导读:本文包含了欠采样论文开题报告文献综述、选题提纲参考文献，主要关键词:信号,不平衡,数据,重构,频率,余数,谐波。
欠采样论文文献综述写法
鲁淑霞,张罗幻,蔡莲香[1]（2019）在《基于欠采样的零阶优化算法》一文中研究指出非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。(本文来源于《南京航空航天大学学报》期刊2019年05期）
刘嫣,刘正浪[2]（2019）在《基于AIC的超高次谐波数据欠采样系统设计》一文中研究指出针对现有谐波测量设备获取超高次谐波时出现的海量数据问题,设计了超高次谐波数据欠采样系统。该系统由模拟信息转换器(AIC)和PC机共同组成,并具有压缩采样和信号恢复功能。测试结果表明,该系统在保证超高次谐波准确获取的基础上,能够大幅降低采样频率和采集数量。(本文来源于《机电信息》期刊2019年27期）
贺长波,李宏坤,赵新维,王维民,吴淑明[3]（2019）在《基于总体最小二乘准则旋转不变子空间法的叶尖定时欠采样信号分析》一文中研究指出考虑到传统的应变法无法同时测量所有叶片的振动且存在一定的安全隐患,故利用叶尖定时技术对叶片振动进行监测。由于该方法得到的信号属于严重欠采样信号,且实际获得的信号存在噪声干扰,传统的傅里叶分析无法得到叶片的真实振动频率。研究基于总体最小二乘准则(TLS)的旋转不变子空间法(Esprit)对存在噪声干扰的欠采样信号进行频率估计,并以估计结果作为先验知识对欠采样信号进行重构。通过仿真信号分析及高速旋转叶片试验台验证方法的有效性。结果表明,所提方法可以有效地对含噪欠采样信号进行处理并估计出叶片的真实频率信息,具有很好的工程应用价值。(本文来源于《机械工程学报》期刊2019年19期）
徐海龙,杨拥民,胡海峰,官凤娇,陈仲生[4]（2019）在《基于压缩感知的叶端定时欠采样多频叶片振动盲重构研究》一文中研究指出旋转叶片是航空发动机的核心部件,长期工作在复杂的工况下承受交变应力,容易产生振动而导致疲劳失效,因此在线监测叶片振动对发动机运行安全具有十分重要的工程意义。针对传统的接触式应变法无法同时测量所有叶片振动且布线复杂存在安全隐患的问题,采用叶端定时(Blade tip-timing, BTT)非接触方法对叶片振动进行实时在线监测。但是BTT测量信号受叶顶传感器安装限制属于典型的欠采样信号,而叶片由于气动激励及微小裂纹的非线性导致其叶端出现多频振动响应,因此利用欠采样的BTT信号获取未知多频叶片振动是目前遇到的巨大挑战。提出采用压缩感知方法解决BTT欠采样多频叶片振动盲重构。首先分析叶片在气动激励下的多频响应;然后建立BTT测量的压缩感知模型,并采用多重信号分类(Multiple signal classification,MUSIC)算法进行求解;最后通过数值仿真,并结合旋转叶片BTT测振实验台验证了压缩感知理论解决BTT欠采样多频叶片振动盲重构难题,实现旋转叶片振动BTT非接触在线测量。(本文来源于《机械工程学报》期刊2019年13期）
姜脉鹄[5]（2019）在《基于压缩感知的时空欠采样信号重构算法研究》一文中研究指出传统的信号频率及波达方向(DOA)估计算法要求信号在时域及空域的采样过程必须满足Nyquist采样定理,然而在某些特定的场景下,如阵列接收信号具有很高的频率或要求阵列具备较高的角度分辨率,采用Nyquist采样将意味着对系统的采集模块与处理单元提出了更高的要求,推高了系统成本与硬件实现难度。然而欠采样又势必会导致信号参数估计的模糊问题,压缩感知理论的提出为欠采样信号重构问题提供了一个解决思路。本文围绕着欠采样条件下信号重构及解模糊问题展开,提出了基于压缩感知的时空欠采样信号重构和参数估计算法。本文首先对阵列信号模型及压缩感知理论进行了简单的介绍,验证了基于压缩感知的信号重构算法的可行性,并且分析了时域或空域欠采样所带来的频率或DOA估计的模糊问题,指出在均匀欠采样策略下无法通过内插解决信号重构及参数估计的模糊问题。针对时域欠采样导致信号频率估计出现模糊的问题,本文提出了一种基于压缩感知的多通道欠采样信号重构算法。并且在频率估计方面,与现有的基于中国余数定理(CRT)的频率估计算法进行对比,仿真分析了其在多种信号场景下的估计性能。随后,针对多通道信号重构算法需要更多的信号采集及处理单元、成本较高等缺点,提出了一种基于压缩感知的单通道欠采样信号重构算法,实现了在单个采样通道的情况下对信号的高精度重构。针对空域欠采样导致阵列方向图出现栅瓣、DOA估计模糊等问题,本文将之前提出的两种时域欠采样策略推广到空域,提出了两种稀疏阵列构型,并将压缩感知理论与DOA估计、波束形成相结合,在只需要较少阵元的前提下,实现了对稀疏阵列信号的重构过程,进而解决了其在DOA估计、波束形成中存在的模糊问题。最后,将时域欠采样信号重构技术与空域欠采样信号重构技术相结合,提出了两种时空欠采样条件下的信号重构方案,解决了时空欠采样信号频率与DOA联合估计的问题,并与单独时域欠采样或空域欠采样信号的参数估计性能进行了比较分析,验证了上述算法的有效性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
魏力,张育平[6]（2019）在《一种改进型的不平衡数据欠采样算法》一文中研究指出不平衡数据集经常出现于很多应用领域,如果直接使用这种数据集进行分类,会对算法的学习过程造成干扰.而传统的欠采样方案会严重丢失多数类样本的信息.为解决这一问题,通过结合NearMiss算法和K-Means聚类在处理不平衡数据时的优点,提出了CBNM(Clustering-Based NearMiss)算法,该算法通过计算簇中心点的NearMiss距离,赋予该点选择权重.实验通过选择十组UCI数据集,验证在本算法中叁类NearMiss算法的优劣,并与NearMiss-2算法进行比较.实验结果表明,CBNM算法在F-Measure和G-Mean上有显着提升,对分类效果的改进明显.(本文来源于《小型微型计算机系统》期刊2019年05期）
肖连杰,郜梦蕊,苏新宁[7]（2019）在《一种基于模糊C-均值聚类的欠采样集成不平衡数据分类算法》一文中研究指出【目的】解决二分类任务中因类间数据不平衡导致少数类分类准确度低的问题。【方法】提出一种基于模糊C-均值聚类的欠采样集成不平衡数据分类算法(ECFCM),即对多数类样本进行基于FCM聚类的欠采样,将聚类中心样本与全部少数类样本组成平衡数据集;利用基于Bagging的集成学习算法对平衡数据集进行分类。【结果】在4组不平衡数据集上的Matlab仿真实验结果表明,ECFCM算法的Acc、AUC和F_1提升幅度最高为5.75%(Spambase), 13.84%(Glass2)和7.54%(Spambase)。【局限】本文采用标准数据集验证ECFCM算法的有效性,当采用实际应用中的不平衡数据时,需要有针对性地研究不平衡数据分类算法。【结论】ECFCM算法分类性能良好,在一定程度上有利于提高不平衡数据中少数类的分类准确度。(本文来源于《数据分析与知识发现》期刊2019年04期）
郜丽鹏,李佳林[8]（2019）在《时-空欠采样下多个信号的频率和DOA联合估计》一文中研究指出针对时-空欠采样条件下多个入射信号的频率和波达方向(DOA)联合估计问题,提出了基于中国余数定理(CRT)的估计算法。利用稀疏分布的非均匀线阵对同时到达的多个入射信号进行多路的并行欠采样,借助AM估计器的谱校正,得到精确的谱峰位置余数和相位差余数。通过改进的重构多个整数的中国余数定理得到频率的估计值,并且根据该频率估计值和频率估计过程中的谱峰位置余数对多个信号和多组相位差余数进行配对,再通过闭式中国余数定理解决相位模糊问题,完成DOA估计。仿真结果验证了该算法的顽健性和高精度,并且阵列一次并行欠采样的样本同时为频率和DOA估计所用,算法耗时短,表明了其实际工程应用前景。(本文来源于《应用科技》期刊2019年03期）
杜昊辰[9]（2019）在《调频式激光测距差拍信号欠采样频率估计系统设计》一文中研究指出线性调频连续波(Linear Frequency Modulated Continuous Wave,LFMCW)激光测距技术由于具有测量精度高,抗干扰能力强等优点,被广泛应用在航空航天、军事雷达等重要领域。随着调频非线性校准技术的进步及宽频带激光器在测距系统中的应用,使得在测距过程中产生的差拍信号频率越来越高,给采样及后续信号处理带来了压力。因此,本文提出差拍信号欠采样频率估计方法,并针对欠采样频率估计精度不高、混迭频率筛选复杂、抗噪声性能差等问题提出了新的解决方法,实现对差拍信号频率精确估计。本文的主要研究工作如下:1、深入研究LFMCW激光测距原理,分析叁角波调制方式的优势,推导出物体在静止和振动情况下的距离求解公式,同时分析影响LFMCW激光测距精度的因素,结果表明差拍信号频率估计精度是影响测距精度的关键因素。2、针对现有的差拍信号频率估计方法采样率要求高、频率估计误差大等问题,提出双速率欠采样频率估计新方法。在欠采样条件下,对不同采样速率的差拍信号做FFT处理,采用能量重心结合CZT算法提高混迭频率估计精度,并利用频偏值做相位校正并筛选出混迭频率,依据混迭频率和采样率之间的关系,求解出差拍信号的真实频率。实验结果表明,所提出的方法可以在低信噪比情况下实现对差拍信号频率的精准估计。3、对双速率欠采样差拍信号频率估计方法的硬件实现进行研究,开发了由上位机和下位机组成的单通道双速率欠采样频率估计系统。设计了触发电路、信号调理电路、ADC采样电路、基于FPGA读写控制逻辑电路、基于ARM的数据传输电路,利用以太网接口与上位机通信。同时利用MATLAB编写上位机软件,利用本文所提的方法实现对差拍信号的精准频率估计。4、完成每个模块的功能测试及系统整体测试,并验证本文所提算法的有效性。实验结果表明在欠采样条件下,本文提出的方法可以实现对差拍信号的准确频率估计,且估计误差在5ppm以内。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
罗英[10]（2019）在《基于无监督智能欠采样方法的不平衡数据分类算法研究》一文中研究指出信息化技术的飞速发展,催生了一个大规模生产、共享和应用数据的时代,而挖掘数据价值、征服数据海洋的基石则是机器学习。其中分类问题是该领域最核心的问题之一,一般的分类算法都有一个默认的前提假设,即不同类别的实例数目相当且错分代价也相当。然而在实际场景中,许多数据都呈现出类别高度不平衡的特性:某一类别的样例数目远大于其他类别,这使得一般分类学习方法很难取得良好的分类效果。为了更好的改善不平衡数据的分类性能,界内很多知名人士对此做了大量地分析与研究。目前这些研究大致可以归结为叁个层面:一是在建立模型之前对数据进行重构,主要是采用重采样技术来缩减类别之间的不平衡程度,如欠采样和过采样;二是改进分类学习算法,以适应不平衡数据所特有的差异性,如不同类别样例学习时使用不同的权重以及对多类样例引入扰动等;叁是把重采样技术与算法改进相结合。本文针对不平衡数据集的特殊性,提出了一种基于无监督学习的新的智能欠采样方法并引入了集成学习框架,可以较好地解决不平衡数据分类问题。本文主要做了以下几方面的工作:1.探究分析:首先分析了传统分类算法面对不平衡数据失效的原因,并探究现有方法及技术的原理及思想,找出其仍旧存在的一些问题。2.数据重构:受灰色系统理论的启示,针对以往重采样技术中存在的问题,提出了一种新的欠采样方法,通过kNN来寻找样例内部规律,并不断地剔除冗余样例,保留具有代表性的样例,直至不同类别样例的数目相当。3.算法集成:对比分析常用分类学习方法的一些特点及性能,整合了Bagging与SVM分类算法并对重构之后的数据进行分类学习。4.多类分类:分析研究多分类问题常用的一些处理机制与方法,并将本文所提出的方法扩展到了多类不平衡数据集分类的问题当中。(本文来源于《兰州大学》期刊2019-03-01）
欠采样论文开题报告范文
（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：
针对现有谐波测量设备获取超高次谐波时出现的海量数据问题,设计了超高次谐波数据欠采样系统。该系统由模拟信息转换器(AIC)和PC机共同组成,并具有压缩采样和信号恢复功能。测试结果表明,该系统在保证超高次谐波准确获取的基础上,能够大幅降低采样频率和采集数量。
（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。
欠采样论文参考文献
[1].鲁淑霞,张罗幻,蔡莲香.基于欠采样的零阶优化算法[J].南京航空航天大学学报.2019
[2].刘嫣,刘正浪.基于AIC的超高次谐波数据欠采样系统设计[J].机电信息.2019
[3].贺长波,李宏坤,赵新维,王维民,吴淑明.基于总体最小二乘准则旋转不变子空间法的叶尖定时欠采样信号分析[J].机械工程学报.2019
[4].徐海龙,杨拥民,胡海峰,官凤娇,陈仲生.基于压缩感知的叶端定时欠采样多频叶片振动盲重构研究[J].机械工程学报.2019
[5].姜脉鹄.基于压缩感知的时空欠采样信号重构算法研究[D].哈尔滨工业大学.2019
[6].魏力,张育平.一种改进型的不平衡数据欠采样算法[J].小型微型计算机系统.2019
[7].肖连杰,郜梦蕊,苏新宁.一种基于模糊C-均值聚类的欠采样集成不平衡数据分类算法[J].数据分析与知识发现.2019
[8].郜丽鹏,李佳林.时-空欠采样下多个信号的频率和DOA联合估计[J].应用科技.2019
[9].杜昊辰.调频式激光测距差拍信号欠采样频率估计系统设计[D].哈尔滨理工大学.2019
[10].罗英.基于无监督智能欠采样方法的不平衡数据分类算法研究[D].兰州大学.2019