导读:本文包含了近似重构论文开题报告文献综述及选题提纲参考文献，主要关键词:压缩感知,蒸发波导,去噪重构,近似消息传递法
近似重构论文文献综述
芮国胜,刘歌,田文飚,董道广,张雅楠[1]（2019）在《基于二次最优阈值近似消息传递法的蒸发波导去噪重构》一文中研究指出针对蒸发波导时空态势感知过程中,压缩感知观测阶段混入噪声对高精度重构产生不利影响的问题,提出了基于二次最优阈值的近似消息传递法。所提方法综合了软、硬阈值函数的优势,设计了一种二次稳固阈值函数,改善AMP算法的重构性能,并在近似消息传递法的迭代过程中加入了基于共轭梯度法的最优阈值设置策略,加快收敛速度。理论分析和实验表明,所提算法比现有的几种主流重构算法的收敛速度更快,去噪重建误差更小。(本文来源于《通信学报》期刊2019年10期）
刘泽显,刘红卫,何川美[2]（2019）在《基于新的Hessian近似矩阵的稀疏重构算法》一文中研究指出一般来说,基于二次近似模型的优化算法具有良好的数值表现.然而,当基于二次近似模型的优化算法求解大规模优化问题时,若使用稠密矩阵近似目标函数在迭代点的Hessian矩阵,需要花费大量的计算成本和存储成本,因此设计Hessian矩阵合适的标量近似矩阵特别重要.对于正则化模型,利用最近叁次迭代的信息,设计粗糙的标量矩阵,使用拟牛顿公式进行更新,结合近似最优梯度法的思想和梯度法的延迟策略,构造Hessian矩阵新的含有更多二阶信息的标量近似矩阵.结合非单调线搜索,提出基于新的Hessian近似矩阵的稀疏重构算法,并进行收敛性分析.实验结果表明,与经典稀疏重构算法算法相比,基于新的Hessian近似矩阵的稀疏重构算法在重构效果相似的情况下能较大地减少迭代次数和较快地重构信号.(本文来源于《数学的实践与认识》期刊2019年13期）
王茜楠,白勇[3]（2019）在《面向物联网的稀疏采样与近似重构技术研究》一文中研究指出通过建立具有时空相关性的物联网无线传感器网络节点数据模型,对由数据样本构成的矩阵进行稀疏采样及矩阵填充的近似重构技术来实现数据的恢复,从而得到矩阵重构可行性(即采样比率和重构精度)与数据相关性的关系.仿真显示节点数据之间的时空相关性与矩阵重构可行性之间存在着密切的关系,同一采样比率条件下,时空相关性越大,重构精度越高;同样重构精度下,时空相关性越大,需要的采样比率越低.(本文来源于《海南大学学报(自然科学版)》期刊2019年02期）
王茜楠[4]（2019）在《面向物联网的稀疏采样与近似重构技术研究》一文中研究指出物联网中的无线传感器网络技术一直是研究的热点之一,网络中常常存在大量冗余的数据,有时甚至存在异常或遗失的可能性,如何通过仅仅采集部分有效数据就能重构原始数据、如何提高重构精度以及如何降低采样率都是研究的重点。本文首先构建不同规模的具有时空相关性的数据矩阵模型,并基于稀疏采样中的随机非均匀采样机制进行仿真研究。在实验中设置多个不同的参数如:时空相关系数、传感器个数、采样时刻数、采样比率等等。仿真证明能够建立有效的具有时空相关性的矩阵。对于采样后数据的重构问题,通常使用压缩感知等常用的数据恢复算法,还没有针对时空相关性数据矩阵使用矩阵填充来进行近似重构的研究。在满足矩阵重构前提条件下,本文提出了不同规模的时空相关性数据矩阵模型在不同采样比率的稀疏采样后,采用SVT算法近似重构原始矩阵,得到不同的重构精度。仿真还证明了算法的迭代时间会随矩阵规模和采样比率的增加而增加。基于对具有时空相关性数据矩阵稀疏采样和近似重构的深入研究发现,时空相关性与重构可行性存在一定的关系,即其能够改变重构精度和采样比率。基于此本文先针对时空相关性和数据冗余的关系,提出对已构建的数据矩阵采用PCA算法,在时空相关性的条件下,研究保留主成分的数目,证明高时空相关性的数据之间会存在大量冗余。从而使时空相关性对重构可行性——采样比率和重构精度造成影响。仿真证明高时空相关性可以提高重构精度,还可以降低采样比率。(本文来源于《海南大学》期刊2019-05-01）
田斌,李晨曦[5]（2019）在《近似精确重构的低复杂度星载信道化器》一文中研究指出提出频率响应遮蔽(frequency response masking,FRM)与改进型离散傅里叶变换(modified discrete Fourier transform,MDFT)相结合的近似精确重构的低复杂度星载信道化器。其中,FRM结构可以较低复杂度设计出过渡带陡峭的有限冲激响应滤波器(finite impulse response,FIR)低通原型,MDFT滤波器组结构可以基本消除滤波器组的邻带混迭,将FRM结构中不适合邻带拼接的结构改进为高通、低通滤波器互补结构,降低了拼接抖动。调整MDFT结构中的上采样率,使之适合于奇偶分离的信道化器。继而提出新的结构,更适合应用于非均匀带宽。仿真表明,所提方法具有更低的运算复杂度,更陡峭的过渡带和更窄的保护间隔,更小的重构误差。(本文来源于《系统工程与电子技术》期刊2019年06期）
周芳,穆亚起,蒋俊正[6]（2018）在《一种双原型近似完全重构FBMC-QAM系统的快速设计算法》一文中研究指出针对直接设计算法的计算复杂度高的问题,提出了一种双原型近似完全重构(NPR)滤波器组多载波/正交幅度调制系统(FBMC-QAM)的快速设计算法。综合考虑系统的载波间干扰(ICI)、符号间干扰(ISI)和双原型滤波器的频率特性,将双原型滤波器的设计归结为一个无约束优化问题,进而采用双迭代机制求解。迭代中,利用矩阵求逆引理和块Toeplitz矩阵快速求逆算法,显着减小计算复杂度。仿真实验表明,本算法设计的FBMC-QAM系统具有良好的整体性能,适用于大规模系统的快速设计。(本文来源于《桂林电子科技大学学报》期刊2018年05期）
侯榆青,张文元,王晓东,贺小伟,曹欣[7]（2018）在《结合流形正则和变量分离近似稀疏重构的荧光分子断层成像》一文中研究指出为改善荧光分子断层成像的重建结果,本文采用联合稀疏-流形正则模型进行光源重建,该联合稀疏-流形正则模型能同时利用重建光源聚集性和稀疏性的先验信息。为有效求解该联合稀疏-流形正则模型,本文通过重新推导变量分离近似稀疏重构算法对其进行求解。为加快变量分离近似稀疏重构算法求解联合稀疏-流形正则模型的速度,本文在光源重建过程中采用了热启动策略。实验结果表明,相比变量分离近似稀疏重构算法求解范数模型,变量分离近似稀疏重构算法求解联合稀疏-流形正则模型将重建结果的对比噪声比从6.45提升至9.18。另外,相比没有采用热启动策略,采用热启动策略的变量分离近似稀疏重构算法求解联合稀疏-流形正则模型的时间从101.84 s减至50.10 s。本文方法显着提高了光源目标重建的精度和速度,取得了更优的重建结果。(本文来源于《光学精密工程》期刊2018年10期）
伍飞云,杨坤德,孙权,朱云超[8]（2018）在《近似零伪范数约束的水声信号压缩与重构》一文中研究指出提出近似零伪范数约束的稀疏压缩与重构方法。该方法首先采用稀疏二进制矩阵作为测量矩阵,对信号进行压缩和传输;在接收端仅给定测量矩阵和压缩信号的条件下,采用小波滤波器设计字典,利用最陡梯度法寻优和投影方法求得信号的稀疏表达,最终结合稀疏表达值与字典用于水声数据重建,海试实验结合扫频以及单载频信号进行处理,采用NMSE、SNR以及算法运行时间作为算法的评估指标,以验证本文方法相对于传统算法在恢复精度上的提高。(本文来源于《声学学报》期刊2018年04期）
曹阳[9]（2018）在《“商标近似”判断规则的重构》一文中研究指出"商标近似"判断应采取客观标准,只需考虑商标标识构成要素之间的客观近似性。"商标近似"不是商标标识的整体近似,而是构成要素的近似。商标的知名度与显着性与"商标近似"判断无关。商标法实践并不存在"越知名,越近似"的定律。驰名商标的"淡化模式"要求两个标识具有高度近似性;而"混淆模式"下的判断规则与普通商标并不存在差异。"商标近似"不是商标"近似度"判断,是定性而不是定量分析。"商标近似"是商标确权、授权与侵权程序中判断"混淆可能"的前置要素,是独立要素;商标"近似度"是定量分析,是判断"混淆可能"的重要考量要素。"商标近似"也不是"混淆性"近似。现行的"混淆性"近似标准不仅损害商标法的稳定性与预期性,也可能与商标法自身逻辑与实践存在冲突。(本文来源于《上海政法学院学报(法治论丛)》期刊2018年04期）
聂栋栋,弓耀玲[10]（2018）在《基于近似l_0范数的稀疏信号重构》一文中研究指出信号重构算法是压缩感知的关键.基于近似l_0范数的信号重构选取一个连续函数近似估计l_0范数,从而将l_0范数最小化问题转化为平滑函数的优化问题.该算法的关键在于选择合适的平滑函数和优化算法.为了提高压缩感知中稀疏信号恢复的精度,在之前工作的基础上,提出用一个简单的分式函数的和来近似估计l_0范数.然后通过牛顿迭代算法求解该函数的无约束优化问题的稀疏解,整合了似零范数算法快速收敛和牛顿迭代法精度高的优点.这样就可以在较少的时间内平滑且有效地近似l_0范数的最小化问题.仿真实验测试了所提算法在不同的压缩比、稀疏度及噪声水平情况下的性能,并与现有的同类算法进行了比较.结果表明:所提算法比现有的同类算法性能更好,重建信号的精度有了较大的提升,这有效地提高了在同等条件下压缩感知信号的恢复质量.(本文来源于《计算机研究与发展》期刊2018年05期）
近似重构论文开题报告
（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：
一般来说,基于二次近似模型的优化算法具有良好的数值表现.然而,当基于二次近似模型的优化算法求解大规模优化问题时,若使用稠密矩阵近似目标函数在迭代点的Hessian矩阵,需要花费大量的计算成本和存储成本,因此设计Hessian矩阵合适的标量近似矩阵特别重要.对于正则化模型,利用最近叁次迭代的信息,设计粗糙的标量矩阵,使用拟牛顿公式进行更新,结合近似最优梯度法的思想和梯度法的延迟策略,构造Hessian矩阵新的含有更多二阶信息的标量近似矩阵.结合非单调线搜索,提出基于新的Hessian近似矩阵的稀疏重构算法,并进行收敛性分析.实验结果表明,与经典稀疏重构算法算法相比,基于新的Hessian近似矩阵的稀疏重构算法在重构效果相似的情况下能较大地减少迭代次数和较快地重构信号.
（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。
近似重构论文参考文献
[1].芮国胜,刘歌,田文飚,董道广,张雅楠.基于二次最优阈值近似消息传递法的蒸发波导去噪重构[J].通信学报.2019
[2].刘泽显,刘红卫,何川美.基于新的Hessian近似矩阵的稀疏重构算法[J].数学的实践与认识.2019
[3].王茜楠,白勇.面向物联网的稀疏采样与近似重构技术研究[J].海南大学学报(自然科学版).2019
[4].王茜楠.面向物联网的稀疏采样与近似重构技术研究[D].海南大学.2019
[5].田斌,李晨曦.近似精确重构的低复杂度星载信道化器[J].系统工程与电子技术.2019
[6].周芳,穆亚起,蒋俊正.一种双原型近似完全重构FBMC-QAM系统的快速设计算法[J].桂林电子科技大学学报.2018
[7].侯榆青,张文元,王晓东,贺小伟,曹欣.结合流形正则和变量分离近似稀疏重构的荧光分子断层成像[J].光学精密工程.2018
[8].伍飞云,杨坤德,孙权,朱云超.近似零伪范数约束的水声信号压缩与重构[J].声学学报.2018
[9].曹阳.“商标近似”判断规则的重构[J].上海政法学院学报(法治论丛).2018
[10].聂栋栋,弓耀玲.基于近似l_0范数的稀疏信号重构[J].计算机研究与发展.2018