硕士研究生论文开题报告范文.docx

硕士研究生论文开题报告范文.docx

《硕士研究生论文开题报告范文.docx》由会员分享，可在线阅读，更多相关《硕士研究生论文开题报告范文.docx（12页珍藏版）》请在冰点文库上搜索。

硕士研究生论文开题报告范文

2021硕士研究生论文开题报告范文

2019硕士研究生论文开题报告范文

一、课题来源、国内外研究现状与水平及研究意义、目的。

1.1课题来源

数据的获取是实验研究的关键步骤，过去的几十年间传感系统获取数据的能力不断地得到增强,需要处理的数据量也不断增多。

而在传统的采样过程中，为了避免信号失真，采样频率不得低于信号最高频率的2倍，依照奈奎斯特采样定律会导致海量采样数据，大大增加了存储和传输的代价，这无疑给信号处理的能力提出了更高的要求，也给相应的硬件设备带来了极大的挑战。

寻找新的数据采集、处理方法已成为一种必然，近几年诞生的压缩传感（compressivesensing，cs）理论是一个充分利用信号稀疏性或可压缩性的全新信号采集、编解码理论。

该理论表明当信号具有稀疏性或可压缩性时，通过采集少量的信号投影值就可实现信号准确或近似重构。

压缩传感理论为数据采集技术带来了革命性的突破，受到了国内外研究人员的广泛关注。

在低成本数码相机音频、医学成像、雷达成像和图像重建、天文学观测（图像本身就稀疏，例如天空的星星）、军事侦查（用很简易的摄像机随机记录场景可以完全重构军事地图）、资源探测、信道编码等高、精、尖等领域有着广阔的应用前景。

因此开展这方面的研究很有意义,应用前景也非常广泛。

探地雷达是一种有效的浅层隐藏目标探测技术,利用电磁波在媒质电磁特性不连续处产生的反射和散射实现非金属覆盖区域中目标的成像探测。

在工程地质勘探方面已经获得广泛的应用,尤其是它的高分辨率和地下目标快速成像技术,得到了普遍的认可。

但是国内投入使用的探地雷达几乎全部是从国外进口的。

因此研制和开发具有自主知识产权的探地雷达系统是十分必要的。

从事探地雷达研究的主要任务之一就在于如何使探地雷达接收到的回波信号以图像的形式显示,并对接收的回波信号进行处理,以改善数据质量,为进一步的地质解释提供清晰的探地雷达回波剖面图,从而使我们能够方便地观测、识别地下目标物体。

由于探地雷达信号具有很好的稀疏性,可以很好的满足压缩传感的条件,因此将压缩传感技术运用在探地雷达图像数据获取上,可以解决海量数据采集和存储问题,能显著降低图像处理的计算量。

此外还可以省去雷达接收端的脉冲压缩匹配滤波器,降低接收端对模数转换器件带宽的要求。

设计重点由传统的设计昂贵的接收端硬件转化为设计新颖的信号恢复算法,从而简化雷达成像系统。

1.2国内外研究现状与水平

压缩传感理论是应用数学与信号处理领域中一个非常新的研究方向，自从XX年起有正式论文发表之后，迅速引起国内外相关领域研究者的高度重视。

该领域的先驱者有加州大学洛杉矶分校的terencetao、加州理工大学的emmanuelcandès、斯坦福大学的daviddonoho、以及莱斯大学的richardbaraniuk等。

国内关于这方面的研究则刚刚起步，发表论文甚少，但中科院电子所、西安电子科技大学、燕山大学、西南交通大学、华南理工大学、北京交通大学等单位的一些研究组已经开始着手研究。

目前该领域的研究工作主要集中在理论层面，奠基性的工作有，tao、candès、donoho等人已经构建了压缩传感的理论框架，给出传感矩阵φ须满足的充分条件，即一致不确定性原理（uniformuncertaintyprinciple，uup）;传感矩阵的行数m与信号稀疏度k之间须满足m≥k*log（n）等等，发表了一系列重要论文[5-8]。

除此之外，也有许多关于解决该理论中具体问题的研究成果，主要集中在传感矩阵与重构算法两个大的方面。

关于传感矩阵的研究，目前选用的矩阵是随机的，如高斯矩阵或贝努利矩阵等[9-12]。

如何构造确定的（非随机的）传感矩阵是目前该领域中的一个公开问题。

devore利用多项式构造方法获得满足uup特性的矩阵，但只针对稀疏度k较小的情况成立[13]，该问题还远没有得到解决。

在信号重构方面，有大量文献将最优化方法和匹配跟踪方法引入该问题中进行求解[14-17]，但缺乏对算法收敛性与稳定性的讨论。

在硬件实现上，rice大学的baraniuk教授等研制出单像素相机[18]和a/i转换器[19-21]，吸引了国内外众多媒体的眼球。

随后也有一些硬件方面的相继报道，例如，麻省理工学院wald教授等人研制出mrirf脉冲设备[22]，麻省理工学院freeman教授等人研制出编码孔径相机[23]，伊利诺伊州立大学milenkovic等人研制出dna微阵列传感器[24]等等，然而，由于缺乏有效的压缩传感矩阵判别理论，除rice大学的单像素相机（硬件成本昂贵，重建算法效率低下）外，其它硬件均缺乏严格的理论分析。

经过近两年的发展，压缩传感在理论方面已经取得了许多重要的成果，许多研究者已经开始将之投入到实际应用当中，如信息、医学等学科[25-36]。

探地雷达技术在国外起步较早。

德国人hulsmcyer在19XX年首次尝试用电磁波信号来探测远距离地面物体。

19XX年，lcimbach和lowy在德国专利中提出了利用电磁波来探测埋藏物体的方法。

20世纪70年代以来，由于高速脉冲形成技术、取样接收技术及汁算机技术的飞速发展，探地雷达技术得到迅速的发展，地下浅层目标探测得以实现，国外开始出现各种形式的实验性雷达，美、日、加拿大等国有几家公司相继推出了自己的产品，探测深度可达50多米，分辨率达厘米级。

美国陆军已开始实施代号为fcs—mdn（futurecombatsystemminedetectionandneutralization）的研究计划，在1996年至XX年问投入大量资金用于研制有效的反坦克塑性地雷探测装置，并已经研制出一些演示系统，目前正在进行进一步的技术攻关。

这一项目中研制的探地雷达系统包括马可尼（marconi）公司的手持和车载下视探地雷达、sriinternational的前视探地雷达、miragesystems开发的用于直升机的三维合成孔径探地雷达和psi的车载下视合成孔径探地雷达。

为克服传统脉冲雷达的缺陷，这些系统普遍使用步进频率雷达而且具有合成孔径成像能力。

欧洲联合科研中心（jointresearchcenter）也开展了地雷探测技术的研究，并且建立地雷信号数据库,该数据库搜集了多种类型探地雷达的大量实测数据。

国内对探地雷达的研究起步较晚，国内产品在分辨率、使用方便性、对雷达信号成像和图像解释技术等方面与国外产品存在差距，但是由于不断引进和借鉴国外的先进技术，近年来在该领域内也取得了较为显著的研究成果。

航天部25所从20纪80年代中期开始进行用于地雷检测的探地雷达技术的研究和实验。

20世纪90年代以来，我国开始重视探地雷达技术的研究和应用，并且开发出新的实用产品，如北京爱尔迪公司的cbs一9000和cr-20gpr系统，中国电波传播研究所研制的ltd-3探地雷达等。

当前随着探地雷达技术的飞速发展，先进的高分辨数据处理和成像技术成为探地雷达技术发展的关键，成像算法也趋于多样化。

本世纪初carltonj.leuschen等提出了时域有限差分逆时偏移（fdtdreversetimemigration）技术，提高了探地雷达成像算法的适用性，简化了计算。

XX年xuxiaoyin提出了基于熵最小化的优化stolt偏移成像算法，能够适用于水平速度变化的情况。

目前常用的探地雷达成像算法有距离偏移（rangemigration,rm）算法、逆时偏移（reversetimemigration,rtm）算法、标准后向投影（standardbackprojection,sbp）算法等通过标量波动方程建立目标散射场和目标函数之间的关系进而对目标散射场数据进行成像处理。

为了得到较好的成像效果,以上算法都要求雷达系统对目标散射信号进行高密度采样以获取足够的成像数据。

当探测区域较大时,还需要雷达系统在大采样区域实施高孔径密度采样,这导致雷达系统采样数据量大、测量时间长。

这些算法都没有考虑到地下非层状目标一般仅占探测区域很小部分这一先验知识。

小波变换是近年来提出的一种非平稳信号的分析方法,它被认为是fourier分析的突破性进展。

它克服了fourier分析中所存在的时频局部分析能力差的缺点,能够在不同的时间和频率尺度上对信号进行分析。

同时,小波理论表明,小波变换可以使一个信号的能量在小波变换域中集中于少数系数上,小波系数较大者,携带信号能量也较多;小波系数较小者,携带信号能量也较少。

这也是该文中小波去噪的理论基础。

1.3研究意义、目的

经过近两年的发展，压缩传感在理论方面已经取得了许多重要的成果，许多研究者已经开始将之投入到实际应用当中，如图像压缩、去噪、信号的检测与估计、传感器网络等。

压缩传感理论通过随机测量利用少量的采样数据可以很好的重建稀疏目标信号,在信号分析和重建领域有重要研究价值。

最具代表性的工作是美国赖斯大学baraniuk率领的研究小组采用压缩传感技术设计出了单像素相机，吸引了国内外众多媒体的眼球。

除此之外，压缩传感在其他许多方面都有着很好的应用前景，比如去噪与压缩，信息论与编码，统计信号处理，机器学习，雷达成像，特征综合，目标识别，医学成像，天体光谱处理等等。

本文通过将压缩传感技术运用在探地雷达图像数据获取和图像重建上,可以解决海量数据采集和存储问题,能显著降低图像处理的计算量。

此外还可以省去雷达接收端的脉冲压缩匹配滤波器,降低接收端对模数转换器件带宽的要求。

设计重点由传统的设计昂贵的接收端硬件转化为设计新颖的信号恢复算法,从而简化雷达成像系统,大大减低设备制造成本。

因此基于压缩传感的雷达成像技术研究具有重要的理论和实际运用价值。

1.4主要参考文献

[1]ecandèsandttao,nearoptimalsignalrecoveryfromrandomprojections:

universalencodingstrategies?

ieeetrans.inform.theory,XX.12,52（12）:

5406-5425

[2]ddonohoandytsaig,extensionsofcompressedsensing.signalprocessing,XX.3,86（3）:

533-548

[3]rbaraniuk,alectureoncompressivesensing,ieeesignalprocessingmagazine,XX.7,24（4）:

118-121

[4]wbajwa,jhaupt,graz,swrightandrnowak,toeplitz-structuredcompressedsensingmatrices.ieeeworkshoponstatisticalsignalprocessing（ssp）,madison,wisconsin,XX.8,294-298

[5]ecandèsandjromberg,sparsityandincoherenceincompressivesampling.inverseproblems,XX,23（3）:

969-985

[6]方红,章权兵,韦穗,基于亚高斯随机投影的图像重建方法[j],计算机研究与发展,XX,45（8）:

1402-1407

[7]傅迎华,可压缩传感重构算法与qr分解[j],计算机应用,XX,28（9）:

2300-2302

[8]rdevore,deterministicconstructionsofcompressedsensingmatrices.journalofcomplexity,XX,23（4-6）:

918-925

[9]jtroppandagilbert,signalrecoveryfromrandommeasurementsviaorthogonalmatchingpursuit.ieeetrans.inform.theory,XX.12,53（12）:

4655-4666

[10]dneedellandrvershynin,signalrecoveryfromincompleteandinaccuratemeasurementsviaregularizedorthogonalmatchingpursuit（preprint,XX）

[11]lrebollo-neiraanddlowe,optimizedorthogonalmatchingpursuitapproach,ieeesignalprocessingletters,XX.4,9:

137-140

[12]tdothong,lugan,namnguyenandtracdtran,sparsityadaptivematchingpursuitalgorithmforpracticalcompressedsensing,asilomarconferenceonsignals,systems,andcomputers,pacificgrove,california,XX.10

[13]mduarte,mdavenport,dtakhar,jlaska,tsun,kkellyandrbaraniuk,single-pixelimagingviacompressivesampling,ieeesignalprocessingmagazine,XX.3,25

（2）:

83-9111

[14]skirolos,jlaska,mwakin,mduarte,dbaron,tragheb,ymassoudandrbaraniuk,

analog-to-informationconversionviarandomdemodulation,proceedingsoftheieeedallascircuitsandsystemsworkshop,washingtond.c.,XX,71-74

[15]jlaska,skirolos,ymassoud,rbaraniuk,agilbert,miwenandmstrauss,randomsamplingforanalog-to-informationconversionofwidebandsignals,ieeedallas/casworkshopondesign,

applications,integrationandsoftware,washingtond.c.,XX,119-122

[16]tragheb,skirolos,jlaska,agilbert,mstrauss,rbaraniukandymassoud,implementationmodelsforanalog-to-informationconversionviarandomsampling,proceedingsofthe50thmidwestsymposiumoncircuitsandsystems,washingtond.c.,XX,325-328

[17]azelinski,llwald,ksetsompop,etal,sparsity-enforcedslice-selectivemrirfexcitationpulsedesign,ieeetrans.medicalimaging,XX.9,27（9）:

1213-1229

[18]alevin,rfergus,fdurandandw.t.freeman,imageanddepthfromaconventionalcamerawithacodedaperture,proc.ofintl.conf.comp.graphics.andinter.tech.,XX

[19]msheikh,omilenkovicandrbaraniuk,designingcompressivesensingdnamicroarrays.ieee

workshoponcomputationaladvancesinmulti-sensoradaptiveprocessing（camsap）,st.thomas,u.s.virginislands,XX.12

[20]dtakhar,jlaska,mwakin,etal,anewcompressiveimagingcameraarchitectureusingoptical-domaincompression.computationalimagingivatspieelectronicimaging,sanjose,california,XX.1

[21]mduarte,mdavenport,mwakin,etal,multiscalerandomprojectionsforcompressiveclassification.ieeeconf.onimageprocessing（icip）,sanantonio,texas,XX.9

[22]宋琳,曹吉海,基于随机滤波的雷达信号采样和目标重建方法[j],科技导报,XX,26（13）:

64-67

[23]chegde,mwakinandrbaraniuk,randomprojectionsformanifoldlearning.neuralinformationprocessingsystems（nips）,vancouver,canada,XX.12

[24]jwright,aganesh,ayangandyma,robustfacerecognitionviasparserepresentation.ieeetrans.pami,XX.4,31

（2）:

210-217

[25]jbobin,jstarckandrottensamer,compressedsensinginastronomy.ieeejournalofselectedtopicsinsignalprocessing,XX,2（5）:

718-726

[26]vcevher,asankaranarayanan,mduarte,etal,compressivesensingforbackgroundsubtraction.

europeanconf.oncomputervision（eccv）,marseille,france,XX.8

[27]pnageshandbaoxinli,compressiveimagingofcolorimagesieeeintl.conf.onacoustic,speechsignalprocessing（icassp）,taipei,taiwan,preprint,XX

[28]jhauptandrnowak,signalreconstructionfromnoisyrandomprojections,ieeetrans.inform.theory,XX.9,52（9）:

4036-4048

[29]pboufounos,mfduarteandrgbaraniuk,sparsesignalreconstructionfromnoisycompressive

measurementsusingcrossvalidation,sspXX,299-303

[30]meladandmaharon,imagedenoisingvialearneddictionaryandsparserepresentation.proceedingsoftheXXieeecomputersocietyconferenceoncvpr,XX,1:

895-90012

[31]张春梅等,基于冗余字典的信号超完备表示与稀疏分解[j],科学通报,XX.3,51（6）:

628-633

[32]tblumensathandmedavies,gradientpursuits,ieeetrans.signalprocessing,XX.6,56（6）:

2370-2382

[33]tblumensathandmedavies,stagewiseweakgradientpursuitparti:

fundamentalsandnumericalstudies（preprint,XX）

[34]tblumensathandm.e.davies,stagewiseweakgradientpursuitpartii:

theoreticalproperties（preprint,XX）

[35]sschen,dldonohoandmasaunders,atomicdecompositionbybasispursuit,siamjournalofscientificcomputing,1998,20

（1）:

33-61

[36]mfigueiredo,rnowakandswright,gradientprojectionforsparsereconstruction:

applicationtocompressedsensingandotherinverseproblems,ieeejournalofselectedtopicsinsignalprocessing,XX.12,1（4）:

586-597

[37]pjgarriguesandlaurenteighaoui,anhomotopyalgorithmforthelassowithonlineobservation.neuralinformationprocessingsystems,vancouver,canada,XX.12,489-496

[38]dangelosanteandbggeorgios,rls-weightedlassoforadaptiveestimationofsparsesignals.ieeeint.conf.onacoustics,speech,andsignalprocessing（icassp）,taipei,taiwan,XX.4,324