证预测结果始终准确而可靠。最后,面向实际时间序列预测应用需求,通过Python内嵌R进程的混合编程方式,利用Python完成软件架构搭建和界面设计,利用R实现数据处理、分析及算法功能。最终,完成具备时间序列特性分析、最优模型选择、预测及结果评价的时间序列预测应用软件的开发和验证。实验结果表明,本文所提出的时间序列特性分类体系、预测算法与时间序列映射关系、最优模型选择机制等均具备良好的应用适用性,能够合理实现时间序列最优模型的选择和更新。(本文来源于《哈尔滨工业大学》期刊2015-06-01）
陈晓红,刘益凡,龚旻[7]（2010）在《基于统计信号处理的多属性群决策问题探讨》一文中研究指出文章针对备选方案属性值和属性权重都为随机变量的不确定多属性群决策问题,结合统计信号处理的估计理论和模糊数运算,提出了一种专家主观偏好集结和随机多属性决策方案排序的方法。该方法首先基于贝叶斯框架构建一个线性估计模型;然后在有无先验知识的基础上利用高斯-马尔科夫估计定理,将多个专家基于模糊数估计的方案属性值和权重值集结成群体估计值;最后通过加权比较得到各个方案的排序。实例分析验证了方法的有效性和实用性。(本文来源于《统计与决策》期刊2010年23期）
万果果,张元,李建武,谢妞妞[8]（2010）在《一种对统计信号处理中缺失数据估计的算法》一文中研究指出EM算法是一种有效的应对缺失数据的估计算法,它的应用非常广泛,比如人工智能、模式识别、数理统计、图像处理、信号检测等等。首先对最有效的估计算法极大似然估计进行简单阐述,接下来引出算法的主要内容,在原理上说明了基于迭代理论的似然估计期望最大化算法,讨论EM算法的收敛性,并提出了EM算法的应用,最后简单介绍了几种EM改进型算法。(本文来源于《计算机与数字工程》期刊2010年10期）
丛林,吕国晗,邓北星,李星[9]（2010）在《基于统计信号处理的网络链路容量和可用带宽联合估计》一文中研究指出网络链路容量和可用带宽参数估计是互联网领域的重要课题。该文将统计信号检测及估计方法应用于此估计问题,提出了扩展自诱导拥塞原理,实现了网络链路容量/可用带宽的联合估计算法,开发了实际测量工具pathWave。NS-2仿真平台下的测量结果验证了扩展自诱导拥塞原理的有效性。Schooner实验床环境下的实验仿真研究表明,与其他传统估计方法以及测量工具相比,pathWave以较低的测量负载和较短的测量时间,有效提高网络链路容量/可用带宽的联合估计精度。(本文来源于《清华大学学报(自然科学版)》期刊2010年10期）
王睿,王林,袁艳[10]（2010）在《基于区域灰度统计信号处理的图像融合方法》一文中研究指出针对多源图像融合问题,提出了一种在多分辨率框架下基于区域内灰度特征统计信号的融合算法.利用图像灰度特征的区域生长法对源图像进行区域分割,并以裂缝边缘作为特征区域的闭合边界,对源图像与分割结果的区域映射图作多分辨率变换.在图像低频部分,以联合区域映射图为指导,在区域内建立信号与噪声的高斯混合分布模型,利用期望极大化(EM,Expectation Maximization)算法迭代估计噪声模型分布参数,获得低频融合结果;在图像高频部分,根据系数在区域映射图上的位置差异分别采用窗口系数加权平均法和系数绝对值选大法进行融合,将低频和高频融合结果反变换得到最终融合图像.融合结果表明:该方法是可行和高效的,且比其他图像融合方法具有更好的性能.(本文来源于《北京航空航天大学学报》期刊2010年02期）
统计信号处理论文开题报告
（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：
本文基于案例研讨式教学理念,对"统计信号处理"课程的本科教学进行了研究。案例研讨式教学涉及到案例设计、课堂案例研讨、Matlab编程实践和教学效果评估等重要方面,该教学模式将"统计信号处理"这门抽象、宽泛而又艰深的课程以实用、形象而又有趣的面貌展现在本科生面前,明显提高了本科生对统计信号处理知识的理解和兴趣,以及利用统计信号处理方面的知识去解决实际问题的能力。
（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。
统计信号处理论文参考文献
[1].王煜坤.一种在二进制相移调制接收器中的基于统计信号处理的数字干扰技术的研究[J].数码世界.2018
[2].蒋忠进,孟桥,钱进,张在琛.“统计信号处理”的案例研讨式本科教学研究[J].电气电子教学学报.2018
[3].代大海,王玺,张文明,罗鹏飞,谢晓霞.小班研讨教学法在《统计信号处理》课程中的应用与实践[J].教育教学论坛.2018
[4].罗忠涛,张刚.《统计信号处理基础》课程教学模式探索[J].信息与电脑(理论版).2017
[5].王友国,翟其清,刘健.统计信号处理中的随机共振研究进展[J].南京邮电大学学报(自然科学版).2016
[6].郭力萌.基于统计信号处理的时间序列预测模型选择方法研究[D].哈尔滨工业大学.2015
[7].陈晓红,刘益凡,龚旻.基于统计信号处理的多属性群决策问题探讨[J].统计与决策.2010
[8].万果果,张元,李建武,谢妞妞.一种对统计信号处理中缺失数据估计的算法[J].计算机与数字工程.2010
[9].丛林,吕国晗,邓北星,李星.基于统计信号处理的网络链路容量和可用带宽联合估计[J].清华大学学报(自然科学版).2010
[10].王睿,王林,袁艳.基于区域灰度统计信号处理的图像融合方法[J].北京航空航天大学学报.2010