一、混合正交小波基的构造（论文文献综述）
冯元彬[1]（2021）在《基于多源信号特征融合的刀具磨损状态在线监测》文中指出加工过程中刀具与工件、切屑的相互作用,会将其材料微粒转移至切屑或工件上造成刀具的磨损,改变刀具状态从而影响工件的加工精度。研究能够及时准确掌握刀具服役状态的智能监测与诊断方法对提高零件的加工精度和效率以及延长刀具使用寿命具有重要意义。以铣刀为研究对象,对铣削加工过程进行信号采集、分析处理,开展刀具磨损状态智能在线监测研究,主要研究内容如下:在线实时采集变工况下的刀具处于不同磨损阶段时的声音和振动信号;采用正交布置传感器方式实现对切削过程中振动信号的全面准确描述,解决了单一传感器安装方向对信息完整性的影响。利用傅立叶变换方法将时域信号映射至频域,分析了刀具在切削状态与非切削状态下的信号成分分布特点,明确了振动信号中的低频干扰频段。以模拟巴特沃斯低通滤波器模型为基础,采用去归一化方法并结合双线性Z变换推导了数字巴特沃斯高通滤波器的数学表达。针对振动信号中的低频强干扰信号选择合适的滤波器参数,利用数字巴特沃斯高通滤波器通带内最大限度平坦特性对振动信号进行降噪处理;运用本文提出的周期平移自相关系数计算方法,确定了非线性小波阈值降噪的信号最佳滤波分解层数。采用sym5小波基函数剔除了声音和振动信号中信噪频段互相交叠的高频和随机干扰成分。通过分析刀具在不同磨损状态下信号中的成分分布,采用统计学方法,得到声音和振动信号的前六阶主成分。提取出声音和振动信号中主成分幅值占比特征值、时域、频域以及经过小波包分解的不同频段能量占比特征值作为特征优选的原始特征集合。基于GA-RBF方法优选敏感特征,实现特征降维。染色体基因采用二进制编码方式,以RBF网络模型对特征值和刀具磨损等级映射关系作为染色体适应度值的计算函数,以识别准确率作为优化目标,设定种群规模和遗传代数,经迭代计算寻找到适用于不同切削参数下的最优特征组合。特征值优选能够寻找到识别度高、表征能力强的敏感特征,剔除冗余特征,减少网络输入参数,提高其识别准确度与识别速度。以二维卷积神经网络作为特征融合神经网络和模式识别分类器,将提取的特征值等间距布置构成特征矩阵样本作为网络输入,网络输出为刀具的磨损程度。利用卷积运算的自适应逐层特征识别和提取能力实现了多源信号的特征级融合和对刀具不同磨损等级状态的识别。实验结果表明多源信号特征值融合方法的优越性以及所建立的刀具磨损状态识别理论方法的有效性。稳定磨损阶段,通过监测刀具磨损状态优化加工参数及修正刀具,保证工件加工质量,延长刀具使用寿命,降低了刀具成本;刀具进入剧烈磨损阶段时,及时发现并报警,可避免断刀,解决了智能制造过程中确定刀具最佳更换时间的问题,降低了工件的报废率,从而减小生产制造成本。
张相胜[2]（2021）在《微生物代谢产物发酵过程建模研究》文中研究指明微生物发酵过程往往要涉及到各种生物代谢反应及物理过程和化学反应,机理反应和内部的动态变化很难掌握。其生长过程涉及各种因素,属于典型的非线性系统,机理建模需要长期经验积累,考虑多种因素并进行简化处理。建立合理的数学模型是实现微生物发酵过程优化的基础,受到检测条件与水平的限制,发酵过程控制的许多重要过程变量数据通常是离线取样获得,无法在线实时检测及时反应发酵信息,具有较大时间延迟。此类复杂过程建模和优化技术亟需开展进一步的软测量研究。本文对于微生物代谢产物发酵过程模型结构已知但参数未知、结构和参数都未知情况,分别从发酵过程的工艺机理模型、机理数据混合模型和数据驱动模型三个方面开展研究,主要研究内容为:（1）研究了微生物代谢产物发酵过程中培养环境指标和建立动力学模型与提高发酵产品产量及收率的关系。首先借助响应面分析方法获得了谷氨酸发酵过程最佳的培养环境指标;其次分析了微生物发酵过程的动力学特性,给出了发酵过程通用的动力学模型,并用构造性方法估计出了丙酮酸动力学模型参数;最后分析了基于丙酮酸动力学模型发酵过程平衡点的存在性和稳定性,并分析了稳定性条件。（2）针对微生物代谢产物发酵过程的非线性时变特点,研究了具有非线性特性的Hammerstein模型参数辨识方法。首先推导了针对Hammerstein模型的辅助模型随机梯度算法;其次,为加快算法的收敛速度,借助关键项分离方法,基于辅助模型和梯度搜索原理设计了多新息随机梯度的模型参数辨识算法;最后,提出了辅助模型多新息随机梯度参数辨识方法,实现了Hammerstein结构的青霉素发酵过程模型参数的辨识。实验结果表明,在发酵过程模型结构和阶次已知情况下,该算法能够利用发酵过程的输入输出数据,估计发酵过程的参数,由所建立的模型实现对发酵产物浓度的估计。（3）针对很多微生物代谢产物发酵过程的模型结构未知,不易建模的情况,研究了一种基于多尺度小波支持向量机的发酵过程软测量方法。提出了一种多尺度小波核函数的支持向量机,提高了建模精度。实验结果表明,基于多尺度小波核函数支持向量机的软测量方法建立的谷氨酸模型,获得了较高的谷氨酸浓度、溶解氧和残糖浓度估计精度。（4）为了减小代谢产物发酵过程采集数据中异常值和噪声对回归模型的影响,提出了一种特征加权孪生支持向量回归机。首先选择K近邻方法为每个样本设置基于密度的权重,采用Wards链式聚类算法提取样本的特征信息,并将两者融合到特征加权孪生支持向量回归机的目标函数中。为提升特征加权孪生支持向量回归机的预测性能,选择二次多项式核函数和径向基核函数构成的混合核函数,并采用自适应粒子群算法优化支持向量机的模型参数。实验结果表明,基于混合核函数的特征加权孪生支持向量回归机,建立的谷氨酸发酵过程模型对谷氨酸浓度和残糖浓度估计精度较高。
侯志春[3]（2021）在《基于小波积分配点法求解矩形板大挠度弯曲问题》文中认为在力学领域中普遍存在着非线性现象,数学形式上可以描述为非线性的初边值问题。但是由于非线性问题的复杂性,目前我们很难去找到其解析解,所以现在的工程问题中通常需要数值技术去解决。虽然目前已有数值算法中已经在该方面取得了很大的成功,但是现有的研究还是没有把非线性问题解决好。比如有多空间维度或高阶导数的存在时,一般都未能有效解决,非线性问题的存在使得现有算法难以凑效,尤其是三则耦合情况下更是无法解决。基于目前研究现状,本文针对高维高阶导数的非线性问题给出了高精度的求解方法,同时在解决薄板结构的弯曲问题时避免了有限元软件仿真分析导致的沙漏效应。本文基于一维小波方法,拓展了多维Coiflet小波积分逼近格式,构造了高维小波积分配点法,并通过数值算例验证了该算法的可行性。具体研究内容分三个部分介绍如下:（1）介绍了紧支性的正交Coiflet小波,基于此得到了有界区间上L2函数的多维小波积分逼近格式,通过泰勒多项式插值展开对逼近格式的误差精度给出了证明。之后对三维空间中的边界端点处存在的跳跃现象进行了改进,获得了更为稳定的小波函数积分形式,给出了高维高阶小波积分配点法的数值离散格式。（2）考虑到泊松方程经常被用来验证一种新算法的优劣,本文利用极端的高维高阶类泊松问题去验证前面构造的小波积分配点法。我们分别分析了二维4到8阶以及三维4阶类泊松方程的数值精度,发现本文所构造的方法求解精度不依赖于空间维数以及最高阶导数阶数,更重要的是始终保持和直接逼近函数一样的高精度。（3）针对于在力学结构分析中的矩形薄板大挠度弯曲问题,诸如有限元算法会因为形函数阶数太低不能描述弯曲状态而导致沙漏效应。小波方法引入高阶形函数进行插值,可以准确表达板的弯曲状态,且小波积分配点法采用积分的思路,不依赖于导数,不会损失求解精度。我们通过在板的中心加载集中力验证了该算法完全可以避免剪力锁闭现象,以及在精度方面保持了与理论分析的一致性。
王魁良[4]（2021）在《Haar小波数值方法及其在力学问题中的应用》文中研究指明小波分析是近几十年快速发展起来的一种数学工具,已经被运用于微分方程的数值求解。结构分析和工程力学中的问题多是以微分方程的形式来表征的,这类方程往往有高维、高阶和非线性等难点,所以需要有效的数值方法来求解。本研究小组之前提出的一种基于Coiflet小波的积分配点方法,具有非常高的精度。但由于支撑集为[0,17]的Coiflet小波不具有解析表达式,其函数值和积分只能通过一系列相对复杂的计算在二分点处求取,增加了复杂度和计算量,这在一定程度上限制了该方法的使用。而Haar小波形式简单,相关的计算容易,作为一种具有显式表达式的小波,同时还具有规范正交性、紧支撑等性质。本文针对求解精度上要求不是特别高的问题,基于Haar小波构造了积分配点方法。首先通过Haar小波的函数展开定理,分析了用小波积分的方法求解微分方程的原理和可行性。然后给出了方程中各项用函数的最高阶偏导数通过Haar小波及其积分表示的表达式以及边界条件的处理方法。最后给出了使用配点法离散方程和求解离散后得到的代数方程的方法,以及待求函数的重构。为了检验该方法的性能,对于静力学的边值问题,我们选取一维Bratu方程和方板弯曲方程作为算例。其中Bratu方程采用了不同的表示非线性强弱的参数,方板弯曲问题包括小挠度和大挠度两种情形分别对应的线性和非线性方程,以及不同类型的载荷。通过对这些具有不同参数和特点的方程进行求解并进行误差分析,我们发现所构造的Haar小波积分配点法具不受方程阶数和非线性强弱影响的稳定的二阶收敛精度,误差也在可观的范围内。对于动力学的初边值问题,我们选取流体力学中经典的槽道流和方腔流作为算例,用Haar小波积分配点法结合人工压缩算法求解了二维原始变量粘性不可压缩流动的N-S方程。其中将时间作为与空间坐标等价的变量处理,也给出了将边界条件纳入初始条件的处理方法。计算表明,使用较少的节点即可模拟出较好的流场结果,证明了该方法在求解动力学问题中复杂非线性方程的可行性。
李岩峰[5]（2021）在《单通道时频混叠信号分离算法研究》文中进行了进一步梳理单通道时频混叠信号分离是近几年来通信领域的重要研究,因其特殊的接收模式以及接收信号的时频域重叠的特性,故无法通过传统的滤波实现信号分离。该课题主要是研究单一传感器接收多个时频域重叠的信号组成的混合信号的分离问题。在此背景下,本文将针对该类问题的解决方案展开研究。主要贡献如下:1、针对基于多尺度分解的信号分离算法下小波基的选取问题进行了研究。首先,搭建了基于多尺度分解的信号分离算法的模型,通过对该算法框架进行分析,得出所需小波基本函数具有的性质。将此类小波分别作为该算法框架下的小波基,将基于不同小波的分离算法用于分离由不同的信号组合而成的混合信号,并将其分离效果作对比分析,给出了不同信噪比下,基于不同小波的分离算法对不同信号组合的分离效果,从而选取在基于多尺度分解的分离算法框架下多尺度分解模块最合适的基本小波函数。2、针对基于多尺度分解的算法中Morlet小波的参数优化问题进行了研究,通过分析Morlet小波的特点以及该小波在基于多尺度分解的信号分离算法中存在的问题设计了一种自适应Morlet小波,利用基于最小香农熵准则对传统Morlet小波中心频率进行优化,一定程度上解决了小波参数依赖经验值设置的问题,提升了小波的性能,以中心频率优化后的Morlet小波作为小波基对单通道接收的时频混叠的混合信号进行多尺度小波分解,获得若干小波系数并构成虚拟多维观测信号,并运用独立分量分析完成信号分离,通过实验可知,经优化后的小波在一定程度上提升了算法的分离效果,使得算法更加的智能化,优化后的算法针对多组不同的混合信号的分离问题仍然有效。3、针对基于多尺度分解下信号分离模块的幅度模糊校正问题进行了研究,首先,分析了ICA模块具有天然的幅度模糊性,并依据此类问题列举了常用消除幅度模糊方法存在的弊端。在此基础上,设计了一种新的基于分离矩阵归一化的方法用于对信号分离模块的优化,该方法在一定程度上解决了信号分离模块的幅度模糊性,提升了算法在分离含调幅信号的混合信号的性能,并通过仿真实验验证该方法针对含有调幅信号的混合信号的分离问题是否具有有效性,并通过将校正后的算法与改进前的算法进行比对来证明该优化方案是否具有可行性,并分析了混合矢量以及信号重叠度对优化后的算法的影响。
徐素文[6]（2021）在《基于多小波调制的NOMA系统构建及性能分析》文中进行了进一步梳理非正交多址接入（NOMA）技术可以利用相同的传输资源（时间,频谱和空间等）同时为多个用户提供服务,因此它可以实现比传统正交多址（OMA）技术更高的频谱效率和更大的系统容量,目前已被广泛认为是未来无线电接入网络的关键解决方案。传统的NOMA系统通常将OFDM作为多载波方案,但这种方案存在高峰值平均功率比以及采用循环前缀降低了频谱效率这两大缺陷。为解决这些问题,小波调制被引入NOMA系统中,但基于小波调制的NOMA系统（SW-NOMA）的性能受限于小波无法同时拥有正交、对称、紧支撑和高阶消失矩这些性质;而多小波能兼具以上性质,因此考虑将多小波应用在NOMA系统中,构建出一套基于多小波调制的NOMA系统并对其性能进行分析。本论文基于多小波理论,研究提出一种基于多小波调制的NOMA系统,不仅可以进一步完善多小波理论及应用体系,而且能为多小波调制在NOMA系统中的应用提供理论支撑。本论文完成了如下研究工作:1.研究小波、多小波及多小波包理论,分析其Mallat算法的区别。重点分析三种常用的多小波,分析它们的时域波形及频域波形,研究对比它们的频谱,选择其中频谱正交性最好的CL4多小波作为本研究多小波调制的基础。2.在研究分析OFDM-NOMA系统和SW-NOMA系统的基础上,提出基于多小波调制的NOMA系统（MW-NOMA）方案,构建MW-NOMA系统的整体系统架构并分析其中的多小波调制解调过程。研究采用多小波调制要考虑的三大要点,包括多小波的选取、子载波函数基的分析和多小波的预处理。3.借助Matlab仿真工具,研究分析本文提出的MW-NOMA系统的系统性能,并与SW-NOMA和OFDM-NOMA系统作对比分析。仿真结果表明MW-NOMA系统可以实现与其它两种系统相近的误比特率性能,并且它在系统峰值平均功率比（PAPR）抑制方面有显着的优势,也能获得比OFDM-NOMA系统更高的系统容量。另外,MW-NOMA唯一的不足之处在于实现多小波调制的计算复杂度略高于SW-NOMA系统中单小波调制的计算复杂度,但这一点代价是可以接受的。
程靖宇[7]（2021）在《射频信号去噪算法研究》文中提出现如今,射频信号的应用领域日趋广泛,如:无线通信、RFID射频信号检测与识别系统、雷达通信系统等。射频信号就是经过一定调制得到的利于信道传输的高频信号,然而噪声干扰的不可避免性会使得接收端对于接收信号的信息解析产生误差,对后续研究工作造成不良影响,因而去噪意义不言而喻。目前,信号处理领域已有诸多去噪算法,各种算法都有其优劣性及应用条件,但大多数都应用于图像和低频信号,针对射频信号的研究则相对较少,这就使得射频信号去噪算法的课题具有重要价值和意义。本文以小波分析理论和奇异值分解理论为重点,研究了它们的去噪可行性,并将其应用至射频信号中,主要工作如下:首先,概述了射频信号去噪的背景及意义,简述了国内外研究现状和进展,并对通信系统中的常见噪声、射频含噪信号模型和常用的去噪指标做了介绍。其次,详细介绍了小波分析法相关理论,主要包括:多分辨率分析、连续和离散小波变换、Mallat快速算法、小波基数学特性和选取原则以及常用小波函数。将小波阈值去噪算法应用于射频信号,介绍了阈值施加方式和阈值估计准则,并进行了实验仿真和对比分析。结果表明:针对本章节的仿真信号,选取不同小波参数,高频系数直接置零法均失效,而利用软硬阈值函数和多种阈值估计准则的方法取得了良好的去噪效果,信噪比分别提高了约4.9～7.8d B不等,均方根误差和互相关系数指标也都有所提升。最后,介绍了奇异值分解去噪理论,通过仿真分析了分解矩阵的构造和维数以及奇异值处理对去噪结果的影响,并提出了两种结合方式下的小波和SVD的联合去噪算法。结果表明:针对本章节的仿真信号,利用Hankel矩阵构造信号,得到的去噪效果良好,且在矩阵维数相近并选取前2个主奇异值重构信号时的效果最优,信噪比提高了约30.4d B,同时小波和SVD的第二种结合方式的去噪效果优于第一种,使小波高频系数置零法的信噪比改善了约18.0d B。
郑胜[8]（2021）在《基于稀疏移不变理论的轴承故障特征提取和分离研究》文中认为随着现代工业和科学技术的迅猛发展,现代机械设备越来越大型化、精密化规模化和智能化,同时它们的运行工况也变得更为复杂和严苛,使得它们必须具备很高的运行可靠性。若机械设备中某些关键零部件发生了故障,不仅会给企业和国家带来巨大的经济损失,甚至可能造成严重的安全事故和人员伤亡。而滚动轴承作为旋转机械设备中的关键零部件之一,因其自身结构的特殊性以及复杂多变的工作环境,出现故障损伤的情况时有发生,因此为保障机械设备安全运行对滚动轴承进行故障诊断研究具有十分重要的意义。本文围绕信号的稀疏表示理论,对滚动轴承微弱故障和复合故障诊断展开深入研究,并结合了一些其它算法对其进行优化。主要研究内容如下:（1）熟知研究对象的故障机理是开展故障诊断的前提,因此阐述了滚动轴承的结构、故障形式及振动机理,并对轴承不同部位发生局部故障时产生的振动信号特征进行了分析。之后阐述了信号稀疏表示的基本理论,并对几种典型的稀疏系数求解算法和过完备字典构造方法进行了详细介绍。（2）滚动轴承服役环境中强背景噪声的干扰和传递路径长造成的信号衰减,使得轴承故障特征往往表现得较为微弱并提取困难,对此研究了基于Laplace小波（LW）和特征符号搜索算法（FSS）的滚动轴承微弱故障特征稀疏表示方法（LWFSS）。同时引入修正的自适应经验小波变换（AEWT）获取Laplace小波基的形态参数以及对原信号进行预处理,以便获得更佳的稀疏表达效果。通过对仿真和实验信号进行分析,结果表明所提方法在提取微弱故障特征方面具有较好的效果。（3）针对滚动轴承多个故障之间相互耦合不易诊断的问题,以及不同故障激起的共振频带存在重叠和无重叠的情况,研究了基于LWFSS和多点最优最小熵解卷积（MOMEDA）的滚动轴承复合故障诊断方法。首先使用LWFSS算法对信号进行分析,此处利用相关滤波法来获取与信号最优匹配的Laplace小波基。对得到的稀疏重构信号进行包络解调分析,若各重构信号能提取出单一故障故障特征则分离结束,若某个重构信号仍包含多个故障特征则使用MOMEDA进行处理。为验证所提方法的有效性,设计了滚动轴承复合故障模拟实验,并设有多种故障类型和工况,以便更好地研究轴承复合故障信号的特性。通过对轴承复合故障仿真信号和实验信号的分析,验证了所提方法能够有效地分离和提取滚动轴承复合故障特征。
党豪[9]（2020）在《基于深度学习的心脏数据自动分类与分割关键技术研究》文中认为目前,心血管病的死亡率处于疾病死亡构成的首要位置,已成为全人类健康的共同威胁。探索一种全自动的心脏数据分类和分割算法对心血管疾病的预防和治疗具有重要的理论研究意义。同时,也可以辅助医生从复杂繁重、费时费力的手动分类与分割工作中解脱出来,具有较大的临床实用价值。心电图数据包含了人体心脏活动的丰富信息,在一定程度上反应了心脏各部位生理活动的健康状况,是评估心脏功能、判定心脏疾病的关键因素之一。心脏核磁共振成像技术是一种无创的心脏成像技术,也是诊断心脏及大血管疾病的重要手段,已成为无创性检测与评价心脏结构和功能的重要依据。本文主要基于深度学习理论,系统地研究一维心电信号的自动检测与分类问题和二维心脏核磁图像的自动分割问题。论文主要包含以下研究内容和创新成果:第一,针对心电信号的预处理技术降噪方向进行研究。由于噪声信号存在高频与低频信号,论文提出了改进的形态学小波变换理论的降噪模型,称为Improved Morphology-WT模型。一方面,理论上分析了形态学滤波和小波变换方法的可行性,小波基函数的选择策略,分解尺度的决策过程,阈值处理方法和改进的阈值估计函数的构建等问题;另一方面,通过大量实验验证了小波基函数和分解层数的决策过程,也证明了 Improved Morphology-WT方法对于ECG信号中的低频和高频信号的降噪是合理可行的,而且为信号检测与分类工作奠定基础。第二,针对于房颤信号的检测与分类问题,本文提出了基于卷积神经网络和双向长短期记忆网络的CB-LinkNet模型。卷积神经网络具有很强的特征学习能力,但由于卷积神经网络的提出主要是解决图像分类、目标检测和图像分割等图像的特征提取任务,并没有重点考虑以信号为核心的一维数据,心电信号本质上是时间序列数据。所以,利用双向长短期记忆网络对卷积神经网络的特征学习能力进行补充和调整,使得网络模型更加适用于时间序列信号的特征提取任务。同时,基于原始房颤数据库（MIT-BIH Atrial Fibrillation database）的数据,论文分割出两种输入型信号:RR间隔数据（数据集A）和心拍序列数据（数据集B）,以验证房颤信号对于输入数据的特征敏感性。论文设计的3组消融性实验最终也验证了模型的鲁棒性和泛化性,模型分类准确率在训练和验证阶段分别达到了 99.94%和98.63%,在测试集上达到了 96.59%,敏感度和特异度在测试集上分别达到了99.93%和97.03%。同时,本文与国内外房颤检测的模型及分类结果进行了比较分析,本文的研究效果更为显着,充分证实了本研究的实际价值。第三,在对心律失常信号深入分析的基础上,本文提出了三个深度神经网络分类模型对多类心律失常信号进行检测与分类,包括plain-CNN 模型和两个 MSF-CNN 模型（A 和 B）。其中,plain-CNN模型是具有多个卷积层的基础网络结构;在plain-CNN模型的基础上提出了 MSF-CNNA,以提高plain-CNN网络的学习能力,主要是增加了并联组卷积操作（包括三个不同的卷积核,分别是1×7,1×5,1×3）;最后,在MSF-CNNA网络的基础上,通过实施串并联组卷积和残差学习模型形成了改进的MSF-CNNA模型,即MSF-CNNB模型,以提高算法的性能。在数据方面,考虑到心律失常类信号的数据特点,本文为模型设计了多尺度的输入信号,以验证数据尺度对于模型性能的影响,同时创造性的在一维信号处理中使用数据增强策略来提高数据的科学性和有效性。六组消融性实验证明了模型泛化能力和鲁棒性,在测试集上,平均准确率、敏感性和特异性分别达到了 96.59%,99.93%,97.03%,也充分体现了模型对于心律失常信号分类任务的重要价值。最后,针对于心脏左心室核磁图像的分割问题,本文提出了 Res-LinkNet分割模型,模型分为Encoder,Center和Decoder三个部分。Encoder的核心部分是模型设计了 ResLink结构模型,这一结构替代了 D-LinkNet中的特征提取器—ResNet结构模型。ResNet网络模型是针对于分类任务而设计的,该设计限制了感受野的范围,而且缺乏跨通道的特征交互与融合,ResLink结构模型可以有效地解决这一问题;Center部分的主要结构是DenseASPP。DenseASPP主要是为了有效解决特征图的感受野问题,其包含一个基础网络,后面分别连接5级空洞卷积层,空洞率分别为3,6,12,18,24,实现了混合空洞卷积。一方面,这一结构使得网络深层的特征图的感受野增大,另一方面,它可以有效缓解普通的空洞卷积运算引起的“网格问题”,同时,对不同通道的特征也进行融合;Decoder部分主要是运用密集上采样卷积操作,通过一系列密集上采样卷积操作来将Encoder阶段下采样的特征图放大至所需尺寸,尽可能地恢复图像特征信息。实验进行了三组消融性分析和一组综合比较分析,结果表明,Res-LinkNet101最终平均准确率达到了 99.88%,mIOU 达到了 94.95%,F1 Score 达到了95.57%,充分体现了模型对于左心室分割的有效性。纵览全文,本文的主要创新点如下:（1）在心电信号降噪技术研究中,论文提出了 Improved Morphology-WT降噪模型,同时也提出了自适应阈值估计方法和改进的阈值函数来完成模型中的小波分解工作。（2）在房颤信号检测与分类研究中,本文提出了融合了卷积神经网络和双向长短期记忆模型的CB-LinkNet模型,同时设计两类输入型信号以评估房颤信号的特征敏感性。（3）在多类心律失常信号检测与分类研究中,本文提出了三个端到端的分类网络模型,同时创新性的在信号中设计了数据增强方法,以有效避免模型过拟合。（4）在左心室分割研究中,论文提出了 Res-LinkNet分割模型,并在Encoder部分设计了基于Attention的ResLink结构模型来完成对心脏核磁影像的特征提取工作。
李永浩[10]（2020）在《小波变换位场分离技术在内蒙某地重力调查中的应用》文中指出重力勘探是解决地质构造问题,矿产资源勘查的重要地球物理方法。在野外勘探过程中,我们采集的数据是包含异常体在内的不同尺度、维度、物性差异的地质体产生的叠加异常,为了确保后期数据处理和反演工作顺利进行,则需要从叠加异常中分离出只包含目标体的异常信息。已研究的位场分离方法种类众多,优缺点并存,分离参数对分离结果的影响变换尚不明确,因此,位场分离仍然是重力资料处理及解释中没有很好解决的一个难题。能够准确、快速的将研究所需要目标体产生的异常从叠加异常中分离出来,不仅决定了反演结果的可靠性,还极大的提高数据处理解释的效率,因此,寻找适宜重力位场分离方法一直都是研究者努力的方向。对于不同场源深度、不同规模的异常,使用常规的位场分离方法能得到较好的分离效果,但对于实际复杂数据情况,由于场源复杂,埋深、规模各异,对于这样情况常规傅里叶变换由于其不包含空间的信息,从而存在了分离不彻底和不能空间定位分离等缺点。在传统傅里叶变化的基础上,发展了小波变换。但由于小波变换的基函数众多,而多尺度分解的层数也不固定,因此需要通过建立和研究区地质情况较为近似的模型,以模型的正演数据进行分离试算,通过对分离结果的分析,寻找最优的小波基函数以及分解层数。本文在详细介绍和分析几种常用位场分离技术以及小波变换多尺度分析技术各自优缺点基础上,通过构建不同地质模型,对比不同分离技术的效果发现小波变换多尺度分析技术较其他方法取得更好的分离效果。在进行小波多尺度分离时,不同类型的地质体模型使用不同的小波基函数及分解层数会取得不同的分解效果,因此要严防小波分解层数过大产生的将背景场分解为局部异常的现象。最后,通过对内蒙某地实测重力数据进行区域异常分离,进一步验证了基于小波变换重力异常分离方法的有效性。
二、混合正交小波基的构造（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、混合正交小波基的构造（论文提纲范文）
（1）基于多源信号特征融合的刀具磨损状态在线监测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 研究现状及分析 |
| 1.2.1 刀具磨损检测方法研究 |
| 1.2.2 信号降噪方法研究现状 |
| 1.2.3 特征值提取与选择方法研究现状 |
| 1.2.4 信息融合状态识别研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 刀具状态信号降噪处理方法研究 |
| 2.1 铣削加工刀具磨损实验 |
| 2.1.1 刀具检测信号采集实验 |
| 2.1.2 实验内容 |
| 2.2 振动信号合成 |
| 2.3 信噪频带互相分离的降噪方法 |
| 2.3.1 巴特沃斯滤波降噪方法 |
| 2.3.2 刀具磨损信号高通滤波 |
| 2.4 信噪频带混叠的降噪方法 |
| 2.4.1 非线性小波阈值法降噪法 |
| 2.4.2 周期平移自相关系数法 |
| 2.4.3 刀具磨损信号降噪 |
| 2.5 本章总结 |
| 第3章 刀具磨损信号特征值提取与选择 |
| 3.1 小波包分解法 |
| 3.2 特征值提取 |
| 3.2.1 信号主成分特征值 |
| 3.2.2 小波包分解能量占比特征值 |
| 3.2.3 时域和频域特征值 |
| 3.2.4 振动及声音信号特征值提取 |
| 3.3 基于GA-RBF的最优特征选择 |
| 3.3.1 基于GA的刀具磨损特征值选择 |
| 3.3.2 基于RBF的适应度函数 |
| 3.4 刀具磨损状态特征值选择 |
| 3.4.1 特征值组合数量的确定 |
| 3.4.2 特征值组合结果 |
| 3.5 本章总结 |
| 第4章 多源信号特征融合卷积网络识别方法研究 |
| 4.1 刀具磨损信号特征值CNN融合方法 |
| 4.2 刀具磨损状态识别 |
| 4.2.1 单一振动信号的刀具磨损状态识别 |
| 4.2.2 单一声音信号的刀具磨损状态识别 |
| 4.2.3 融合特征信号的刀具磨损状态识别 |
| 4.2.4 识别结果对比 |
| 4.3 本章总结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（2）微生物代谢产物发酵过程建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题提出和研究意义 |
| 1.2 微生物代谢产物发酵过程建模研究概况 |
| 1.2.1 发酵过程工艺机理建模的现状 |
| 1.2.2 发酵过程混合模型辨识的现状 |
| 1.2.3 发酵过程基于数据驱动的软测量 |
| 1.3 微生物代谢产物发酵过程模型类别 |
| 1.3.1 发酵过程模型的分类 |
| 1.3.2 微生物发酵过程建模一般步骤 |
| 1.4 论文研究内容 |
| 第二章 代谢产物发酵过程动力学模型及稳定性分析 |
| 2.1 引言 |
| 2.2 发酵培养条件分析 |
| 2.2.1 微生物营养要素 |
| 2.2.2 微生物培养环境条件 |
| 2.2.3 培养环境优化技术 |
| 2.3 微生物发酵过程培养基及其优化 |
| 2.3.1 培养基的基本构成 |
| 2.3.2 培养基条件的优化 |
| 2.4 微生物发酵过程物料平衡分析 |
| 2.4.1 基本公式 |
| 2.4.2 微生物发酵过程生长和底物消耗动力学模型 |
| 2.4.3 微生物发酵过程比生长速率分析 |
| 2.5 发酵过程通用动力学模型 |
| 2.5.1 微生物生长、维持、死亡状态空间模型 |
| 2.5.2 丙酮酸发酵过程动力学模型 |
| 2.6 丙酮酸发酵过程模型稳定性分析 |
| 2.6.1 丙酮酸发酵过程动力学方程的平衡点 |
| 2.6.2 丙酮酸发酵动力学方程平衡点的稳定性 |
| 2.7 本章小结 |
| 第三章 基于Hammerstein模型的发酵过程参数辨识 |
| 3.1 引言 |
| 3.2 Hammerstein非线性输出误差模型描述 |
| 3.3 非线性输出误差模型参数辨识的梯度迭代算法 |
| 3.3.1 算法推导 |
| 3.3.2 仿真实验 |
| 3.4 辅助模型多新息随机梯度算法 |
| 3.4.1 辅助模型多新息随机梯度算法推导 |
| 3.4.2 仿真实验 |
| 3.5 青霉素发酵过程参数辨识 |
| 3.5.1 发酵过程的多模型结构 |
| 3.5.2 仿真实验 |
| 3.5.3 青霉素发酵工艺 |
| 3.5.4 青霉素发酵过程参数辨识 |
| 3.6 本章小结 |
| 第四章 基于多尺度小波支持向量机的发酵过程软测量研究 |
| 4.1 引言 |
| 4.2 小波核函数的基本原理 |
| 4.2.1 希尔伯特空间和小波框架 |
| 4.2.2 基于框架的核函数 |
| 4.2.3 小波函数分析 |
| 4.3 多尺度小波核函数 |
| 4.3.1 多分辨分析 |
| 4.3.2 小波函数和小波空间分析 |
| 4.4 多尺度小波核函数支持向量机 |
| 4.4.1 支持向量机 |
| 4.4.2 多尺度小波核函数的支持向量机 |
| 4.4.3 仿真实验及应用 |
| 4.5 小波支持向量机在谷氨酸软测量中的应用 |
| 4.5.1 谷氨酸工艺过程概述 |
| 4.5.2 实验材料与方法 |
| 4.5.3 训练数据的预处理 |
| 4.5.4 支持向量回归机的软测量建模 |
| 4.5.5 多尺度小波核函数的支持向量回归机软测量建模 |
| 4.6 本章小结 |
| 第五章 基于孪生支持向量机的发酵过程软测量研究 |
| 5.1 引言 |
| 5.2 特征加权孪生支持向量回归机 |
| 5.2.1 孪生支持向量回归机 |
| 5.2.2 位置特征和结构特征 |
| 5.2.3 特征加权孪生支持向量回归机 |
| 5.2.4 连续超松弛方法 |
| 5.3 谷氨酸发酵参数选择 |
| 5.3.1 数据的来源 |
| 5.3.2 输入输出变量的确定 |
| 5.4 谷氨酸发酵过程软测量建模 |
| 5.4.1 混合核函数 |
| 5.4.2 特征孪生支持向量回归机参数的自适应粒子群寻优 |
| 5.4.3 混合核函数的孪生支持向量机参数优化 |
| 5.4.4 特征加权孪生支持向量机的发酵过程建模 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读博士学位期间发表的论文及其他成果 |
（3）基于小波积分配点法求解矩形板大挠度弯曲问题（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 小波理论的起源与发展 |
| 1.3 小波在数值计算中的应用 |
| 1.4 本文主要工作 |
| 第二章 小波数值分析的基础理论 |
| 2.1 多分辨分析和Coiflet小波基的构建 |
| 2.1.1 多分辨分析基础 |
| 2.1.2 Coiflet小波基的构造 |
| 2.2 有界区间上L~2函数的Coiflet小波逼近 |
| 2.3 本章总结 |
| 第三章 高维小波积分配点法 |
| 3.1 高维小波积分配点格式 |
| 3.2 非线性边值问题的误差分析 |
| 3.3 本章总结 |
| 第四章 非线性边值问题中的应用 |
| 4.1 类泊松方程的数值分析 |
| 4.1.1 二维Poisson方程 |
| 4.1.2 三维Poisson方程 |
| 4.2 矩形板的大挠度弯曲问题 |
| 4.2.1 控制方程的代数离散格式 |
| 4.2.2 数值计算结果与讨论 |
| 4.2.3 有限元软件失真分析 |
| 4.3 本章总结 |
| 第五章 结束语 |
| 参考文献 |
| 附录 A 尺度函数在整数点的积分值 |
| 附录 B 计算尺度基函数所需的系数值 |
| 附录 C 三维边值问题的小波积分配点格式 |
| 附录 D 非线性偏微分方程各偏导项推导过程 |
| 致谢 |
（4）Haar小波数值方法及其在力学问题中的应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 小波理论的发展历史 |
| 1.2 小波方法的应用 |
| 1.2.1 小波方法在信号分析领域中的应用 |
| 1.2.2 小波方法在微分方程求解中的应用 |
| 1.3 研究背景及意义 |
| 1.3.1 计算力学现有方法 |
| 1.3.2 选题的意义 |
| 1.4 本文的主要工作 |
| 第二章 多分辨分析及Haar小波基础 |
| 2.1 多分辨分析和基函数 |
| 2.2 Haar小波 |
| 2.2.1 Haar小波函数及其积分 |
| 2.2.2 有限区间上Haar小波逼近公式 |
| 2.3 本章小结 |
| 第三章 初边值问题的小波积分配点法 |
| 3.1 有限区域上初边值问题的积分形式 |
| 3.1.1 一维问题的积分形式 |
| 3.1.2 多维问题的积分形式 |
| 3.2 小波积分配点法的构造 |
| 3.2.1 Haar小波积分配点法的统一格式 |
| 3.2.2 方程的离散及待求变量的重构 |
| 3.3 代数方程组的求解方法 |
| 3.3.1 牛顿迭代法 |
| 3.3.2 矩阵运算的MPI并行计算程序 |
| 3.4 本章小结 |
| 第四章 力学问题应用举例 |
| 4.1 一维Bratu方程 |
| 4.2 方板的弯曲问题 |
| 4.3 原始变量粘性不可压缩流动N-S方程组 |
| 4.3.1 时间项的处理方法 |
| 4.3.2 人工压缩算法介绍 |
| 4.3.3 二维槽道层流 |
| 4.3.4 二维顶盖驱动方腔流动 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 参考文献 |
| 致谢 |
（5）单通道时频混叠信号分离算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于循环谱滤波的分离算法 |
| 1.2.2 基于信号参数差异的分离算法 |
| 1.2.3 基于虚拟多通道的分离算法 |
| 1.3 本文主要研究内容与创新 |
| 1.4 本论文的结构安排 |
| 第二章 单通道信号分离基本理论 |
| 2.1 信号的接收及分离模型 |
| 2.2 通信信号的可分离性分析 |
| 2.2.1 循环平稳特性 |
| 2.2.2 参数的差异性 |
| 2.2.3 独立性 |
| 2.3 基于多尺度分解的信号分离算法 |
| 2.3.1 单通道小波变换分析 |
| 2.3.2 独立分量分析 |
| 2.4 分离算法的性能评价指标 |
| 2.5 本章小结 |
| 第三章 基于多尺度分解的信号分离算法的小波基选取研究 |
| 3.1 引言 |
| 3.2 基于多尺度分解的信号分离算法框架 |
| 3.2.1 尺度因子的计算 |
| 3.2.2 多尺度分解 |
| 3.2.3 信号的分离与分量的筛选 |
| 3.3 基于多尺度分解的分离方法的小波函数性质分析 |
| 3.4 常用非正交复基本小波 |
| 3.5 仿真实验 |
| 3.5.1 仿真条件 |
| 3.5.2 分离算法的有效性实验 |
| 3.5.3 分离效果的对比实验 |
| 3.6 本章小结 |
| 第四章 基于自适应MORLET小波的信号分离算法 |
| 4.1 Morlet小波在基于多尺度分解的分离算法中的利弊分析 |
| 4.2 自适应Morlet小波变换 |
| 4.2.1 香农熵的概念 |
| 4.2.2 Morlet小波的优化 |
| 4.3 信号分离 |
| 4.4 仿真实验 |
| 4.4.1 Morlet中心频率的优化 |
| 4.4.2 自适应Morlet小波分离算法有效性实验 |
| 4.4.3 分离算法的对比实验 |
| 4.5 本章小结 |
| 第五章 基于幅度模糊校正的信号分离算法 |
| 5.1 引言 |
| 5.2 ICA的幅度模糊性分析 |
| 5.3 常用消除幅度模糊性方法的弊端分析 |
| 5.3.1 最小失真法 |
| 5.3.2 分离矩阵归一化 |
| 5.4 基于改进的分离矩阵归一化的信号分离算法 |
| 5.5 仿真实验 |
| 5.5.1 分离算法有效性实验 |
| 5.5.2 QPSK+16QAM的分离效果与对比实验 |
| 5.5.3 BPSK+16QAM的分离效果与对比实验 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位时取得的研究成果 |
（6）基于多小波调制的NOMA系统构建及性能分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 NOMA技术研究现状 |
| 1.2.2 多小波研究现状 |
| 1.2.3 小波调制研究现状 |
| 1.3 研究目标和研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 本论文章节安排 |
| 第二章 多小波及多小波包理论 |
| 2.1 小波理论基础 |
| 2.1.1 小波与小波基函数 |
| 2.1.2 多分辨率分析 |
| 2.1.3 Mallat离散小波变换快速算法 |
| 2.2 多小波基本理论 |
| 2.2.1 多小波的多分辨率分析及主要性质 |
| 2.2.2 多小波的Mallat算法 |
| 2.3 多小波包 |
| 2.3.1 多小波包的生成 |
| 2.3.2 多小波包对函数空间的分解 |
| 2.3.3 多小波包的分解与重构 |
| 2.4 本章小结 |
| 第三章 基于多小波调制的NOMA系统 |
| 3.1 NOMA技术原理 |
| 3.1.1 NOMA原理及系统模型 |
| 3.1.2 功率分配方案 |
| 3.1.3 串行干扰消除技术 |
| 3.2 基于OFDM调制的NOMA系统 |
| 3.2.1 OFDM多载波调制原理 |
| 3.2.2 OFDM-NOMA系统架构 |
| 3.3 基于单小波调制的NOMA系统 |
| 3.4 多小波调制 |
| 3.4.1 多小波的选取 |
| 3.4.2 子载波函数基 |
| 3.4.3 多小波预处理过程 |
| 3.5 基于多小波调制的NOMA系统 |
| 3.5.1 MW-NOMA系统架构 |
| 3.5.2 多小波调制解调过程分析 |
| 3.6 本章小结 |
| 第四章 MW-NOMA系统性能分析 |
| 4.1 误比特率 |
| 4.1.1 AWGN信道下的误比特率性能 |
| 4.1.2 瑞利衰落信道下的误比特率性能 |
| 4.2 峰值平均功率比 |
| 4.2.1 三种NOMA系统的PAPR对比 |
| 4.2.1.1 不同子载波数对PAPR的影响 |
| 4.2.1.2 不同功率分配比对PAPR的影响 |
| 4.2.2 典型的PAPR抑制方法 |
| 4.2.3 多小波分解层数对PAPR的影响 |
| 4.3 系统容量分析 |
| 4.3.1 理想SIC条件下的系统容量 |
| 4.3.2 非理想SIC条件下的系统容量 |
| 4.4 计算复杂度对比分析 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读专业硕士学位期间取得的成果 |
（7）射频信号去噪算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状和进展 |
| 1.3 本文的研究内容及安排 |
| 1.3.1 主要内容和工作环境 |
| 1.3.2 各章节安排 |
| 第二章 常见噪声及去噪性能指标 |
| 2.1 噪声的定义及分类 |
| 2.2 常见的几种噪声 |
| 2.3 射频含噪信号模型 |
| 2.4 信号去噪的性能指标 |
| 2.5 本章小结 |
| 第三章 基于小波分析的射频信号去噪算法 |
| 3.1 小波分析理论 |
| 3.1.1 多分辨率分析 |
| 3.1.2 连续小波变换和离散小波变换 |
| 3.1.3 Mallat快速算法及分解与重构实验 |
| 3.1.4 小波基特性及选取 |
| 3.1.5 常用小波函数 |
| 3.2 小波阈值去噪算法 |
| 3.2.1 小波阈值去噪基本原理 |
| 3.2.2 阈值施加方式 |
| 3.2.3 阈值估计准则 |
| 3.3 仿真实验及结果分析 |
| 3.4 本章小结 |
| 第四章 基于奇异值分解的射频信号去噪算法 |
| 4.1 奇异值分解去噪原理 |
| 4.2 分解矩阵的选取和维数处理 |
| 4.3 奇异值处理 |
| 4.4 小波和SVD的联合去噪算法 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 目前工作的局限性及后续安排 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（8）基于稀疏移不变理论的轴承故障特征提取和分离研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源与研究意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滚动轴承微弱故障特征提取研究现状 |
| 1.2.2 滚动轴承复合故障特征提取研究现状 |
| 1.2.3 稀疏表示理论在故障诊断领域的应用现状 |
| 1.3 本文的主要研究内容 |
| 第二章 滚动轴承故障机理及信号稀疏表示理论 |
| 2.1 引言 |
| 2.2 滚动轴承故障机理 |
| 2.2.1 滚动轴承结构及故障形式 |
| 2.2.2 滚动轴承振动机理分析 |
| 2.2.3 滚动轴承故障振动信号特征 |
| 2.3 稀疏表示理论 |
| 2.3.1 信号稀疏表示模型 |
| 2.3.2 稀疏优化算法 |
| 2.3.3 过完备字典 |
| 2.4 本章小结 |
| 第三章 基于LWFSS-AEWT算法的轴承微弱故障特征提取 |
| 3.1 引言 |
| 3.2 LWFSS算法 |
| 3.2.1 特征符号搜索算法 |
| 3.2.2 Laplace小波字典与参数优选 |
| 3.3 自适应经验小波变换 |
| 3.3.1 经验小波变换 |
| 3.3.2 基于尺度空间法的频谱分割 |
| 3.3.3 组合指标选择分量 |
| 3.4 仿真信号分析 |
| 3.5 实验信号分析 |
| 3.5.1 案例1 |
| 3.5.2 案例2 |
| 3.5.3 案例3 |
| 3.6 本章小结 |
| 第四章 基于LWFSS与 MOMEDA的轴承复合故障诊断方法 |
| 4.1 引言 |
| 4.2 基于相关滤波获取最优Laplace小波原子 |
| 4.3 多点最优最小熵解卷积 |
| 4.4 滚动轴承复合故障诊断方法 |
| 4.5 复合故障仿真信号分析 |
| 4.6 滚动轴承复合故障模拟实验 |
| 4.6.1 实验设备 |
| 4.6.2 信号采集系统 |
| 4.6.3 实验工况 |
| 4.6.4 测点布置 |
| 4.6.5 实验轴承 |
| 4.6.6 轴承复合故障振动信号分析 |
| 4.7 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A攻读硕士学位期间成果 |
（9）基于深度学习的心脏数据自动分类与分割关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 心电信号检测与分类任务国内外研究现状分析 |
| 1.2.2 心脏影像数据分割国内外研究现状分析 |
| 1.2.3 研究发展趋势 |
| 1.3 研究内容 |
| 1.3.1 基于深度学习的心电信号检测与分类 |
| 1.3.2 基于深度学习的心脏影像数据自动分割 |
| 1.4 论文的组织结构 |
| 第二章 研究基础及相关技术理论 |
| 2.1 心电信号分类研究基础理论 |
| 2.1.1 心电信号的产生机理 |
| 2.1.2 心电信号基本波形及意义 |
| 2.1.3 心律失常的分类 |
| 2.2 心脏影像数据分割研究基础理论 |
| 2.2.1 心脏核磁图像数据的产生机理 |
| 2.2.2 短轴核磁序列图像介绍 |
| 2.2.3 心脏核磁共振图像的分割 |
| 2.3 深度学习相关理论 |
| 2.3.1 深度学习的发展 |
| 2.3.2 卷积神经网络 |
| 2.3.3 循环神经网络 |
| 2.3.4 分类与分割任务 |
| 2.4 本章小结 |
| 第三章 心电信号预处理研究 |
| 3.1 引言 |
| 3.2 心电信号的噪声类型 |
| 3.3 基于改进的形态学小波变换理论的心电信号降噪方法 |
| 3.3.1 小波变换理论 |
| 3.3.2 小波变换理论去噪方法 |
| 3.3.3 基于改进的形态学小波变换理论的信号去噪方法 |
| 3.4 实验与结果 |
| 3.4.1 性能评价 |
| 3.4.2 实验数据 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于深度学习的房颤信号分类研究 |
| 4.1 引言 |
| 4.2 基于CB-LinkNet模型的房颤信号分类研究 |
| 4.2.1 数据集分析 |
| 4.2.2 模型结构与参数分析 |
| 4.2.3 模型训练过程分析 |
| 4.3 消融性实验及分析 |
| 4.3.1 评价指标 |
| 4.3.2 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 基于深度学习的心律失常信号分类研究 |
| 5.1 引言 |
| 5.2 基于MSF-CNN模型的心律失常信号分类研究 |
| 5.2.1 数据集分析 |
| 5.2.2 模型结构与参数分析 |
| 5.2.3 模型训练过程分析 |
| 5.3 消融性实验及分析 |
| 5.3.1 评价指标 |
| 5.3.2 实验结果及分析 |
| 5.4 本章小结 |
| 第六章 基于深度学习的心脏核磁影像数据分割研究 |
| 6.1 引言 |
| 6.2 基于Attention机制的左心室分割模型 |
| 6.2.1 数据集分析 |
| 6.2.2 课题研究所涉及的核心技术 |
| 6.2.3 模型结构与参数分析 |
| 6.2.4 模型训练过程分析 |
| 6.3 消融性实验及分析 |
| 6.3.1 评价指标 |
| 6.3.2 实验结果及分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 下一步工作展望 |
| 参考文献 |
| 缩略语说明 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（10）小波变换位场分离技术在内蒙某地重力调查中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文选题背景意义及课题来源 |
| 1.1.1 研究意义 |
| 1.1.2 课题来源 |
| 1.2 国内外研究现状 |
| 1.2.1 选题背景 |
| 1.2.2 重磁位场分离 |
| 1.2.3 小波变换 |
| 1.3 研究内容、技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 研究成果 |
| 第二章 位场分离技术原理及分析对比 |
| 2.1 位场分离技术原理 |
| 2.1.1 趋势分析法 |
| 2.1.2 插值切割法 |
| 2.1.3 匹配滤波法 |
| 2.1.4 维纳滤波法 |
| 2.2 小波变换位场分离技术分析 |
| 2.2.1 小波变换 |
| 2.2.1.1 连续小波变换 |
| 2.2.1.2 离散小波变换 |
| 2.2.1.3 二进小波变换 |
| 2.2.2 几种常见的小波函数 |
| 2.2.3 小波函数的性质 |
| 2.2.4 小波多尺度分析 |
| 2.2.4.1 多分辨分析 |
| 2.2.4.2 小波多尺度分解 |
| 第三章 位场分离模型试验 |
| 3.1 台阶模型 |
| 3.1.1 模型参数设置 |
| 3.1.2 位场分离 |
| 3.1.2.1 几种常见分离方法 |
| 3.1.2.2 小波多尺度分解 |
| 3.2 多球体模型 |
| 3.2.1 模型参数设置 |
| 3.2.2 位场分离 |
| 第四章 内蒙某地实际重力数据的处理与解释 |
| 4.1 研究区概况 |
| 4.1.1 研究区范围 |
| 4.1.2 研究区自然地理条件 |
| 4.1.3 区域地质概况 |
| 4.1.4 地层分布 |
| 4.1.5 以往工作情况 |
| 4.1.5.1 地质工作程度 |
| 4.1.5.2 物化探工作程度 |
| 4.2 .重力异常分离 |
| 4.2.1 布格重力异常获取 |
| 4.2.2 基于小波变换的布格重力异常分离 |
| 4.2.3 效果分析 |
| 第五章 结论与建议 |
| 5.1 结论 |
| 5.2 建议 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
四、混合正交小波基的构造（论文参考文献）
- [1]基于多源信号特征融合的刀具磨损状态在线监测[D]. 冯元彬. 西安理工大学, 2021(01)
- [2]微生物代谢产物发酵过程建模研究[D]. 张相胜. 江南大学, 2021
- [3]基于小波积分配点法求解矩形板大挠度弯曲问题[D]. 侯志春. 兰州大学, 2021(09)
- [4]Haar小波数值方法及其在力学问题中的应用[D]. 王魁良. 兰州大学, 2021(09)
- [5]单通道时频混叠信号分离算法研究[D]. 李岩峰. 电子科技大学, 2021(01)
- [6]基于多小波调制的NOMA系统构建及性能分析[D]. 徐素文. 电子科技大学, 2021(01)
- [7]射频信号去噪算法研究[D]. 程靖宇. 电子科技大学, 2021(01)
- [8]基于稀疏移不变理论的轴承故障特征提取和分离研究[D]. 郑胜. 昆明理工大学, 2021
- [9]基于深度学习的心脏数据自动分类与分割关键技术研究[D]. 党豪. 北京邮电大学, 2020(01)
- [10]小波变换位场分离技术在内蒙某地重力调查中的应用[D]. 李永浩. 河北地质大学, 2020(05)