导读:本文包含了非线性信号论文开题报告文献综述及选题提纲参考文献，主要关键词:多模光纤,非线性薛定谔方程,误差估计准则,RK4IP
非线性信号论文文献综述
赵晓[1]（2019）在《多模光纤中非线性信号传播的仿真与计算》一文中研究指出现代互联世界是围绕单模光纤网络构建的。如今,单模光纤带宽已经接近了香农定理的极限,即今天的单模光纤系统将无法满足日益增长的需求,而解决这种带宽危机的一个有效方案就是采多模光纤。首先,对于多模光纤而言,由于模式间的非线性作用比较复杂,所以对其的数值模拟非常具有挑战性。基于此,本论文针对多模光纤非线性信号的传播效果,数值精度求解做出仿真实验。其次,传统的光纤系统都是在CPU上进行仿真计算,效率非常低下,本论文针对此部分,设计了基于GPU的计算,加快了多模光纤传统系统的仿真过程。本次论文工作的主要内容有:(1)将相互绘景作用中的四阶龙格库塔法(RK4IP)应用于多模光纤的非线性薛定谔方程的数值解析,并基于此算法,仿真了光脉冲在光纤中的传输。(2)在计算性能方面,为了更好的表现出RK4IP的效果,结合了通用的SSFM-RK4数值算法,仿真出两者在步长和精度的效果图。确定了RK4IP在精度计算上的优势。在分析误差精度时,提出了叁种求解多模光纤非线性传输方程的误差估计准则-max,sum,ave准则。结果表明叁种准则下的曲线图均满足算法精度要求。(3)采用CUDA编程模型,基于GPU进行加速计算。分别针对SSFMRK4算法和RK4IP算法在内存和时间上的消耗做出仿真实验,探究了GPU对单双精度数据下的加速效果以及随着脉冲个数的不断增加,CPU和GPU的平均脉冲耗时的稳定性。结果表明基于GPU的计算可比CPU提升几十倍的效率,此外,还针对RK4IP算法中的各个模块进行了仿真,得出了GPU在各个模块的加速效果。(4)采用Pytorch编程语言,充分利用了Pytorch语言支持张量计算,且对GPU操作非常简便的特点,并突破了其不支持复数张量计算的劣势。(本文来源于《北京交通大学》期刊2019-06-01）
张晔[2]（2019）在《基于小波分解和神经网络的非线性信号预测》一文中研究指出在信号处理中,非线性信号的预测是其一个重要内容。建立非线性信号预测模型对于揭示事物的本质和规律,以及指导人类生活具有重要的研究意义和实用价值。风速预测对于风电场管理具有重要意义,在风电并网中起着重要的作用。太阳对下垫面表面加热而触发的对流热泡导致了近地面层的湍流流动特征,因此风速存在很大的波动和扰动,故很难用单一的方法来预测。本文研究了预测站点的未来风速与历史风速以及周围站点历史风速的关系,建立了一种混合式多步风速预测模型,并与已有的风速预测模型进行了比较。本研究的数据来自中国东部山东的两个风电场。主要工作包括:1.利用BP神经网络进行实验:(1)根据历史风速超前预测多步未来风速;(2)根据周围站点和实验站点的历史风速超前多步预测实验站点的风速;(3)根据周围站点的历史风速,预测实验站点的未来多步风速。2.改进单隐层前馈神经网络(SLFN),利用小波分析和神经网络建立组合预测模型,进行短期风速预测;利用布谷鸟搜索优化算法(CS)替代网络中的梯度下降法。实验结果表明,这些改进模型都能够提高风速预测精度,尤其CS算法可以快速有效找出神经网络中的各个参数,做到全局寻优,使预测结果稳定并且精度高。3.提出了基于小波分解(WD),小波神经网络(WNN)和布谷鸟搜索算法(CS)的叁种多步预测模型(CS-WD-ANN、CS-WNN、CS-WD-WNN),且与已有的风速预测模型的比较表明,CS-WD-WNN表现最好且预测结果具有最小的统计误差。(本文来源于《河北师范大学》期刊2019-03-20）
全欣[3]（2018）在《同时同频全双工非线性信号校正》一文中研究指出同时同频全双工利用同一频点同时发射和接收信号,能够将频谱效率提高一倍,目前学术和工业界正在试图解决其中的关键问题。同时同频全双工接收机,同时接收到本地发射的强自干扰信号、远端传输过来的待检测弱信号,其中的强信号会严重恶化弱信号的检测性能。同时同频全双工工程中,模拟器件的传递函数具有非线性特征,将进一步降低弱信号的检测性能。本文重点研究时钟相位、射频通道中的非线性分量,与同时同频全双工自干扰抑制能力间的关系,主要贡献包括:第一,给出了相位噪声与数字自干扰抑制能力间的关系。得到了发射、接收通道中的时钟相位非线性分量,与接收机数字自干扰抑制能力间的解析关系,给出了数字自干扰抑制能力的上界。数值结果表明:针对发射、接收通道时钟独立的同时同频全双工链路,正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号带宽20MHz、子载波间隔15kHz、时钟相位噪声3dB带宽15Hz,数字自干扰抑制能力上界为22dB。第二,得到了一种最小化同时同频全双工相位噪声影响的方法。以发射机时钟为基准,调整接收机时钟延时,使接收机中的联合多径总自干扰抑制能力最大化。数值结果表明:对于直射径传输延时33ns、莱斯因子为35dB的莱斯多径自干扰信道,时钟相位噪声3dB带宽15Hz、信号带宽20MHz、OFDM子载波间隔15kHz,与传统发射、接收时钟同源的架构相比,数字自干扰抑制能力提高了2.5dB。第叁,提出了一种数字辅助的模拟域非线性校正方法。受限于模数转换器精度,针对同时同频全双工发射、接收通道非线性,在数字域重建线性与非线性自干扰信号,通过数模转换器,送至模拟域进行自干扰抑制。实验结果表明:针对同时同频全双工长期演进(Long Term Evolution,LTE)信号,带宽20MHz、发射功率27dBm,模拟域非线性自干扰抑制能力提高了14dB。第四,提出了一种射频自干扰重建通道非线性校正方法。针对主射频自干扰重建通道非线性,使用另一条射频自干扰重建差分测量通道,提取主射频自干扰重建通道的非线性。实验结果表明:针对同时同频全双工LTE,信号带宽20MHz、发射功率24dBm,自干扰抑制能力提升了15dB。本文成果可以应用于移动通信、微波接力通信、无线数据链、卫星通信、雷达、电子战等场景中。(本文来源于《电子科技大学》期刊2018-09-25）
汤旭翔,余智[4]（2018）在《基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究》一文中研究指出研究了一种基于传感器阵列信号分析的龙井茶品质检测技术,采用多气体传感器阵列构建检测平台,实验检测不同储存时间的龙井茶样品,并对传感器阵列信号开展信号分析。为了进一步优化传感器阵列检测龙井茶品质的准确性,对传感器阵列参数优化,得到优化之后的阵列,优化后的传感器阵列具有更高的准确性。采用载荷分析(Loadings)、归一化处理进行数据的预处理。实验采用模糊C均值聚类(FCM)、K近邻函数(KNN)和概率神经网络(PNN) 3种方法对传感器阵列检测信息进行了模式识别,以评估所构建系统的检测精度。结果表明3种方法的识别正确率分别为90.83%,90%和93.3%。结果表明KNN和PNN针对气体传感器阵列检测龙井茶品质领域均呈现了较好的模式识别结果。以上结果证明该系统具有较好的检测精度,随机共振系统输出相关系数曲线可以较好的区分不同茶叶样品,并且依托互相关系数特征峰值构建了其品质分析模型。(本文来源于《传感技术学报》期刊2018年09期）
王思亮[5]（2018）在《基于经验模态分解和神经网络的非线性信号预测》一文中研究指出非线性信号的预测一直是信号处理中的一个重要分支。随着人们对大自然的深入研究,越来越多的信号被认为是非线性信号,如水声信号、太阳黑子数和语音信号等。对非线性信号建立预测模型,能够更好地揭示事物的本质和规律,对指导人类生活具有重要的研究意义和实用价值。经验模态分解(Empirical Mode Decomposition,EMD)是近些年来新兴的适用于处理非线性、非平稳信号的时-频方法。本文通过采用经验模态分解及其改进方法对原始信号进行分解,结合小波神经网络和极限学习机神经网络进行预测,探索组合预测模型在非线性信号预测中的优势,并将预测模型应用于太阳黑子月均值与水声信号的预测之中。主要工作包括:(1)采用完备集合经验模态分解与小波神经网络建立组合预测模型,通过比较叁种经验模态分解方法与小波神经网络相结合,对太阳黑子月均值进行预测。实验结果表明,完备经验模态分解可以有效地避免模态混迭现象,与小波神经网络相结合,能够有效地预测出太阳黑子数,是一种比较好的算法。(2)提出一种基于果蝇优化算法优化的小波神经网络与完备经验模态分解相结合的组合预测模型,并对太阳黑子月均值进行预测。采用果蝇优化算法,能够有效找出小波神经网络神经元中的权值,有效地提高了预测精度。实验结果表明,与没有优化过的神经网络相比,该预测模型在预测精度上有一定的提升。(3)提出一种基于极点对称经验模态分解与极限学习机相结合的组合预测模型并对水声信号进行预测。极限学习机训练速度快,设置参数简单。实验结果表明,该模型能够大幅度提高预测精度。(本文来源于《西安邮电大学》期刊2018-06-01）
宋芳芳,陶有山[6]（2018）在《一个具Logistic-型源和非线性信号产出的趋化系统解的渐近行为》一文中研究指出考虑一个带增长源和非线性信号产出的趋化系统,在适当的参数假设之下,利用Lp先验估计方法和Moser迭代技巧等证明了该系统整体古典解的存在性和有界性。进一步,通过构造合适的Lyapunov泛函研究了有界解的渐近性质。(本文来源于《东华大学学报(自然科学版)》期刊2018年02期）
方漂漂[7]（2017）在《基于振动声调制非线性信号的微裂纹检测定位研究》一文中研究指出传统线性超声检测方法由于原理上的限制无法检测出闭合裂纹,而近年来研究的非线性声学技术能够很好地反映出试件中的微小损伤,但只能用于定性地判断裂纹存在与否,无法直接得到损伤的尺寸和位置信息。因此,本文开展基于振动声调制技术的非线性超声检测研究,并引入时间反转法对检测信号中的非线性信号进行聚焦处理,用于实现闭合微裂纹的检测及定位。主要工作内容如下:(1)介绍了论文的选题背景与研究意义,综述了相关技术方法的研究现状,并给出了论文的结构及内容安排。(2)研究了振动声调制技术产生非线性信号的物理机理和时间反转法的聚焦理论基础,对时间反转法与振动声调制技术结合的定位原理进行了公式推导,证明该方法的可行性。(3)采用ABAQUS有限元软件对含微裂纹的铝管进行振动声调制仿真和时反信号聚焦仿真,证明有限个阵元构成的时间反转镜也能达到聚焦效果,并为后续振动声调制实验中的参数设置和时间反转镜布局提供参考。(4)根据实验方案搭建了振动声调制检测系统,分别对铝管和铝板两种不同形状的金属工件进行检测,在检测信号中均发现了谐波、旁瓣分量等非线性信号,并分析了激励信号电压、激励信号相对位置对检测结果的影响。(5)在ABAQUS有限元软件下,将包含不同非线性成分的时反信号加载到与实验试件相同材料、尺寸、结构、不含微裂纹的有限元模型上,进行时间反转聚焦仿真,根据模型云图中信号的分布情况确定裂纹位置。结果表明:振动声调制检测信号中的非线性信号时间反转后能够在原裂纹位置处发生聚焦,所得的聚焦像与实际裂纹位置误差小于5%,实现了对闭合裂纹的准确定位。(本文来源于《中国计量大学》期刊2017-03-01）
黄海平[8]（2016）在《体域网超宽带通信中基于非线性信号处理的同步方法研究》一文中研究指出随着低功耗无线通信、智能生物传感器和半导体等技术的迅速发展,一种新的以人体为中心的无线传感器网络受到越来越多的关注,并逐渐在医疗监护、消费电子、军事和航空等诸多领域得到应用。针对此类应用,IEEE 802.15 TG6工作组将其命名为无线体域网(Wireless Body Area Network,WBAN)并专门制定了一个短距离、低功耗和高可靠性的通信标准 IEEE 802.15.6。在此标准中,脉冲超宽带(Impulse Radio Ultra-wideband,IR-UWB)技术由于其具有结构简单、功耗低等特点被确立为物理层的实现方案。因此,应用于WBAN的超宽带接收技术被广泛研究,而其中接收机的同步方法成为目前的研究热点之一。本文以无线体域网为应用背景,以设计具有低硬件实现复杂度和抗窄带干扰的超宽带同步方法为研究目的,对适用于IEEE 802.15.6标准的超宽带接收机的同步方法进行研究,本文的研究内容主要包括:1.首先,通过对IEEE 802.15.6标准进行分析,建立了体域网超宽带通信系统仿真模型。依据标准中对脉冲超宽带信号包括帧结构、调制方式、脉冲波形等参数的物理层定义,使用Matlab软件在计算机中设计了体域网超宽带发射信号模型,并在此基础上设计了基于能量检测(Energy detection,ED)的接收机模型。2.为了实现体域网超宽带ED接收机的同步,结合标准IEEE 802.15.6中IR-UWB信号的同步头结构及其采用的OOK调制方式,提出一种新的基于能量相关的方法。首先将信号能量积分值的数字采样与本地信号模板相关,通过查找连续的峰值实现粗同步,然后通过改进的前向跳跃后向搜索算法实现细同步。仿真结果验证了该方法的同步性能与模板的长度有关,且与目前基于时基阈值的同步方法相比,该方法在保持性能基本一致的情况下可以有效降低硬件实现复杂度。3.最后,针对ED接收机易受窄带信号干扰的缺点,结合基于非线性信号处理的抗窄带干扰技术提出改进型的同步方法。分析了来自IEEE 802.11y信号的窄带干扰对同步性能的影响,在此基础上,通过在ED接收机射频前端增加一个由“Teager-Kaiser算子+高通滤波器”或“平方+带通滤波器”组成的非线性信号处理模块抑制窄带干扰,即对应于非线性TKO技术和非线性平方技术。文中对比分析了无窄带干扰和有窄带干扰两种情况下,非线性技术对同步性能的影响。通过计算机仿真,发现两种非线性技术不仅可以提高IR-UWB ED接收机的窄带干扰抑制能力,还可以用来提升接收机在无窄带干扰环境中的同步性能。(本文来源于《福州大学》期刊2016-06-01）
曾志[9]（2016）在《非线性信号检测在舰船目标识别中的应用》一文中研究指出在对非线性舰船辐射噪声产生机理和其噪声谱组成分析的基础上,研究利用高阶谱分析方法检测舰船辐射噪声。首先分析舰船辐射噪声的噪声谱中的组成成分和特性,对不同噪声源与舰船噪声谱成分间关系特点进行研究,并建立舰船辐射噪声的仿真模型。然后,研究高阶谱理论及其在提取非线性信号特征时的应用;最后,通过对仿真生成的2种舰船辐射噪声应用本文算法实现检测与分类,结果证明该方法可行。(本文来源于《舰船科学技术》期刊2016年06期）
齐春辉,李其建[10]（2016）在《改进的非线性信号小波消噪方法》一文中研究指出选用小波消噪用于生产系统的非线性传感器信号消噪,以便通过判断系统状态来找出系统运行过程中生产出次品和不合格品的因素。简介小波消噪的叁种常用方法,并进行比较和分析。以均方误差最小、信噪比最大为原则,筛选出最适合的消噪方法,对其进行融合改进。MATLAB仿真证明改进后消噪效果显着提升。(本文来源于《制造业自动化》期刊2016年02期）
非线性信号论文开题报告
（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：
在信号处理中,非线性信号的预测是其一个重要内容。建立非线性信号预测模型对于揭示事物的本质和规律,以及指导人类生活具有重要的研究意义和实用价值。风速预测对于风电场管理具有重要意义,在风电并网中起着重要的作用。太阳对下垫面表面加热而触发的对流热泡导致了近地面层的湍流流动特征,因此风速存在很大的波动和扰动,故很难用单一的方法来预测。本文研究了预测站点的未来风速与历史风速以及周围站点历史风速的关系,建立了一种混合式多步风速预测模型,并与已有的风速预测模型进行了比较。本研究的数据来自中国东部山东的两个风电场。主要工作包括:1.利用BP神经网络进行实验:(1)根据历史风速超前预测多步未来风速;(2)根据周围站点和实验站点的历史风速超前多步预测实验站点的风速;(3)根据周围站点的历史风速,预测实验站点的未来多步风速。2.改进单隐层前馈神经网络(SLFN),利用小波分析和神经网络建立组合预测模型,进行短期风速预测;利用布谷鸟搜索优化算法(CS)替代网络中的梯度下降法。实验结果表明,这些改进模型都能够提高风速预测精度,尤其CS算法可以快速有效找出神经网络中的各个参数,做到全局寻优,使预测结果稳定并且精度高。3.提出了基于小波分解(WD),小波神经网络(WNN)和布谷鸟搜索算法(CS)的叁种多步预测模型(CS-WD-ANN、CS-WNN、CS-WD-WNN),且与已有的风速预测模型的比较表明,CS-WD-WNN表现最好且预测结果具有最小的统计误差。
（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。
非线性信号论文参考文献
[1].赵晓.多模光纤中非线性信号传播的仿真与计算[D].北京交通大学.2019
[2].张晔.基于小波分解和神经网络的非线性信号预测[D].河北师范大学.2019
[3].全欣.同时同频全双工非线性信号校正[D].电子科技大学.2018
[4].汤旭翔,余智.基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究[J].传感技术学报.2018
[5].王思亮.基于经验模态分解和神经网络的非线性信号预测[D].西安邮电大学.2018
[6].宋芳芳,陶有山.一个具Logistic-型源和非线性信号产出的趋化系统解的渐近行为[J].东华大学学报(自然科学版).2018
[7].方漂漂.基于振动声调制非线性信号的微裂纹检测定位研究[D].中国计量大学.2017
[8].黄海平.体域网超宽带通信中基于非线性信号处理的同步方法研究[D].福州大学.2016
[9].曾志.非线性信号检测在舰船目标识别中的应用[J].舰船科学技术.2016
[10].齐春辉,李其建.改进的非线性信号小波消噪方法[J].制造业自动化.2016