导读:本文包含了抗噪声论文开题报告文献综述、选题提纲参考文献，主要关键词:噪声,层析,量子,多核,极大值,干涉仪,测向。
抗噪声论文文献综述写法
顾鸿虹[1]（2019）在《基于多核学习的多带抗噪声语音识别方法仿真》一文中研究指出由于传统语音识别方法在安静环境下语音识别较为准确,可在现实环境下,噪声干扰语音特征提取,导致测量数据不可信,语音识别方法正确率低。提出一种基于多核学习的多带抗噪声语音识别方法,构建多核学习组合算法。算法是多核学习与投影算法的融合,根据不同频带带宽,可以将多带噪声有效地分类,并加强语音特征级,与CHMM模型共同完成多带抗噪声语音识别方法,计算得出各模型条件概率,数值最大的即是语音识别结果。根据仿真结果分析,基于多核学习的多带抗噪声语音识别方法,相比传统方法可以减少运算量,提高语音识别正确率,有效地识别出现实噪声环境下正常语音。(本文来源于《计算机仿真》期刊2019年10期）
王志军,李琦,侯振江[2]（2019）在《抗噪声污染的轻质隔墙一体板的实验研究》一文中研究指出分析了影响轻质隔墙一体板抗噪声污染性能的主要因素包括墙面密度、共振频率和吻合效应等,从实验方面测试了叁组厚度分别为96. 5 mm、101. 6 mm和97. 6 mm的轻质隔墙一体板构件的抗噪声污染性能,结果显示,以金属板为基底的不同厚度构件的隔音指数随着噪声频率的提高而升高,在噪声低频区域和高频区域,不同厚度轻质隔墙一体板构件的隔音指数也依次得到提升,特别是在噪声低频区域不同厚度测试构件的抗噪声污染性能较好,且墙面厚度明显低于其他类型隔墙,符合人们的居住要求和建筑设计规范。(本文来源于《环境科学与管理》期刊2019年05期）
张鲁薇,谢京江,孙涛,王锐[3]（2019）在《一种抗噪声激光主动成像目标识别方法》一文中研究指出提出一种基于轮廓曲率去噪和仿射不变矩的目标识别方法,适用于激光主动成像这样的高噪声复杂应用场合。通过计算每个像素及其邻域的轮廓曲率,判断像素携带的信息量大小,据此对像素点进行分类。对分属不同类别的像素点,使用不同滤波参数的Lee滤波器进行滤波。对滤波后的图像再次提取出轮廓,计算轮廓的仿射不变矩,训练分类器进行目标识别。实验结果表明,本文算法在噪声环境下对目标的仿射变换具有较高的识别率,并且满足激光主动成像识别系统对于实时性的要求。(本文来源于《太赫兹科学与电子信息学报》期刊2019年02期）
黄永亮,李轶,陈道毅[4]（2018）在《回字形电容层析成像传感器的成像规律与抗噪声性能分析》一文中研究指出电容层析成像(ECT)传感器是一种非接触式的传感器,可以在不干扰原流场的前提下实现实时成像。为提高ECT传感器的抗噪声性能,设计了一种回字形的传感器结构,采用评估误差函数和方差分析的方法,与矩形ECT传感器进行了对比仿真实验,结果表明:回字形ECT传感器具有成像质量稳定、抗噪声性能好的优点。(本文来源于《传感器与微系统》期刊2018年08期）
黎启祥,肖燕珊,郝志峰,阮奕邦[5]（2018）在《基于抗噪声的多任务多示例学习算法研究》一文中研究指出在多示例学习中,当训练样本数量不充足或者训练样本中存在噪声信息时,分类器的分类性能将降低.针对该问题,本文提出了一种基于抗噪声的多任务多示例学习算法.一方面,针对训练样本中可能存在的噪声问题,该算法赋予包中示例不同的权值,通过迭代更新权值来降低噪声数据对预测结果的影响.另一方面,针对训练样本数量不充足问题,该算法运用多任务学习策略,通过同时训练多个学习任务,利用任务间的关联性来提高各个分类任务的预测性能.实验结果证明,与现有的分类算法相比,该方法在相同的实验条件下具有更优秀的性能.(本文来源于《广东工业大学学报》期刊2018年03期）
许丹,黄利军,李献伟,王毅,李博[6]（2018）在《基于小波变换的抗噪声电压暂降检测方法研究》一文中研究指出小波分析方法能够有效识别电压暂降起止时刻,针对目前电压暂降检测时由于噪声干扰存在引起的检测性能下降甚至失效问题,文章研究了暂降信号和噪声在小波变换各尺度的传播特性,提出了一种抗噪声电压暂降检测方法,通过提取最高频分量和次高频分量的能量因子,检测乘积数据集中的模极大值点以确定电压暂降的起止时间。仿真结果表明,该方法能够抑制噪声影响,提高电压暂降时刻检测的准确性。(本文来源于《供用电》期刊2018年02期）
俞庆华[7]（2017）在《ROHM开发出无须抗噪声干扰设计的汽车运算放大器》一文中研究指出2017年10月10日,半导体制造商ROHM针对EV/HEV引擎等核心系统和采用车载传感器的汽车电子系统,开发出具有压倒性优势EMI耐受力(以下简称"抗噪性能")的车载用接地运算放大器"BA8290xYxx-C系列"(BA82904YF-C/BA82904YFVM-C/BA82902YF-C/BA82902YFV-C)。"BA8290xYxx-C系列"融合了ROHM的"电路设计""布(本文来源于《汽车零部件》期刊2017年10期）
李国锋[8]（2018）在《量子叁元Werner态的抗噪声干扰特性》一文中研究指出文献(XIE C M,LIU Y M,LI G F,et al.A note on quantum correlations in Werner states under two collective noises[J].Quantum Inf Process,2014,13:2713-2718)研究了移相噪声和旋转噪声对量子二元Werner态量子关联的影响,发现这两种噪声作用下量子二元Werner态量子关联守恒.该文研究这两种噪声(移相噪声和旋转噪声)对量子叁元Werner态量子关联的影响,结果显示这两种噪声不改变量子叁元Werner态中的量子关联,换句话说,量子叁元Werner态具有抵抗这两种噪声的特性.(本文来源于《安徽大学学报(自然科学版)》期刊2018年03期）
彭王奇[9]（2017）在《改进的相关干涉仪测向方法抗噪声干扰研究》一文中研究指出对相关干涉仪测向体制的抗噪声性能进行了分析和仿真,针对在低信噪比条件下相关干涉仪测向时来波方位角估计误差较大甚至有时失效的问题,通过理论分析和仿真证明采用相位差矢量累积方法可以显着提高相关干涉仪测向体制的抗噪声性能,从而提高了测向精度和测向灵敏度,增加了测向距离。(本文来源于《科技资讯》期刊2017年26期）
衣振萍,潘景昌,宋轶晗,罗阿理[10]（2017）在《一种抗噪声的M型星视向速度测量方法》一文中研究指出M矮星是银河系中最普遍的恒星,它们的运动状况能提供银河系演化的线索,视向速度(RV)是反映M矮星运动状况的重要参数之一。我国的大科学工程LAMOST巡天项目已经获得了数十万M型星光谱,测量这些恒星的视向速度需要自动、高效的程序。计算M矮星视向速度的一般方法是将观测光谱与模板光谱进行交叉相关得出。然而在实际处理过程中,由于本质上的不同或者噪声的影响,一些观测光谱和模板光谱错误匹配,从而使得这些光谱的视向速度测量产生偏差。为了减少噪声等因素的影响,对于信噪比较高、但局部有较强噪声的光谱,采用统计与经验特征相结合的方法选取光谱中的有效特征段、避开噪声污染的波段计算M型星的视向速度。利用该方法对LAMOST DR3 M型星星表中的部分实测光谱测量了视向速度,将之与APOGEE星表中的对应视向速度进行了对比。结果表明该方法有效地减少了局部噪声对视向速度的影响,提高了视向速度测量的准确率。(本文来源于《光谱学与光谱分析》期刊2017年08期）
抗噪声论文开题报告范文
（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：
分析了影响轻质隔墙一体板抗噪声污染性能的主要因素包括墙面密度、共振频率和吻合效应等,从实验方面测试了叁组厚度分别为96. 5 mm、101. 6 mm和97. 6 mm的轻质隔墙一体板构件的抗噪声污染性能,结果显示,以金属板为基底的不同厚度构件的隔音指数随着噪声频率的提高而升高,在噪声低频区域和高频区域,不同厚度轻质隔墙一体板构件的隔音指数也依次得到提升,特别是在噪声低频区域不同厚度测试构件的抗噪声污染性能较好,且墙面厚度明显低于其他类型隔墙,符合人们的居住要求和建筑设计规范。
（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。
抗噪声论文参考文献
[1].顾鸿虹.基于多核学习的多带抗噪声语音识别方法仿真[J].计算机仿真.2019
[2].王志军,李琦,侯振江.抗噪声污染的轻质隔墙一体板的实验研究[J].环境科学与管理.2019
[3].张鲁薇,谢京江,孙涛,王锐.一种抗噪声激光主动成像目标识别方法[J].太赫兹科学与电子信息学报.2019
[4].黄永亮,李轶,陈道毅.回字形电容层析成像传感器的成像规律与抗噪声性能分析[J].传感器与微系统.2018
[5].黎启祥,肖燕珊,郝志峰,阮奕邦.基于抗噪声的多任务多示例学习算法研究[J].广东工业大学学报.2018
[6].许丹,黄利军,李献伟,王毅,李博.基于小波变换的抗噪声电压暂降检测方法研究[J].供用电.2018
[7].俞庆华.ROHM开发出无须抗噪声干扰设计的汽车运算放大器[J].汽车零部件.2017
[8].李国锋.量子叁元Werner态的抗噪声干扰特性[J].安徽大学学报(自然科学版).2018
[9].彭王奇.改进的相关干涉仪测向方法抗噪声干扰研究[J].科技资讯.2017
[10].衣振萍,潘景昌,宋轶晗,罗阿理.一种抗噪声的M型星视向速度测量方法[J].光谱学与光谱分析.2017