导读:本文包含了乘性噪声干扰论文开题报告文献综述及选题提纲参考文献，主要关键词:乘性噪声干扰,公路施工,平整度测量,信号检测
乘性噪声干扰论文文献综述
黄建斌[1]（2019）在《乘性噪声干扰下的公路施工平整度自动测量》一文中研究指出为了提高对公路施工平整度的自动测量和检测能力,在乘性噪声干扰下提出一种宽带时延滤波检测的公路施工平整度自动测量方法,采用传感器和光学测量方法进行公路施工平整度测量数据采集和信号生成处理。构建公路施工平整度测量回波检测信号模型,用级联匹配滤波检测和码间干扰抑制方法进行公路施工平整度测量信号的乘性噪声干扰抑制,对干扰成份进行提纯处理,采用相干匹配检测方法对公路施工平整度测量信号进行频谱分析,提取平整度测量的谱特征量,根据特征提取结果实现乘性噪声干扰下的公路施工平整度自动测量。仿真结果表明,采用该方法进行公路施工平整度测量的准确性较高,自适应性能较好。(本文来源于《自动化与仪器仪表》期刊2019年09期）
朱海宽,彭岚峰,孙洪伟[2]（2019）在《乘性噪声干扰下通信系统信号偏差控制仿真》一文中研究指出采用当前方法控制通信系统的信号偏差时,不能有效去除通信系统信号中存在的乘性噪声,控制后的通信系统的误码率较高,存在去噪效果差和控制效果差的问题。提出乘性噪声干扰下通信系统信号偏差控制方法,采用经验模态分解方法对通信系统信号做初步去噪处理,再结合傅里叶谱相减方法和同态滤波方法去除通信系统信号中存在的乘性噪声。计算数据信号和导频信号在通信系统中的相角差,根据计算得到的相角差构建通信系统信号偏差控制器,在乘性噪声干扰下完成通信系统信号的偏差控制。实验结果表明,所提方法可有效去除通信系统信号中存在的乘性噪声,控制后的通信系统的误码率变低,验证所提方法的去噪效果好、控制效果好。(本文来源于《计算机仿真》期刊2019年08期）
廖书伟,刘巍[3]（2018）在《乘性噪声干扰下基于交互多模型的目标跟踪》一文中研究指出为了研究受乘性噪声影响的多模型目标的跟踪问题,并取得更好的性能,通过联合使用有乘性噪声的卡尔曼滤波器和交互多模型(IMM)算法,得到受乘性噪声影响的IMM算法。根据目标的实际运动规律,构建了匀速运动模型和恒加速运动模型,将传感器检测的观测位置信息分别通过乘性噪声干扰下的IMM算法进行计算,根据最小均方误差准则求估计值。仿真与结果分析表明:与经典的IMM算法相比,所提出的乘性噪声干扰下的IMM算法在目标跟踪应用中具有优越性。(本文来源于《传感器与微系统》期刊2018年12期）
廖书伟[4]（2018）在《乘性噪声干扰下基于卡尔曼滤波算法的状态估计研究》一文中研究指出带乘性噪声的线性系统实际是经典的线性卡尔曼滤波系统的扩展,随着通信、卫星姿态估计等领域对系统模型的准确度要求的不断提升,带乘性噪声系统也越来越受到关注,其自身的优点及特点也随之显现。随着对系统自身的运动特点的有了更清晰的认识,人们也进一步得到关于系统更多的先验条件,滤波精度也得到很大的提高。基于此,本文针对系统在乘性噪声干扰下,并考虑状态加性噪声与测量加性噪声相关的情况下,研究系统的状态滤波估计。本文主要的研究工作如下:1.讨论了KF算法、EKF算法、UKF算法的滤波估计。并详细分析了UKF算法的不敏变换,并通过举例验证了EKF算法和UKF算法性能的优越性。2.针对系统的量测方程中包含乘性噪声,且乘性噪声为高斯白噪声,且系统的量测加性噪声与状态噪声满足某一确定的线性关系,通过正交投影定理,依据最小均方误差估计准则,得到一个新的递推的最优算法,通过实验仿真,验证了所提出的最优算法的有效性,有利于噪声的进一步扩展。3.针对系统的状态方程和量测方程均受乘性噪声干扰,且系统的量测加性噪声与状态加性噪声依旧满足一定的线性关系,计算目标的最优滤波状态估计。该算法是依据最小均方误差估计准则,计算得到离散时间线性系统的状态估计,而且该算法是递推的。仿真实验证明了该算法的有效性及准确性。4.针对乘性噪声干扰下的目标多模型的跟踪问题,通过联合使用含乘性噪声的Kalman滤波器和IMM算法,得到受乘性噪声干扰的IMM算法。根据目标运动的实际规律,构建了匀速与匀加速两种运动状态,所提算法是将传感器检测到的位置信息分别通过乘性噪声干扰下的IMM算法进行计算,从而求得状态估计值。(本文来源于《河南理工大学》期刊2018-06-02）
孙梅,周晓东[5]（2015）在《乘性噪声干扰下的通信信号偏差控制器设计与研究》一文中研究指出乘性噪声干扰相对于加性噪声干扰具有更强的时变特性和抗滤波性,传统方法难以实现有效的滤波控制,乘性噪声在远程无线通信中会导致信道偏差,为解决这一问题提出了一种基于窄带阻抗匹配的乘性噪声干扰下的通信信号偏差控制方法,并进行控制器的硬件系统设计。设计了基于窄带阻抗匹配远程通信信号的乘性噪声干扰滤波算法,以此为基础进行通信信号偏差控制器系统硬件电路设计。在EPM7128AETI100上连入各芯片的读/写程序,得到3种通信信号偏差复位方式,采用MAX7000AE系列器件实现硬件接口设计,采用分段拟合的方式补偿非线性失真,实现乘性噪声干扰滤波器设计和信号偏差控制器设计。实验结果表明,采用该设计系统能有效滤除了通信信号中的乘性噪声污染,接收信号及其频谱的畸变得到有效补偿,改善了通信质量,提高了远程无线通信的稳定性和可靠性。(本文来源于《现代电子技术》期刊2015年20期）
耿坤[6]（2015）在《超声图像大规模乘性噪声干扰的过滤算法仿真》一文中研究指出超声图像广泛应用于工业,海洋,医学等领域并且在诸多领域起到不可替代的重要作用。但大规模乘性噪声严重影响了超声图像的成像质量。无法精准判读超声图像,制约着超声图像应用的发展。为此,提出超声图像大规模乘性噪声干扰的过滤算法,通过对超声图像成像像素进行像块分解重组重构出大规模乘性噪声部分,运用滤波函数公式提取出大规模乘性噪声干扰量,建立超声图像大规模乘性噪声过滤模型将乘性噪声干扰进行过滤计算,重构更为清晰的超声图像的过程。仿真实验证明,超声图像大规模乘性噪声干扰过滤算法有效的抑制了大规模乘性噪声对图像质量的影响,更好的保留了超声图像的细节信息。(本文来源于《科技通报》期刊2015年06期）
李玮瑶,王小辉,吕海莲[7]（2014）在《乘性噪声干扰下的GPS公路平整度测量》一文中研究指出由于GPS信号传输信道上存在大量非线性且具有时变性的乘性噪声,对GPS信号造成干扰。传统的GPS信号消除乘性噪声的方法去噪效果无法达到要求,使得建立的坐标系精确度降低,降低了公路平整度的测量精度。为此,提出一种基于乘性噪声干扰下的GPS公路平整度的优化测量方法。将获得的GPS信号利用离散小波变换方法消除乘性噪声,得到准确数据。利用叁维空间坐标系建立GPS公路平整度测量模型。实验表明该方法能够消除GPS信号中的乘性噪声干扰,并对公路平整度进行精确测量。(本文来源于《科学技术与工程》期刊2014年22期）
赵芳[8]（2013）在《乘性噪声干扰下的GPS设备故障挖掘方法研究》一文中研究指出针对传统的GPS设备故障挖掘过程中,很容易受到外界非线性很强的乘性噪声的干扰,使得在故障挖掘的过程中,出现较大的误差,造成故障计算的准确性不高。为了解决这一问题,提出了乘性噪声干扰下的GPS设备故障挖掘方法,通过准确分析乘性噪声产生的原因,准确分析噪声特征,运用故障信号的分段拟合机制,排除冗余干扰下的故障特征冗杂问题,从而避免了传统方式的缺陷。实验证明,优化方式能够提高GPS设备故障检测的准确性,取得了令人满意的效果。(本文来源于《科技通报》期刊2013年06期）
朱亚东[9]（2013）在《乘性噪声干扰下的无线传感网络优化通信算法研究》一文中研究指出针对传统的无线传感网络数据传递过程中很容易受到外界非线性很强的乘性噪声的干扰,使得在节点选择的过程中,路径计算出现较大的偏差,最短路径的计算准确性不高,降低了无线传感器网络数据传递速度的问题,本文提出了乘性噪声干扰下的无线传感网络优化通信算法,通过准确分析乘性噪声产生的原因,加入反馈机制,对乘性造成干扰下的路径计算进行优化,形成有效地提醒效应,从而避免了传统方式的缺陷。实验证明,优化方式能够提高无线传感网络数据传递的速度,取得了令人满意的效果。(本文来源于《科技通报》期刊2013年04期）
陈莹,许慧雅[10]（2013）在《乘性噪声干扰下的船舶突发性故障检测挖掘方法》一文中研究指出在船舶的突发性故障检测中,故障信号不但伴有很强的非线性,并且常伴随大量的随机噪声,乘性噪声会降低非线性故障数据之间的有效联系,淡化船舶可识别的突发特征。给船舶突发性故障检测带来较大困难。为解决此问题,提出一种基于小区域噪声消除的船舶突发故障检测挖掘算法,通过设计一种包含乘性噪声小区域内的故障确认对比方法,运用故障特征核作为船舶突发故障的标准,进行故障核距离的计算,排除乘性噪声的干扰,保证优化检测。实验表明,该方法能够较好地完成乘性噪声干扰环境下的故障检测,提高了船舶故障的检测效率。(本文来源于《科技通报》期刊2013年02期）
乘性噪声干扰论文开题报告
（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：
采用当前方法控制通信系统的信号偏差时,不能有效去除通信系统信号中存在的乘性噪声,控制后的通信系统的误码率较高,存在去噪效果差和控制效果差的问题。提出乘性噪声干扰下通信系统信号偏差控制方法,采用经验模态分解方法对通信系统信号做初步去噪处理,再结合傅里叶谱相减方法和同态滤波方法去除通信系统信号中存在的乘性噪声。计算数据信号和导频信号在通信系统中的相角差,根据计算得到的相角差构建通信系统信号偏差控制器,在乘性噪声干扰下完成通信系统信号的偏差控制。实验结果表明,所提方法可有效去除通信系统信号中存在的乘性噪声,控制后的通信系统的误码率变低,验证所提方法的去噪效果好、控制效果好。
（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。
乘性噪声干扰论文参考文献
[1].黄建斌.乘性噪声干扰下的公路施工平整度自动测量[J].自动化与仪器仪表.2019
[2].朱海宽,彭岚峰,孙洪伟.乘性噪声干扰下通信系统信号偏差控制仿真[J].计算机仿真.2019
[3].廖书伟,刘巍.乘性噪声干扰下基于交互多模型的目标跟踪[J].传感器与微系统.2018
[4].廖书伟.乘性噪声干扰下基于卡尔曼滤波算法的状态估计研究[D].河南理工大学.2018
[5].孙梅,周晓东.乘性噪声干扰下的通信信号偏差控制器设计与研究[J].现代电子技术.2015
[6].耿坤.超声图像大规模乘性噪声干扰的过滤算法仿真[J].科技通报.2015
[7].李玮瑶,王小辉,吕海莲.乘性噪声干扰下的GPS公路平整度测量[J].科学技术与工程.2014
[8].赵芳.乘性噪声干扰下的GPS设备故障挖掘方法研究[J].科技通报.2013
[9].朱亚东.乘性噪声干扰下的无线传感网络优化通信算法研究[J].科技通报.2013
[10].陈莹,许慧雅.乘性噪声干扰下的船舶突发性故障检测挖掘方法[J].科技通报.2013