一、利用实乘子实现快速FFT算法研究（论文文献综述）
籍超男[1]（2020）在《基于MCSA与高阶谱的异步电机故障诊断方法研究》文中提出随着现代化进程的飞速发展,异步电机在企业工厂和居民的正常生活中几乎随处可见。其一旦发生故障,势必会给各个行业乃至整个社会的正常生产生活带来重大损失。所以,实时有效地对异步电机的工作状况做出监测和诊断存在十分重大的意义。异步电机定子侧电流信号因定子匝间短路和转子断条故障的发生而呈现出非平稳和非高斯特性,使得传统频谱分析方法无法准确提取信号中的故障特征,出现频谱泄漏、频率分辨率低等问题。针对上述问题,本文通过研究异步电机发生定子匝间短路和转子断条故障时的故障产生机理,提出了基于电机定子电流分析法与高阶谱的异步电机故障诊断方法。搭建异步电机故障模拟实验平台,采集电机定子绕组线圈发生不同程度的匝间短路故障时的定子电流信号,利用双谱的一维Fourier变换获得双谱的切片图进行信号的故障特征频率提取,对比理论计算结果验证了双谱估计法在电机定子绕组线圈匝间短路故障检测中的适用性。同样实验条件下,针对电机转子断条故障,引入VMD结合FFT算法的故障检测方法并与双谱估计方法进行故障检测结果对比,发现基于双谱估计的转子断条故障检测方法能够克服传统频谱分析方法在电机负载状态为空载或轻载时无法准确提取故障特征频率的问题,同时,在非轻载状态下,分析两种信号处理方法提取的故障特征,对比发现通过双谱估计方法提取的故障特征相较于VMD结合FFT算法的频谱分析方法具有更加突出、明显的优势;此外通过仿真结果显示在负载呈现突变状态时,双谱估计方法同样具有良好的适用性。在前文研究的基础上,应用基于支持向量机（SVM）的异步电机定、转子故障识别方法,通过研究支持向量机的分类原理,选择电机不同状态下定子电流信号双谱切片图中包含故障信息的频段,计算频段能量与切片谱总能量的比值作为电机不同运行状态下的特征值输入到SVM中。再通过选定合适的核函数及其参数,通过该方法对电机故障分类,其准确率可达96.05%,结果表明了基于SVM分类器对于电机故障诊断的可用性。图[40]表[9]参[50]
钱炳锋[2]（2020）在《足球机器人阵列天线的自适应信号处理算法研究》文中研究表明大场地足球机器人比赛是人工智能、视觉与传感、通讯、控制科学等交叉学科应用的典型,需要同时监测空中和地面的足球运动轨迹,解决传统机器人存在对环境适应能力不强或者受光线影响大等问题,还需要面对复杂的电磁干扰、噪音和杂波环境。阵列天线具有波束控制灵活的独特优点,能满足多目标跟踪与识别、强自适应抗干扰能力和高可靠性等功能的要求,本文主要对阵列天线足球机器人自适应信号处理算法开展研究。自适应波束形成（ADBF）技术可以在电磁工作环境恶化和大量射频干扰存在的情况下,通过对权值的自适应控制达到增强目标信号、抑制干扰信号的目标,从而实现空域滤波。研究并提升自适应处理算法的实时与稳健性就有着极为重要的理论意义与工程价值。本文紧密围绕阵列天线抗干扰和杂波抑制的解决方法,分别对足球机器人阵列天线信号模型、快速自适应波束形成与空时自适应处理、基于敏感函数信源估计的特征干扰相消波束形成算法和基于对称多处理器（SMP）的超大点数FFT算法四个方面开展研究,具体研究了以下内容。首先,本文详细从数学模型对足球机器人阵列天线的信号模型和自适应处理准则进行了分析。研究了在一定条件下的三种准则,发现这些不同优化准则是等价的,为不同自适应结构和ADBF方法的相互转化提供了理论条件。提出了足球机器人阵列天线杂波分布特性、空时自适应处理原则与杂波抑制性能的评价体系。天线平台运动导致杂波回波信号具有颇为严重的空时耦合属性,通过采样矩阵来进行求逆运算可解决该问题。同时研究杂波抑制性能评价体系,主要是通过输出信干噪比（SINR）以及系统改善因子来实现。第二,研究了基于敏感函数信源估计的特征干扰相消波束形成算法。传统的自适应波束形成算法运算量较大,对硬件设备要求较高;而且对系统误差的稳健性较差。针对传统特征干扰相消波束形成（EC）算法在无法估计信源数目等场合的自适应波束所形成的问题,提出了使用敏感函数信源估计的稳健特征干扰相消波束形成（REC）算法。该算法能利用敏感函数对信号干扰子空间的信源数目进行有效的估计,而且可以利用空间谱搜索的方式,判断并剔除主瓣内目标信号对自适应权矢量计算的影响。因此,无论目标信号是否包含在训练样本中,该算法的抗干扰性能都得到了良好体现。第三,研究了快速自适应波束形成和空时自适应处理。本文对采样协方差矩阵进行Gram-Schmidt（GS）正交化的RGS算法进行了提高抑制干扰性能的研究,发现RGS算法可以充分利用快拍数据信息,在较少的快拍数时就能有效抑制干扰,达到理想的性能输出。此外,针对空时自适应处理（STAP）技术在实际系统中的应用存在杂波子空间泄露现象,研究了在杂波子空间泄露情况下的基于两级降维的稳健部分自适应STAP算法,该算法能有效改善STAP算法在杂波子空间泄露情况下的性能。第四,研究了使用对称多处理器的超大点数快速傅里叶变换算法。快速傅里叶变换（FFT）算法有处理器资源有限和执行效率降低两大问题。在空时自适应处理（STAP）系统中,为了最大限度提升FFT算法实现效率,FFT的实现过程要结合处理器的特性,针对特有平台来编写实现。本文通过分析对称多处理器（SMP）并行处理系统架构特点,给出一种适用于SMP的超大点数FFT算法,并解决了改进超大点数FFT算法带来的三个问题。本文在足球机器人阵列天线信号模型的基础上,提出干扰和杂波信号模型、最优波束形成准则和杂波抑制性能评价体系等;提出基于敏感函数信源估计的特征干扰相消波束形成算法,不管训练样本中是否有目标信号均能取得良好的抗干扰性能;提出快速自适应波束形成算法和空时自适应处理技术,更准确地估计干扰子空间和提高杂波子空间泄露下的性能;提出基于SMP的超大点数FFT算法,能节省近1/2的存储资源,提升大点数FFT处理速度的同时,提高了信号处理的实时性。本研究用的足球机器人阵列天线可以提升竞赛监控以及目标探测能力,还能对多目标跟踪与辨识给予很好的满足,同时满足高可靠性与自适应性、实时性等性能方面的要求。
王加忠[3]（2020）在《彩色图像乘性噪声去除的高阶变分模型及其快速算法》文中进行了进一步梳理图像在传输或存储等过程中会产生噪声,根据图像噪声和图像信号之间的加乘关系,可以分成加性和乘性两种噪声。近年来,出现了许多用于去除加性噪声的变分模型。但是对彩色图像中存在的乘性噪声不能得到很好的去除。此外,传统的低阶模型在去除噪声时会存在阶梯效应、对比度不平衡、边缘模糊或角点缺失等缺陷。所以需要进一步研究去除彩色图像乘性噪声的高阶模型。由于需要考虑彩色图像图层的耦合关系,所以灰度图像的变分去噪模型不能直接用于彩色图像去噪。本文提出的彩色图像去除乘性噪声的高阶变分模型,主要分为M-TGV（Multi-channel Total Generalized Variation）模型、M-Euler-elastic（Multi-channel Euler-elastic）模型和M-TC（Multi-channel Total Curvature）模型。由于传统的求解方法对高阶模型求解的时候求解步骤繁琐且计算时间冗长,所以本文在求解不同模型的时候分别引入相应的辅助变量、分裂Bregman迭代参数和拉格朗日乘子,利用快速傅里叶变换的方法并且引入广义软阈值公式和投影法等,设计了不同模型相对应的快速算法。分别使用分裂Bregman算法对M-TGV模型和M-Euler-elastic模型进行处理、使用增广Lagrangian算法对M-TC模型处理。将本文提出的三种模型对不同乘性噪声图像的处理结果与传统的CTV模型和MTV模型的去噪结果进行比较。最终得出结论:从定性方面看本文所提出的三种模型均能有效的去除阶梯效应,并且可以更好地保持图像的边缘、角点和纹理细节等方面;从定量方面来看本文模型去噪后图像的峰值信噪比与图像的结构相似性指数的数值比CTV模型和MTV模型更高,并且模型的收敛速度和运算时间均有所提高,以此验证了本文模型去除彩色图像乘性噪声的优势。
宋依欣[4]（2020）在《毫米波车载防撞雷达信号处理算法研究》文中指出近些年随着汽车的普及,道路交通安全日益成为人们普遍关注的焦点问题。科学技术的发展带动了汽车核心技术的革新,其中提供辅助驾驶功能的毫米波车载防撞雷达因其体积小、功耗低、精度高、抗干扰能力强等优势,成为目前车载传感器的主流方案。本文将以毫米波车载防撞雷达为研究对象,对现阶段毫米波雷达信号处理中的关键技术展开研究,并针对目标检测与参数估计中存在的问题提出具体有效的改进算法,最终形成一套完整的、可行的毫米波车载防撞雷达信号处理算法流程。本文的具体工作如下:（1）研究了毫米波车载防撞雷达中的目标检测和参数估计的改进算法。针对快速傅里叶变换（Fast fourier transform,FFT）前的窗函数选择问题,分析和比较了几种窗函数的频域响应,提出了一种针对毫米波车载雷达目标特点而选择窗函数参数组合的机制;针对恒虚警检测（Constant false alarm rate,CFAR）算法在低信噪比条件下目标遮蔽影响严重的问题,提出了一种改进的基于干扰剔除的自适应恒虚警检测算法,研究表明,利用动态门限识别参考窗内的干扰信息,并对其进行预处理,可有效提高二维恒虚警检测的检测概率,降低系统的漏警率;针对基于子空间正交性的传统谱估计算法进行波达方向（Direction of arrival,DOA）估计时计算复杂度较高的问题,提出了一种基于空域FFT的快速DOA估计算法,该算法将空间谱信号通过快速傅里叶变换后的峰值序号与方位角度相关联,是一种不需要大型矩阵相乘和求逆运算的低复杂度方位角估计方法。（2）研究了基于数据驱动的毫米波车载防撞雷达的近场目标DOA估计算法。针对近场信源入射波不能假设为远场条件下平行波的情况,建立了目标与天线阵元的近场模型并推导了近场场源信号的导向矢量。同时,提出了三种解决目标在近场场景下方位角估计精度下降问题的算法。其中基于网格划分的峰值序号查找表法,通过网格建立近距目标距离与方位角之间的联系,在近距场景下能够有效提高DOA估计精度,但所需的数据存储量较大。其他两种算法为基于支持向量机（Support vector machine,SVM）的DOA估计算法,分别为基于决策树层次SVM的DOA估计算法和基于OVR（One-versus-rest）-SVM的DOA估计算法。两种基于SVM的算法区别在于,生成代表多分类器的决策函数的过程不同。仿真证明了这两种基于SVM的DOA估计算法在近距场景下DOA估计的有效性,但基于决策树层次SVM的DOA估计算法在训练和分类阶段的复杂度开销比基于OVR-SVM的DOA估计算法低,且在训练样本数据量不足的条件下能够取得更鲁棒的检测效果。（3）实现了基于TI-AWR1642芯片毫米波车载防撞雷达在硬件系统层面的算法设计与改进。首先对系统硬件模块结构和关键芯片TI-AWR1642的参数与特点进行了阐述。随后,针对毫米波车载雷达参数限制而导致的速度模糊问题,提出了两种各具优势的解速度模糊算法,其中基于离散傅里叶变换（Discrete fourier transform,DFT）因子的峰值比较解速度模糊算法不需要额外的目标匹配运算,但低信噪比条件下会出现较大的性能恶化;而基于滑窗的连续帧联合解速度模糊算法信噪比适应性较好,但需要额外的多目标匹配过程。考虑到芯片的多模互不干扰特性,在不影响系统数据刷新率的前提下,结合两种算法的优势,在近距模式下采用DFT因子法并在中距模式下采用滑窗法。该改进的车载雷达信号处理方案,能够取得更好的解模糊精度与实现复杂度之间的折中。最后,针对所提出的毫米波车载防撞雷达信号处理流程特点,设计了一种层次分明、结构合理的帧结构方案。该帧结构充分考虑近远距波形的变化和天线模式的切换,适用于检测范围广、精度高的毫米波车载防撞雷达系统。
陈松懋[5]（2020）在《单光子探测编码技术及图像重构算法研究》文中认为得益于其良好的距离分辨力与方向性,激光雷达技术已被广泛应用于光电侦查、遥感测绘等领域,并在自动驾驶等若干新兴领域扮演着不可或缺的角色。然而激光在介质中快速衰减的特性严重限制了激光雷达的作用距离,成为了技术发展的瓶颈之一。单光子探测技术通过采用单光子探测器可以响应单光子级能量的回波,极大地提升了探测灵敏度,使得远距离高精度探测成为了可能。盖革模式雪崩光电二极管（Geiger mode Avalanche Photon Diode,Gm APD）因为具有成本低、二值化响应等优势使其成为了最常用的单光子探测器之一,但由于Gm APD不响应强度信息,故需大量累积回波信号才能恢复出回波信号。这一方面使得远距离探测的回波信号过于稀疏,难以有效重建目标信息;另一方面为了快速获取回波光子而采用高重频激光器,导致了距离模糊问题。本文围绕远距离高精度单光子探测存在的距离模糊问题与稀疏光子条件下的图像重建问题对单光子探测成像技术展开研究,取得的主要研究成果如下:（1）为了克服距离模糊提出了两种伪随机编码生成算法——多相伪随机编码快速生成算法与最优多相伪随机编码生成算法,并基于快速傅立叶变换（Fast Fourier Transform,FFT）算法实现快速解码。本文采用伪随机编码的方法大幅增加系统的探测距离,并针对传统的m序列存在的无法高速调制、不包含强度信息以及编码形式、长度固定的问题提出了新的伪随机编码生成算法。多相伪随机编码快速生成算法根据系统参数与Mersenne-Twister算法所产生的随机数对脉冲间隔调制,再通过预设的强度划分范围将调制位的幅值映射至对应的强度。最优多相伪随机编码生成算法则将编码看做是若干个码元的排列问题并通过粒子群优化（Partical Swarm Optimization,PSO）算法求解,初始化则由复杂度较低的线性同余法实现。仿真实验说明本文提出的两种伪随机编码生成算法所产生的伪随机编码自相关性均明显优于对比的双探测器伪随机编码生成算法和m序列,且易于生成;其良好的性质也使得解码算法可选用效率最高的基于FFT的解码算法。（2）针对远距离成像时回波过于稀疏的问题,本文基于Non-Local思想提出了一种稀疏光子条件下的图像重建算法框架NL3DR（Non-Local 3D Restoration）。本文通过建立相似度矩阵获取全部像素间的相关性,基于相似度矩阵构建Laplacian正则项作为约束重建目标的三维图像并交替提升空间联系与重建质量。为了避免稀疏光子条件下大量存在的“空”像素与噪点对获取Non-Local相关性的干扰,本文基于超像素原理提出了MSA（Multi-Scale Analysis）算法作为NL3DR的初始化,大幅提高了重建的鲁棒性;基于数据的泊松统计特性以及Laplacian正则项构建代价函数,其良好的分离特性使得代价函数的最小化问题可由交替方向乘子（Alternating Direction Method of Multipliers,ADMM）算法高效求解。此外还针对NL3DR算法计算复杂度较高的问题,提出了非均匀采样算法为代表的多种优化策略,将NL3DR算法进一步优化为OPN3DR（Optimized based Nonlocal 3D Restoration）算法,显着降低了重建算法对计算资源的需求。仿真数据集与实测数据集的实验结果均表明OPN3DR算法在采样点数远少于RDI-TV等算法的条件下仍具有良好的重建能力,在采样点数相同的情况下优势更为明显;并且在多个数据集中均实现了PPP（Photon-per-Pixel）小于1的图像三维重建。（3）为了利用量子器件的真随机性破解周期性照明对远距离成像的限制,本文研究了基于单光子源的三维成像系统,同时基于OPN3DR算法的变体F3DRSI（Fast 3D Restoration for Single photon source Imaging）算法实现了高精度三维成像。单光子源以其量子器件真随机的特性从原理上避免了距离模糊问题,也避免了使用额外的调制模块与伪随机编码;仅通过测量关联光子对间的时间差即可获得目标距离信息。单光子源极低的探测能量在带来了一系列优点的同时也使得回波信号更为稀疏,为了充分利用有限的回波信息,本文利用F3DRSI算法实现了PPP小于1的快速高精度三维重建,在接近理论极限的环境下实现了毫米级探测精度,重建时间仅为0.18秒至0.41秒。（4）考虑到探测环境对不同谱段有着不同的吸收与散射特性,本文研究了多光谱单光子成像系统及其重建算法MS3DR（Multispectral Sparse 3D Restoration）。多光谱单光子成像可以利用多个谱段探测目标,在获取距离信息的同时能够同时获得目标的光谱特性;而多个谱段的回波也有望增强稀疏光子条件下信息获取的鲁棒性。为了充分利用稀疏的高维回波数据,本文将OPN3DR算法进一步拓展为MS3DR算法;该算法同时利用了谱段间的相关性以及目标在空间分布上的相关性作为先验知识,并进一步基于此重建目标的多光谱图像。仿真实验结果显示MS3DR算法可以在单谱段平均像素光子数小于1的条件下较好地重建出多光谱三维图像。此外本文还研究了MS3DR算法在复杂环境下的重建能力,实现了在单谱段平均像素光子数仅为0.57且SBR（Signal-to-Background Ratio）仅为8.72的条件下的复杂场景多光谱三维重建。
陈思翔[6]（2020）在《车载毫米波雷达信号处理方法研究》文中研究指明随着社会经济的发展和生活水平的提高,人均汽车保有量呈现越来越快速的增长,道路交通的规范和安全日益重要,这直接推动了汽车自动驾驶技术的快速发展。毫米波雷达因其体积小、成本合理、恶劣工况下性能稳定等诸多优点,已成为汽车自动驾驶系统最重要的传感器之一。本文主要针对车载毫米波雷达的信号处理问题开展研究。论文通过分析调频连续波（Frequency Modulation Continuous Wave,FMCW）雷达在进行距离、速度、角度估计时需要解决的问题,确定了以快速chirp信号作为发射波形的距离-多普勒-角度三维FFT（Range-Doppler-Angle 3D-FFT）目标检测算法可作为车载毫米波雷达的目标检测方案。通过Matlab仿真验证了3D-FFT检测算法可以有效解决传统大时宽锯齿波雷达存在的距离-速度耦合、三角波雷达存在的多目标速度配对问题。此外3D-FFT算法在角度估计方面相较于传统单脉冲、波束形成法,能极大改善目标的空间分辨率。对比角度分辨率更高的超分辨算法,3D-FFT检测算法拥有更小的计算量,以及可以获得目标回波的强度信息和不需要检测目标个数先验信息等优势。传统时分复用-多输入多输出（Time Division Multiplexing-Multiple Input Multiple Output,TDM-MIMO）雷达的由于发射机处于交替工作的状态,从而降低了回波信号速度维的采样率,影响了雷达对目标速度的不模糊检测范围。为解决此问题,本文以2发4收天线为例,设计了一种新的TDM-MIMO雷达天线布局方案。经过Matlab仿真,证明基于该天线布局方案的3D-FFT检测算法可将最大不模糊检测速度范围增大一倍。论文利用德州仪器公司的IWR1443雷达开发板和DCA1000实时数据捕捉适配器获取了实际场景中的运动目标实验数据,通过对实验数据的处理验证了3D-FFT算法的可行性。
赵校朋[7]（2020）在《基于DSP与FPGA的传声器阵列采集系统研究与设计》文中认为传声器阵列采集系统是声成像的基础,是噪声控制、故障诊断、低噪声设备研制等领域中的一个重要应用。受中国科学院声学研究所委托要求,本文研究设计了一款基于DSP与FPGA的传声器阵列采集系统。本文首先对传声器阵列采集技术进行了分析与研究,分析对比了几种重要的成像算法,对其应用场合、优缺点进行对比分析,最终采用了波束形成算法作为本设计的核心算法,并进行了相应的仿真分析。针对委托方提出的具体需求进行分析,采用低噪声MEMS麦克风传感器组成阵列,对外界声音信号进行采集;采用高精度ADC芯片ADI7768对64路音频信号进行同步采样与转换;采用低成本、高速FPGA芯片EP4CE10F17C7N设计相应的数据接口对转换后的大量数据进行接收与缓存;采用高性能、低功耗DSP芯片TMS320C6678对采集到的数据进行读取与成像处理;采用快速以太网PHY控制器88E1111实现数据的实时上传,以保证大流量数据的无阻塞传输。根据设计要求对硬件系统进行分析,并完成主要器件选型。根据分析以及选型结果进行了硬件系统的设计,包括原理图以及PCB图的绘制。并根据所绘制原理图,进行了程序部分的设计。本文对常见的波束形成算法进行了 MATLAB仿真,分析它们的优缺点,并选择LCMV算法进行改进。本文还分析了 FIR数字滤波器和按时间抽选的基2 FFT快速傅里叶变换,并进行了 MATLAB仿真,以验证其性能。通过MATLAB仿真证明,数字滤波器、快速傅里叶变换以及波束形成算法性能均满足设计要求。
杨国波[8]（2020）在《OFDM系统中高性能FFT ASIC设计》文中研究表明随着5G时代的到来,人类的通信需求的延迟更低,场景更多。5G新基建是我国未来经济建设新风口。5G通信速度越来越快,传输带宽也越来越宽。目前各类通信技术发展中需解决的问题有很多,传输宽带是有限的,如何充分高效地利用有限的频带是一个重要的点。最新的5G NR（new radio）和IEEE802.11ax协议,它们的核心技术是正交频分复用技术（OFDM,Orthogonal Frequency Division Multiplexing）,它采用多个频谱相互重叠且相互正交的子载波进行信息传输,与传统的调制方式相比系统中的频谱利用率被提高了。其中FFT处理器是OFDM的计算核心,其运算结果直接关系到OFDM性能。而5G时代对OFDM系统中大点数FFT处理器具有新的要求,如低延时、高信噪比。而目前OFDM系统中大点数FFT处理器具有高延时、低信噪比的低性能,无法满足5G时代的需求。因此大点数低延时且高信噪比的高性能FFT处理器的研究对OFDM系统的设计和优化具有重要意义。本文首先介绍了OFDM系统的基本原理和经典架构,通过MATLAB软件仿真了OFDM发射和接收部分,同时分析了OFDM中FFT的需求,对FFT进行了定点仿真。设计了一种OFDM系统中高性能FFT ASIC（专用集成电路,Application Specific Integrated Circuit）,可完成4096点的定点FFT运算,通过对比不同算法复杂度及硬件结构对性能的影响,采用了按频率抽取的基8 FFT算法和递归架构来实现该处理器。对FFT电路实现划分为6个子模块:计数控制模块、状态控制模块、地址产生模块、蝶形计算模块、旋转因子寻址模块以及改进的可变位宽模块。设计中首先对传统递归架构进行了改进,使用了7个ROM来存储旋转因子,使蝶形运算在1个周期完成,使蝶形运算不再空置。在对完成基8运算,进行了自适应整体截位方法的可变位宽单元设计,它是结合了截低位和高位饱和算法,在使用了自适应整体截位设计后信噪比达到46.3112d B,相对于截取低位算法和高位饱和算法得到的信噪比更高,双口RAM逻辑资源节省了42.9%。完成了子模块功能仿真。通过fixed定点C的FFT函数出来的结果和本设计的FFT处理器的结果输出进行对比,测试了RTL功能仿真,验证了其正确性。为了证明本设计的高性能指标,低延时和高信噪比。通过功能仿真延时结果与普通递归架构、相关文献比较,延迟2096个cycle相对较优,验证了低延时。在频率为100MHz的FPGA上运行时间为102.88?s。把RTL测试结果与MATLAB浮点函数FFT进行对比,在正弦波15MHz频点,150MHz采样率的单个加噪声的正弦波的情况下信噪比为53.98d B;在1200振幅宽带信号的情况下信噪比为44.68d B,性能较好,验证了高信噪比。通过synopsys的Design Compiler进行逻辑综合和静态时序分析（STA,Static Timing Analysis）,最后得到的面积为0.46mm2,功耗为95.03m W且满足STA的要求,验证了低面积和可行性。实验结果表明,本文设计的OFDM系统中高性能FFT处理器在延时上,信噪比上都满足了OFDM系统中高性能FFT处理器的要求。论文提出的OFDM系统高性能FFT ASIC设计,对进一步研究FFT处理器具有重要的意义。
李菁菁[9]（2020）在《运动图像去模糊技术研究》文中提出随着科学技术发展,集成电路工艺的不断进步,为在前端实现实时图像复原提供了硬件支持。运动图像模糊是指相机和被拍物体,两者进行连续性相对运动,导致最后采集到的图像模糊,对其使用存在一定影响。运动图像去模糊就是建立一定数学模型,将模糊图像清晰化。考虑到实际应用场境中待处理图像的大部分模糊信息未知,故采用盲去模糊。盲去模糊难点在于建模复杂且求解不唯一。故构建实时运动图像盲去模糊系统,实现图像去模糊,具有一定的现实意义。本文主要针对在硬件中实现运动图像去模糊系统问题进行研究,主要工作包括以下四个方面:（1）分析在空域和在频域运动模糊图像处理的性能差异。一般情况下,在空域中处理运动模糊图像,计算量大且复杂度高,而在频域中处理运动模糊图像,计算量小且灵活度高。故结合运动模糊图像及去模糊算法特点,分析运动图像去模糊频域处理方式。本文设计了一种基2-DIT-FFT的频域转换硬件算法,以解决一般频域转换过多占用资源、转换时间长、可移植性差等问题。其主要模块包括:输入数据预处理、原位计算、存储模块、蝶形运算模块、溢出检测、截位等。该硬件算法与基于FFT IP核的频域转换算法相比,降低了硬件资源占用率,提高了图像频域转换精度。（2）详细说明图像运动模糊的过程,分析其频谱和倒谱的特点。比较频域法和倒谱法估计的点扩散函数PSF精度,本文采用基于倒谱特性的PSF估计法。并在此基础上,增加Canny算子边缘检测,提高PSF估计精度。（3）考虑硬件实现可行性及复原效果确定合适的经典图像复原算法。比较逆滤波等四种经典复原算法的优劣,采用峰值信噪比、结构相似性、视觉信息保真度三种图像质量评价指标,分析上述复原算法的优缺点,得到复原结果及质量评价指标。（4）系统采用“软硬结合”设计方案,以V Cyclone Altera系列的SOC-DE1为设计平台,利用QSYS连接相关子系统及IP核,构建图像去模糊系统。在FPGA中,设计频域转换,并配置设计所需IP模块,如Frame Reader、SDRAM、显示子系统等。在HPS中,搭载Linux操作系统,利用HPS-FPGA总线访问SDRAM,利用Linux C编程实现运动图像去模糊和传输,利用软件QT设计去模糊系统界面,实现可视化及人机交互功能,其主要功能包括:打开相机、抓拍及图像灰度处理、复原图像等。本系统主要进行了图像频域转换模块、去模糊算法、QT GUI界面及整体硬件系统构建等设计,并在实际环境中对其整体功能进行测试。经验证分析,系统能处理采集的任意图像,能较好地实现模糊图像显示、频域转换及去模糊等基本功能,并且降低了资源占用率,具有一定的实用性和可移植性。
干红平[10]（2020）在《基于混沌感知矩阵的图像压缩采样及其应用研究》文中指出图像采样技术是进行图像压缩、传输与存储等基本处理以及实现图像理解、分类与推理等人类高级认知行为的先决要素。但传统的香农—奈奎斯特采样定理在应对图像分辨率要求日益增长的大数据时代捉襟见肘,而且它不能有效地契合硬件设备的资源配置。因此,人们始终期望能够寻求一种“硬件压缩”的全新图像采样理论,以便能突破传统采样定理的限制,并且可以更合理地利用有限的资源。近年来,新兴的图像压缩采样框架正在逐步地向着这一目标前进,而如何能够更好地实现它自然就成为了研究热点。本文依托于压缩采样理论的三部曲,以混沌感知算子的构建为核心研究点和高效实现图像压缩成像为研究目标,旨在设计出高效、低复杂度且硬件可行的基于混沌感知矩阵的图像压缩采样技术。为此,本文分别从理论与应用这两个维度做出了原创性和探索性的工作。首先,系统且详细地回顾了信号的稀疏表示模型、信息感知算子的构造与欠定恢复算法的选择等基础知识,并诠释了混沌理论和压缩采样技术的相关联系,实现了非线性系统、图像处理和信息论等领域的交叉融合。其次,从不同的角度从发,提出了三种高效率的基于混沌感知矩阵的图像压缩采样算法,它们能够克服同类图像压缩采样框架中使用传统信息感知算子的核心缺陷。最后,依托于提出的混沌压缩采样算法,构建了两种典型的混沌压缩成像应用,为实现图像压缩采样与成像迈出了坚实的一步。主要的创新点如下所述:·考虑到现有的很多混沌系统存在退化现象,导致这些系统迭代出的混沌序列构造的感知矩阵的性能不理想。为此,提出了利用拓扑共轭混沌系统生成的混沌流来构造混沌感知算子,其核心思想是先根据连续可逆函数将拓扑共轭混沌系统中的一个子系统划分为多个子区域,然后,通过匹配子区域而非直接采用迭代的实值从而构造出无穷长的混沌流。该工作克服了因电子设备精度有限引起的混沌退化现象,解决了随机感知矩阵在软、硬件上难以实现的困难,并且能有效地保证对应的图像压缩采样算法的感知效率。·针对传统的二值化感知矩阵具有行或列数的限制而实值混沌感知矩阵存在较高稠密性的缺点,构造了可以任意大小的双极性混沌感知算子,随后将其用于图像压缩采样框架中,并从理论上分析了该算法的采样性能。最后,通过数值模拟实验表明了,相比于同类算法,提出的基于双极性混沌感知矩阵的图像压缩采样算法在采样效率、内存开销、计算复杂度和硬件实现等方面均具有相当大的优势。·出于加速数据采样过程、缩短恢复时间和降低算法复杂度的目的,设计了一种能够兼顾了结构性随机感知矩阵和实值混沌感知算子两者优点的结构性混沌感知矩阵。随后,依托于该信息感知算子,开发了基于结构性混沌感知矩阵的图像压缩采样算法。实验结果表明,该算法能够有效地缩短图像恢复的运行时间,显着地降低图像获取与重建的复杂度,并且在性能上超越了传统的基于结构性感知矩阵的图像压缩采样算法。·构建了混沌单像素相机和混沌压缩采样磁共振成像两种典型的压缩成像应用。该工作直接解决了传统模式在这两种压缩成像应用中存在硬件难以预设且内存需求巨大的问题,展示了基于混沌感知矩阵的图像采样算法在压缩成像中的应用前景与潜在价值。
二、利用实乘子实现快速FFT算法研究（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、利用实乘子实现快速FFT算法研究（论文提纲范文）
（1）基于MCSA与高阶谱的异步电机故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 异步电机故障诊断的国内外发展概括 |
| 1.2.2 异步电机故障诊断方法的研究现状 |
| 1.3 论文主要章节内容 |
| 2 异步电机故障诊断分析基础 |
| 2.1 异步电机的内部结构及其工作原理 |
| 2.1.1 电机内部结构 |
| 2.1.2 电机工作原理 |
| 2.2 异步电机故障时的电流特征 |
| 2.2.1 定子匝间短路故障的电流特征 |
| 2.2.2 转子断条故障的电流特征 |
| 2.3 异步电机故障模拟实验平台搭建 |
| 2.3.1 定子匝间短路故障模拟 |
| 2.3.2 转子断条故障模拟 |
| 2.3.3 实验数据采集 |
| 2.4 本章小结 |
| 3 异步电机定子匝间短路故障检测的方法 |
| 3.1 异步电机定子匝间短路故障机理分析 |
| 3.2 基于高阶谱的异步电机定子匝间短路故障检测方法 |
| 3.2.1 高阶谱分析理论 |
| 3.2.2 双谱理论 |
| 3.2.3 基于双谱理论的故障特征提取 |
| 3.3 实验验证与结果分析 |
| 3.4 本章小结 |
| 4 异步电机转子断条故障检测的方法 |
| 4.1 异步电机转子断条故障机理分析 |
| 4.2 恒定负载条件下异步电机转子断条故障检测方法 |
| 4.2.1 异步电机恒定负载状况分析 |
| 4.2.2 基于VMD与 FFT算法的转子断条故障检测结果分析 |
| 4.2.3 基于双谱理论的异步电机转子断条故障检测结果分析 |
| 4.3 突变负载条件下异步电机转子断条故障检测方法 |
| 4.3.1 异步电机突变负载状况分析 |
| 4.3.2 负载突变对故障特征提取的影响 |
| 4.3.3 基于双谱理论的转子断条故障检测结果分析 |
| 4.4 本章小结 |
| 5 基于支持向量机的异步电机故障识别方法 |
| 5.1 支持向量机理论及应用 |
| 5.1.1 支持向量机基本思想 |
| 5.1.2 核函数 |
| 5.1.3 支持向量机的故障诊断方法 |
| 5.2 基于支持向量机(SVM)的电机故障识别 |
| 5.2.1 双谱切片的故障特征值选取 |
| 5.2.2 基于SVM的电机故障识别结果 |
| 5.3 本章小结 |
| 6 结论和展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）足球机器人阵列天线的自适应信号处理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究情况 |
| 1.2.1 稳健自适应波束形成算法 |
| 1.2.2 部分自适应STAP算法 |
| 1.2.3 稳健空时自适应处理算法 |
| 1.2.4 快速傅里叶变换 |
| 1.3 本文结构及主要内容 |
| 第2章 足球机器人阵列天线信号模型及处理原理 |
| 2.1 引言 |
| 2.2 竞赛足球机器人平台介绍 |
| 2.2.1 足球机器人机械结构 |
| 2.2.2 足球机器人电控系统 |
| 2.2.3 足球机器人阵列天线场景 |
| 2.3 自适应波束形成信号模型及处理原理 |
| 2.3.1 自适应波束形成信号模型 |
| 2.3.2 自适应波束形成处理原理 |
| 2.4 空时自适应处理信号模型及处理原理 |
| 2.4.1 空时自适应处理信号模型 |
| 2.4.2 空时自适应信号处理 |
| 2.5 本章小结 |
| 第3章 基于敏感函数信源估计的特征干扰相消波束形成算法 |
| 3.1 引言 |
| 3.2 经典的稳健自适应波束形成算法 |
| 3.2.1 对角加载算法 |
| 3.2.2 特征子空间算法 |
| 3.2.3 权矢量模约束算法 |
| 3.2.4 导向矢量不确定集约束算法 |
| 3.3 基于敏感函数的稳健特征干扰相消波束算法 |
| 3.3.1 波束形成器的敏感性 |
| 3.3.2 基于敏感函数信源估计的REC算法 |
| 3.4 计算机仿真验证 |
| 3.5 本章小结 |
| 第4章 快速自适应波束形成与空时自适应处理 |
| 4.1 引言 |
| 4.2 GS正交化的快速自适应波束形成 |
| 4.2.1 常规GS正交化算法 |
| 4.2.2 基于数据预处理的协方差矩阵GS正交化算法 |
| 4.3 稳健部分自适应STAP算法 |
| 4.3.1 杂波子空间泄露 |
| 4.3.2 杂波子空间稳健处理算法 |
| 4.3.3 基于两级降维的稳健部分自适应STAP算法 |
| 4.4 计算机仿真验证 |
| 4.5 本章小结 |
| 第5章 使用SMP的超大点数FFT算法 |
| 5.1 引言 |
| 5.2 SMP并行处理系统 |
| 5.3 改进型超大点数FFT算法 |
| 5.3.1 序列划分规则优化 |
| 5.3.2 铰链因子计算优化 |
| 5.3.3 数据分布和存储访问优化 |
| 5.4 实验验证 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果 |
| 致谢 |
（3）彩色图像乘性噪声去除的高阶变分模型及其快速算法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究动态 |
| 1.2.1 变分去噪原理 |
| 1.2.2 乘性噪声模型 |
| 1.2.3 高阶去噪模型 |
| 1.2.4 彩色图像的去噪模型 |
| 1.3 本文主要内容和章节安排 |
| 第二章 图像噪声及相关算法 |
| 2.1 常见的图像噪声类型 |
| 2.1.1 高斯噪声 |
| 2.1.2 伽马噪声 |
| 2.1.3 瑞利噪声 |
| 2.2 导数算子的有限差分格式 |
| 2.2.1 一阶导数的离散形式 |
| 2.2.2 二阶导数的离散形式 |
| 2.3 快速傅里叶变换 |
| 2.4 两种常用的快速求解算法 |
| 2.4.1 分裂Bregman算法 |
| 2.4.2 增广Lagrangian算法 |
| 2.5 图像质量评价标准 |
| 2.6 本章小结 |
| 第三章 彩色图像乘性噪声去除的M-TGV的模型及其分裂Bregman算法 |
| 3.1 TGV模型 |
| 3.2 M-TGV模型的分裂Bregman算法及快速求解算法 |
| 3.2.1 M-TGV模型的分裂Bregman算法 |
| 3.2.2 M-TGV模型的快速求解算法 |
| 3.3 数值实验及结果分析 |
| 3.3.1 定性分析 |
| 3.3.2 定量分析 |
| 3.4 本章小结 |
| 第四章 彩色图像乘性噪声去除的M-Euler-elastic模型及其分裂Bregman算法 |
| 4.1 Euler-elastic模型 |
| 4.2 M-Euler-elastic模型的分裂Bregman算法及快速求解算法 |
| 4.2.1 M-Euler-elastic模型的分裂Bregman算法 |
| 4.2.2 M-Euler-elastic模型的快速求解算法 |
| 4.3 数值实验及结果分析 |
| 4.3.1 定性分析 |
| 4.3.2 定量分析 |
| 4.4 本章小结 |
| 第五章 彩色图像乘性噪声去除的M-TC模型及其增广Lagrangian算法 |
| 5.1 TC模型 |
| 5.2 M-TC模型的增广Lagrangian算法及快速求解算法 |
| 5.2.1 M-TC模型的增广Lagrangian算法 |
| 5.2.2 M-TC模型的快速求解算法 |
| 5.3 数值实验及结果分析 |
| 5.3.1 定性分析 |
| 5.3.2 定量分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（4）毫米波车载防撞雷达信号处理算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 毫米波车载防撞雷达产品发展进程 |
| 1.2.2 毫米波车载防撞雷达技术发展进程 |
| 1.3 论文主要工作与创新 |
| 第二章 毫米波车载防撞雷达基本原理与信号分析 |
| 2.1 引言 |
| 2.2 雷达系统框图 |
| 2.3 雷达方程 |
| 2.4 线性调频连续波的信号分析 |
| 2.4.1 中频信号的时域分析 |
| 2.4.2 中频信号的频域分析 |
| 2.4.3 模糊函数和分辨力 |
| 2.5 车载雷达信号与数据处理流程 |
| 2.5.1 车载雷达的信号处理流程 |
| 2.5.2 车载雷达的数据处理流程 |
| 2.5.3 仿真与分析 |
| 2.6 本章小结 |
| 第三章 改进的毫米波车载防撞雷达目标检测与参数估计算法 |
| 3.1 引言 |
| 3.2 毫米波车载防撞雷达的信号加窗 |
| 3.2.1 窗函数的选择 |
| 3.2.2 仿真结果与分析 |
| 3.3 毫米波车载防撞雷达目标检测算法 |
| 3.3.1 二维恒虚警检测算法 |
| 3.3.2 改进的基于干扰剔除的自适应恒虚警检测算法 |
| 3.3.3 仿真结果与分析 |
| 3.4 毫米波车载防撞雷达角度参数估计算法 |
| 3.4.1 空间谱估计原理 |
| 3.4.2 基于空域FFT的快速DOA估计算法 |
| 3.4.3 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 数据驱动的毫米波车载防撞雷达近距目标DOA估计算法 |
| 4.1 引言 |
| 4.2 近场场源信号模型与天线阵列 |
| 4.3 基于网格划分的峰值序号查找表法 |
| 4.4 基于SVM分类器的DOA估计方法 |
| 4.4.1 支持向量机与其多分类方法 |
| 4.4.2 基于OVR-SVM算法的DOA估计方法 |
| 4.4.3 基于决策树层次SVM算法的DOA估计方法 |
| 4.5 算法复杂度分析 |
| 4.6 仿真结果与分析 |
| 4.7 本章小结 |
| 第五章 毫米波车载防撞雷达系统实现及其多模帧结构设计 |
| 5.1 引言 |
| 5.2 系统硬件结构 |
| 5.2.1 硬件模块 |
| 5.2.2 关键芯片TI-AWR1642 |
| 5.3 基于芯片多模特性的解速度模糊算法改进与帧结构设计 |
| 5.3.1 速度模糊现象与多重频解模糊原理 |
| 5.3.2 基于DFT因子的峰值比较解速度模糊算法 |
| 5.3.3 基于滑窗的连续帧联合解速度模糊算法 |
| 5.3.4 算法优势分析 |
| 5.3.5 基于芯片多模特性的帧结构设计 |
| 5.3.6 仿真结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 下一步研究方向 |
| 参考文献 |
| 硕士期间发表的学术论文及专利 |
| 致谢 |
（5）单光子探测编码技术及图像重构算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 符号列表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 成像原理 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 单光子探测器研究现状 |
| 1.2.2 单光子成像系统研究现状 |
| 1.2.3 单光子成像算法研究现状 |
| 1.2.4 单光子成像技术发展趋势 |
| 1.3 本文主要研究内容 |
| 第2章 基于单光子探测的伪随机编码技术研究 |
| 2.1 引言 |
| 2.2 编码式单光子探测原理 |
| 2.3 伪随机编码 |
| 2.3.1 m序列 |
| 2.3.2 多相伪随机编码快速生成算法 |
| 2.3.3 最优多相伪随机编码生成算法 |
| 2.4 多相伪随机编码快速解码算法 |
| 2.5 实验结果与分析 |
| 2.6 本章小结 |
| 第3章 基于Non-Local的单光子图像重建算法框架 |
| 3.1 引言 |
| 3.2 算法框架结构与参数 |
| 3.2.1 Non-Local重建算法结构 |
| 3.2.2 信号观测模型 |
| 3.3 多尺度分析 |
| 3.4 空间相似性 |
| 3.4.1 相似度矩阵 |
| 3.4.2 像素特征提取 |
| 3.5 图像重建 |
| 3.5.1 代价函数 |
| 3.5.2 Laplacian矩阵 |
| 3.6 交替方向乘子法 |
| 3.6.1 增广拉格朗日方程 |
| 3.6.2 ADMM算法 |
| 3.7 重建算法框架 |
| 3.8 本章小结 |
| 第4章 基于Non-Local的重建算法优化与结果分析 |
| 4.1 引言 |
| 4.2 优化策略 |
| 4.2.1 非均匀采样 |
| 4.2.2 聚类分割 |
| 4.2.3 优化代价函数 |
| 4.2.4 其他优化策略 |
| 4.2.5 OPN3DR算法 |
| 4.3 实验结果 |
| 4.3.1 仿真原理及评价准则 |
| 4.3.2 对比算法简介 |
| 4.3.3 实验环境与参数 |
| 4.3.4 仿真数据实验结果 |
| 4.3.5 实测数据实验结果 |
| 4.4 本章小结 |
| 第5章 基于单光子源的三维成像技术研究 |
| 5.1 引言 |
| 5.2 成像原理与系统 |
| 5.2.1 成像系统结构 |
| 5.2.2 成像原理 |
| 5.2.3 目标特性分析 |
| 5.3 重建算法 |
| 5.4 实验结果 |
| 5.5 本章小结 |
| 第6章 基于多光谱的单光子图像重建算法研究 |
| 6.1 引言 |
| 6.2 成像原理与系统 |
| 6.3 重建算法 |
| 6.3.1 观测模型 |
| 6.3.2 互相关算法 |
| 6.3.3 MS3DR算法 |
| 6.4 实验结果 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文总结 |
| 7.2 未来展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
（6）车载毫米波雷达信号处理方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外现状 |
| 1.2.1 车载毫米波雷达研究现状 |
| 1.2.2 FMCW雷达研究现状 |
| 1.2.3 MIMO雷达研究现状 |
| 1.3 论文主要内容及章节安排 |
| 第2章 FMCW雷达距离速度估计原理 |
| 2.1 雷达方程 |
| 2.2 大时宽锯齿波雷达的距离速度耦合问题 |
| 2.3 对称三角波雷达的多目标速度配对问题 |
| 2.4 变周期三角波雷达解多目标速度配对原理 |
| 2.5 快速chirp信号雷达的2D-FFT距离速度估计原理 |
| 2.5.1 距离估计原理 |
| 2.5.2 速度估计原理 |
| 2.5.3 2D-FFT算法仿真结果 |
| 2.6 本章小结 |
| 第3章 雷达目标的角度测量 |
| 3.1 单脉冲测角 |
| 3.1.1 比幅单脉冲 |
| 3.1.2 比相单脉冲 |
| 3.2 超分辨角度估计 |
| 3.2.1 MUSIC算法 |
| 3.2.2 ESPRIT算法 |
| 3.3 波束形成法测角 |
| 3.3.1 Bartlett波束形成算法 |
| 3.3.2 Capon波束形成算法 |
| 3.3.3 3D-FFT算法 |
| 3.4 对比分析 |
| 3.5 本章小结 |
| 第4章 车载MIMO雷达 |
| 4.1 TDM-MIMO雷达 |
| 4.2 BPM-MIMO雷达 |
| 4.3 2发4收TDM-MIMO雷达改进方案 |
| 4.4 基于2发4收TDM-MIMO雷达的3D-FFT目标检测算法流程 |
| 4.5 仿真验证 |
| 4.5.1 常规2发4收TDM-MIMO雷达 |
| 4.5.2 改进后的2发4收TDM-MIMO雷达 |
| 4.6 本章小结 |
| 第5章 实验与分析 |
| 5.1 实验硬件平台 |
| 5.2 实验简述 |
| 5.3 实验数据分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（7）基于DSP与FPGA的传声器阵列采集系统研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 课题国内外研究现状 |
| 1.3 课题研究目的与内容 |
| 2 声音信号分析及定位算法简介 |
| 2.1 声音信号分析 |
| 2.2 声源定位原理简介 |
| 2.3 定位原理比较 |
| 2.4 传声器阵列对声源定位的影响 |
| 2.5 本章小结 |
| 3 常见波束形成算法研究 |
| 3.1 常规可控波束形成法 |
| 3.2 最小方差无失真响应波束形成器 |
| 3.3 线性约束最小方差波束形成器 |
| 3.4 本章小结 |
| 4 系统硬件设计 |
| 4.1 系统主要器件选型及整体硬件电路设计 |
| 4.2 系统电源电路设计 |
| 4.3 信号采集与调理电路设计 |
| 4.4 信号处理电路设计 |
| 4.5 通信电路设计 |
| 4.6 本章小结 |
| 5 系统软件设计 |
| 5.1 系统主程序设计 |
| 5.2 FPGA程序设计 |
| 5.3 DSP程序设计 |
| 5.4 本章小结 |
| 6 实验与分析 |
| 6.1 实验结果与分析 |
| 6.2 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（8）OFDM系统中高性能FFT ASIC设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 OFDM通信系统研究现状 |
| 1.2.2 FFT算法发展和研究现状 |
| 1.2.3 FFT处理器研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构及相关内容 |
| 第2章 OFDM与 FFT分析 |
| 2.1 OFDM通信系统基础理论 |
| 2.1.1 OFDM通信概述 |
| 2.1.2 OFDM系统基带模型原理 |
| 2.2 OFDM通信系统架构及其仿真 |
| 2.2.1 OFDM基带系统架构 |
| 2.2.2 OFDM发射仿真 |
| 2.2.3 OFDM接收仿真 |
| 2.3 FFT算法与仿真 |
| 2.3.1 FFT的 DIF和 DIT算法 |
| 2.3.2 FFT算法的选择 |
| 2.3.3 FFT定点仿真 |
| 2.4 FFT硬件架构 |
| 2.4.1 递归架构 |
| 2.4.2 流水线架构 |
| 2.4.3 并行架构 |
| 2.4.4 阵列架构 |
| 2.4.5 架构的选择 |
| 2.5 本章小结 |
| 第3章 4096点FFT ASIC的方案设计 |
| 3.1 ASIC设计流程 |
| 3.2 总体设计方案 |
| 3.2.1 系统构架 |
| 3.2.2 总体接口 |
| 3.2.3 总体框图 |
| 3.2.4 总体时序 |
| 3.3 子模块设计方案 |
| 3.3.1 计数控制单元设计 |
| 3.3.2 状态控制单元设计 |
| 3.3.3 地址产生单元设计 |
| 3.3.4 蝶形计算单元设计 |
| 3.3.5 旋转因子寻址单元设计 |
| 3.3.6 改进的可变位宽单元设计 |
| 3.4 本章小结 |
| 第4章 FFT电路实现与验证 |
| 4.1 FFT电路的FPGA实现 |
| 4.1.1 计数控制模块 |
| 4.1.2 状态控制模块 |
| 4.1.3 地址产生模块 |
| 4.1.4 蝶形计算模块 |
| 4.1.5 旋转因子寻址模块 |
| 4.1.6 改进的可变位宽模块 |
| 4.2 RTL功能验证 |
| 4.2.1 仿真架构 |
| 4.2.2 处理延时 |
| 4.3 RTL测试与浮点输出对比 |
| 4.3.1 正弦波信号测试 |
| 4.3.2 OFDM宽带信号测试 |
| 4.3.3 误差和对比结果分析 |
| 4.4 逻辑综合与静态时序分析 |
| 4.4.1 逻辑综合综述 |
| 4.4.2 静态时序分析综述 |
| 4.4.3 综合与静态时序分析结果 |
| 4.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（9）运动图像去模糊技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 前言 |
| 1.1 课题研究目的及意义 |
| 1.2 课题的研究背景及发展现状 |
| 1.2.1 图像去模糊技术研究背景及发展现状 |
| 1.2.2 非盲去模糊方法研究背景及发展现状 |
| 1.2.3 盲去模糊方法研究背景及发展现状 |
| 1.2.4 图像处理系统研究背景及发展现状 |
| 1.2.5 图像频域转换算法研究背景及发展现状 |
| 1.3 本文主要内容与结构安排 |
| 1.4 本章小结 |
| 第二章 运动图像去模糊算法理论 |
| 2.1 运动图像去模糊基本理论 |
| 2.1.1 常见模糊类型 |
| 2.1.2 图像退化模型 |
| 2.1.3 图像先验知识 |
| 2.2 图像复原质量评价指标 |
| 2.2.1 峰值信噪比(PSNR) |
| 2.2.2 结构相似性(SSIM) |
| 2.2.3 视觉信息保真度(VIF) |
| 2.3 图像复原经典算法 |
| 2.3.1 逆滤波复原 |
| 2.3.2 维纳滤波复原 |
| 2.3.3 约束最小二乘法复原 |
| 2.3.4 Rischardson-Lucy滤波复原 |
| 2.3.5 四种经典图像复原的实验结果及分析 |
| 2.4 本章小结 |
| 第三章 基于频谱特性的模糊核估计 |
| 3.1 傅里叶变换理论及基本应用 |
| 3.2 运动模糊图像频域特征分析 |
| 3.3 运动图像倒谱分析 |
| 3.4 基于倒谱特性的模糊核估计 |
| 3.4.1 Canny算子选择 |
| 3.4.2 算法具体实现 |
| 3.4.3 算法实验结果及分析 |
| 3.5 本章小结 |
| 第四章 基于FPGA的模糊图像频域优化设计 |
| 4.1 FFT常用算法介绍 |
| 4.1.1 基2-时域抽取算法 |
| 4.1.2 基2-频域抽取算法 |
| 4.2 FFT通用结构介绍 |
| 4.2.1 顺序结构 |
| 4.2.2 并行结构 |
| 4.2.3 流水线结构 |
| 4.2.4 阵列结构 |
| 4.3 一维FFT结构优化设计 |
| 4.3.1 RAM存储模块 |
| 4.3.2 ROM存储模块 |
| 4.3.3 蝶形运算单元模块 |
| 4.3.4 时序控制模块 |
| 4.4 二维FFT结构优化设计 |
| 4.5 仿真测试结果 |
| 4.5.1 一维FFT仿真测试结果 |
| 4.5.2 二维FFT仿真测试结果 |
| 4.6 本章小结 |
| 第五章 运动图像去模糊系统实现 |
| 5.1 系统框架 |
| 5.1.1 系统组成 |
| 5.1.2 系统流程 |
| 5.2 系统硬件平台构建 |
| 5.2.1 DE1-SoC开发板介绍 |
| 5.2.2 组建HPS硬件系统 |
| 5.3 系统软件设计 |
| 5.3.1 Quartus Ⅱ介绍 |
| 5.3.2 So C-EDS设计工具 |
| 5.3.3 图像盲去模糊算法设计 |
| 5.3.4 基于QT的图像用户界面软件设计 |
| 5.4 系统测试与分析 |
| 5.4.1 实验环境搭建 |
| 5.4.2 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 附录A 实物图 |
| 附录B 攻读学位期间发表的学术成果 |
| 参考文献 |
（10）基于混沌感知矩阵的图像压缩采样及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题背景阐述 |
| 1.2 国内外研究现状 |
| 1.2.1 压缩采样的诞生、发展与现状 |
| 1.2.2 图像压缩采样的研究现状和面临的挑战 |
| 1.2.3 混沌感知矩阵的国内外进展与发展趋势 |
| 1.3 课题意义与核心问题 |
| 1.4 研究内容与结构安排 |
| 第二章 压缩采样理论与混沌感知矩阵 |
| 2.1 压缩采样理论 |
| 2.1.1 信息感知算子 |
| 2.1.2 信号的稀疏表示模型 |
| 2.1.3 欠定恢复算法 |
| 2.2 混沌感知矩阵 |
| 2.2.1 混沌系统的简介 |
| 2.2.2 混沌感知算子的构造 |
| 2.3 本章小结 |
| 第三章 基于拓扑共轭混沌感知矩阵的图像压缩采样算法 |
| 3.1 引言 |
| 3.2 拓扑共轭混沌感知矩阵 |
| 3.2.1 拓扑共轭混沌系统 |
| 3.2.2 拓扑共轭混沌流的产生与统计特性 |
| 3.2.3 拓扑共轭混沌感知算子的构造 |
| 3.3 TCsM-ICS算法的性能与优势 |
| 3.3.1 TCsM的性能分析 |
| 3.3.2 TCsM-ICS算法的优势 |
| 3.4 仿真实验与讨论 |
| 3.4.1 TCsM对稀疏信号的信息感知能力 |
| 3.4.2 TCsM-ICS算法与基于传统感知矩阵的ICS算法的性能比较 |
| 3.5 本章小结 |
| 第四章 基于双极性混沌感知矩阵的图像压缩采样算法 |
| 4.1 引言 |
| 4.2 双极性混沌感知矩阵 |
| 4.2.1 双极性混沌序列的产生 |
| 4.2.2 双极性混沌序列的统计特性 |
| 4.2.3 双极性混沌感知算子的构造 |
| 4.3 CbM-ICS算法的性能与优势 |
| 4.3.1 CbM的性能分析 |
| 4.3.2 CbM-ICS算法的优势 |
| 4.4 仿真实验与讨论 |
| 4.4.1 CbM的约束等距现象 |
| 4.4.2 CbM对稀疏信号的信息感知能力 |
| 4.4.3 CbM-ICS算法与同类图像压缩采样算法的性能比较 |
| 4.5 本章小结 |
| 第五章 基于结构性混沌感知矩阵的图像压缩采样算法 |
| 5.1 引言 |
| 5.2 结构性混沌感知矩阵 |
| 5.2.1 Chebyshev混沌序列的统计特性 |
| 5.2.2 结构性混沌感知算子的构造 |
| 5.3 ScSM-ICS算法的性能与优势 |
| 5.3.1 ScSM的性能分析 |
| 5.3.2 ScSM-ICS算法的优势 |
| 5.4 仿真实验与讨论 |
| 5.4.1 ScSM对稀疏信号的信息感知能力 |
| 5.4.2 ScSM-ICS算法与同类图像压缩采样算法的性能比较 |
| 5.5 本章小结 |
| 第六章 典型混沌压缩成像应用 |
| 6.1 混沌单像素相机 |
| 6.1.1 引言 |
| 6.1.2 单像素相机 |
| 6.1.3 混沌单像素相机的整体框架 |
| 6.1.4 仿真实验与讨论 |
| 6.2 混沌压缩采样磁共振成像 |
| 6.2.1 引言 |
| 6.2.2 压缩采样磁共振成像 |
| 6.2.3 CCS-MRI的基本原理 |
| 6.2.4 仿真实验与讨论 |
| 6.2.5 实验验证与分析 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、利用实乘子实现快速FFT算法研究（论文参考文献）
- [1]基于MCSA与高阶谱的异步电机故障诊断方法研究[D]. 籍超男. 安徽理工大学, 2020(07)
- [2]足球机器人阵列天线的自适应信号处理算法研究[D]. 钱炳锋. 东华大学, 2020(01)
- [3]彩色图像乘性噪声去除的高阶变分模型及其快速算法[D]. 王加忠. 青岛大学, 2020(01)
- [4]毫米波车载防撞雷达信号处理算法研究[D]. 宋依欣. 东南大学, 2020(01)
- [5]单光子探测编码技术及图像重构算法研究[D]. 陈松懋. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [6]车载毫米波雷达信号处理方法研究[D]. 陈思翔. 中国科学院大学(中国科学院国家空间科学中心), 2020(02)
- [7]基于DSP与FPGA的传声器阵列采集系统研究与设计[D]. 赵校朋. 山东科技大学, 2020(06)
- [8]OFDM系统中高性能FFT ASIC设计[D]. 杨国波. 成都理工大学, 2020(04)
- [9]运动图像去模糊技术研究[D]. 李菁菁. 南京林业大学, 2020(01)
- [10]基于混沌感知矩阵的图像压缩采样及其应用研究[D]. 干红平. 西安电子科技大学, 2020(05)