《2019碩士研究生論文開題報告范文.doc》由會員分享，可在線閱讀，更多相關(guān)《2019碩士研究生論文開題報告范文.doc（20頁珍藏版）》請在裝配圖網(wǎng)上搜索。

畢業(yè)論文/開題報告 2019碩士研究生論文開題報告范文 　　一、課題****、國內(nèi)外研究現(xiàn)狀與水平及研究意義、目的。 　　1.1 課題**** 　　數(shù)據(jù)的獲取是實驗研究的關(guān)鍵步驟，過去的幾十年間傳感系統(tǒng)獲取數(shù)據(jù)的能力不斷地得到增強,需要處理的數(shù)據(jù)量也不斷增多。而在傳統(tǒng)的采樣過程中，為了避免信號失真，采樣頻率不得低于信號最高頻率的2倍，依照奈奎斯特采樣定律會導(dǎo)致海量采樣數(shù)據(jù)，大大增加了存儲和傳輸?shù)拇鷥r，這無疑給信號處理的能力提出了更高的要求，也給相應(yīng)的硬件設(shè)備帶來了極大的挑戰(zhàn)。尋找新的數(shù)據(jù)采集、處理方法已成為一種必然，近幾年誕生的壓縮傳感(compressive sensing，cs)理論是一個充分利用信號稀疏性或可壓縮性的全新信號采集、編解碼理論。該理論表明當(dāng)信號具有稀疏性或可壓縮性時，通過采集少量的信號投影值就可實現(xiàn)信號準(zhǔn)確或近似重構(gòu)。壓縮傳感理論為數(shù)據(jù)采集技術(shù)帶來了革命性的突破，受到了國內(nèi)外研究人員的廣泛關(guān)注。在低成本數(shù)碼相機音頻、醫(yī)學(xué)成像、雷達(dá)成像和圖像重建、天文學(xué)觀測(圖像本身就稀疏，例如天空的星星)、軍事偵查(用很簡易的攝像機隨機記錄場景可以完全重構(gòu)軍事地圖)、資源探測、信道編碼等高、精、尖等領(lǐng)域有著廣闊的應(yīng)用前景。因此開展這方面的研究很有意義,應(yīng)用前景也非常廣泛。 　　探地雷達(dá)是一種有效的淺層隱藏目標(biāo)探測技術(shù),利用電磁波在媒質(zhì)電磁特性不連續(xù)處產(chǎn)生的反射和散射實現(xiàn)非金屬覆蓋區(qū)域中目標(biāo)的成像探測。在工程地質(zhì)勘探方面已經(jīng)獲得廣泛的應(yīng)用,尤其是它的高分辨率和地下目標(biāo)快速成像技術(shù),得到了普遍的認(rèn)可。但是國內(nèi)投入使用的探地雷達(dá)幾乎全部是從國外進口的。因此研制和開發(fā)具有自主知識產(chǎn)權(quán)的探地雷達(dá)系統(tǒng)是十分必要的。從事探地雷達(dá)研究的主要任務(wù)之一就在于如何使探地雷達(dá)接收到的回波信號以圖像的形式顯示,并對接收的回波信號進行處理,以改善數(shù)據(jù)質(zhì)量,為進一步的地質(zhì)解釋提供清晰的探地雷達(dá)回波剖面圖,從而使我們能夠方便地觀測、識別地下目標(biāo)物體。 　　由于探地雷達(dá)信號具有很好的稀疏性,可以很好的滿足壓縮傳感的條件,因此將壓縮傳感技術(shù)運用在探地雷達(dá)圖像數(shù)據(jù)獲取上,可以解決海量數(shù)據(jù)采集和存儲問題,能顯著降低圖像處理的計算量。此外還可以省去雷達(dá)接收端的脈沖壓縮匹配濾波器,降低接收端對模數(shù)轉(zhuǎn)換器件帶寬的要求。設(shè)計重點由傳統(tǒng)的設(shè)計昂貴的接收端硬件轉(zhuǎn)化為設(shè)計新穎的信號恢復(fù)算法,從而簡化雷達(dá)成像系統(tǒng)。 　　1.2 國內(nèi)外研究現(xiàn)狀與水平 　　壓縮傳感理論是應(yīng)用數(shù)學(xué)與信號處理領(lǐng)域中一個非常新的研究方向，自從XX 年起有正式論文發(fā)表之后，迅速引起國內(nèi)外相關(guān)領(lǐng)域研究者的高度重視。該領(lǐng)域的先驅(qū)者有加州大學(xué)洛杉磯分校的terence tao、加州理工大學(xué)的emmanuel cands、斯坦福大學(xué)的david donoho、以及萊斯大學(xué)的richard baraniuk 等。國內(nèi)關(guān)于這方面的研究則剛剛起步，發(fā)表論文甚少，但中科院電子所、西安電子科技大學(xué)、燕山大學(xué)、西南交通大學(xué)、華南理工大學(xué)、北京交通大學(xué)等單位的一些研究組已經(jīng)開始著手研究。 　　目前該領(lǐng)域的研究工作主要集中在理論層面，奠基性的工作有，tao、cands、donoho 等人已經(jīng)構(gòu)建了壓縮傳感的理論框架，給出傳感矩陣 須滿足的充分條件，即一致不確定性原理(uniform uncertainty principle，uup);傳感矩陣的行數(shù)m 與信號稀疏度k 之間須滿足m k *log(n) 等等，發(fā)表了一系列重要論文[5-8]。除此之外，也有許多關(guān)于解決該理論中具體問題的研究成果，主要集中在傳感矩陣與重構(gòu)算法兩個大的方面。關(guān)于傳感矩陣的研究，目前選用的矩陣是隨機的，如高斯矩陣或貝努利矩陣等[9-12]。如何構(gòu)造確定的(非隨機的)傳感矩陣是目前該領(lǐng)域中的一個公開問題。devore利用多項式構(gòu)造方法獲得滿足uup 特性的矩陣，但只針對稀疏度k 較小的情況成立[13]，該問題還遠(yuǎn)沒有得到解決。在信號重構(gòu)方面，有大量文獻(xiàn)將最優(yōu)化方法和匹配跟蹤方法引入該問題中進行求解[14-17]，但缺乏對算法收斂性與穩(wěn)定性的討論。在硬件實現(xiàn)上，rice 大學(xué)的baraniuk 教授等研制出單像素相機[18]和a/i 轉(zhuǎn)換器[19-21]，吸引了國內(nèi)外眾多媒體的眼球。隨后也有一些硬件方面的相繼報道，例如，麻省理工學(xué)院wald 教授等人研制出mri rf脈沖設(shè)備[22]，麻省理工學(xué)院freeman 教授等人研制出編碼孔徑相機[23]，伊利諾伊州立大學(xué)milenkovic 等人研制出dna 微陣列傳感器[24]等等，然而，由于缺乏有效的壓縮傳感矩陣判別理論，除rice 大學(xué)的單像素相機(硬件成本昂貴，重建算法效率低下)外，其它硬件均缺乏嚴(yán)格的理論分析。經(jīng)過近兩年的發(fā)展，壓縮傳感在理論方面已經(jīng)取得了許多重要的成果，許多研究者已經(jīng)開始將之投入到實際應(yīng)用當(dāng)中，如信息、醫(yī)學(xué)等學(xué)科[25-36]。 　　探地雷達(dá)技術(shù)在國外起步較早。德國人hulsmcyer在19XX年首次嘗試用電磁波信號來探測遠(yuǎn)距離地面物體。19XX年，lcimbach和lowy在德國專利中提出了利用電磁波來探測埋藏物體的方法。20世紀(jì)70年代以來，由于高速脈沖形成技術(shù)、取樣接收技術(shù)及汁算機技術(shù)的飛速發(fā)展，探地雷達(dá)技術(shù)得到迅速的發(fā)展，地下淺層目標(biāo)探測得以實現(xiàn)，國外開始出現(xiàn)各種形式的實驗性雷達(dá)，美、日、加拿大等國有幾家公司相繼推出了自己的產(chǎn)品，探測深度可達(dá)50多米，分辨率達(dá)厘米級。美國陸軍已開始實施代號為fcs—mdn(future combat system mine detection and neutralization)的研究計劃，在1996年至XX年問投入大量資金用于研制有效的反坦克塑性地雷探測裝置，并已經(jīng)研制出一些演示系統(tǒng)，目前正在進行進一步的技術(shù)攻關(guān)。這一項目中研制的探地雷達(dá)系統(tǒng)包括馬可尼(marconi)公司的手持和車載下視探地雷達(dá)、sriinternational的前視探地雷達(dá)、mirage systems開發(fā)的用于直升機的三維合成孔徑探地雷達(dá)和psi的車載下視合成孔徑探地雷達(dá)。為克服傳統(tǒng)脈沖雷達(dá)的缺陷，這些系統(tǒng)普遍使用步進頻率雷達(dá)而且具有合成孔徑成像能力。歐洲聯(lián)合科研中心(joint research center)也開展了地雷探測技術(shù)的研究，并且建立地雷信號數(shù)據(jù)庫,該數(shù)據(jù)庫搜集了多種類型探地雷達(dá)的大量實測數(shù)據(jù)。 　　國內(nèi)對探地雷達(dá)的研究起步較晚，國內(nèi)產(chǎn)品在分辨率、使用方便性、對雷達(dá)信號成像和圖像解釋技術(shù)等方面與國外產(chǎn)品存在差距，但是由于不斷引進和借鑒國外的先進技術(shù)，近年來在該領(lǐng)域內(nèi)也取得了較為顯著的研究成果。航天部25所從20紀(jì)80年代中期開始進行用于地雷檢測的探地雷達(dá)技術(shù)的研究和實驗。20世紀(jì)90年代以來，我國開始重視探地雷達(dá)技術(shù)的研究和應(yīng)用，并且開發(fā)出新的實用產(chǎn)品，如北京愛爾迪公司的cbs一9000和cr-20 gpr系統(tǒng)，中國電波傳播研究所研制的ltd-3探地雷達(dá)等。 　　當(dāng)前隨著探地雷達(dá)技術(shù)的飛速發(fā)展，先進的高分辨數(shù)據(jù)處理和成像技術(shù)成為探地雷達(dá)技術(shù)發(fā)展的關(guān)鍵，成像算法也趨于多樣化。本世紀(jì)初carlton j.leuschen等提出了時域有限差分逆時偏移(fdtd reverse time migration)技術(shù)，提高了探地雷達(dá)成像算法的適用性，簡化了計算。XX年xuxiaoyin提出了基于熵最小化的優(yōu)化stolt偏移成像算法，能夠適用于水平速度變化的情況。目前常用的探地雷達(dá)成像算法有距離偏移(range migration,rm)算法、逆時偏移(reverse time migration ,rtm)算法、標(biāo)準(zhǔn)后向投影(standard back projection,sbp)算法等通過標(biāo)量波動方程建立目標(biāo)散射場和目標(biāo)函數(shù)之間的關(guān)系進而對目標(biāo)散射場數(shù)據(jù)進行成像處理。為了得到較好的成像效果,以上算法都要求雷達(dá)系統(tǒng)對目標(biāo)散射信號進行高密度采樣以獲取足夠的成像數(shù)據(jù)。當(dāng)探測區(qū)域較大時,還需要雷達(dá)系統(tǒng)在大采樣區(qū)域?qū)嵤└呖讖矫芏炔蓸?這導(dǎo)致雷達(dá)系統(tǒng)采樣數(shù)據(jù)量大、測量時間長。這些算法都沒有考慮到地下非層狀目標(biāo)一般僅占探測區(qū)域很小部分這一先驗知識。 　　小波變換是近年來提出的一種非平穩(wěn)信號的分析方法,它被認(rèn)為是fourier分析的突破性進展。它克服了fourier分析中所存在的時頻局部分析能力差的缺點,能夠在不同的時間和頻率尺度上對信號進行分析。同時,小波理論表明,小波變換可以使一個信號的能量在小波變換域中集中于少數(shù)系數(shù)上,小波系數(shù)較大者,攜帶信號能量也較多;小波系數(shù)較小者,攜帶信號能量也較少。這也是該文中小波去噪的理論基礎(chǔ)。 　　1.3 研究意義、目的 　　經(jīng)過近兩年的發(fā)展，壓縮傳感在理論方面已經(jīng)取得了許多重要的成果，許多研究者已經(jīng)開始將之投入到實際應(yīng)用當(dāng)中，如圖像壓縮、去噪、信號的檢測與估計、傳感器網(wǎng)絡(luò)等。壓縮傳感理論通過隨機測量利用少量的采樣數(shù)據(jù)可以很好的重建稀疏目標(biāo)信號,在信號分析和重建領(lǐng)域有重要研究價值。最具代表性的工作是美國賴斯大學(xué)baraniuk 率領(lǐng)的研究小組采用壓縮傳感技術(shù)設(shè)計出了單像素相機，吸引了國內(nèi)外眾多媒體的眼球。除此之外，壓縮傳感在其他許多方面都有著很好的應(yīng)用前景，比如去噪與壓縮，信息論與編碼，統(tǒng)計信號處理，機器學(xué)習(xí)，雷達(dá)成像，特征綜合，目標(biāo)識別，醫(yī)學(xué)成像，天體光譜處理等等。*通過將壓縮傳感技術(shù)運用在探地雷達(dá)圖像數(shù)據(jù)獲取和圖像重建上,可以解決海量數(shù)據(jù)采集和存儲問題,能顯著降低圖像處理的計算量。此外還可以省去雷達(dá)接收端的脈沖壓縮匹配濾波器,降低接收端對模數(shù)轉(zhuǎn)換器件帶寬的要求。設(shè)計重點由傳統(tǒng)的設(shè)計昂貴的接收端硬件轉(zhuǎn)化為設(shè)計新穎的信號恢復(fù)算法,從而簡化雷達(dá)成像系統(tǒng),大大減低設(shè)備制造成本。因此基于壓縮傳感的雷達(dá)成像技術(shù)研究具有重要的理論和實際運用價值。 　　1.4 主要參考文獻(xiàn) 　　[1] e cands and t tao, near optimal signal recovery from random projections: universal encoding strategies? ieee trans. inform. theory, XX.12, 52(12): 5406-5425 　　[2] d donoho and y tsaig, extensions of compressed sensing. signal processing, XX.3, 86(3): 533-548 　　[3] r baraniuk, a lecture on compressive sensing, ieee signal processing magazine, XX.7, 24(4): 118-121 　　[4] w bajwa, j haupt, g raz, s wright and r nowak, toeplitz-structured compressed sensing matrices. ieee workshop on statistical signal processing (ssp), madison, wisconsin, XX.8, 294-298 　　[5] e cands and j romberg, sparsity and incoherence in compressive sampling. inverse problems, XX,23(3): 969-985 　　[6] 方紅, 章權(quán)兵, 韋穗, 基于亞高斯隨機投影的圖像重建方法[j],計算機研究與發(fā)展, XX,45(8):1402-1407 　　[7] 傅迎華, 可壓縮傳感重構(gòu)算法與qr 分解[j], 計算機應(yīng)用, XX, 28(9): 2300-2302 　　[8] r devore, deterministic constructions of compressed sensing matrices. journal of complexity, XX,23(4-6): 918-925 　　[9] j tropp and a gilbert, signal recovery from random measurements via orthogonal matching pursuit. ieee trans. inform. theory, XX.12, 53(12): 4655-4666 　　[10] d needell and r vershynin, signal recovery from incomplete and inaccurate measurements via regularized orthogonal matching pursuit (preprint, XX) 　　[11] l rebollo-neira and d lowe, optimized orthogonal matching pursuit approach, ieee signal processing letters, XX.4, 9: 137-140 　　[12] t do thong, lu gan, nam nguyen and trac d tran, sparsity adaptive matching pursuit algorithm for practical compressed sensing, asilomar conference on signals, systems, and computers, pacific grove, california, XX.10 　　[13] m duarte, m davenport, d takhar, j laska, t sun, k kelly and r baraniuk, single-pixel imaging via compressive sampling, ieee signal processing magazine, XX.3, 25(2): 83-91 11 　　[14] s kirolos, j laska, m wakin, m duarte, d baron, t ragheb, y massoud and r baraniuk, 　　analog-to-information conversion via random demodulation, proceedings of the ieee dallas circuits and systems workshop, washington d. c., XX, 71-74 　　[15] j laska, s kirolos, y massoud, r baraniuk, a gilbert, m iwen and m strauss, random sampling for analog-to-information conversion of wideband signals, ieee dallas/cas workshop on design, 　　applications, integration and software, washington d. c., XX, 119-122 　　[16] t ragheb, s kirolos, j laska, a gilbert, m strauss, r baraniuk and y massoud, implementation models for analog-to-information conversion via random sampling, proceedings of the 50th midwest symposium on circuits and systems, washington d. c., XX, 325-328 　　[17] a zelinski, l l wald, k setsompop, et al, sparsity-enforced slice-selective mri rf excitation pulse design , ieee trans. medical imaging, XX.9, 27(9): 1213-1229 　　[18] a levin, r fergus, f durand and w. t. freeman, image and depth from a conventional camera with a coded aperture, proc. of intl. conf. comp. graphics. and inter. tech., XX 　　[19] m sheikh, o milenkovic and r baraniuk, designing compressive sensing dna microarrays. ieee 　　workshop on computational advances in multi-sensor adaptive processing (camsap), st. thomas, u.s. virgin islands, XX.12 　　[20] d takhar, j laska, m wakin, et al, a new compressive imaging camera architecture using optical-domain compression. computational imaging iv at spie electronic imaging, san jose, california, XX.1 　　[21] m duarte, m davenport, m wakin, et al, multiscale random projections for compressive classification.ieee conf. on image processing (icip), san antonio, texas, XX.9 　　[22] 宋琳, 曹吉海, 基于隨機濾波的雷達(dá)信號采樣和目標(biāo)重建方法[j], 科技導(dǎo)報, XX, 26(13): 64-67 　　[23] c hegde, m wakin and r baraniuk, random projections for manifold learning. neural information processing systems (nips), vancouver, canada, XX.12 　　[24] j wright, a ganesh, a yang and y ma, robust face recognition via sparse representation. ieee trans.pami, XX.4, 31(2): 210-217 　　[25] j bobin, j starck and r ottensamer, compressed sensing in astronomy. ieee journal of selected topics in signal processing, XX, 2(5): 718-726 　　[26] v cevher, a sankaranarayanan, m duarte, et al, compressive sensing for background subtraction. 　　european conf. on computer vision (eccv), marseille, france, XX.8 　　[27] p nagesh and baoxin li, compressive imaging of color images ieee intl. conf. on acoustic, speech signal processing (icassp), taipei, taiwan, preprint, XX 　　[28] j haupt and r nowak, signal reconstruction from noisy random projections, ieee trans. inform. theory,XX.9, 52(9): 4036-4048 　　[29] p boufounos, m f duarte and r g baraniuk, sparse signal reconstruction from noisy compressive 　　measurements using cross validation, ssp XX, 299-303 　　[30] m elad and m aharon, image denoising via learned dictionary and sparse representation. proceedings of the XX ieee computer society conference on cvpr, XX, 1: 895-900 12 　　[31] 張春梅等, 基于冗余字典的信號超完備表示與稀疏分解[j], 科學(xué)通報, XX.3, 51(6): 628-633 　　[32] t blumensath and m e davies, gradient pursuits, ieee trans. signal processing, XX.6, 56(6):2370-2382 　　[33] t blumensath and m e davies, stagewise weak gradient pursuit part i: fundamentals and numericalstudies(preprint, XX) 　　[34] t blumensath and m. e. davies, stagewise weak gradient pursuit part ii: theoretical properties(preprint,XX) 　　[35] s s chen, d l donoho and m a saunders, atomic decomposition by basis pursuit, siam journal of scientific computing, 1998, 20(1): 33-61 　　[36] m figueiredo, r nowak and s wright, gradient projection for sparse reconstruction: application to compressed sensing and other inverse problems, ieee journal of selected topics in signal processing, XX.12, 1(4): 586-597 　　[37] p j garrigues and laurent ei ghaoui, an homotopy algorithm for the lasso with online observation. neural information processing systems, vancouver, canada, XX.12, 489-496 　　[38] d angelosante and b g georgios, rls-weighted lasso for adaptive estimation of sparse signals. ieee int. conf. on acoustics, speech, and signal processing (icassp), taipei, taiwan, XX.4, 3245-3248 　　[39] h zayyani, m babaie-zadeh and c jutten, bayesian pursuit algorithm for sparse representation. ieee int.conf. on acoustics, speech, and signal processing (icassp), taipei, taiwan, XX.4 　　[40] d baron, s sarvoham and r g baraniuk, bayesian compressive sensing via belief propagation(preprint,XX) 　　[41] s senay, l f chaparro, m sun and r j sclabassi , asynchronous sigma delta modulator based neural implants for epilepsy patients. 35th northeast biomedical engineering conference, mit, boston, april 3-5,XX 　　[42] ruizhen zhao, xiaoyu liu, ching-chung li, r j sclabassi and mingui sun. a new denoising method based on wavelet transform and sparse representation. icsp08 proceedings, XX.10, 1: 171-174 　　[43] ruizhen zhao, xiaoyu liu, ching-chung li, r j sclabassi and mingui sun. wavelet denoising via sparse representation. science in china, series f, XX.8, 52(8): 1371-1377 　　[44] 小波分析理論與matlab7 實現(xiàn)[m]。北京:電子工業(yè)出版社,XX :14215,4202422。 　　[45] 陸宏波,施惠昌。基于小波變換的圖像融合方法[j]。微電子與基礎(chǔ)產(chǎn)品,XX ,27 (5) :55。 　　[46] 劉貴喜,楊萬海?；谛〔ǚ纸獾膱D像融合方法及性能評價[j]。自動化學(xué)報,XX,28 (6):929。 　　[47] 李曉春,陳京?；谛〔ㄗ儞Q的圖像融合算法研究[j]。遙感技術(shù)與應(yīng)用,XX,18。(1)。 　　[48] 喻玲娟,謝曉春。壓縮感知理論簡介[j]。數(shù)字視頻,XX,5。 　　[49] 劉立業(yè),雷文太。探地雷達(dá)中衍射層析算法[j]。雷達(dá)科學(xué)與技術(shù) 　　[50] 雷文太。探地雷達(dá)近場三維距離偏移成像算法[j]。電子與信息學(xué)報 　　[51] 雷文太,粟毅表層穿透雷達(dá)遞歸反向投影成像算法[j] 。電子學(xué)報 　　[52] 趙勇。探地雷達(dá)回波信號成像和小波去噪的方法與實現(xiàn)[j] 武漢大學(xué)碩士論文 XX 　　[54] synthetic aperture radar image formation from compressed data using a new computation technique. 　　[55]余慧敏,方廣友。壓縮感知理論在探地雷達(dá)三維成像中的應(yīng)用[j]。電子與信息學(xué)報,XX,32:1-16. 　　[56] sujit bhattacharya。fast encoding of systheic aperture radar raw data using compressed sensing[j]。ieee; 　　[57] richard baraniuk。compressive radar imaging。ieee XX 　　[58] 鞠曉杰。基于vega的雷達(dá)圖像生成仿真系統(tǒng)設(shè)計[j]。圖像分析,XX,34(7):50-53。 　　[59] 保錚,邢孟道。雷達(dá)成像技術(shù)[m]。電子工業(yè)出版社,XX,7(10) :985-993。 　　[60] 李樹濤,魏丹。壓縮傳感綜述[j]。自動化學(xué)報,XX,(18) :280 - 281。 　　[61] 王愛玲,葉明生,鄧秋香。matlanrXX圖像處理技術(shù)與應(yīng)用[m]。電子工業(yè)出版社:356-365 　　[62] 曹　聞,張　勇。基于小波包變換與ihs變換的遙感圖像融合[j]。測繪學(xué)院學(xué)報,(02) :39 - 42。 　　二、研究內(nèi)容，擬采取的研究方法、實驗過程、預(yù)期成果。 　　研究內(nèi)容 　　(1) 如何使探地雷達(dá)接收到的回波信號以圖像的形式顯示,并對接收的回波信號進行預(yù)處理,以改善數(shù)據(jù)質(zhì)量; 　　(2) 探地雷達(dá)數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu); 　　(3) 傳感矩陣或測量矩陣; 　　(4) 探地雷達(dá)數(shù)據(jù)信號處理和信號重構(gòu)恢復(fù)算法, 探地雷達(dá)回波信號實時成像軟件的實現(xiàn); 　　(5) 小波變換及小波去噪的基本原理和性質(zhì)以及在本研究的運用。 　　實驗過程 　　1。用測量矩陣進行外場數(shù)據(jù)采集(采取合理的測量方法和數(shù)據(jù)采集方式,以獲得良好的測量數(shù)據(jù))和一般的數(shù)據(jù)采集方式密集采集數(shù)據(jù); 　　2。信號預(yù)處理編碼工作,用matlab或者數(shù)據(jù)處理軟件(sarinfors)進行預(yù)處理算法實現(xiàn)仿真; 　　3。用信號恢復(fù)算法matlab實現(xiàn)圖像信號的恢復(fù)工作; 　　4。對恢復(fù)的信號進行小波去噪工作; 　　5。將重構(gòu)三維成像結(jié)果在成像軟件里面顯示出來; 　　6。實驗結(jié)果展示，并對結(jié)果進行分析和評價。 　　預(yù)期成果 　　1。用測量矩陣可以大大減少數(shù)據(jù)的采集量,但效果還是很好,數(shù)據(jù)采集效率大大提高。 　　2。用信號恢復(fù)算法恢復(fù)的成像效果較好,誤差很小,經(jīng)過小波去噪后圖像效果更好。 　　3。壓縮傳感算法的成像誤差隨著采樣數(shù)量達(dá)到一定程度趨于穩(wěn)定。 　　三、已進行的科研工作基礎(chǔ)和已具備的科學(xué)研究條件(包括在哪個實驗室進行試驗，主要的儀器設(shè)備等)，對其他單位的協(xié)作要求。 　　已進行的科研工作如下： 　　1. 閱讀了大量的中英文論文和資料，基本掌握了核心技術(shù)的理論。 　　2. 進行了部分算法的matlab的仿真實現(xiàn)。 　　已經(jīng)具備的科學(xué)研究條件： 　　為了進行本課題的研究，課題組已具備以下工作基礎(chǔ)： 　　(1)利用現(xiàn)有的、成熟的成果，進行學(xué)科交叉 　　本課題研究的壓縮傳感測量算法和信號恢復(fù)算法的相關(guān)的理論和技術(shù)在其它學(xué)科(如應(yīng)用數(shù)學(xué)、物理、通信、圖像處理等)已獲得較深入的研究，取得了一定的成果，相對較成熟。本研究是在這些研究成果的基礎(chǔ)上，借鑒和利用相關(guān)的結(jié)果、技術(shù)和方法，進行成像算法與探地雷達(dá)成像系統(tǒng)的交叉，特別是將壓縮傳感算法與當(dāng)前飛速發(fā)展的圖像數(shù)據(jù)采集與處理和探地雷達(dá)技術(shù)緊密結(jié)合。 　　(2)課題組已具備扎實的研究基礎(chǔ)和充分的研究條件 　　為了進行本課題的研究，實驗室成立了課題組，對國內(nèi)外的研究工作做了充分的調(diào)研，做了初步的仿真嘗試。本課題組已在信號處理、計算機成像仿真技術(shù)、電磁波理論、探地雷達(dá)技術(shù)、數(shù)據(jù)處理與解譯等研究領(lǐng)域具備扎實的研究基礎(chǔ)，并且具備研究所需的人員、儀器和設(shè)備。另外，學(xué)校將提供相應(yīng)的配套資金等支持。 　　中南大學(xué)網(wǎng)絡(luò)評審系統(tǒng)工程研究所是全國最早的全面啟動醫(yī)療成像圖像處理研究的機構(gòu)，是最早從事心臟運動仿真成像、心血管運動仿真成像等研究的機構(gòu),這給本課題的壓縮傳感技術(shù)和三維雷達(dá)圖像重構(gòu)仿真提供了一個很好的研究平臺。 　　四、科研論文工作的總工作量(估計)、分研究階段的進度(起迄日期)和要求。 　　研究進度安排如下： 　　(1)XX.12-XX.01 收集資料，完成論文開題報告 　　(2)XX.02-XX.04 進行壓縮傳感測量矩陣和圖像成像算法的分析，建立效果較好的三維圖像恢復(fù)算法，完成測量矩陣和三維圖像重建仿真的相關(guān)算法設(shè)計工作; 　　(3)XX.05-XX.07 進行成像算法的定量和定性研究，完成傳感測量成像的誤差計算和相關(guān)指標(biāo)的確定工作; 　　(4)XX.08-XX.12 在壓縮傳感成像理論和實踐的基礎(chǔ)上，進行軟件的成像顯示和處理工作,以及對結(jié)果進行分析和評價; 　　(5)XX.01-XX.03 完成論文寫作、修改定稿，準(zhǔn)備答辯。