导读:本文包含了亚采样论文开题报告文献综述及选题提纲参考文献，主要关键词:大规模多输入多输出,压缩感知,主成分分析,亚采样
亚采样论文文献综述
王鹏飞,张杭[1]（2019）在《欠定条件下基于主成分的亚采样信号重构》一文中研究指出传统的信息采集还原方式的资源消耗高,对信息数据的利用效率和处理效率较低,难以适应瞬息万变的战场信息感知环境,而且复杂的电磁对抗环境会造成测量通道维度的动态变化,进一步加剧了信息采集还原的难度。在大规模多输入多输出无线通信系统场景下,利用信息数据在变换域空间中的稀疏特性,提出了一种基于压缩感知理论的亚采样重构方案。该方案利用主成分基变换的方式实现信息数据的稀疏化,采用子空间追踪的方式实现信号的亚采样还原,对测量通道维度的动态变化具有较强的鲁棒性。同时,采用分块思想避免了高阶矩阵参与处理过程中的迭代运算,使得算法具有更好的求解精度和效率,实现了欠定条件下信息数据的高效重构。(本文来源于《计算机科学》期刊2019年10期）
周京,赵慧媛[2]（2017）在《一种新型亚采样锁相环研究》一文中研究指出这是一种550 MHz的新型亚采样锁相环(SSPLL)结构,对其特点进行分析,使用Verilog-A作为辅助,进行行为级模拟电路设计。该锁相环的设计在TSMC 180 nm CMOS工艺下完成,使用Cadence Spectre仿真器对该模型进行了仿真。提出的锁相环具有带内噪声小,面积小等优点。此外,使用Verilog-A大大节约了仿真时间成本。(本文来源于《集成电路应用》期刊2017年10期）
曾铭,王宇涛,林福江[3]（2017）在《基于40nmCMOS工艺的低杂散低噪声亚采样锁相环设计》一文中研究指出基于SMIC 40 nm CMOS工艺,设计了一款应用于2.4 GHz的高性能低杂散低噪声亚采样锁相环(SSPLL)。压控振荡器(VCO)的输出直接被参考时钟信号采样,实现了核心环路无分频器。使用互补开关对和Dummy采样器消除了BFSK效应,减少了参考杂散。同时,通过自偏置缓冲器的隔离作用进一步减少了杂散。可调死区产生电路加速了锁定建立过程。后仿结果表明,该SSPPL在1.1 V的电源电压下核心电路功耗为5.84 m W,在50 MHz的频偏处参考杂散为-84.56 d Bc,带内相位噪声为-125 d Bc/Hz@1 MHz。(本文来源于《微型机与应用》期刊2017年16期）
王宇涛,曾铭,傅忠谦,林福江[4]（2017）在《一种低噪声亚采样锁相环的设计》一文中研究指出介绍了一种2.4 GHz的低噪声亚采样锁相环。环路锁定是利用亚采样鉴相器对压控振荡器的输出进行采样。不同于传统电荷泵锁相环,由于在锁定状态下没有分频器的作用,由鉴相器和电荷泵所产生的带内噪声不会被放大N2倍,从而会使锁相环的带内噪声极大程度地减小。在输出电压摆幅相同的情况下,压控振荡器采用NMOS-PMOS互补结构降低了锁相环的功耗。锁相环的设计在TSMC 180 nm CMOS工艺下完成,在1.8 V的供电电压下,锁相环功耗为7.2 m W。在偏移载波频率200k Hz处,环路的带内噪声为-124 d Bc/Hz。(本文来源于《微型机与应用》期刊2017年05期）
罗林,孟煦,刘认,林福江[5]（2017）在《一种低抖动低杂散的亚采样锁相环》一文中研究指出设计了一个5.156 25GHz低抖动、低杂散的亚采样锁相环,使用正交压控振荡器产生4路等相位间隔时钟。分析了电荷泵的杂散理论,使用差分缓冲器和互补开关对实现了低杂散。使用Dummy采样器和隔断缓冲器,进一步减小了压控振荡器对杂散的恶化。该亚采样锁相环在40nm CMOS工艺下实现,在1.1 V的供电电压下,功耗为7.55 mW;在156.25 MHz频偏处,杂散为-81.66dBc;亚采样锁相环输出时钟的相位噪声在10kHz~100 MHz区间内积分,得到均方根抖动为0.26ps。(本文来源于《微电子学》期刊2017年01期）
于博[6]（2012）在《基于梯度信息的图像亚采样与超分辨率重建》一文中研究指出超分辨率重建是当今图像处理领域中一个热门的研究方向。伴随着计算机视觉和模式识别等研究领域的不断深入,对高分辨率图像的需求日益增加,因此以数字信号处理为基础的超分辨率重建算法倍受研究人员的重视。为了适应各种应用环境,超分辨率算法应具有较低的计算复杂度并具有精准的重建效果。基于稀疏表达的超分辨率重建算法能够在简洁的表达下同时具有良好的重建效果。因此,本文以基于稀疏表达的超分辨率重建算法为基础展开研究。本文主要研究分析了基于稀疏表达的超分辨率重建算法,首先分析研究了稀疏表达的理论及研究现状,分析了稀疏表达中关键技术——冗余字典的设计方法。我们将稀疏表达应用到超分辨率重建算法中,并通过实验与经典的超分辨率算法进行比较,证明了基于稀疏表达的超分辨率重建具有很好的重建效果。由于稀疏表达具有很强的结构性并且算法是以图像块为基础的超分辨率重建算法,因此在重建图像的边缘一般具有明显的锯齿效应。为此,我们提出了一种基于梯度约束的超分辨率算法,详细阐述了梯度轮廓信息及其数学模型,分析了低分辨率图像与高分辨率图像的梯度轮廓信息间存在的相关性。研究了从梯度信息重建图像的理论,根据高分辨率图像与低分辨率图像间存在的统计相关性,提出了基于梯度信息的超分辨率算法,增强了基于稀疏表达的超分辨率重建算法的边缘。最后,通过实验与经典的超分辨率算法和原算法进行了比较,证明了我们算法的有效性。(本文来源于《电子科技大学》期刊2012-04-01）
刘迎辉[7]（2010）在《基于非亚采样Contourlet变换的图像融合研究》一文中研究指出多传感器图像信息处理系统是信息技术发展的趋势,是各种先进图像传感器出现后的必然结果。图像融合是多传感器数据融合的一个重要分支,作为一个新兴的科研领域有着广阔的发展前景。它通过提取和综合来自多个传感器图像的信息,获得对某一场景(或目标)的更为准确、全面、可靠的图像描述,以便对图像进行进一步的分析、理解以及目标的检测、识别或跟踪。可以预见,随着多传感器图像融合相关理论的不断发展和完善,它在军事、遥感、机器人、医学图像处理以及计算机视觉等领域必将有更广泛的应用前景。经过将近叁十年的发展,图像融合技术的研究已经形成了一定的规模,国内外已开发出多种融合系统,但是这并不表明该项技术已经完善。从目前的情况来看,图像融合技术还存在许多理论和技术方面的问题有待解决。尤其需要指出的是,图像融合技术在国内所进行的研究相对于国际上的研究工作起步较晚,还处于落后状态。因此迫切需要进行广泛深入的基础理论和基础技术的研究工作。本文重点研究了基于非亚采样Contourlet变换的多传感器图像融合技术及其在医学图像融合和多聚焦图像融合方面的应用。首先介绍了图像融合的概念、优势、发展历史和应用领域,然后介绍了图像融合的叁个层次及常用的图像融合方法,总结了融合效果的主、客观评价标准。传统的图像融合采用基于多分辨率分解的小波变换。但是二维小波的方向选择性差,不能有效地获取图像的轮廓信息,故而不能实现对图像的稀疏及有效表达。于是人们提出了具有多方向多尺度性质的Contourlet变换等一系列能有效捕获图像几何结构信息的新方法。但是Contourlet变换不具有平移不变性的缺点使它在图像的奇异点附近会产生伪吉布斯现象,削弱了它的频域局部性和方向选择性,于是非亚采样Contourlet变换(Nonsubsampled Contourlet Transform, NSCT)应运而生。非亚采样Contourlet变换通过非亚采样金字塔和非亚采样方向滤波器组实现对图像的多方向多分辨率分解。它既保留了Contourlet变换的特性,又具有平移不变性,滤波器组的设计也很简单,非常适合应用于图像处理。本文在研究光学成像系统成像机理的基础上,提出了一种基于非亚采样Contourlet变换和脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)的新的多聚焦图像融合方法。脉冲耦合神经网络是一种不同于传统人工神经网络的新型神经网络,可广泛地应用于图像处理、目标识别、通信和决策优化等方面。本文算法充分利用了NSCT的多分辨率、多方向性、平移不变性及PCNN的全局耦合性,取得了不错的融合效果。(本文来源于《山东大学》期刊2010-04-13）
刘迎辉,姜威,魏戈[8]（2010）在《基于非亚采样Contourlet变换的PET/CT图像融合》一文中研究指出提出了一种新的基于非亚采样Contourlet变换的PET/CT图像融合方法。通过非亚采样金字塔(NSP)和非亚采样方向滤波器组(NSDFB)实现对图像的多尺度多方向分解。在融合处理中,对分解图像所得的高频及低频系数,根据不同分解面的特性,采用不同的加权规则进行融合。该方法既保留了Contourlet变换方法的多分辨率特性,又具有平移不变性。实验结果表明,相对于传统的拉普拉斯金字塔变换法、小波变换法和Contourlet变换法等,取得了更佳的融合效果。(本文来源于《光学技术》期刊2010年01期）
时海亮,方敏,梁锦锦[9]（2009）在《基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法》一文中研究指出该文研究了多尺度几何分析工具非亚采样Contourlet变换(NSCT),提出一种新的全色图像和多光谱图像融合的方法。该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,对于二者的低频近似系数再进行平稳小波变换(SWT)并融合,进一步提高融合图像的空间信息量,对于高频细节系数,采用基于局部平均梯度的方法进行融合,经过逆NSCT得到融合图像。实验结果表明,该文提出的方法在保留多光谱图像的光谱信息的同时,增强了融合图像的空间细节表现能力,提高了信息量,并且优于传统的基于IHS变换、小波变换、双树复小波变换及Contourlet变换的融合方法,该方法是有效可行的。(本文来源于《电子与信息学报》期刊2009年01期）
彭红霞,刘伟,林嘉宇[10]（2008）在《基于小波变换的亚采样FPGA实现》一文中研究指出亚采样——内插是图像信号处理中的重要方法。在图像压缩领域,它既可作为一种独立的压缩编码方法,又可与其它编码方式配合,组成混合的编码方案,实现更高的压缩比。结合小波变换编码的基本思想,可以实现小波变换亚采样。根据Daubechies等人提出的整形小波变换方法,用FPGA设计并实现了整型(5,3)小波变换。硬件实现结果与软件实现结果一致。(本文来源于《微处理机》期刊2008年06期）
亚采样论文开题报告
（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：
这是一种550 MHz的新型亚采样锁相环(SSPLL)结构,对其特点进行分析,使用Verilog-A作为辅助,进行行为级模拟电路设计。该锁相环的设计在TSMC 180 nm CMOS工艺下完成,使用Cadence Spectre仿真器对该模型进行了仿真。提出的锁相环具有带内噪声小,面积小等优点。此外,使用Verilog-A大大节约了仿真时间成本。
（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。
亚采样论文参考文献
[1].王鹏飞,张杭.欠定条件下基于主成分的亚采样信号重构[J].计算机科学.2019
[2].周京,赵慧媛.一种新型亚采样锁相环研究[J].集成电路应用.2017
[3].曾铭,王宇涛,林福江.基于40nmCMOS工艺的低杂散低噪声亚采样锁相环设计[J].微型机与应用.2017
[4].王宇涛,曾铭,傅忠谦,林福江.一种低噪声亚采样锁相环的设计[J].微型机与应用.2017
[5].罗林,孟煦,刘认,林福江.一种低抖动低杂散的亚采样锁相环[J].微电子学.2017
[6].于博.基于梯度信息的图像亚采样与超分辨率重建[D].电子科技大学.2012
[7].刘迎辉.基于非亚采样Contourlet变换的图像融合研究[D].山东大学.2010
[8].刘迎辉,姜威,魏戈.基于非亚采样Contourlet变换的PET/CT图像融合[J].光学技术.2010
[9].时海亮,方敏,梁锦锦.基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法[J].电子与信息学报.2009
[10].彭红霞,刘伟,林嘉宇.基于小波变换的亚采样FPGA实现[J].微处理机.2008