导读:本文包含了混合噪声论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:噪声,图像,车内,椭球,高斯,卡尔,卷积。
混合噪声论文文献综述
徐少平,刘婷云,罗洁,张贵珍,唐祎玲[1]（2019）在《图像质量感知的混合噪声快速盲降噪算法》一文中研究指出现有的高斯-脉冲混合噪声降噪算法多基于正则化技术采用迭代求解最优目标函数值的方式实现,执行效率普遍比较低,严重限制了其实际应用范围.为此,以卷积神经网络(convolutional neural network, CNN)为核心技术提出了一种基于图像质量感知的快速盲降噪算法(image quality-aware fast blind denoising algorithm, IQA-FBDA).在训练阶段,首先基于浅层CNN卷积神经网络设计图像质量评估模型来预测待降噪图像的图像质量值;然后,依据在大量噪声图像训练集合上获得的图像质量值统计分布规律构建混合噪声模式分类字典;最后,基于该分类字典将噪声图像集合划分为16个子集并训练与各个子集相匹配的深层CNN卷积神经网络专用降噪模型.在降噪阶段,首先利用图像质量评估模型估计给定待降噪图像的质量值,然后依据所预测的图像质量值查找噪声模式分类字典并调用与之相匹配预先训练好的深层CNN降噪模型即可快速地完成盲降噪任务.实验数据表明:IQA-FBDA算法在降噪效果方面的性能达到了与主流高斯-脉冲混合噪声降噪算法相当的水平,而在执行效率方面则有极大提高,更具实用价值.(本文来源于《计算机研究与发展》期刊2019年11期）
齐志鹏,陈江,盖磊,姚永虎[2]（2019）在《基于FE-SEA混合法的低地板列车车内噪声预测》一文中研究指出针对低地板列车车内噪声问题,采用基于声固耦合理论的FE-SEA混合法,建立低地板列车单节车噪声预测模型,分析在各激励载荷共同作用下车内噪声分布规律及各子系统对车内噪声的贡献率。结果表明:车内噪声频率主要集中在315～2000Hz,其分布表现为"两端大、中间小";地板子系统和车窗子系统对坐姿声腔输入功率贡献率较大,噪声频率在630Hz左右时,地板子系统对坐姿声腔输入贡献率达58.6%;噪声频率在500～1000Hz时,车窗子系统对坐姿声腔输入贡献率最大,达43.2%。通过对地板及车窗采取减振、增加密封性等措施,可减小低地板列车车内噪声,为后续低地板列车噪声控制提供参考依据。(本文来源于《铁路技术创新》期刊2019年05期）
王岩,何兰,李琦,宋运娜,佡思维[3]（2019）在《混合卷积神经网络图像噪声去除》一文中研究指出本文针对基于图像分解理论基础上,将DnCNN模型和RED-Net网络结构综合起来,利用DnCNN估计噪声图像的纹理部分,并利用RED-Net估计噪声图像的卡通部分,提出混合CNN医学图像斑点噪声去除模型,此模型对恢复图像中的细节部分以及光滑图像噪声方面是较好的解决方案。在图像噪声去除领域起到较好的作用。如付诸现实将产生较好的经济效益。(本文来源于《中国科技信息》期刊2019年21期）
葛明明,王圣业,王光学,邓小刚[4]（2019）在《基于混合雷诺平均/高精度隐式大涡模拟方法的高升力体气动噪声模拟》一文中研究指出发展了基于七阶精度混合型耗散紧致格式(HDCS)的混合雷诺平均(RANS)/高精度隐式大涡模拟(HILES)模型(HRILES),并结合Ffowcs Williams-Hawkings(FWH)声比拟方法对30P30N高升力体气动噪声问题进行了模拟.首先对雷诺数Red=4.3×10~4的单圆柱绕流算例开展验证,并与传统的延迟分离涡模拟(DDES)模型进行对比.结果表明HRILES模型具有对亚临界态尾迹区转捩流动的模拟能力,平均阻力系数与阻力均方根值和实验结果符合更好,结合FWH声比拟方法得到了合理的远场声压级(SPL)的功率谱密度(PSD)分布.然后将其应用于30P30N高升力体气动噪声算例模拟,结果表明HRILES模型准确预测缝翼凹腔剪切层各站位的平均速度、涡量和湍动能分布,壁面脉动压力谱分布与实验符合较好,近、远场噪声频谱准确预测了缝翼低频窄带噪声,并得到了合理的噪声辐射指向性分布.(本文来源于《物理学报》期刊2019年20期）
侯长满,余彪,陈远航[5]（2019）在《基于DPSS的高噪声条件下混合LFM波形提取方法设计》一文中研究指出随着电磁对抗与反对抗技术的不断发展,低截获概率信号应用越来越广泛。传统的信号提取方法对低截获信号波形的提取已经无法满足用户使用需求。基于椭球基序列(discrete prolate spheroidal sequence,DPSS)构建时间窗函数对混合线性调频信号(multiple linear frequency modulation)进行分析,提出了恒门限判定概率捕获信号方法,并采用自适应二值化以及改进的霍夫变换(Hough transform)等图形处理算法完成信号波形的提取。仿真表明,本方法比短时傅里叶变换算法(short-time Fourier transform)具有更为优秀的噪声控制,同时在低信噪比下仍能准确提取波形。(本文来源于《科技导报》期刊2019年19期）
鲜敏,相龙洋[6]（2019）在《某混合动力汽车动力总成噪声的试验评价》一文中研究指出介绍了某混合动力汽车的动力系统结构和工作模式,针对不同工作模式下动力总成噪声的不同表现,通过测试动力总成噪声、发动机、驱动电机和发电机的转速和扭矩和动力电池电量等参数,并运用客观试验和声功率级的方法对动力总成噪声进行评价。结果表明:某混合动力汽车怠速+充电模式的动力总成噪声声功率级较纯怠速模式高0.5dB(A),差异主要集中在80-400Hz;发动机巡航+充电模式的噪声声功率级较纯驱动电机巡航模式高2dB(A),整个频段的噪声差异明显。(本文来源于《汽车实用技术》期刊2019年18期）
王明杰,姬红兵,刘龙[7]（2019）在《噪声野值下的学生t分布混合CPHD滤波》一文中研究指出针对过程噪声和量测噪声野值导致高斯混合势概率假设密度滤波性能下降的问题,提出了一种基于学生t分布的势概率假设密度滤波。首先,引入学生t分布对重尾的过程噪声和量测噪声进行建模;其次,将多目标后验强度近似为学生t分布混合形式,推导了基于学生t分布的势概率假设密度滤波的闭合解,并采用矩匹配算法防止学生t分布的自由度无限增长。仿真结果表明,在含有过程噪声和量测噪声野值的环境下,所提算法的目标数估计精度和最优子模式分配距离优于高斯混合势概率假设密度滤波和学生t分布混合概率假设密度滤波,提高了多目标跟踪性能。(本文来源于《西安电子科技大学学报》期刊2019年05期）
何加龙[8]（2019）在《混合动力汽车车内噪声分析与研究》一文中研究指出基于供给侧改革的研究前提下,我国的综合国力和经济实力取得显着的成果,同时也促进了新能源汽车的发展。为此,需要采取相应的研究措施,进而提高混合动力汽车的性能,从而满足人们对动力汽车的基本需求。本文根据新能源汽车作为入手点,分析了混合动力汽车研究的重要性,深入研究混合动力汽车的噪声特点和产生的机制,为我国的高品质混合动力汽车研究奠定了基础。(本文来源于《内燃机与配件》期刊2019年16期）
罗文俊,杨鹏奇,张子正[9]（2019）在《基于FE-SEA混合法箱形梁结构噪声预测分析》一文中研究指出利用有限元统计能量法,建立不同频段振动的计算模型,分析交通荷载在2.5～500Hz频段时箱形梁结构振动噪声的频域空间特性,并计算高架箱形桥梁各板单元对远场点声压的贡献量。结果表明:轮轨力作用下,箱形梁振动和结构噪声的最大幅值频率均为50Hz,也是轮轨力最大幅值对应的频率;高架箱形桥梁结构振动响应优势频率集中在31.5～100Hz频段,与轮轨力优势频率范围一致;荷载作用下箱形梁各板单元的振动和声压辐射响应规律大致相同,振动和声压辐射响应由大到小依次为顶板、翼板、腹板;与其他板单元相比,箱形梁顶板的声压贡献量较大,在远场点达到总声压的70%。采用FE-SEA混合法预测箱形梁结构噪声能够保证精度,提高计算效率,并扩展结构噪声研究的频率范围,提高了预测精度。(本文来源于《铁道学报》期刊2019年08期）
宁子健,杨艳萍,冯肖亮[10]（2019）在《一类高斯混合噪声干扰的系统拆分与滤波方法设计》一文中研究指出文章针对这样一类系统:状态方程与观测方程中含有均值为零的高斯噪声且含非零均值的高斯噪声,提出了一种基于系统噪声拆分的滤波算法。首先将状态方程与观测方程分别拆成两个仅含有一个噪声的方程;然后,对两个方程分别进行滤波;最后,进行融合。仿真结果表明相比直接使用卡尔曼滤波方法,系统噪声拆分方法提高了滤波的估计精度。(本文来源于《科技创新与应用》期刊2019年23期）
混合噪声论文开题报告
（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：
针对低地板列车车内噪声问题,采用基于声固耦合理论的FE-SEA混合法,建立低地板列车单节车噪声预测模型,分析在各激励载荷共同作用下车内噪声分布规律及各子系统对车内噪声的贡献率。结果表明:车内噪声频率主要集中在315～2000Hz,其分布表现为"两端大、中间小";地板子系统和车窗子系统对坐姿声腔输入功率贡献率较大,噪声频率在630Hz左右时,地板子系统对坐姿声腔输入贡献率达58.6%;噪声频率在500～1000Hz时,车窗子系统对坐姿声腔输入贡献率最大,达43.2%。通过对地板及车窗采取减振、增加密封性等措施,可减小低地板列车车内噪声,为后续低地板列车噪声控制提供参考依据。
（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。
混合噪声论文参考文献
[1].徐少平,刘婷云,罗洁,张贵珍,唐祎玲.图像质量感知的混合噪声快速盲降噪算法[J].计算机研究与发展.2019
[2].齐志鹏,陈江,盖磊,姚永虎.基于FE-SEA混合法的低地板列车车内噪声预测[J].铁路技术创新.2019
[3].王岩,何兰,李琦,宋运娜,佡思维.混合卷积神经网络图像噪声去除[J].中国科技信息.2019
[4].葛明明,王圣业,王光学,邓小刚.基于混合雷诺平均/高精度隐式大涡模拟方法的高升力体气动噪声模拟[J].物理学报.2019
[5].侯长满,余彪,陈远航.基于DPSS的高噪声条件下混合LFM波形提取方法设计[J].科技导报.2019
[6].鲜敏,相龙洋.某混合动力汽车动力总成噪声的试验评价[J].汽车实用技术.2019
[7].王明杰,姬红兵,刘龙.噪声野值下的学生t分布混合CPHD滤波[J].西安电子科技大学学报.2019
[8].何加龙.混合动力汽车车内噪声分析与研究[J].内燃机与配件.2019
[9].罗文俊,杨鹏奇,张子正.基于FE-SEA混合法箱形梁结构噪声预测分析[J].铁道学报.2019
[10].宁子健,杨艳萍,冯肖亮.一类高斯混合噪声干扰的系统拆分与滤波方法设计[J].科技创新与应用.2019
论文知识图
