导读:本文包含了光谱混合信号论文开题报告文献综述及选题提纲参考文献，主要关键词:光谱学,维纳滤波,同态滤波,加性噪声
光谱混合信号论文文献综述
陈正伟,张方,周扬,黄惠杰[1]（2017）在《光谱信号乘性加性混合随机噪声去除方法》一文中研究指出提出一种光谱信号噪声的乘性加性混合分析模型,并采用维纳滤波和同态滤波相结合的算法对光谱信号进行去噪处理。仿真结果表明,该算法比移动平均算法、最小均方算法和递归最小均方算法具有更好的去噪性能。实验结果表明,氙灯光谱信号中的噪声符合乘性加性混合模型。与移动平均算法、最小均方算法和递归最小均方算法相比,从该算法处理后的汞灯光谱信号中能够提取更加稳定的谱峰谷位置、谱峰幅度、谱峰半峰全宽等特征值,定量分析时能获得更好的结果。(本文来源于《光学学报》期刊2017年07期）
蔡茂知[2]（2016）在《基于非线性混合模型的高光谱波谱信号提取方法研究》一文中研究指出高光谱波谱信号提取技术作为高光谱图像处理中的基础技术,广泛应用于高光谱像元解混、目标识别、异常点检测以及目标分类等高光谱图像处理算法中。因此,如何行之有效的从高光谱图像中获取波谱信息,直接影响着高光谱图像在各个领域中的应用。目前,获取波谱信号方法主要包括两种:其一是从实验室或现有的光谱库中获取,另一种方法是从高光谱图像数据中提取,这种方法通常被称作波谱信号提取算法(Spectral Signal Extraction Algorithm,SSEA)。由于高光谱图像中通常存在着混合像元,这给波谱信号提取算法带来了极大的挑战。现有的SSEA算法,如基于纯像元指数算法、内部最大体积法算法、顶点成分分析算法等波谱信号提取算法都是以线性混合模型为基础的波谱信号提取算法。但是,在混合像元的形成过程中,容易受到大气、传感器以及太阳入射辐射与多种地物之间的相互作用等因素的影响。这使得高光谱图像中的混合像元是各波谱信号的非线性表示,并且非线性的程度随着空间分辨率的提高变得越发严重。因此,对非线性混合模型下的波谱信号提取算法的研究具有非常重要的意义。本文主要完成以下几个方面的工作。本文首先就高光谱图像中的像元混合的成因进行分析和探讨,并着重研究混合像元中的非线性因素以及现有的非线性混合模型。其次,结合混合像元分解以及向量的相似性原理,建立起高光谱波谱信号提取算法的有效性验证方法。由于目前普遍采用近似线性化的方法处理高光谱混合像元中的非线性成分,本文深入探讨在不同非线性混合模型的高光谱数据中,线性波谱信号提取算法的有效性。实验结果表明:采用近似线性化的方法会导致计算误差增大,甚至无法完整的提取出非线性混合数据中的波谱信号。最后,结合非线性全约束最小二乘丰度反演算法、线性波谱信号提取方法以及非线性混合模型进行波谱信号的提取。通过与传统的线性波谱信号提取算法进行对比实验,其结果表明:基于非线性混合模型的波谱信号提取算法相比于线性波谱信号提取算法,误差更小,性能更佳。对于噪声的抑制能力也优于线性波谱信号提取算法。同时,将该算法与传统的目标识别算法相结合,利用非线性波谱信号提取方法提取的波谱信号能够有效识别高光谱图像中预设目标。(本文来源于《电子科技大学》期刊2016-05-09）
李梅,孔令罔[3]（2015）在《基于混合算法的色彩信号多光谱表示空间研究》一文中研究指出根据光谱光效率函数,利用聚类分析法对多光谱数据集进行线性降维,进而利用快速独立成分分析法对初次降维数据提取独立成分,然后根据独立成分进行光谱空间重建,最后从均方误差以及色度空间两方面对此方法与主成分分析法进行对比。实验结果表明,该方法的均方差平均值较PCA降低了3.64%,平均色差较PCA降低了24.08%。可见,利用混合算法重建的多光谱表示空间能够更高效地表示原始光谱空间。(本文来源于《运城学院学报》期刊2015年03期）
李丽娜,张认成[4]（2014）在《基于净信号的混合校正方法用于复杂生物样品光谱的定量分析和物理解析》一文中研究指出对于复杂生物样品的光谱定量分析,单独应用偏最小二乘回归(PLSR)不易获得被测量信息的物理解析。为此建立了一种基于被测量净信号(NAP)的混合校正模型(NAP-PLSR),并应用于离体和在体实验,进行了葡萄糖含量的近红外光谱定量分析和物理解析研究。实验结果表明,通过NAP-PLSR模型获得的净信号灵敏度曲线易于分辨,能够提取到与葡萄糖分子吸收有关的1 100~1 300nm和1 500~1 800nm两波段信息,提高了模型精度的同时可获得有效的物理解析。(本文来源于《分析科学学报》期刊2014年02期）
曹晶晶,卓莉,王芳,陶海燕[5]（2013）在《盲信号分离技术在高光谱混合像元分解中的应用》一文中研究指出盲信号分离(BSS)是现代信号处理的一种前沿基础技术,近年来在高光谱混合像元分解领域展示了很好的应用前景。通过比较系统地介绍独立成分分析(ICA)、非负矩阵分解(NMF)、复杂度分析(CA)和稀疏成分分析(SCA)4种BSS方法的基本原理、基本概念及数学模型,重点阐述4种方法在高光谱混合像元分解中的应用现状及各自的优缺点,旨在进一步探讨BSS技术应用于高光谱混合像元分解面临的挑战与存在的潜力。(本文来源于《遥感技术与应用》期刊2013年03期）
光谱混合信号论文开题报告
（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：
高光谱波谱信号提取技术作为高光谱图像处理中的基础技术,广泛应用于高光谱像元解混、目标识别、异常点检测以及目标分类等高光谱图像处理算法中。因此,如何行之有效的从高光谱图像中获取波谱信息,直接影响着高光谱图像在各个领域中的应用。目前,获取波谱信号方法主要包括两种:其一是从实验室或现有的光谱库中获取,另一种方法是从高光谱图像数据中提取,这种方法通常被称作波谱信号提取算法(Spectral Signal Extraction Algorithm,SSEA)。由于高光谱图像中通常存在着混合像元,这给波谱信号提取算法带来了极大的挑战。现有的SSEA算法,如基于纯像元指数算法、内部最大体积法算法、顶点成分分析算法等波谱信号提取算法都是以线性混合模型为基础的波谱信号提取算法。但是,在混合像元的形成过程中,容易受到大气、传感器以及太阳入射辐射与多种地物之间的相互作用等因素的影响。这使得高光谱图像中的混合像元是各波谱信号的非线性表示,并且非线性的程度随着空间分辨率的提高变得越发严重。因此,对非线性混合模型下的波谱信号提取算法的研究具有非常重要的意义。本文主要完成以下几个方面的工作。本文首先就高光谱图像中的像元混合的成因进行分析和探讨,并着重研究混合像元中的非线性因素以及现有的非线性混合模型。其次,结合混合像元分解以及向量的相似性原理,建立起高光谱波谱信号提取算法的有效性验证方法。由于目前普遍采用近似线性化的方法处理高光谱混合像元中的非线性成分,本文深入探讨在不同非线性混合模型的高光谱数据中,线性波谱信号提取算法的有效性。实验结果表明:采用近似线性化的方法会导致计算误差增大,甚至无法完整的提取出非线性混合数据中的波谱信号。最后,结合非线性全约束最小二乘丰度反演算法、线性波谱信号提取方法以及非线性混合模型进行波谱信号的提取。通过与传统的线性波谱信号提取算法进行对比实验,其结果表明:基于非线性混合模型的波谱信号提取算法相比于线性波谱信号提取算法,误差更小,性能更佳。对于噪声的抑制能力也优于线性波谱信号提取算法。同时,将该算法与传统的目标识别算法相结合,利用非线性波谱信号提取方法提取的波谱信号能够有效识别高光谱图像中预设目标。
（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。
光谱混合信号论文参考文献
[1].陈正伟,张方,周扬,黄惠杰.光谱信号乘性加性混合随机噪声去除方法[J].光学学报.2017
[2].蔡茂知.基于非线性混合模型的高光谱波谱信号提取方法研究[D].电子科技大学.2016
[3].李梅,孔令罔.基于混合算法的色彩信号多光谱表示空间研究[J].运城学院学报.2015
[4].李丽娜,张认成.基于净信号的混合校正方法用于复杂生物样品光谱的定量分析和物理解析[J].分析科学学报.2014
[5].曹晶晶,卓莉,王芳,陶海燕.盲信号分离技术在高光谱混合像元分解中的应用[J].遥感技术与应用.2013