一、信号检测与目标信息提取技术（论文文献综述）
王文[1]（2021）在《毫米波FMCW雷达的生命特征信号检测技术研究》文中研究表明
杨申[2]（2021）在《基于微波-声学体制的空水跨介质通信研究》文中指出
梁容[3]（2021）在《面向无人驾驶的交通信号检测与识别方法研究与应用》文中研究指明计算机技术与通信技术的迅速发展,无人驾驶不再是单纯地猜想,越来越多的物联网智能化技术在汽车上得到利用。交通信号的检测与识别作为无人驾驶关键技术,对于车辆后续行为起关键作用。在无人驾驶中,需要快速准确获取前方交通信号并传递给决策层,决策层进行分析判断并传递给控制层,控制层对汽车行为进行控制。随着深度学习网络规模的增大,参数量变得很大,需要占用较大的内存空间和计算量,所以有必要研究能流畅运行的轻量化交通信号检测与识别模型。汽车在行驶过程中,在远距离就需要对交通信号进行检测与识别,远距离下交通信号的尺寸较小,所以有必要研究复杂环境下小目标的交通信号检测与识别模型。交通信号的检测与识别需要满足精度和速度两方面的要求,本文的主要内容包括以下几个方面。（1）提出了一个轻量级的交通信号检测与识别模型。该模型利用轻量化网络对交通信号进行特征提取,通过减少模型参数来降低计算资源需求。同时通过引入改进的轻量级注意力机制来提高交通信号的检测精度。模型在数据集上进行了实验,提出的模型在检测速度上较原模型提高了二十六个百分点,得到的模型大小较原模型减小了一半,证实了模型的可用性。（2）提出了一个小目标的交通信号检测与识别模型。该模型借鉴FPN特征金字塔和PANet多尺度预测思想,针对小目标这一特点,利用上采样和特征图融合拼接构建了适合小目标的多尺度目标检测网络。同时通过引入聚类算法进行调整确定合适的预测框。模型在数据集上进行了实验,提出的模型在检测精度上提高了十个百分点,检测精度有较大提升,证实了模型的可用性。（3）交通信号检测与识别系统设计与实现。本系统基于无人驾驶感知平台设计与实现。作为无人驾驶感知平台十分重要的交通信号检测与识别模块,本系统主要实现本地进行离线检测和在线交通信号检测与识别两个功能。本地离线检测主要通过调取本地的视频文件,传输到本文提出的模型进行检测与识别,并对结果进行展示。在线交通信号检测与识别主要通过调取摄像头拍摄的实时画面,传输到本文提出的模型进行检测与识别,并对结果进行展示。检测结果表明提出的模型可以在无人驾驶感知平台进行部署,进一步证实了模型的可用性。
陈芸[4]（2021）在《基于期望传播的信号迭代检测技术研究》文中研究说明近年来,高质量、大容量、高速率已成为未来无线通信技术的发展趋势。从而,如何提供高效可靠的信号传输和检测技术来实现上述优势,是未来无线通信系统的研究热点之一。迭代检测是一种基于软输入软输出（Soft-Input Soft-Output,SISO）的接收端信号处理技术,已被广泛应用于编码、均衡等诸多信号处理领域,并取得可观的性能增益。从而本文旨在研究无线通信系统中接收端迭代检测的关键技术,并基于期望传播（Expectation Propagation,EP）算法进一步提供了迭代检测中低复杂度和高性能的优势。现对全文结构概括如下:第一章着重介绍了无线通信系统中的经典传输技术,包括交织多址技术、新型空间调制（Spatial Modulation,SM）技术和迭代检测技术,并论述了相关技术的研究现状。第二章首先对单载波（Single Carrier,SC）空间调制系统中频域Turbo均衡迭代技术进行研究,详细探讨其收发机架构、技术特点和传统均衡算法。然后,基于空间调制的稀疏特性,首次将压缩感知中的期望传播算法应用到SC-SM系统中,并通过链路仿真验证,在多天线配置下,提出的基于期望传播的均衡算法与传统的均衡算法相比,在误码性能和算法复杂度之间实现了较好的平衡。第三章研究了交织多址系统中的多用户迭代检测技术。首先,评估对比了基于基本估计器和新型期望传播检测算法的误码率（Bit Error Rate,BER）性能。随后,基于载波频率偏移（Carrier Frequency Offset,CFO）的影响,提出了基于期望传播的频偏补偿算法。链路仿真揭示了该算法能够有效地弥补由于频偏带来的性能损失,显着改善系统性能。第四章研究了短波通信系统中基于单天线和多天线的迭代检测技术。首先,探讨了单天线系统下解调、解扰以及Turbo迭代检测模块之间互信息的联合处理方式;然后设计了多天线分布式下的互信息纵向联合检测方案,并提出了基于期望传播的空时均衡鲁棒接收机模型;最后,评估各种接收机方案的误码性能,仿真结果显示,提出的接收机方案相比于传统的单天线独立处理模块的接收机方案,接收信噪比改善了约4dB,而相比于传统的两路判决方案,接收信噪比改善了约2.5dB,且实现复杂度更低。第五章对全文进行概括,并进一步探讨未来的研究方向。
周早丽[5]（2020）在《基于LFMCW毫米波雷达的目标检测方法研究》文中提出相较于传统的红外、激光、超声等传感器,毫米波雷达具有受环境影响小,测距、测速和测角方面分辨率高等特点,在目标检测方向具备独特的使用价值和广泛的应用前景。本文围绕人员定位跟踪、生命体征检测和手势识别三个方面设计相应算法。并基于IWR1642平台实现77GHz的线性调频连续波（LFMCW）雷达目标检测系统,完成算法的验证。主要的工作如下:1.针对高效、准确的人员定位跟踪问题,提出了一种基于扩展卡尔曼滤波的目标跟踪方法,解决了实际检测环境中的非线性跟踪问题,最终实现了人体目标的精准定位以及运动轨迹的描绘。为了解决多目标检测问题,设计了一种稳定的恒虚警概率（CFAR）检测算法,提取出了二维距离-多普勒信息中目标的距离和速度信息。为了实现运动目标的稳定识别,本文分析了实际检测环境的静态杂波特征,采用了动目标显示（MTI）和动目标检测（MTD）算法,抑制杂波并提高了信噪比。2.针对实时、精确的生命体征检测问题,对回波信号采用相位检测法进行处理,并提出了一种基于频谱估计法的实时呼吸速率和心跳速率估计方法,从时域和频域进行多方位估计,保证了心率和呼吸频率计算准确性;在此基础上为了减少运动对心跳信号的影响,提出了一种受损片段去除算法,提高了心跳信号检测的准确性。对于信号中的噪声,建立了人体反射信号模型,设计Savitzky-Golay滤波器实现了回波信号的增强。3.针对手势识别问题,分析了六种手势的特点,提出了多维手势特征信息提取算法,对每种手势分别提取6种特征信息,并构造本地数据集;根据提取的特征和分类需要,设计了二叉树结构的多分类SVM,对此SVM分类器进行训练,实现了手势识别的功能。4.利用MATLAB对毫米波雷达采集的原始数据进行离线处理和分析,验证了上述各算法的有效性;基于IWR1642平台实现人员定位跟踪、生命体征检测和手势识别功能,并完成系统测试,结果表明本文提出的算法具有可行性和可靠性。
梁璐[6]（2020）在《基于UWB雷达系统的人体呼吸心跳信号检测方法》文中认为目前随着雷达技术呈现出日新月异的变化,其应用领域也越来越广泛,基于UWB雷达系统的人体呼吸心跳信号检测方法,是在一定区域内、隔着某些介质（如墙壁、衣物等）、且在不接触被监测对象的条件下对该目标的呼吸心跳信号进行监测并提取的技术,该技术具有远程监控、信号穿透能力高、不易受到干扰、精度高、非接触等优点。在医学检测、救援搜索、穿墙检测、现代战争及家庭日常监护都有广泛的应用价值。然而非接触式的人体呼吸心跳检测雷达系统还存在一些问题需要解决,如:由于UWB雷达系统会受外界环境的噪声干扰,且人体的呼吸心跳信号强度微弱,所以会导致雷达所接收到的信号随机性较强,从而增加了在低信噪比条件下从雷达回波中将目标的呼吸心跳信息提取出来的难度;选取合适的算法进行对回波信号实时处理从而对被测目标的生命体征信息实时且长期的检测等。为了可以准确地采集被测目标的呼吸心跳信号,回波信号的去噪处理和对呼吸心跳信息的提取就显得非常重要。本文着重介绍怎样根据目标雷达回波重构呼吸心跳的技术。本文主要从构建完整的UWB雷达硬件系统和呼吸心跳信号提取算法两方面入手,根据实际情况并结合上述问题展开了相关研究,具体工作如下:具体分析了UWB呼吸心跳监测雷达的硬件系统,通过对该雷达系统相应的参数指标进行计算,设计了电路图和PCB,选取了合适的天线、主控芯片（信号处理芯片）、信号发生模块、功率放大器、功分器、模数转换芯片等相关元器件。建立了一套完整的用于呼吸心跳检测的UWB雷达硬件系统。针对目标回波信号信噪比较低的问题,建立了信号回波去斜接收模型,提出均值滤波的方法,并通过相干积累,提高信噪比。然后利用MATLAB验证了该方法的有效性。针对非接触式人体呼吸心跳检测时,人体呼吸造成的胸腔起伏能量远远大于心跳造成的人体微动能量,由于目标回波信号是由人体肺部扩张、收缩及心脏跳动所共同产生的结果,同时人体的呼吸频率和心跳频率在频谱上存在一定的重叠部分。本文采用了加权稀疏重构和正交匹配追踪算法对回波信号进行重构。并通过MATLAB验证了该方法的有效性。最后通过实际实验让雷达系统采集正常人的呼吸心跳信号,并用上述的算法进行回波信号处理,可以得到较好的呼吸心跳信号。为了保证实验的准确性和客观性,在后续进行了多组实验,实验结果的频率误差均在可接受范围内。
王晓蕾[7]（2020）在《精密可控震源震相信号提取及应用》文中指出地震波被誉为照亮地球内部的一盏明灯,人类探测地球内部的物性结构、组成、状态和演化过程等知识几乎都来自对地震波的研究,地震波是目前探测地球内部的主要手段。利用人工震源主动激发地震波,构建研究地球内部的技术平台,已成为主动、精确地探测地下结构及状态的有效技术途径。但人工震源激发能量低,如何从弱信号中提取有效信号的准确到时信息是利用主动震源数据进行地下结构研究的关键步骤,同时也直接影响着研究结果的可靠性。按照信号激发方式,人工震源可以分为两类,即脉冲源和连续源。连续震源通过长时间、小能量的向地下发射时频关系已知的激发信号来替代脉冲震源的瞬间大能量激发,该类震源由于具有绿色环保、激发可控、重复性高等优点,在陆上地震勘探中得到广泛应用,并在地下介质结构探测中已完成了数次重要的地震学实验。准确地提取震相到时、识别由可控震源激发的震相信号是利用该类震源研究地下结构的关键和基础。这些人工震源连续激发的信号多采用变频简谐信号,其特点在于频率随时间的变化是可设置的、已知的,有助于采用滤波方法更好地进行震相信号分离,从而提高走时接近震相信息的提取能力。本文针对具有变频正弦波输出扫频信号的连续震源,对其探测信号的震相信息的识别与提取技术开展研究。采用研究路线为:首先,本文在广泛调研和总结连续震源基本数据处理方法的基础上,针对这种变频正弦扫频信号的特点,引入了一种基于窄带时变滤波技术的震相全局扫描方法;其次,在以40吨输出力的精密可控震源开展的新丰江库区探测实验（2010）数据的基础上,开展震相识别、震相提取、震相验证工作;最后,基于仿真计算开展震相可靠性的理论分析,进一步完善该方法对于变频正弦扫频信号处理适用性的研究。基于上述工作,本文实现一种针对简谐波输出的扫频信号的精细震相识别提取方法。通过实验数据处理及分析,本研究取得如下认识:（1）结合时变窄带滤波技术的震相全局扫描算法能够有效地从精密可控震源探测记录信号中提取有效震相信息,对比传统的相关检测方法,该方法提高了震相到时的分辨力和震相分离能力;（2）该方法能够在200km以上的距离内有效地识别Pg、Pm P、Sg、Sm S震相信息;（3）对于低信噪比的记录,该方法实现了到时相近且相互重叠的震相波列信息的分离,即使后续震相的振幅值相对较小,而这也成为扫频震源区别于爆破震源的重要特点之一。在评价震相信息提取的可靠性方面,本文通过定义相关子波峰值能量比和模拟计算的方法,研究了记录信号信噪比与相关子波峰值能量比的离散度统计关系、时变窄带滤波技术和叠加技术的作用。以此理论分析作为通过窄带滤波技术和震相全局扫描方法所得震相可信度和判定的参考,并取得如下主要认识:（1）互相关峰值能量比的离散度与信噪比的统计关系可作为评估实际观测数据信噪比的方法,并以此判定实验数据处理所得扫描曲线在同一震相理论到时附近的多个峰值是真实存在的信号;（2）当滤波器带宽参数df0小于扫频信号频率变化率fk和震相到时差D的乘积时,两个到时相近且具有一定信噪比的震相信息即可通过本方法实现分离;（3）在震源激发能量不变、激发条件不变的情况下,提高扫频信号的频率变化率fk能够提高震相的分离能力;（4）通过对震相提取可靠性的理论分析,并结合实际观测数据与爆破数据的对比,我们可以确定新丰江观测数据所得的200km以上距离内所识别的Pg、Pm P、Sg、Sm S震相信息是可信的。本文的研究表明,基于时变窄带滤波技术的震相全局扫描方法对于提取变频扫描探测信号的震相信息具有普遍适用性。时变窄带滤波技术有利于压缩了相关子波,提高了震相识别的分辨力。该方法具有识别走时临近震相的能力,有利于获得更为丰富的震相信息,这对于应用扫频震源开展精细地下结构探测与研究具有重要的意义。
陈曹霁[8]（2020）在《任务难度与加工通道对视觉返回抑制时程的影响》文中认为返回抑制（Inhibition of return,IOR）是指对出现在先前（约250ms）提示线索位置的靶子刺激反应更慢的现象。任务难度的作用是IOR研究领域中一个热点问题,也是一个存在较大争论的问题:任务难度能否调节以及如何调节IOR一直未有定论。当前研究采用同类刺激属性的任务难度设计,利用不同视觉通道的刺激,结合模型分析技术,系统考察了任务难度和视觉加工通路对IOR影响的信息加工机制。实验1采用同类刺激属性的任务难度设计使用诱发M通道（Magnocellular pathway）的刺激,采用2（任务难度）× 5（SOA）× 2（线索有效性）三因素被试内设计考察任务难度在M通道中对IOR产生的影响。结果发现在M通道中:（1）任务难度对IOR的调节作用仅出现在正确率指标上;（2）早期时程中的易化作用以及晚期时程中的IOR主要表现为信息加工阶段中的编码阶段的差异。实验2则在实验1基础上,使用了更诱发P通道（Parvocellular pathway）的刺激,采用2（任务难度）× 5（SOA）× 2（线索有效性）三因素被试内设计考察任务难度在P通道中对IOR产生的影响。结果发现在P通道中:（1）任务难度对IOR的出现不存在调节作用;（2）早期时程中的易化作用以及晚期时程中的IOR出现在各个信息加工阶段中。对实验1,2的综合分析发现（1）任务难度对IOR的时间进程未有显着的调节效应;（2）IOR的出现与幅度在M与P通道中存在显着的差异;（3）模型分析发现,M/P通道下IOR的差异主要体现在从目标刺激中提取信息速率的差异,主要表现为P通道条件延迟了 IOR的出现,并且增大了易化效应量与IOR效应量,阐明了 M/P通道的IOR效应产生差异的原因。综上,本研究表明,1)在匹配刺激后,尽管在M通道任务难度对正确率上IOR的幅度有一定影响,但整体并未发现任务难度对IOR出现时间的调节效应,相反,我们观测到了 IOR在不同加工通道（P通道vs M通道）中的显着差异,这一结果提示,刺激的加工通道而非任务难度决定了 IOR的出现时间,无疑相关的认知理论可能都需要进行相应的修订,更多地结合M/P通道并对信息加工阶段进行探讨。2)信息提取阶段是加工通道调节IOR的重要阶段。3)IOR包含多种调节信息加工阶段的成分,它们的权重构成了 IOR在行为数据中的表现。这些结果为后续探究IOR的产生机制提供了重要的参考。
潘浩[9]（2020）在《基于熵的测量信息方法研究》文中提出测量是人类从客观世界获取信息的主要手段。随着人们对信息理论的数理基础与内涵认识不断深入,基于信息熵方法的应用遍及许多科学领域并取得了许多不同于一般传统方法的良好结果。在本世纪初,由我国测量领域研究工作者提出了“测量的本质就是信息获取”的论述。论文在这一思想指导下,探索构建一种以香农信息熵为度量,在随机、不确定条件下对一般测量过程实现其描述、分析和评价的统一方法。论文的主要内容如下:根据部分信息进行估计,满足已知信息且具有最大熵的概率分布是唯一且无偏的,提出了一种任意信源熵由无穷多个子熵集构成的假说。在此原理基础上,对具有测量意义的一种基于最大熵的信源估计方法进行了研究,并应用于量化单元的区间设计。由感知器的选择性,以实际信源-感知器之间测量的卷积关系为例,构建了信源-感知器的熵描述模型。研究并归纳出了测量信息论的基本定理,并由测量的特殊性,提出了两种新的信息度量及其定理。其中,对理论熵真值的存在性和可测性进行了论证,为熵的表述和运算提供了理论依据;对具有一般结构的测量封闭系统提出并证明了熵平衡定理,为系统建模和熵运算提供了一种便利的方法;针对测量系统的任意两点间的信息量计算问题,定义了两种新的信息量——和信息量、贯序信息量,并证明了两种信息量的不同及其互补关系。另外,分别研究并设计了基于误差熵的信号检测判决准则和基于相对熵的二元信号检测方法,为被测信源重建提供一定的理论依据和技术支撑。为探明测量变换在信息获取过程中的作用机理,推导证明拉氏变换和Z变换的熵表征,实现了复频域变换的信息熵描述。在此基础上,证明了测量变换处理与条件熵在信息获取过程中的等价作用,揭示了信息获取过程中信息处理物理实现与数学变换表征之间的对应关系。进而研究并分析一般串联、纯熵增/减测量系统的熵特性,为测量系统的快速熵运算与分析提供了便利。为验证所构建理论方法的有效性,对三种典型测量系统信息处理算法——相敏检波算法、隐马尔科夫模型、盲源分离算法进行熵建模。从互信息提升的角度,探讨了相敏检波算法对信息获取性能的提升作用。推导隐马尔可夫模型的熵率表达式,实现了最大熵隐马尔可夫模型的熵描述。建立盲源分离的熵表征,揭示了盲源分离过程中信号的熵变特性。针对特征信息提取与优选的扩展信息熵表征与评价问题,依据测量系统熵特性,证明特征信息提取过程可提高模型输入输出之间相关性,设计了一种表征系统特征信息的可变容限模糊熵,并结合傅里叶变换多滤波器分解,实现了高质量的特征信息提取。在此基础上,从信息处理的角度,分析特征信息优选在广义测量系统中的滤波作用,设计了一种基于改进邻域互信息的特征信息优选方法,实现了高分辨率的特征信息优选。
高丙朋[10]（2020）在《变工况风力机关键部件间歇故障成长状态检测技术研究》文中提出风能作为可再生绿色能源已普遍受到世界各国的高度关注,特别是我国已经成为全球装机容量最大的国家。伴随着多年来风电技术和装备的发展,市场竞争变得越来越激烈,减少运营成本,保持较高的设备健康运行时数是企业争相追逐的目标,因此,针对风力机关键部件的故障诊断技术研究逐渐成为了风电研究领域的热点问题之一,更是风力机健康运行的重要手段。然而微弱间歇故障的精确检测是进行风机故障预测维护的前提,也是风机故障诊断领域重点关注方向。充分考虑分数阶Duffing振子在周期信号检测中的独特优势,将其成功引入到变工况风力机关键部件间歇故障成长状态检测中,结合现代数字信号处理的理论和方法,提出了一套新的针对微弱间歇故障成长状态分数阶Duffing振子检测方法。首先,通过对风力机在不同工况下的关键部件故障机理研究,经过理论推理和实验验证,完成了对不同工况下关键部件故障信号前期微弱性和间歇性分析,结合混沌系统及现代信息处理技术,提出针对周期和非周期振动间歇故障频率分别采用故障调制机理分析及改进Morlet小波变换的方法进行检测。在充分研究传统混沌系统相态判别方法的基础上,结合相图特点提出一种基于稳态相轨迹映射的相态判别方法——庞加莱截面密度峰值算法（Poincare Section Density Peak Algorithm,PSDPA）,该方法采用庞加莱截面映射数据的离群值来判断,更加准确,减少了人为误判,提高了系统相态识别的可信度,为微弱间歇故障幅值检测提供理论支持。然后,进一步研究了Duffing振子及风力机关键部件微弱间歇故障的特征,提出一种基于0.95阶Duffing振子输出相态判别的周期性故障存在性辨别方法及0.5阶Duffing振子自动检测微弱间歇故障幅值的方法。通过对比发现采用PSDPA算法进行检测相图获取的临界大尺度周期状态内置策动力信号幅值的精度要远远高于传统人为判别方法得到的结果,再次验证了算法的准确性与可操作性。同时,针对系统间歇故障的发展与永久性故障之间关系不清晰的情况,提出了一种新的故障成长量化表达形式,即通过间歇故障成熟度函数（Intermittent Fault Development Function,IFDF）把微弱间歇故障与永久性故障有机联系在一起,揭示出它们之间的内在联系,解决了永久性故障的溯源问题,也表征了对微弱间歇故障的成长状态监控,大大提升了故障预警精确度,为实现精准预测性维护提供了支持。最后,通过基于分数阶Duffing振子检测变工况风力机关键部件微弱间歇故障成长状态的案例分析,得到的结果正确,检测效果良好,该方法可操作性强,准确度高,为现场风电厂设备预测性维护提供有力支撑。
二、信号检测与目标信息提取技术（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、信号检测与目标信息提取技术（论文提纲范文）
（3）面向无人驾驶的交通信号检测与识别方法研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容和创新点 |
| 1.3.2 技术路线 |
| 1.4 文章组织结构 |
| 第二章 相关原理及技术 |
| 2.1 引言 |
| 2.2 交通信号特征及智能检测难点 |
| 2.2.1 交通信号特征 |
| 2.2.2 交通信号数据集 |
| 2.2.3 交通信号检测技术难点 |
| 2.3 卷积神经网络 |
| 2.3.1 基本结构 |
| 2.3.2 卷积 |
| 2.3.3 激活函数 |
| 2.3.4 池化 |
| 2.3.5 全连接网络 |
| 2.4 基于回归的目标检测模型 |
| 2.4.1 特征提取网络 |
| 2.4.2 多尺度特征检测 |
| 2.5 交通信号智能检测方法性能评价指标 |
| 2.6 本章小结 |
| 第三章 轻量级交通信号检测与识别方法研究 |
| 3.1 引言 |
| 3.2 轻量级网络 |
| 3.3 YOLO-MV3-SC模型搭建 |
| 3.3.1 检测网络搭建 |
| 3.3.2 特征提取网络搭建 |
| 3.3.3 SCSE注意力机制引入 |
| 3.3.4 YOLO-MV3-SC网络结构 |
| 3.4 模型检测与检测结果评价 |
| 3.4.1 数据集选择 |
| 3.4.2 模型训练 |
| 3.4.3 模型的测试与评价 |
| 3.5 本章小结 |
| 第四章 针对小目标的交通信号检测与识别方法研究 |
| 4.1 引言 |
| 4.2 小目标检测 |
| 4.3 YOLO-MV3-SC-Net模型构建 |
| 4.4 锚点框聚类算法 |
| 4.5 模型训练与结果分析 |
| 4.5.1 模型训练 |
| 4.5.2 实验结果分析 |
| 4.6 章节小结 |
| 第五章 面向无人驾驶的交通信号检测与识别 |
| 5.1 引言 |
| 5.2 无人驾驶感知平台 |
| 5.2.1 无人驾驶感知 |
| 5.2.2 无人驾驶感知平台总体架构 |
| 5.3 交通信号检测与识别系统设计与实现 |
| 5.3.1 交通信号检测与识别系统需求概述 |
| 5.3.2 交通信号检测与识别系统总体设计 |
| 5.3.3 交通信号检测与识别系统功能设计 |
| 5.3.4 交通信号检测与识别系统界面设计 |
| 5.3.5 交通信号检测与识别系统功能测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
（4）基于期望传播的信号迭代检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 数学符号表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 期望传播算法 |
| 1.2.2 迭代检测技术 |
| 1.3 论文主要研究内容及贡献 |
| 第二章 基于空间调制的迭代检测技术 |
| 2.1 引言 |
| 2.2 EP算法理论基础 |
| 2.3 单载波空间调制的系统模型 |
| 2.3.1 空间调制系统模型 |
| 2.3.2 基于空间调制的Turbo均衡原理 |
| 2.4 单载波空间调制的迭代检测算法 |
| 2.4.1 基于MMSE的检测算法 |
| 2.4.2 基于EP的检测算法 |
| 2.5 仿真结果 |
| 2.5.1 复杂度分析 |
| 2.5.2 仿真结果分析 |
| 2.6 本章小结 |
| 第三章 基于非正交多址的迭代检测技术 |
| 3.1 引言 |
| 3.2 IDMA系统 |
| 3.2.1 收发机结构 |
| 3.2.2 IDMA的传统检测算法 |
| 3.2.3 IDMA的新型检测算法 |
| 3.3 上行IDMA-OFDM系统的频偏抑制算法 |
| 3.3.1 系统模型 |
| 3.3.2 基于ESE的频偏抑制算法 |
| 3.3.3 基于EP的频偏抑制算法 |
| 3.4 仿真结果 |
| 3.4.1 复杂度分析 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于短波通信的迭代检测技术研究 |
| 4.1 引言 |
| 4.2 基于短波通信的发射机结构 |
| 4.3 单天线的单载波联合信号接收机结构 |
| 4.3.1 特殊信号帧格式的软信息提取 |
| 4.3.2 基于软信息的时域判决反馈均衡算法 |
| 4.3.3 基于EP的均衡算法 |
| 4.3.4 仿真结果 |
| 4.4 多天线分布式的单载波联合信号迭代检测接收机结构 |
| 4.4.1 互信息纵向联合检测方案 |
| 4.4.2 基于时域软判决反馈的空时均衡鲁棒接收机 |
| 4.4.3 基于EP的空时均衡鲁棒接收机 |
| 4.4.4 仿真结果 |
| 4.5 本章小结 |
| 第五章 全文总结 |
| 5.1 本文贡献 |
| 5.2 未来研究方向 |
| 致谢 |
| 参考文献 |
| 个人简历 |
| 攻读硕士学位期间参加的科研项目及研究成果 |
（5）基于LFMCW毫米波雷达的目标检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作及章节安排 |
| 第二章 LFMCW雷达和IWR1642模块 |
| 2.1 雷达方程 |
| 2.2 系统框架 |
| 2.3 测量算法 |
| 2.3.1 LFMCW雷达测距 |
| 2.3.2 LFMCW雷达测速 |
| 2.3.3 LFMCW雷达测角 |
| 2.4 IWR1642模块 |
| 第三章 基于毫米波雷达的人员定位跟踪算法 |
| 3.1 人体目标检测算法 |
| 3.2 静态杂波抑制技术 |
| 3.2.1 动目标显示(MTI)算法 |
| 3.2.2 动目标检测(MTD)算法 |
| 3.3 多目标跟踪算法 |
| 3.3.1 扩展卡尔曼滤波的原理 |
| 3.3.2 多目标跟踪算法实现流程 |
| 3.4 目标定位跟踪算法实现 |
| 3.5 实验结果与分析 |
| 3.5.1 静止人员定位实验数据分析 |
| 3.5.2 行走人员定位跟踪实验数据分析 |
| 3.6 本章小结 |
| 第四章 基于毫米波雷达的生命体征检测算法 |
| 4.1 生命体征信号特征分析 |
| 4.2 回波信号预处理 |
| 4.2.1 回波信号噪声分析 |
| 4.2.2 Savitzky-Golay滤波增强回波信号 |
| 4.3 生命体征信号相位检测算法 |
| 4.3.1 距离相位转化 |
| 4.3.2 相位处理技术 |
| 4.4 呼吸和心跳速率估计算法 |
| 4.4.1 呼吸和心跳信号的分离 |
| 4.4.2 心跳信号运动受损片段去除 |
| 4.4.3 呼吸和心跳速率决策方法 |
| 4.5 实验结果与分析 |
| 4.5.1 可行性试验与分析 |
| 4.5.2 可靠性实验与分析 |
| 4.6 本章小结 |
| 第五章 基于毫米波雷达的手势识别算法 |
| 5.1 手势识别算法流程设计 |
| 5.2 手势信号预处理算法 |
| 5.3 手势特征提取 |
| 5.3.1 手势动作特点分析 |
| 5.3.2 特征信息提取方法 |
| 5.4 基于SVM的手势识别算法 |
| 5.4.1 SVM分类器的实现原理 |
| 5.4.2 SVM多分类解决方案 |
| 5.4.3 SVM系统分类训练 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 致谢 |
（6）基于UWB雷达系统的人体呼吸心跳信号检测方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外相关领域研究现状 |
| 1.3 研究内容和论文结构 |
| 第二章 UWB雷达检测人体呼吸心跳的原理 |
| 2.1 UWB雷达工作原理 |
| 2.2 UWB雷达特点 |
| 2.3 人体呼吸心跳与胸腔起伏的关系 |
| 2.3.1 呼吸与胸腔起伏的关系 |
| 2.3.2 心跳与胸腔起伏的关系 |
| 2.4 压缩感知基本原理 |
| 2.5 总结 |
| 第三章 UWB呼吸心跳检测雷达系统的构建 |
| 3.1 雷达系统硬件指标 |
| 3.1.1 UWB呼吸心跳检测雷达的信号形式 |
| 3.1.2 信号工作频段及中心频率 |
| 3.1.3 UWB雷达天线参数 |
| 3.1.4 最大发射信号功率 |
| 3.1.5 谐波抑制 |
| 3.1.6 射频放大电路 |
| 3.1.7 三阶交调截点 |
| 3.2 雷达系统的设计 |
| 3.2.1 UWB信号发射模块 |
| 3.2.2 放大器模块 |
| 3.2.3 信号耦合模块 |
| 3.2.4 信号混频模块 |
| 3.2.5 LC滤波器模块 |
| 3.2.6 雷达回波信号采样模块 |
| 3.2.7 控制及信号处理模块 |
| 3.2.8 PCB |
| 3.3 UWB雷达系统的基本功能验证 |
| 3.4 总结 |
| 第四章 雷达回波信号中人体呼吸心跳信号提取算法研究 |
| 4.1 建立目标回波信号模型 |
| 4.2 信号去直和脉冲压缩的研究 |
| 4.2.1 均值法去除直流分量 |
| 4.2.2 沿距离向加窗脉压 |
| 4.3 信号去杂和目标距离锁定算法的研究 |
| 4.3.1 均值法去杂波 |
| 4.3.2 CFAR算法目标距离锁定 |
| 4.4 稀疏重构算法提取呼吸心跳信号的研究 |
| 4.4.1 稀疏重构算法的基本原理 |
| 4.4.2 改进后的稀疏重构算法 |
| 4.5 雷达回波信号处理结果分析 |
| 4.5.1 雷达回波信号处理流程 |
| 4.5.2 均值算法去直去噪结果分析 |
| 4.6 总结 |
| 第五章 PC端监控软件的设计与实现 |
| 5.1 C/S体系结构模式 |
| 5.2 PC端监控软件架构设计 |
| 5.3 PC端监控软件主要功能界面设计 |
| 5.4 PC端监控软件实现 |
| 5.5 总结 |
| 第六章 UWB人体呼吸心跳检测雷达探测试验 |
| 6.1 实际人体呼吸心跳检测试验 |
| 6.1.1 目标回波信号的获取 |
| 6.1.2 信号处理后的结果 |
| 6.1.3 人体呼吸心跳信号加权稀疏重构后的结果 |
| 6.2 总结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的学术成果 |
（7）精密可控震源震相信号提取及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 人工源地震勘探及深部探测 |
| 1.1.1 人工源地震勘探 |
| 1.1.2 人工源深部探测 |
| 1.2 人工震源激发技术 |
| 1.2.1 脉冲震源及其信号特征 |
| 1.2.2 连续震源及其信号特征 |
| 1.3 连续震源的震相识别及其存在问题 |
| 1.4 本文研究内容及章节安排 |
| 第二章 连续震源信号处理技术 |
| 2.1 时域分析方法 |
| 2.1.1 互相关检测 |
| 2.1.2 短时互相关 |
| 2.1.3 加权匹配滤波法 |
| 2.2 变换域分析方法 |
| 2.2.1 相干法 |
| 2.2.2 反褶积法 |
| 2.2.3 “存否”倒谱方法 |
| 2.2.4 WHT法 |
| 2.3 时变窄带滤波方法的基础工作 |
| 2.4 本章小结 |
| 第三章 扫频震源的时变窄滤波技术 |
| 3.1 扫频震源信号的频率变化特征 |
| 3.2 时变窄带滤波器的优化设计 |
| 3.2.1 数字谐振器 |
| 3.2.2 时变窄带数字滤波器 |
| 3.3 窄带滤波器参数设计与震相分离 |
| 3.3.1 震相全局扫描算法 |
| 3.3.2 窄带滤波器参数设计 |
| 3.4 与匹配滤波法的对比 |
| 3.4.1 有关信噪比对比讨论 |
| 3.4.2 相关子波的对比 |
| 3.5 本章小结 |
| 第四章 精密可控震源数据处理及分析 |
| 4.1 精密可控震源观测实验 |
| 4.1.1 实验介绍 |
| 4.1.2 激发信号特征 |
| 4.2 扫频信号校正 |
| 4.2.1 扫频信号校正原理 |
| 4.3 基于震相全局扫描算法的震相提取与验证 |
| 4.3.1 震相到时的检测 |
| 4.3.2 震相提取与识别 |
| 4.4 与爆破源的对比分析 |
| 4.5 本章小结 |
| 第五章 震相识别可靠性分析 |
| 5.1 信噪比与相关子波峰值能量比 |
| 5.1.1 相关子波峰值能量比定义 |
| 5.1.2 相关子波峰值能量比与台站记录信号信噪比的统计关系 |
| 5.1.3 相关子波峰值能量比与叠加次数的统计关系 |
| 5.1.4 新丰江实验数据中所识别震相的信噪比判定 |
| 5.2 两个走时接近震相的到时提取问题 |
| 5.2.1 两个到时接近且具有一定信噪比的震相的分离 |
| 5.2.2 信噪比对震相分离的影响 |
| 5.2.3 扫描信号的频率变化率对震相分离的影响 |
| 5.3 互相关参考信号的影响 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 讨论与展望 |
| 参考文献 |
| 致谢 |
| 作者简介、研究成果及发表文章 |
（8）任务难度与加工通道对视觉返回抑制时程的影响（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.1.1 任务难度影响IOR的观点 |
| 1.1.2 前人研究的不足 |
| 1.2 研究思路 |
| 1.2.1 采用同类刺激操控任务难度 |
| 1.2.2 有效操控刺激属性探究M/P通道对IOR出现的影响 |
| 1.2.3 利用DDM探究IOR认知机制 |
| 2 实验1: 任务难度在M通道中对IOR的影响 |
| 2.1 实验目的与假设 |
| 2.2 实验方法 |
| 2.2.1 被试 |
| 2.2.2 实验刺激、设备与流程 |
| 2.2.3 实验设计与数据分析 |
| 2.2.4 模型参数估算 |
| 2.3 行为数据结果 |
| 2.3.1 正确率 |
| 2.3.2 反应时 |
| 2.4 模型结果 |
| 2.4.1 边界值 |
| 2.4.2 漂移率 |
| 2.4.3 非决策时间 |
| 2.5 实验1小结 |
| 3 实验2: 任务难度在P通道中对IOR的影响 |
| 3.1 实验目的与假设 |
| 3.2 方法 |
| 3.2.1 被试 |
| 3.2.2 实验刺激、设备与实验流程 |
| 3.2.3 实验设计与数据分析 |
| 3.2.4 模型参数估计 |
| 3.3 行为数据结果 |
| 3.3.1 正确率 |
| 3.3.2 反应时 |
| 3.4 模型结果 |
| 3.4.1 边界值 |
| 3.4.2 漂移率 |
| 3.4.3 非决策时间 |
| 3.5 实验2小结 |
| 3.6 实验1与实验2的联合分析 |
| 3.6.1 行为数据结果 |
| 3.6.2 模型结果 |
| 4 讨论 |
| 4.1 IOR的作用阶段 |
| 4.2 M/P通道的IOR效应 |
| 4.3 匹配刺激属性后的任务难度是否能调节IOR的出现 |
| 4.4 研究不足 |
| 5 结论 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（9）基于熵的测量信息方法研究（论文提纲范文）
| 摘要 |
| Abstrcat |
| 主要符号对照表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 测量理论与方法的研究现状 |
| 1.3 存在的理论方法问题 |
| 1.4 研究内容与结构安排 |
| 2 测量信息理论基础 |
| 2.1 信息理论重要定理 |
| 2.2 最大熵原理 |
| 2.3 信息理论相关引理 |
| 2.4 本章小结 |
| 3 基于熵的信源-感知器联合建模 |
| 3.1 信源熵模型及分析 |
| 3.2 基于最大熵原理的信源估计 |
| 3.3 基于熵的信源-感知器联合建模 |
| 3.4 本章小结 |
| 4 基于信息熵的测量系统建模与准则设计 |
| 4.1 熵平衡定理以及和信息量与贯序信息量 |
| 4.2 基于熵的测量系统建模 |
| 4.3 基于熵表征的测量系统准则设计 |
| 4.4 基于熵的随机信号统计推断准则与方法设计 |
| 4.5 本章小结 |
| 5 信息获取过程中测量变换的熵特性分析 |
| 5.1 测量变换的信息熵表征 |
| 5.2 测量变换与条件熵的等价作用 |
| 5.3 串联测量系统的信息传递特性分析 |
| 5.4 应用实例 |
| 5.5 本章小结 |
| 6 典型测量系统信息处理算法的熵表征与分析 |
| 6.1 数字相敏检波算法的熵分析 |
| 6.2 最大熵隐马尔科夫模型的熵描述 |
| 6.3 盲源分离的熵方法表征与分析 |
| 6.4 本章小结 |
| 7 特征信息提取与优选的扩展信息熵表征与评价研究 |
| 7.1 信息熵的扩展 |
| 7.2 特征信息提取的可变容限模糊熵表征 |
| 7.3 特征信息优选的改进邻域互信息评价研究 |
| 7.4 本章小结 |
| 8 总结与展望 |
| 8.1 全文总结 |
| 8.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表、在审和准备投稿的学术论文 |
| 附录2 公开发表的学术论文与博士学位论文的关系 |
| 附录3 攻读博士学位期间授权和申请的专利 |
| 附录4 攻读博士学位期间参加的科研项目 |
（10）变工况风力机关键部件间歇故障成长状态检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 风力机故障诊断研究现状 |
| 1.3 间歇故障诊断定性分析方法 |
| 1.4 间歇故障诊断定量分析方法 |
| 1.5 混沌理论在微弱信号检测中的应用现状 |
| 1.6 本文研究主要内容 |
| 第2章 风力机关键部件间歇故障特征 |
| 2.1 风力机叶片故障介绍 |
| 2.1.1 叶片裂纹损伤分析 |
| 2.1.2 叶片故障类型分析 |
| 2.2 双馈型风电机组传动链系统 |
| 2.3 传动链间歇故障特征解析 |
| 2.3.1 风电齿轮箱特征频率计算 |
| 2.3.2 行星级各齿轮故障特征频率计算 |
| 2.4 风力机传动链典型故障调制机理 |
| 2.4.1 齿轮故障形式 |
| 2.4.2 轴承故障调制机理 |
| 2.4.3 行星轮系分布式故障调制机理 |
| 2.5 风力机传动链故障信号特征 |
| 2.5.1 齿轮磨损故障 |
| 2.5.2 齿轮断齿故障 |
| 2.6 风力机齿轮箱及叶片故障解调 |
| 2.6.1 小波变换理论 |
| 2.6.2 改进的MORLET小波基频提取 |
| 2.7 风力机运行中的微弱间歇故障 |
| 2.7.1 故障的微弱性 |
| 2.7.2 故障的间歇性 |
| 2.7.3 微弱间歇故障的信号预处理 |
| 2.8 本章小节 |
| 第3章 混沌Duffing振子检测及相态判别方法 |
| 3.1 混沌系统基本理论 |
| 3.1.1 Homles-Duffing振子模型 |
| 3.1.2 改进Duffing振子噪声免疫特性 |
| 3.2 分数阶微积分概念 |
| 3.3 分数阶微积分的求解方法 |
| 3.4 传统混沌系统相态判别方法 |
| 3.4.1 系统相态的定性判别方法 |
| 3.4.2 定性分析法的局限性 |
| 3.4.3 系统相态的定量判别方法 |
| 3.4.4 定量分析法的局限性 |
| 3.5 改进型Duffing振子相态判别 |
| 3.5.1 庞加莱映射 |
| 3.5.2 庞加莱截面密度峰值算法 |
| 3.6 本章小节 |
| 第4章 分数阶混沌系统微弱间歇故障检测方法 |
| 4.1 分数阶可停振动系统检测理论 |
| 4.2 微弱间歇故障成长状态检测原理 |
| 4.3 分数阶混沌系统间歇故障幅值自动检测 |
| 4.4 本章小节 |
| 第5章 风力机变工况间歇故障成长状态检测 |
| 5.1 信号幅值检测方法研究 |
| 5.1.1 短时傅里叶变换幅值检测 |
| 5.1.2 Morlet复小波变换幅值检测 |
| 5.1.3 幅值检测方法比较 |
| 5.2 叶片变工况间歇故障成长状态检测 |
| 5.3 齿轮箱轴承变工况间歇故障成长状态检测 |
| 5.4 本章小节 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 攻读博士学位期间发表的论文 |
四、信号检测与目标信息提取技术（论文参考文献）
- [1]毫米波FMCW雷达的生命特征信号检测技术研究[D]. 王文. 重庆邮电大学, 2021
- [2]基于微波-声学体制的空水跨介质通信研究[D]. 杨申. 哈尔滨工业大学, 2021
- [3]面向无人驾驶的交通信号检测与识别方法研究与应用[D]. 梁容. 电子科技大学, 2021(01)
- [4]基于期望传播的信号迭代检测技术研究[D]. 陈芸. 电子科技大学, 2021(01)
- [5]基于LFMCW毫米波雷达的目标检测方法研究[D]. 周早丽. 南京邮电大学, 2020(02)
- [6]基于UWB雷达系统的人体呼吸心跳信号检测方法[D]. 梁璐. 广西大学, 2020(07)
- [7]精密可控震源震相信号提取及应用[D]. 王晓蕾. 中国地震局地球物理研究所, 2020(03)
- [8]任务难度与加工通道对视觉返回抑制时程的影响[D]. 陈曹霁. 苏州大学, 2020(03)
- [9]基于熵的测量信息方法研究[D]. 潘浩. 华中科技大学, 2020
- [10]变工况风力机关键部件间歇故障成长状态检测技术研究[D]. 高丙朋. 新疆大学, 2020(06)