导读:本文包含了序列提取论文开题报告文献综述、选题提纲参考文献，主要关键词:分解,遥感,模态,序列,叶面积,质粒,冬小麦。
序列提取论文文献综述写法
张旭东,胡在凰[1]（2019）在《一种基于自相关函数的GNSS时间序列噪声提取方法》一文中研究指出对GNSS时间序列的非线性研究一直是大地测量学和地球动力学研究的方向之一,从信号本身的特性去分析和处理非平稳信号的HHT方法在提取GNSS时间序列噪声方面缺乏一种有效的分界点确定方法来进行滤波。针对该问题,本文提出了一种基于自相关函数的GNSS时间序列噪声提取方法,先通过与CMSE方法的对比分析验证了该方法的有效性,随后利用该方法提取了stjo测站的噪声数据进行分析,得出最优噪声模型为WN+FN。(本文来源于《测绘与空间地理信息》期刊2019年10期）
谢杨峻,李智,徐灿[2]（2019）在《一种空间目标RCS序列的特征提取方法》一文中研究指出准确、快速判断空间目标的姿态运动模式,对于空间目标监测具有重要意义。针对空间目标雷达散射截面(Radar Cross Section,RCS)序列,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)与盒维数的特征提取方法。在频域对空间目标的雷达散射截面序列进行变分模态分解,得到若干本征模态分量,然后计算每个模态分量的盒维数以构造特征向量。采用前向反馈神经网络分类器验证识别效果,讨论了不同轨道高度对识别准确率的影响。结果表明上述方法能有效识别叁轴稳定类与旋转类的空间目标,相比传统的统计参数特征识别准确率提高约10%,并且识别率随轨道高度增加呈上升趋势。(本文来源于《计算机仿真》期刊2019年10期）
王鹏新,荀兰,李俐,王蕾,孔庆玲[3]（2019）在《基于时间序列叶面积指数稀疏表示的作物种植区域提取》一文中研究指出以华北平原黄河以北地区为研究区域,以时间序列叶面积指数LAI(Leaf Area Index)傅里叶变换的谐波特征作为不同作物识别的数据源,利用稀疏表示的分类方法识别2007年—2016年冬小麦、春玉米、夏玉米等主要农作物种植区域。首先利用上包络线Savitzky-Golay滤波分别对2007年—2016年的时间序列MODIS LAI曲线进行重构,进而对重构的年时间序列LAI进行傅里叶变换,以0—5级谐波振幅、1—5级谐波相位作为作物识别的依据,基于各类地物的训练样本,通过在线字典学习算法构建稀疏表示方法的判别字典,对每个待测样本利用正交匹配追踪算法求解稀疏系数,从而计算对应于各类地物的重构误差,根据最小重构误差判定待测样本的作物类型,并对作物识别结果的位置精度进行验证。结果表明,2007年—2016年作物识别的总体精度为77.97%,Kappa系数为0.74,表明本文提出的方法可以用于研究区域主要作物种植区域的提取。(本文来源于《遥感学报》期刊2019年05期）
安塞,沈彦俊,赵彦茜,郭英,郭硕[4]（2019）在《基于NDVI时间序列数据的冬小麦种植面积提取》一文中研究指出归一化植被指数(NDVI)是利用遥感技术提取作物信息的重要指标,其时序曲线能反映植被的生长变化,在农作物种植面积信息提取上有较大优势。以河北平原为研究区,利用空间分辨率250 m的MODIS NDVI数据提取2011—2016年冬小麦种植面积。首先利用HANTS滤波建立NDVI时序曲线,结合区域物候信息和种植模式,提取冬小麦种植像元。因MODIS影像空间分辨率较低,结果受混合像元影响大。运用像元二分模型分解混合像元,计算单一像元冬小麦覆盖度进而计算研究区冬小麦种植面积,并利用Landsat数据对结果进行验证。结果表明,利用时间序列谐波分析法(HANTS)滤波和像元二分模型相结合可提高冬小麦种植面积提取精度,总体分类精度达90%以上;2011—2016年河北平原冬小麦种植面积总体减少,其中河北平原北部和山前平原冬小麦面积缩减,近海平原呈增长趋势。(本文来源于《江苏农业科学》期刊2019年15期）
朱琛豪,黄兆可,陈晓方,谢永芳[5]（2019）在《铝电解阳极电流序列的特征模式提取方法研究》一文中研究指出铝电解阳极电流数据是分析电解槽工作状态的重要依据。其电流特征变化可以反映槽况的实时信息,提取该序列数据的特征模式就显得尤为重要。针对目前算法所提取的特征模式质量较低的问题,提出一种阳极电流序列特征模式的提取算法Im-MAIL。该方法在MAIL算法的基础上,对序列压缩预处理及序列跨度约束进行优化,以提高特征模式的质量。对现场获取的400KA系列预焙铝电解槽阳极电流数据进行分析,实验结果表明,算法具有较好的挖掘效率,特征模式质量改善明显。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
熊元康,张清凌[6]（2019）在《基于NDVI时间序列影像的天山北坡经济带农业种植结构提取》一文中研究指出水资源匮乏是干旱区实现可持续发展的最大障碍。干旱区农业灌溉耗费大量的水资源,不同农作物在生长期所需的灌溉水量存在较大的差异,因此快速准确地了解干旱区的农业种植结构可以为节水型农业种植结构优化提供重要依据。以天山北坡经济带为研究区,以谷歌地球引擎(Google Earth Engine,GEE)云平台为支撑,以Sentinel-2以及Landsat 7-8的数据为遥感数据源,采取以下步骤进行研究区的农业种植结构提取:首先,为了简化农业种植结构提取的过程,利用一年最大NDVI值以及坡度信息构建耕地掩膜图层;然后,根据研究区内主要农作物的物候历,获取不同时间段内的最大NDVI值的时间序列数据以及农作物在一年中出现NDVI最大值的日期,并在此基础上构建一个包含10波段的特征波段影像;最后,结合野外实地考察获得的有效样本点以及经耕地掩膜图层掩膜后的10波段特征波段影像,利用随机森林分类器进行研究区的农业种植结构提取。分类结果表明:2018年研究区内棉花、玉米、小麦的总体分类精度为92.19%,Kappa系数为0.883。为了进一步将分类结果与统计数据进行对比,我们将训练得到的分类器应用于2017年的遥感影像,提取了研究区内2017年的农业种植结构信息,其分类结果表明2017年研究区内棉花、玉米、小麦的种植面积分别为5 270 km~2、2 000 km~2、2 340 km~2,其相对精度分别为86.53%、77.54%、86.19%。(本文来源于《干旱区地理》期刊2019年05期）
徐俊鹏,邹时林[7]（2019）在《GNSS形变序列的信号提取方法比较分析研究》一文中研究指出如何从观测数据序列中准确提取信号是GNSS数据处理的主要研究内容之一。经验模态分解和局部均值分解是提取信号的较为常用的2种时频分析方法,与其相比,奇异谱分析法能够准确识别提取时间序列中的趋势周期信号且不需要先验信息。因此文中利用奇异谱分析法对GNSS数据进行深入分析提取变形信号,并与局部均值分解和经验模态分解2种方法进行对比,分析3种方法提取信号的效果。鉴于奇异谱分析识别周期和趋势信号的优势,实验结果表明奇异谱分析与其它2种方法相比能更为准确的提取信号,是一种有效的GNSS数据处理分析信号提取方法。(本文来源于《江西科学》期刊2019年03期）
邓永春[8]（2019）在《GNSS变形序列的特征提取与预报方法研究》一文中研究指出全球卫星导航系统(GNSS)以其简单高效、全天候观测和精度高的优点,被广泛应用到变形监测等诸多领域中。对于小范围变形监测利用差分技术可以有效削弱卫星钟差、电离层误差、对流层误差和接收机钟差等系统误差,GNSS监测坐标序列仅受多路径误差和随机噪声的影响,有必要研究其误差特征及削弱技术,以提高变形体监测精度,进而对其作出科学解释。本文以GNSS变形序列为研究对象,以多路径误差的提取与特征分析和变形信息的实时提取为目标,进行了相关研究,具体研究内容和结论为:1)介绍了目前应用较广泛的叁种主要GNSS时间序列降噪方法:经验模态分解(EMD)、小波(WAVELET)、盲源分离(BSS),分析叁种不同方法在GNSS时间序列降噪过程中主要的优势和存在的问题。引进EMD降噪方法的最新成果改进的自适应噪声完备经验模态分解(ICEEMDAN),通过仿真对比实验,表明EMD及其改进算法中ICEEMDAN方法在降噪过程中对模态混迭和端点效应有了较大的改进;选用不同的小波基和小波分解层数寻找小波阈值降噪方法最合理的小波基和小波分解层数,表明选用小波基haar小波、分解层数3能兼顾小波降噪效果和计算效率;盲源分离方法主要选择独立分量分析(ICA)和特征值分解(EVD)两种分解方法,ICA降噪方法降噪效果更优,EVD降噪效果较稳定。2)基于叁种不同降噪方法的优点提出了 EMD-WAVELET-BSS耦合模型,充分利用EMD方法的自适应分解能力,将时间序列分解成一系列的内禀模态函数(IMF),分离出IMF中的高频和低频部分,然后充分利用小波方法对高频部分的降噪能力和盲源分离对低频部分的盲分离降噪能力分别对分解信号中的高频和低频部分降噪,主要采用将不同方法分离的噪声作为第二通道,进行双通道的时间序列降噪,通过仿真实验和实测数据的对比实验,表明ICEEMDAN-WAVELET-ICA方法在GNSS时间序列降噪中效果更好。3)分析了 GNSS时间序列中的多路径误差的主要特性,利用多路径的周日重复性,建立基于坐标域的恒星日滤波多路径模型,建立全球定位系统(GPS)系统的多路径模型。研究深度学习中的支持向量机(SVM),建立基于遗传算法的支持向量机(GASVM)参数优化的预测网络模型,预测GNSS多路径误差时间序列。通过恒星日滤波多路径预测模型与支持向量机建立的多路径预测模型对比实验,表明GPS单系统支持向量机多路径误差预测模型与恒星日滤波误差模型预测效果基本相当;GNSS多系统的多路径误差周日重复特性难以确定,但可以利用GASVM对多路径误差建模,通过对统计结果的分析表明多系统多路径建立的模型比单系统的多路径误差建立的模型精度略低,但预测精度基本达到预期。4)在实测的基础上对GNSS时间序列加入变形信息,基于GASVM构建平稳状态下GNSS时间序列的预测模型,该模型只会预测未发生变形状况下的时间序列发展情况,通过求取预测残差的方式获取变形信息。利用统计量对求取的变形信息分析,结果表明该实验方案可行。图[29]表[9]参[89](本文来源于《安徽理工大学》期刊2019-06-12）
王璇[9]（2019）在《基于MODIS时间序列的河南主要农作物种植信息提取》一文中研究指出作物种植信息的识别和获取是农业遥感与农情监测的基础工作,关键就是要把农作物从众多的地物中识别与分离出来。当今各种分辨率的遥感数据可以为监测农作物空间信息提供良好的数据基础,尤其是多时相植被指数和一些其他的光谱特性,都为遥感监测以及识别作物生长季节的变化提供了依据。与传统的农作物种植面积监测方法相比,遥感提取的方法具有范围更广、效率更高、成本更低等优势,因此定量的监测农作物是有效且可行的。利用遥感技术可以做到动态、高效、准确地获取作物的空间信息,能够帮助国家有关部门宏观调控和调整农业结构以及制定科学合理政策,且在农民进行合理选择作物种植,获取动态监测信息,适时规避风险等多方面都具有重大意义。本文以河南省为研究区域,以MODIS双卫星8天时间分辨率植被指数产品为原始数据,将数据进行平滑后,结合农作物物候历,使用多种方法进行层层提取,得到2005、2008、2010、2013、2015年河南省复种指数及主要作物的空间分布,并对提取结果进行了研究区和典型区的精度验证,从而更加深入的研究了提取作物信息的方法,希望为作物信息的提取提供一些参考。本论文研究内容及结果如下:(1)河南省复种指数的提取。使用MODIS NDVI的8天时间序列的双星数据,经过Savizky-Golay滤波处理得到平滑后的数据,提取出主要覆被地类建筑用地、水体、林地、耕地的NDVI时间序列曲线,判断并分析NDVI的基础上总结其规律,使用二次差分的方法提取NDVI得到每个像元上的波峰数据,对波峰进行取舍后,得到一年一季作物与一年两季作物分布,进而得到传统意义上的复种指数,并对其进行精度判定。遥感计算所得的复种指数,整体的相对误差保持在10%以内,从总体上看,遥感提取的复种指数结果在市级级别上显示出较高的相关性,表明本研究中的方法可行,结果基本可靠。(2)复种指数空间分布格局的分析。从分布上看,河南省主要存在一年两熟和一年一熟制度,一年两熟制耕地主要分布在河南中部和东部平原和南阳盆地地区,一年一熟制耕地主要分布在西部山地地区和南部信阳一带。空间上东部市域的复种指数高于西部和南部信阳的复种指数。河南省五年的平均复种指数为183.6%,河南省10年间整体的复种指数变化是从2005年1.919%下降为2010年的183.7%,下降速度较快,下降速率为4.46%,2010年至2015年复种指数维持在稳定水平,变为2015年的188.3%。(3)提取主要农作物的空间分布。使用MODIS NDVI时间序列数据进行绝对离差计算,在阈值的选取上选择最适合的方法,得到不同作物的疑似分布图;并利用MODIS的反射率数据,并使用混合像元分解得到主要农作物像元丰度,最后进行了研究区和训练区的精度验证。结果表明,在与统计数据的精度验证中冬小麦识别的精度达到85.63%,夏玉米识别的精度达到78.07%;在随机点验证中的精度达到83.02%。(4)主要作物空间分布的分析。研究所得的结果表明,冬小麦和夏玉米是河南的主要粮食作物。河南省冬小麦和夏玉米在2005、2008、2010、2013、2015年平均种植面积为4567.33hm~2和2349.46hm~2。在年际的空间分布上,呈现明显的一致性格局,主要分布在河南地势较平坦的地区,山地和丘陵处有较少的分布。在数量变化上,这两种农作物的总的种植面积在这10年间呈现明显的增加趋势,冬小麦的上升速率为9.26%,夏玉米的上升速率为33.31%。(本文来源于《河南大学》期刊2019-06-01）
姚芳[10]（2019）在《革兰阳性菌质粒提取方法的改良和质粒pLP60的序列分析》一文中研究指出植物乳杆菌是乳酸菌中环境适应性最强的菌株之一,是乳酸菌研究的模式菌株。它携带的天然质粒对植物乳杆菌的生存具有重要意义。通过对植物乳杆菌天然质粒的研究能够促进植物乳杆菌的研究和运用。由于植物乳杆菌是革兰阳性菌,其细胞壁相对较厚,破壁困难,质粒提取率低,严重影响了植物乳杆菌质粒的研究和应用。就质粒的大小,多样性和数量而言,植物乳杆菌是质粒最丰富的菌株之一。植物乳杆菌PC518菌株含有多个质粒,难以分离纯化。本研究优化了质粒提取方法,提高了质粒提取率,并找到了检出细菌中多质粒体系的方法。对植物乳杆菌质粒的分析可以丰富天然质粒的数据库,为天然质粒的系统研究奠定基础。目的1.改进质粒提取方法,寻找一种提高革兰阳性菌质粒提取率的方法。2.检出植物乳杆菌PC518菌株中的新质粒。3.对新质粒进行注释和序列分析。材料和方法1.质粒提取方法的改进:在溶菌酶处理的浓度、时间、温度、溶菌酶的去除上进行改进,优化革兰阳性菌质粒提取方法。对植物乳杆菌PC518、410、9L15、JS193菌株和食窦魏斯氏菌(Weissella cibaria)M2菌株分别用改良的质粒提取方法和传统的方法提取质粒。2.用改良的质粒提取方法提取植物乳杆菌PC518菌株中的质粒,运用质粒DNA文库、反向PCR和NCBI中BLAST比对的方法检出新质粒。3.用DNAstar、Mega X等软件和QPCR的方法对质粒进行注释、分析质粒序列、拷贝数等。结果1.改良的质粒提取法将溶菌酶浓度提高到100 mg/ml,缩短处理时间为10 min,增加了5%葡萄糖溶液洗涤,去除溶菌酶的步骤。在5个菌株的质粒提取上,改良方法提取质粒的浓度分别提高10.6、9.5、1.5、6和5.6倍,质粒条带数目明显增加。2.从植物乳杆菌PC518中检出了一个新质粒pLP60。3.质粒pLP60为theta复制A类质粒,拷贝数为5个,含有8个ORF,其中一个复制蛋白(RepB),两个移动蛋白。质粒pLP60的复制起点(ori)包含有AT丰富区和RepB结合位点,前者包含4.1个短串联重复序列(sTR),后者包含4.4个长串联重复序列(lTR)。选取与pLP60的RepB相比,相似性大于45%的22个质粒的Rep建立系统进化树。Rep聚类分析表明,这些质粒的ori中不一定有sTR,但一定有lTR,且具有保守性。根据Rep聚类质粒的lTR显示的保守性不同,将这些质粒分为6类。结论1.改良的质粒提取法使提取率得到提高,关键在于溶菌酶的去除。2.质粒DNA文库、反向PCR和NCBI中BLAST比对的方法可用于检出细菌中存在的多质粒体系。在对theta复制A类质粒pLP60的分类中发现,传统参考Rep分类的方法已不适用,参考ori中lTR能更有效的分类。(本文来源于《成都医学院》期刊2019-06-01）
序列提取论文开题报告范文
（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：
准确、快速判断空间目标的姿态运动模式,对于空间目标监测具有重要意义。针对空间目标雷达散射截面(Radar Cross Section,RCS)序列,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)与盒维数的特征提取方法。在频域对空间目标的雷达散射截面序列进行变分模态分解,得到若干本征模态分量,然后计算每个模态分量的盒维数以构造特征向量。采用前向反馈神经网络分类器验证识别效果,讨论了不同轨道高度对识别准确率的影响。结果表明上述方法能有效识别叁轴稳定类与旋转类的空间目标,相比传统的统计参数特征识别准确率提高约10%,并且识别率随轨道高度增加呈上升趋势。
（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。
序列提取论文参考文献
[1].张旭东,胡在凰.一种基于自相关函数的GNSS时间序列噪声提取方法[J].测绘与空间地理信息.2019
[2].谢杨峻,李智,徐灿.一种空间目标RCS序列的特征提取方法[J].计算机仿真.2019
[3].王鹏新,荀兰,李俐,王蕾,孔庆玲.基于时间序列叶面积指数稀疏表示的作物种植区域提取[J].遥感学报.2019
[4].安塞,沈彦俊,赵彦茜,郭英,郭硕.基于NDVI时间序列数据的冬小麦种植面积提取[J].江苏农业科学.2019
[5].朱琛豪,黄兆可,陈晓方,谢永芳.铝电解阳极电流序列的特征模式提取方法研究[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[6].熊元康,张清凌.基于NDVI时间序列影像的天山北坡经济带农业种植结构提取[J].干旱区地理.2019
[7].徐俊鹏,邹时林.GNSS形变序列的信号提取方法比较分析研究[J].江西科学.2019
[8].邓永春.GNSS变形序列的特征提取与预报方法研究[D].安徽理工大学.2019
[9].王璇.基于MODIS时间序列的河南主要农作物种植信息提取[D].河南大学.2019
[10].姚芳.革兰阳性菌质粒提取方法的改良和质粒pLP60的序列分析[D].成都医学院.2019