检索结果-南通市图书馆

作者：李莉芳燕山大学

学位级别：硕士

安全生产监测对象,点多面广、过程连续、动态变化,传统的靠人盯、凭经验的方式方法不足以满足履行职责和安全发展的需求,针对煤矿、危险化学品等高危行业通过传感器等物联网新技术随时调取高危行业的安全生产动态信息,实现对重大危险源... 详细信息

安全生产监测对象,点多面广、过程连续、动态变化,传统的靠人盯、凭经验的方式方法不足以满足履行职责和安全发展的需求,针对煤矿、危险化学品等高危行业通过传感器等物联网新技术随时调取高危行业的安全生产动态信息,实现对重大危险源、重大安全生产隐患等有效监管、监察和应急处理,是未来安全生产管理的发展方向。本论文对安全生产监测预警需求提出了基于WSN无线传感网络的智能检测及预处理设计方案,详细剖析了基于无线温度多点采集设备的硬软件结构设计,以及根据接收的数据信息对安全生产进行的管理,布防、预警功能设置的设计与实现。温度指标参数在安全生产监测预警系统项目中具有极为重要的地位,本论文中以最常用的温度采集、无线传输为例祥述了无线网络多点测温设备设计与实现过程,多点测温检测设备具有功能损耗比低、外观整体体积小、移动便捷以及安装方便等优点。设备采用了现今较为先进的智能数字温度传感器DSl8B20做为测量温度的网络节点终端。STM32嵌入式单片机做为硬件开发的微处理器,DS18B20采集的温度通过无线模块NRF24L01进行收发传输,最终通过串行端口将获得的数据传至计算机,计算机对终端采集的数据进行有效管理、严密布防设置以及精准预警设置。本套智能系统主要解决了特种生产环境和复杂生产环境下对温度采集和获取的难题。

关键词：安全生产监测预警系统无线传感网络 DS18B20 NRF24L01

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于压缩感知的图像重建算法研究

基于压缩感知的图像重建算法研究

作者：乔新凤燕山大学

学位级别：硕士

压缩感知理论突破了传统采样定理对采样频率的限制,是一种充分利用信号稀疏性的全新的信号采样理论,可以将采样与压缩同时进行,若应用于图像压缩技术中,则能够减轻对存储空间和数据处理能力的要求,可以弥补传统图像压缩技术的不足。本... 详细信息

压缩感知理论突破了传统采样定理对采样频率的限制,是一种充分利用信号稀疏性的全新的信号采样理论,可以将采样与压缩同时进行,若应用于图像压缩技术中,则能够减轻对存储空间和数据处理能力的要求,可以弥补传统图像压缩技术的不足。本文针对基于压缩感知的图像重建算法,进行了以下几方面的研究工作。首先,在研究图像二维DCT系数能量分布特性的基础上,提出了一种基于DCT的变步长压缩感知图像重构算法。该算法动态调整原子搜索步长,在高幅值系数集中区域对应的原子子集中进行小步长密集搜索,而在其它原子子集中进行大步长快速搜索,获得了优于原有算法的图像重构精度,并明显降低了图像的重构时间。然后,针对图像压缩感知观测与重构若仅按列进行则会切断列与列之间相关性的问题,提出了一种基于行列相关性的改进的压缩感知重建算法。该算法对一次小波变换的三个高频子带系数下采样,同时按行、列对下采样后的三个高频子带进行观测观测与重构。该算法在不增加传输数据量的前提下,获得了重构质量的提高。最后,根据分块压缩感知有计算速度快、占用内存小的优势,针对其重构图像有明显块效应的问题,提出了一种基于纹理信息自适应学习的压缩率自适应重构算法。该算法依据对纹理信息的度量自适应地调整采样率大小调整,并结合采用稀疏度自适应重构算法实现了采样率自适应与稀疏度自适应的同时实现。实验结果表明,该算法在重构图像的客观评价指标与主观视觉效果上都具有明显优势。

关键词：压缩感知匹配追踪变步长行列相关性分块压缩感知自适应采样

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于近似消息传递的压缩成像

基于近似消息传递的压缩成像

作者：何亚惠燕山大学

学位级别：硕士

压缩感知是一种新型的信息处理方式,它充分利用信号的稀疏特性,在远低于奈奎斯特采样率的条件下随机采样获取离散样本,再通过重构算法恢复原始信号。压缩感知主要包括信号的稀疏表示、线性观测以及重构算法三个方面,其中重构算法是压缩... 详细信息

压缩感知是一种新型的信息处理方式,它充分利用信号的稀疏特性,在远低于奈奎斯特采样率的条件下随机采样获取离散样本,再通过重构算法恢复原始信号。压缩感知主要包括信号的稀疏表示、线性观测以及重构算法三个方面,其中重构算法是压缩感知的核心内容。近似消息传递算法是一种高效的重构算法,这种算法不仅计算复杂度低而且重构精度高。该文在近似消息传递算法的基础上进行了以下几方面研究:首先,对近似消息传递算法中阈值控制参数进行分析,针对控制参数在迭代过程中始终不变的问题,设计了一种参数自适应的近似消息传递算法,控制参数随着阈值函数处理前后对应元素之间的关系自适应的变化,不仅加快了收敛速度还在一定程度上提高了重构质量。其次,依据近似消息传递算法与高效去噪算法结合能够提高重构质量的特点,设计了一种基于聚类字典学习去噪的近似消息传递算法,根据图像子块特点进行聚类字典学习,学到的字典更具有自适应性,从而达到更好的去噪效果,进一步提升了整体算法的重构质量。最后,针对近似消息传递算法用于分块压缩成像时出现的块效应问题,设计了一种基于自适应采样的分块近似消息传递算法。该算法依据对图像块信息量的度量自适应分配采样率,平衡了重建后图像子块之间的差异,在一定程度上减少了块效应,提高了重构质量。

关键词：压缩感知近似消息传递字典学习分块压缩成像自适应采样

秦皇岛广播电视信号传输系统的整体规划设计研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

秦皇岛广播电视信号传输系统的整体规划设计研究

作者：张雅楠燕山大学

学位级别：硕士

随着生活水平的提高,人们在精神享受方面越发精益求精。信号传输是整个广电传输系统中最核心的部分。本文从设备和技术上对广电传输信号传输的稳定性做了深入研究,并给出了当前秦皇岛有线电视网络传输系统的规划设计。这对提高广电信号... 详细信息

随着生活水平的提高,人们在精神享受方面越发精益求精。信号传输是整个广电传输系统中最核心的部分。本文从设备和技术上对广电传输信号传输的稳定性做了深入研究,并给出了当前秦皇岛有线电视网络传输系统的规划设计。这对提高广电信号传输的稳定性以及秦皇岛有线电视传输网络系统的建设具有极其重要的学术价值。首先,简单介绍了广播电视传输系统的组网原理,进而对目前世界上比较流行的广播电视传输系统(DVB系统)做了详细的介绍。并分析了DVB系统的框架和特点。着重介绍和分析了DVB系统中常用的几个标准接口,针对各种接口的工作方式和性能进行了详细分析。其次,针对广播电视传输系统中所应用的各种编码方式性能的优劣做了比较。分析了数模、模数转换模块两个模块。然后就数字传输系统中信号传输的特点和不足之处做了研究和分析。并详细探讨了几种数字编码技术,分析讨论了各种编码技术的优势和劣势,最后对数字电视信号传输系统的频带调制技术进行了分析,并选定了一种在广播电视传输系统中所使用的编码方式。第三,针对使用光纤传输的信号传输系统进行了分析,对光纤传输系统中光发送模块和光接收模块进行了探讨。根据光纤传输的技术指标对该光纤传输部分进行了测试,根据得到的实验结果分析说明了在信号传输系统中使用光纤相较于使用同轴电缆的优势。最后,对秦皇岛有线电视传输网络进行了规划设计。

关键词： DVB 信号传输光纤传输传输系统

1-Bit压缩感知重构算法及标准广义线性模型的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

1-Bit压缩感知重构算法及标准广义线性模型的研究

作者：张磊燕山大学

学位级别：硕士

压缩感知是一种新兴的信号处理理论,压缩感知可实现对信号压缩、采样同步进行,而1-Bit压缩感知对观测值进行了极限量化,有效降低了通信设备的复杂度、提高了信号处理系统的工作效率,同时也提高了在重构端对重构算法的要求。该文针对1-Bi... 详细信息

压缩感知是一种新兴的信号处理理论,压缩感知可实现对信号压缩、采样同步进行,而1-Bit压缩感知对观测值进行了极限量化,有效降低了通信设备的复杂度、提高了信号处理系统的工作效率,同时也提高了在重构端对重构算法的要求。该文针对1-Bit压缩感知模型下的重构算法进行研究,具体研究内容如下:首先,为了提升pinball迭代硬阈值算法的重构性能和鲁棒性,在该算法的基础上引入Heavy-ball方法提出了一种基于Heavy-ball的pinball迭代硬阈值算法。继而在上述算法中引入自适应异常值追踪的方法提出自适应异常值追踪Heavy-ball pinball迭代硬阈值算法,该算法在观测值中出现符号翻转时能准确地重构出原始信号。其次,为了加速广义稀疏贝叶斯学习算法收敛,在该算法迭代过程中加入阻尼运算的步骤,提升了广义稀疏贝叶斯学习算法的收敛速度;为了进一步提升广义稀疏贝叶斯学习算法在1-Bit压缩感知框架下对块稀疏信号的重构效果,将该算法与模式耦合方法融合,提出广义模式耦合稀疏贝叶斯学习算法,该算法对块稀疏信号有较好的重构效果。最后,针对在1-Bit压缩感知框架标准广义线性模型下的近似消息传递算法量化阈值固定为零的问题,提出自适应阈值标准广义近似消息传递算法。该算法将原有的零阈值替换为自适应阈值提高了重构性能。接着在继承该算法优点的基础上引入最近邻稀疏模式学习方法来学习原始信号中的稀疏结构,提出自适应阈值标准广义最近邻稀疏模式学习近似消息传递算法,该算法能够对块稀疏信号实现精确重构。

关键词：压缩感知 1-Bit压缩感知 Heavy-ball方法稀疏贝叶斯学习自适应阈值标准广义线性模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

双线性自适应矢量近似消息传递的应用研究

双线性自适应矢量近似消息传递的应用研究

作者：王勃基燕山大学

学位级别：硕士

压缩感知理论的基本原理是对信号进行压缩采样,然后利用压缩采样得到的数据重构出原始信号。矢量近似消息传递算法(Vector Approximate Message Passing,VAMP)是具有运算复杂度低,重建精度高等优势的压缩重构算法。该算法应用于压缩感... 详细信息

压缩感知理论的基本原理是对信号进行压缩采样,然后利用压缩采样得到的数据重构出原始信号。矢量近似消息传递算法(Vector Approximate Message Passing,VAMP)是具有运算复杂度低,重建精度高等优势的压缩重构算法。该算法应用于压缩感知重构中时,测量矩阵可以使用具有右正交不变的随机矩阵。双线性自适应矢量近似消息传递(Bilinear Adaptive Vector Approximate Message Passing,BADVAMP)算法是压缩重构算法VAMP算法的拓展。该文主要就BADVAMP算法的研究及其应用进行了以下几个方面的工作:首先,研究了一种基于BADVAMP的字典学习算法。利用BADVAMP算法的双线性特性,将该算法应用于字典学习方向。该文设计的基于BADVAMP的字典学习算法很好地解决了基于双线性广义近似消息传递(Bilinear Generalized Approximate Message Passing,Bi GAMP)的字典学习算法仅适用于高斯先验的问题,使得BADVAMP字典学习的适用范围得到拓展。同时,该文研究了基于双线性自适应广义矢量近似消息传递(Bilinear Adaptive Generalized Vector Approximate Message Passing,BADGVAMP)的字典学习算法,其中BADGVAMP算法是BADVAMP算法的拓展。实验证明,与Bi GAMP和K-均值奇异值分解(K-Singular Value Decompositions,K-SVD)算法相比,基于BADVAMP和BADGVAMP算法学习出的字典应用到压缩感知时,重构出图像的质量较优。其次,该文利用盲压缩感知理论,设计了基于双线自适应矢量近似消息传递的盲压缩感知(Bilinear Adaptive Vector Approximate Message Passing-Blind Compressed Sensing,BADVAMP-BCS)算法。该算法可以在稀疏基未知的情况下,从少量测量信号中恢复出原始信号。实验结果表明,与直接法的盲压缩感知算法和基于Bi GAMP的盲压缩感知算法相比,BADVAMP-BCS算法重构出图像的细节信息更清晰,并且在观测矩阵的选择上更具有多样性。

关键词：压缩感知双线性自适应矢量近似消息传递盲压缩感知字典学习双线性自适应广义矢量近似消息传递

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像先验的鲁棒性相位恢复算法的研究

基于图像先验的鲁棒性相位恢复算法的研究

作者：李国栋燕山大学

学位级别：硕士

相位恢复指的是从已知的傅里叶变换或者其他线性变换的幅值信号中恢复原始信号的过程。相关算法已经成为许多现代计算成像系统的重要组成部分,例如无透镜成像和通过散射介质成像等。在实际应用中,用于相位恢复的测量数据极易受到噪声的... 详细信息

相位恢复指的是从已知的傅里叶变换或者其他线性变换的幅值信号中恢复原始信号的过程。相关算法已经成为许多现代计算成像系统的重要组成部分,例如无透镜成像和通过散射介质成像等。在实际应用中,用于相位恢复的测量数据极易受到噪声的干扰,这就导致了重建图像时容易受到不良的影响,因此研究具有鲁棒性的相位恢复算法具有十分重要的现实意义。该文主要围绕具有鲁棒性的相位恢复算法进行研究,具体研究内容如下:首先,该文在基于广义近似消息传递与三维块匹配滤波（Block-Matching and 3D filtering,BM3D）去噪算子结合的相位恢复框架下引入了利用前馈卷积神经网络的去噪网络（Residual Learning of Deep CNN for Image Denoising,DnCNN）,设计了广义近似消息传递与DnCNN结合的相位恢复算法。随后利用去噪缩放技术对该算法中的神经网络进行了优化。最后通过对比试验,验证了该算法的有效性。其次,研究了基于矢量近似消息传递（Vector Approximate Message Passage,VAMP）与图像先验相结合的相位恢复算法。传统的基于VAMP的相位恢复算法是一种特殊的双次迭代的相位恢复算法,相比于其他的双次迭代相位恢复算法,运行时间短是其最大的特性。该文在VAMP解决相位恢复问题的算法框架上引入了BM3D来添加图像的先验信息。最后通过实验证明,改进后的算法可以更加准确的重构原始图像。最后,该文在离散期望一致信号恢复（Decentralized Expectation Consistent Signal Recovery,DEC-SR）的基础上设计了基于DEC-SR与BM3D相结合的BM3D-DEC-SR。原始的DEC-SR算法拥有较好的重构性能但易受噪声的干扰,尤其是在噪声方差较大的情况下,算法的重构精度会大大降低,为了提升DEC-SR对噪声的鲁棒性,该文在原算法基本的循环网络架构中用BM3D代替原算法中的滤波步骤。改进算法充分利用了BM3D强大的去噪能力,有效的滤除了信号中高斯噪声的干扰。最后,通过多次实验证明,将去噪算子引入迭代网络不仅能提升原始图像的重建精度,而且大大提升了算法对噪声的鲁棒性。

关键词：相位恢复 BM3D 神经网络矢量近似消息传递离散期望一致信号恢复

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的广义近似消息传递算法网络化

基于深度学习的广义近似消息传递算法网络化

作者：李闯燕山大学

学位级别：硕士

广义近似消息传递算法,双线性广义近似消息传递算法以及参数化双线性广义近似消息传递算法在压缩感知领域具有广泛的应用。该文基于深度学习网络化广义近似消息传递算法、双线性广义近似消息传递算法及参数化双线性广义近似消息传递算法... 详细信息

广义近似消息传递算法,双线性广义近似消息传递算法以及参数化双线性广义近似消息传递算法在压缩感知领域具有广泛的应用。该文基于深度学习网络化广义近似消息传递算法、双线性广义近似消息传递算法及参数化双线性广义近似消息传递算法,使用数据集以训练的方式更新参数,减少算法所需先验知识,使参数更加贴合目标问题的解决,在具体应用上体现出更为优秀的性能。论文具体内容如下:首先,引入深度学习中深度网络的相关知识,网络化广义近似消息传递算法。根据广义近似消息传递算法网络的层间变量设置可学习参数,在训练中通过大量样本数据选定优化器不断优化更新网络参数,使网络性能得到改善。实验证实,针对压缩感知的信号重构问题构建对应算法网络,使网络可以根据样本数据训练更新参数,减少对先验知识的依赖,提升算法对信号的重构性能。然后,对双线性广义近似消息传递算法进行网络化研究,构建双线性广义近似消息传递算法网络,通过样本数据和优化器对其中的可学习参数进行优化,减少对矩阵及原始信号的先验知识的依赖性。实验证实,引入深度学习后,网络化的双线性广义近似消息传递算法,相对于原始算法,在字典学习问题上得到极大的提升。最后,对参数化双线性广义近似消息传递算法进行网络化研究,分析算法结构,设计算法对应的深度网络,减少了原本在双线性广义近似消息传递算法中所需要得可学习参数个数,并使用克罗内克积的计算方式参与网络搭建,降低了计算复杂度,根据数据和优化器优化网络,减少了算法对先验知识的依赖,参数化双线性广义近似消息传递算法的网络化有效提高了算法在字典学习问题上的性能。

关键词：压缩感知深度学习广义近似消息传递双线性广义近似消息传递参数化双线性广义近似消息传递

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

广义近似消息传递算法的研究与应用

广义近似消息传递算法的研究与应用

作者：项璟燕山大学

学位级别：硕士

压缩重构是压缩感知领域一个重要的研究方向,广义近似消息传递(Generalize Approximate Message Passing,GAMP)是一种新型的压缩重构算法。相比于其他重构算法,GAMP算法具有高相变性能、低计算复杂度等优势,适用于任意输入、输出分布,... 详细信息

压缩重构是压缩感知领域一个重要的研究方向,广义近似消息传递(Generalize Approximate Message Passing,GAMP)是一种新型的压缩重构算法。相比于其他重构算法,GAMP算法具有高相变性能、低计算复杂度等优势,适用于任意输入、输出分布,能解决相位恢复等非线性压缩重构问题。该文对GAMP算法进行了研究,具体工作如下:首先,针对GAMP算法对于非零均值高斯随机测量矩阵易发散的问题,提出一种基于广义正交匹配追踪的GAMP算法。该算法通过追踪算法找到支撑集,进而利用GAMP算法进行重构。实验表明,该算法有效解决了GAMP算法发散的问题,使算法对于非零均值、列相干测量矩阵也能有效收敛,并且具有良好的抗噪性能。其次,将卡通纹理模型引入到基于GAMP的相位恢复(Compressive Phase Retrieval Algorithm via Generalize Approximate Message Passing,prGAMP)中,利用全变差和双树复数小波两种稀疏表示方法将图像分解为卡通成分和纹理成分,提出基于卡通纹理与GAMP的相位恢复算法。进而根据迭代次数影响算子性能的性质,提出基于卡通纹理与BM3D(Block Matching 3D,BM3D)双阶段的prGAMP算法。实验表明,该算法在时间相当的情况下具有更好的重构性能。最后,将自适应阻尼(damping)分别引入到基于卡通纹理与GAMP的相位恢复算法和双阶段prGAMP算法中,提出基于自适应阻尼的卡通纹理与GAMP的相位恢复算法及自适应阻尼的双阶段prGAMP算法。实验表明,上述算法以运行时间为代价显著提高了算法的重构性能。

关键词：广义近似消息传递卡通纹理自适应阻尼相位恢复匹配追踪

基于吸收光谱层析成像和深度学习的火焰温度图像重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于吸收光谱层析成像和深度学习的火焰温度图像重建

作者：李国梁燕山大学

学位级别：硕士

燃烧是现代社会能源生产的主要来源形式,为了提高能量转换效率,节约能源等,了解和有效控制燃烧过程至关重要。复杂流场的燃烧诊断往往要克服其高速、高温、高压等湍流场特性,诊断难度较大。可调谐二极管激光吸收光谱(Tunable Diode Lase... 详细信息

燃烧是现代社会能源生产的主要来源形式,为了提高能量转换效率,节约能源等,了解和有效控制燃烧过程至关重要。复杂流场的燃烧诊断往往要克服其高速、高温、高压等湍流场特性,诊断难度较大。可调谐二极管激光吸收光谱(Tunable Diode Laser Absorption Spectroscopy,TDLAS)技术与计算机层析成像(Computer Tomography,CT)技术结合起来的可调谐二极管激光吸收光谱层析成像(Tunable diode laser absorption tomography,TDLAT)技术可以同时测量火焰温度、组分浓度等火焰流场参数的空间分布,具有广泛的应用场景。为了更加快速、准确地进行燃烧诊断,该文将深度学习算法应用于TDLAT测量系统,研究复杂燃烧场内火焰温度的重建,主要开展的工作如下:首先,针对现有基于深度学习的TDLAT算法利用整个燃烧场吸收值重建燃烧场中心区域某局部感兴趣区域(Region of Interest,Ro I)内的温度分布,从而会导致重建结果存在偏差的问题,设计了一种燃烧场的离散密度差异化数学模型,该模型对计算资源与燃烧场不同空间区域的成像分辨率进行优化配置。在该模型基础上设计了一种基于多通道聚合注意力网络的TDLAT火焰温度成像方案,该方案可获得投影数据的多尺度特征,完成多通道内的信息交互,同时增加关键特征的表现力,提高了火焰温度的重建精度。其次,针对如何有效利用TDLAS两条谱线的投影数据,以及网络难以兼顾重建精度和重建效率的问题,在燃烧场的离散密度差异化模型的基础上设计了一种基于多层感知机的TDLAT火焰温度成像方案,该方案通过反复学习投影数据与火焰温度之间基于谱线频率上的映射关系以及基于谱线角度上的映射关系,实现了投影数据特征深度提取及信息交互,提高了火焰温度的重建精度与重建效率。最后,针对如何有效直观表达TDLAT投影数据与流场参数的真实分布之间映射关系的问题,设计了一种基于伪逆卷积神经网络的TDLAT火焰温度成像方案,该方案通过伪逆层可得到火焰温度的预重构图像,进一步揭示投影数据与流场参数的真实分布之间的内在相关性,便于网络提取二维空间特征,从而有效提升了火焰温度的重建精度。

关键词：燃烧诊断计算机层析成像技术卷积神经网络深度学习可调谐二极管激光吸收光谱技术