深度分辨波数扫描干涉盲信号源数估计的研究和应用

发布时间：2017-10-15 15:36

  本文关键词：深度分辨波数扫描干涉盲信号源数估计的研究和应用

  更多相关文章： 深度分辨波数扫描干涉 盲源分离 信号个数估计 信号噪声等量估计 主成分析

【摘要】：材料内部的位移或者应变场测量是目前国际上的一个研究热点,它在许多领域具有非常大的应用前景,包括医疗,机械故障等。多波长技术已经作为光学轮廓测量技术的深度测量工具已久。其中波长扫描干涉技术是多波长技术的一个分支,是传统的相移技术的延伸。它利用记录二维图像序列来测量样本内部的3维轮廓。目前深度分辨波数扫描技术已经成为一种前景深远的成像技术。这些技术中被测对象的内部表面轮廓都是用各种信号来表示的,因此实际上可以看作是盲源分离问题。和大多数盲源分离研究一样,目前深度分辨波长扫描干涉测量都是假设信号个数是已知的。然而在实际应用中,信号个数往往是未知的。本文首先介绍深度分辨波长扫描干涉的研究背景和意义,并将其纳入到盲源分离问题当中。接着介绍目前国内外盲源分离问题中信号个数估计的研究现状。接下来简要介绍一下本文所涉及的一些基本的盲源分离问题的概念,包括盲源分离的模型,还有主成分析法。然后对本文算法涉及的深度分辨波长扫描干涉系统进行简单介绍.接下来就是本文讨论的重点,信号噪声等量估计算法。本文针对前面讨论的成像系统抽象出盲源分离的模型,并根据该模型为余弦信号线性叠加的特点提出信号噪声等量估计的算法。该算法的基本思想可以追朔到主成分析。噪声等量估计通过对预估信号个数和噪声的预估主要成分进行对比,求出对比变化趋势的极值来获得估计个数。本文通过详细的数学推导证明了算法的可行性,并通过简单的仿真示意图来说明算法的执行过程。另外,为了更好地验证算法的效果,本文分别进行仿真实验和对前面介绍的波长扫描干涉成像系统数据进行处理。在仿真试验中,我们讨论了不同信号个数和不同采样点数在不同信噪比情况下的性能。而对于真实实验数据,算法在有噪声的情况下基本能实现较好的信号估计结果。同时再根据实验的先验信息,也就是信号个数是离散的特点,可以让算法效果能进一步提高。目前信号噪声等量估计算法只是引入二阶统计量,而高阶统计信息并没有考虑到。另外,针对深度分辨波长扫描干涉系统,算法要求对信号的能量分布有一定的先验信息。本文的研究工作将波长扫描干涉技术和盲源分离研究联系起来,对于两者的发展具有一定的理论意义和应用价值。
【关键词】：深度分辨波数扫描干涉 盲源分离 信号个数估计 信号噪声等量估计 主成分析
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.23
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 绪论12-17
• 1.1 研究背景和意义12-14
• 1.1.1 深度分辨测量12-14
• 1.1.2 盲源分离14
• 1.2 盲源分离信号个数估计研究现状14-15
• 1.3 本论文主要内容及结构概要15-17
• 第二章 盲源分离相关理论和主成分析17-25
• 2.1 盲源分离数学理论模型17-19
• 2.1.1 线性瞬时混合模型17
• 2.1.2 线性卷积混合模型17-18
• 2.1.3 非线性混合模型18
• 2.1.4 超定盲源分离、适定盲源分离及欠定盲源分离18
• 2.1.5 分离结果的不确定性18-19
• 2.2 主成分析(PCA)19-25
• 2.2.1 基本思想19-20
• 2.2.2 最大方差理论20-21
• 2.2.3 主元个数的选择21-22
• 2.2.4 主成分析(PCA)的矩阵对象22-23
• 2.2.5 主成分析(PCA)的优点23
• 2.2.6 主成分析(PCA)的缺点23-24
• 2.2.7 主成分析(PCA)算法步骤24-25
• 第三章 信号噪声等量估计25-40
• 3.1 信号模型25
• 3.2 虚拟多通道25-26
• 3.3 虚拟多通道的协方差矩阵及其特征值26-32
• 3.4 信号噪声等量估计原理32-35
• 3.5 判定标准35-40
• 第四章 实验及其结果分析40-60
• 4.1 仿真及其结果分析40-46
• 4.2 深度分辨的波数扫描干涉成像系统实验及其结果分析46-60
• 4.2.1 系统介绍46-47
• 4.2.2 系统的数学原理47-49
• 4.2.3 系统的工作原理49-50
• 4.2.4 系统实验50-52
• 4.2.5 4表面实验及其处理结果52-53
• 4.2.6 6表面实验及其处理结果53-54
• 4.2.7 结果分析54-60
• 总结和展望60-61
• 参考文献61-65
• 攻读学位期间发表的论文65-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 李广彪,张剑云,毛云祥;盲源分离的发展及研究现状[J];航天电子对抗;2004年06期

2 王昆;;盲源分离问题的分析研究[J];科技信息;2008年29期

3 柯维;张永祥;吕博;;基于微分进化算法的盲源分离[J];海军工程大学学报;2012年05期

4 林秋华,殷福亮;盲源分离自适应算法的统一形式[J];大连理工大学学报;2002年04期

5 刘海林;谢胜利;章晋龙;;微延迟病态卷积混叠盲源分离的可分性研究[J];计算机科学;2003年07期

6 吴微东,庄哲民;基于盲源分离的一种快速独立分量分析算法[J];汕头大学学报(自然科学版);2004年02期

7 郭松;孙云莲;;基于独立分量分析盲源分离快速算法[J];电子测量技术;2004年02期

8 丁铎,贾永强,王映民;一种基于峰度的盲源分离算法研究[J];现代电子技术;2005年14期

9 肖俊,何为伟;源信号数目大于观察信号数目情况下的盲源分离[J];现代电子技术;2005年11期

10 李广彪,张剑云,毛云祥;盲源分离中的非高斯性极大准则[J];舰船电子对抗;2005年05期

中国重要会议论文全文数据库 前10条

1 李舜酩;;转子振动信号的盲源分离研究[A];第三届全国虚拟仪器大会论文集[C];2008年

2 许林周;章新华;范文涛;;一种盲源分离后续去冗余方法[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

3 韩少博;林京;吴文焘;;频域盲源分离中的一种稳健解排列模糊方法[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分离的潜艇源识别信号去除干扰研究[A];第十一届船舶水下噪声学术讨论会论文集[C];2007年

5 康春玉;章新华;李军;;盲源分离与自适应滤波器结合抑制强干扰研究[A];2012'中国西部声学学术交流会论文集(Ⅱ)[C];2012年

6 周祥;樊涛;;基于盲源分离的储油罐底腐蚀混叠信号的识别与分离[A];第八届沈阳科学学术年会论文集[C];2011年

7 王颖翠;;一种基于自然梯度的卷积混合频域盲源分离算法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

8 许策;章新华;高成志;;源数目估计对盲源分离算法影响分析[A];2007年全国水声学学术会议论文集[C];2007年

9 成谢锋;张仲;孙夏;;一种单路混合信号的盲源分离新方法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 胡增辉;朱炬波;;基于盲源分离的波达角估计[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 张良俊;欠定盲源分离算法及其应用研究[D];武汉理工大学;2015年

2 吴微;含噪盲源分离算法研究及其在水声信号中的应用[D];解放军信息工程大学;2014年

3 骆忠强;无线通信盲源分离关键技术研究[D];电子科技大学;2016年

4 徐先峰;利用参量结构解盲源分离算法研究[D];西安电子科技大学;2010年

5 王尔馥;盲源分离理论及其在通信系统中的应用[D];哈尔滨工业大学;2009年

6 李昌利;盲源分离的若干算法及应用研究[D];西安电子科技大学;2010年

7 高建彬;盲源分离算法及相关理论研究[D];电子科技大学;2012年

8 郭靖;盲源分离的时频域算法研究[D];重庆大学;2012年

9 张念;盲源分离理论及其在重磁数据处理中的应用研究[D];中国地质大学;2013年

10 刘建强;非平稳环境中的盲源分离算法研究[D];西安电子科技大学;2009年

中国硕士学位论文全文数据库 前10条

1 彭帆;多输入多输出系统盲源分离频域新方法的研究[D];汕头大学;2002年

2 程舒慧;动态盲源分离及其在生物医学信号处理中的应用研究[D];安徽大学;2011年

3 张政;基于独立分量分析的盲源分离算法优化研究[D];南京信息工程大学;2015年

4 高鹏;基于单通道盲源分离理论的故障特征提取技术[D];长安大学;2015年

5 姚鑫;基于EEMD的单通道盲源分离研究与应用[D];大连交通大学;2015年

6 张颖;低角雷达盲信号分离方法研究[D];河南师范大学;2015年

7 吴康锐;基于空间几何信息约束的欠定卷积盲源分离[D];南昌大学;2015年

8 李莽;盲源分离在信号探测中的应用[D];电子科技大学;2014年

9 宋继飞;噪声条件下欠定盲源分离算法研究[D];大连理工大学;2015年

10 甘一凡;基于盲源分离的车辆检测与分类技术研究[D];电子科技大学;2015年

，

本文编号：1037938