一、单通道的精彩——两大主流单通道系统对比测试（论文文献综述）
钱娜,周德福,秦睿恒,化世玉,邓安逸,邹卫文[1]（2022）在《高速光子模数转换技术及其集成化研究进展》文中研究指明光子模数转换技术是克服传统电子模数转换技术在采样速率、输入带宽、时钟抖动和比较器模糊等局限性的有效手段。光子模数转换技术为超宽带雷达、超高速示波器、大容量光通信等前沿应用的高速率、大带宽、高精度接收提供了有效解决方案。文章首先简要介绍了光子模数转换技术的技术途径分类及对比，然后重点介绍作者所在课题组围绕并行解复用光子模数转换系统开展的理论研究与应用研究工作。此外，分析了集成光子模数转换系统现状并展望了其未来发展思路和关键挑战。最后对全文进行了总结。
徐琅[2]（2021）在《基于深度神经网络的单通道语音增强算法研究》文中提出语音增强在数字信号处理领域占据着举足轻重的地位,能在改善受损语音质量的同时提升其可懂度,在智慧家庭等方向得到了广泛地应用。随着深度学习在计算机领域的普及,基于深度学习的网络模型训练成为了当下实现语音增强的主流方法。目前主要是基于深度学习来搭建网络模型,并结合大量数据运算,在模型中学习从带噪特征映射到增强目标的函数,以解决语音增强任务。然而,该方案仍然存在着语音增强质量不高、模型训练速度缓慢以及模型结果评价指标分数不高的不足。为解决上述问题,本文基于深度神经网络对语音信号增强展开了系列研究。1、文中对基于深度神经网络的语音增强模型展开了研究,分析其网络训练使用的损失函数因没有充分利用语音帧与帧之间的相关性,导致该模型增强效果不够好。因此,在此基础上引入一种优化的损失函数,结合深度神经网络训练模型,使语音信号邻帧之间的相关性得到了充分利用。仿真实验证明,文中所给训练方案的语音增强效果明显优于原训练方案以及传统模型训练方案,极大地增强了语音质量和可懂度。2、文中提出了引用图像领域中的U-Net模型,利用U-Net模型端到端的特点,结合残差网络构建一种改进的模型用于训练语音增强。其创新在于将残差单元引入该模型的编解码块中,也即是将残差网络结构的跨层连接和拟合残差项应用到模型训练中,该方法更有利于恢复目标语音的细节特征信息,增强了模型训练的稳定性,提高了模型的特征提取能力和训练效率,改进后的Residual-U-Net网络模型能够实现更优的语音增强效果。仿真实验表明:与现有的其他几种语音增强方法相比,文中所提出的Residual-U-Net算法能够提高语音质量,减少语音失真,具有一定的降噪效果。综上,本文主要探究基于深度神经网络的单通道语音增强算法。实验结果表明,本文的算法与传统方法相比,能够进一步提升语音的质量和可懂度。最后对本文内容总结并提出了未来的研究方向与趋势。
陈琪[3]（2020）在《基于智能算法的车内路噪多通道主动控制技术研究》文中进行了进一步梳理随着汽车品质的提升,汽车车内噪声成为用户评价汽车乘坐舒适性的重要指标。目前,随着汽车振动噪声技术的发展,发动机和传动系统噪声已经得到有效控制,汽车行驶时轮胎与路面相互作用产生的噪声（以下简称“路噪”）在整车噪声的影响程度在扩大,降低车内路噪,是汽车行业发展的重要趋势。路噪主要是低频率宽频带的随机噪声,目前主流的被动降噪技术,如吸声、隔声等,难以对其进行抑制,因此能有效降低低频噪声的噪声主动控制技术引发了广大汽车科技工作者的关注。同时,为了满足车内多个位置的降噪需求就需要研究噪声的多通道主动控制技术。本文通过研究噪声多通道主动控制技术的基本原理、系统结构和算法实现,并对车内路噪的噪声特性进行分析,结合现有的车内路噪主动控制方法提出了一种新的基于神经网络技术的车内路噪多通道主动控制策略:采用对时间序列信号具有较好辨识能力的神经网络方法,经过离线训练后通过悬架和车身连接点的振动加速度信号对车内路噪信号进行辨识,然后利用多通道噪声主动控制算法对车内路噪进行主动降噪,并围绕提出的控制策略,主要完成了以下研究工作:首先,通过比较各类算法特点后确定了车内多通道噪声主动控制系统的控制方案,采用基于随机梯度的LMS算法及多通道FxLMS算法分别完成多通道噪声主动控制系统的次级声通道辨识和主动降噪。其次,基于试验采集的汽车匀速行驶工况下悬架和车身连接点的振动加速度信号以及车内驾驶员与后排乘员耳旁噪声信号进行了低频特性与多重相关性分析,建立了车内路噪辨识的Elman神经网络模型。然后,建立了多通道噪声主动控制系统模型,并将其与多参考LMS算法合成车内路噪模型和Elman神经网络车内路噪辨识模型分别整合,搭建了现有的车内路噪主动控制模型与基于神经网络的车内路噪多通道主动控制模型,对比验证提出的车内路噪多通道主动控制策略的有效性和可行性。基于试验采集的振动与噪声数据分别对两组模型进行了仿真分析。结果表明,在路噪频率范围内,两组模型均取得了良好的降噪效果,可以实现多点的同时降噪。现有的车内路噪主动控制模型降噪量主要分布在10dB以内,峰值的降噪量可以达到约20dB。基于神经网络辨识的车内路噪主动控制系统降噪效果不逊于现有的车内路噪多通道主动控制策略,甚至在0-50Hz范围内的峰值噪声降噪效果更佳,可以达到约25dB。最后,基于所建立的车内路噪多通道主动控制Simulink模型及其控制策略,搭建车内路噪多通道主动控制系统的硬件在环仿真平台,并以实车试验采集的数据为基础对所建系统进行硬件在环仿真试验,结果表明基于神经网络的车内路噪多通道主动控制系统在20-100Hz频率范围内具有较好的降噪效果,并且可以实现多点的同时降噪,降噪量主要分布在2-8dB,噪声峰值处的降噪效果更佳。
张金玉[4]（2020）在《青藏铁路沿线不同深度冻土温度分布式监测系统设计》文中进行了进一步梳理青藏高原地区是我国经济发展的重点对象之一,铁路建设是实现稳定发展的前提。随着川藏线海拔逐渐增大,青藏高原地区具备了形成和保存多年冻土的低温条件,冻土的水热物理特性使得在冻土区修筑的铁路必将面临冻胀和融沉两大危险,严重损坏轨道地基,造成严重后果。为了服务青藏高原铁路建设和维护保障需要,设计了不同深度冻土温度分布式监测系统,旨在铁路建设与运行时,监测沿线土壤温度,实现冻土变化预警,做好防护措施。本文基于冻土的水热物理特性,结合其温度变化趋势,分析了系统需满足的监测精度、最大深度等性能参数。在此基础上,研究了适用于低温环境下的热敏电阻的非线性特性,通过实验逐点测试传感器温阻值,分段拟合,得到热敏电阻的温阻关系曲线,用于温度信号的监测与处理。根据青藏铁路沿线土壤面积大小及施工难易程度,研究了多通道信号传输技术和复用通道信号传输技术,设计了分布式64通道冻土监测系统和单通道64点冻土监测系统,具体研究内容如下:1、根据多通道信号传输技术,在分布式64通道冻土温度监测系统采集端,建立了64通道传感器群采集模型。为了消除引线误差,降低电压转换电路设计的复杂性,引入四线制方法,巧妙地设计了64通道温度采集电路,将各路采集点的温度阻值转为电压值,通过地下64根信号电缆传输至地面系统中。2、在系统接收端,利用继电器模块和译码器,设计了选通电路,选择性接收64路温度电压信号,可节约单片机85%的通用接口,并提高处理速度。3、针对热敏电阻老化导致信号畸变等问题,提出了一种温度校正方法,对短时间内同一传感器采集的3组温度值进行求差对比,分析了畸变信号的概率,去除畸变概率大的温度点,计算并输出处理后的温度值。64通道系统的优点在于信号串扰较小,精度较高,采集通道的耦合性较低,缺点在于布线繁杂,因此适用于布线容易的高精度监测环境。4、根据频分复用技术原理,建立了分布式单通道64点冻土温度监测系统温度采集模型,旨在提高信道利用率,降低布线难度。设置了各路调制信号的载波频率,设计了64路温度信号调制电路,在单通道中实现了64路信号传输。5、在单通道系统接收端,为了解决自动混频时,本地振荡信号发生频偏导致输出信号幅度失真问题,利用两个乘法器和一个带通滤波器,设计了二阶乘法混频电路,大大降低了中频信号的失真度,提高系统精度。单通道64点系统的优点在于信号传输线路较少,安装容易,易于维护,缺点在于信号间干扰较多,精度略低,因此适用于监测精度要求不高的大面积冻土区域。利用高低温实验室,模拟相似的冻土温度环境,分别对分布式64通道和单通道冻土温度监测系统进行了系统性能测试,并将两个系统的实验数据进行对比。实验结果可得,单通道冻土温度监测系统最大误差为0.2℃,但稳定性较高,适用于大范围的初步监测,64通道冻土温度监测系统温度误差约为0.1℃,偶尔出现误差偏大的温度点,适用于小范围的精密监测,两个系统均能满足实际需求。
颜霖煌[5]（2020）在《基于图像边缘保持滤波技术的语音增强算法研究》文中研究说明语音增强的目标是从带噪语音中去除噪声干扰,尽可能提取纯净语音。语音增强具有减小语音失真、提高语音质量和降低听觉疲劳度等作用。目前语音增强技术已普遍应用于移动通信、计算机、智能穿戴设备、智能家居等产品和领域中。传统单通道语音增强算法可以较好地抑制平稳噪声,达到提高语音质量的目的,但对于听力正常人群处理后语音可懂度并没有显着提升。传统语音增强算法基本都需要进行噪声估计。噪声估计的准确度直接关系到算法的降噪性能和语音失真量。通常谱减类、维纳滤波、子空间类等单通道语音增强算法对平稳噪声的估计和更新可以取得令人满意的效果,可是在更多的现实场景中,如餐厅、车站候车厅等,噪声谱特性随时间不断变化,这些算法的噪声估计效果变得不尽理想,降噪性能大幅下降,因此这些算法的应用环境和场景也变得有限。针对当前单通道语音增强存在的局限性,本论文研究基于图像边缘保持滤波技术的语音增强算法,首先利用图像处理中的双边滤波和引导滤波算法,通过理论建模研究时频单元和图像像素点的异同,利用保边去噪的优势处理语谱图的时频单元,在平滑背景噪声的时候保持语谱图语音特性的边缘信息。此外针对当前有监督算法的研究现状和问题,本论文利用基于语谱图降噪卷积神经网络的方法进行语音增强。本文的研究旨在一方面在无噪声估计环节下提升语音质量,另一方面改善当前已有算法抑制非平稳噪声不理想的现状。本文的具体工作和创新点体现在以下三个方面:（1）提出基于双边语谱图滤波改进OMLSA（Optimally Modified Log-spectral Amplitude）算法进行语音增强。运用双边滤波技术处理语音信号的语谱图来实现语音去噪,把纯净语音的语谱图当成一幅纯净图像,每一个时频单元代表一个像素点,而把带噪语音归一化后的语谱图当成是一幅干净图像受到噪声干扰或雾化的结果,利用增强的语谱信息估计OMLSA算法的后验信噪比,对噪声信号的噪点和模糊区域进行有效抑制,最终获得较纯净的语谱图,并重构出时域的语音信号。（2）提出一种基于听觉掩蔽效应的引导语谱图滤波语音增强算法。通过分析引导滤波算法在图像中的运算和应用,受益于引导滤波算法结构本身的局部线性模型,使得边缘保持效果和算法效率均优于双边滤波,且成功地克服了双边滤波等方法的梯度反转问题。作出引导语谱图滤波表达式的理论推导,提出基于听觉掩蔽效应的引导语谱图滤波语音增强算法,利用引导滤波抑制语谱图背景噪声,锐化语谱来提取纯净语音,并结合人耳的听觉掩蔽效应,对增强后的语谱根据听觉掩蔽阈值的大小自适应地调整和削减残余噪声。在不同的噪声环境下全面对比多种传统单通道语音增强算法的性能,重点研究引导语谱图滤波应对平稳和非平稳态噪声环境的性能兼具的效果,实现语音质量、语音可懂度和自然度的提升。（3）研究基于语谱图降噪卷积神经网络的方法进行语音增强,通过引入监督学习解决双边滤波和引导滤波算法出现的中低频残留噪声问题。将语音信号按照图像的特征提取方式,用语谱图当做训练集,应用性能突出的降噪卷积神经网络进行语谱图降噪处理,避开传统语音特征常用的循环神经网络的开发深度有限、复杂度过大的问题,依靠语谱图裁剪策略更容易获得大量训练数据,空间存储成本小很多。采用较深层的网络,致力于提高容量和灵活性来利用语谱图特征,也能捕捉到足够多的空间信息使降噪性能更好。研究的模型在卷积神经网络训练中应用残差学习策略,并引入批规范化,对模型的性能有较大的提升。不管是已见噪声情况还是未见噪声的情况,所提出的语谱图降噪模型都表现出比较好的学习能力和降噪性能,表明了本文的语音增强系统较好的鲁棒性。
王迎福[6]（2020）在《基于非负矩阵分解的语音增强算法研究》文中研究表明语音增强技术作为语音信号前端的预处理方法之一,是目前数字语音信号研究领域内的一个热门方向,旨在从含噪语音信号中重构出接近原始语音信号的纯净信号。按照采集信号的麦克风个数,可将其分为单通道和多通道两种类型。本文采用多通道中的双通道情况进行语音增强的研究,因为它既符合人的双耳特性,又能合理使用语音信号的空间信息。由于机器学习方法的出现,一些新的语音增强算法先后出现。其中,利用非负矩阵分解方法进行语音增强效果良好,且其非负数据特性更具实际含义。论文主要工作是提出了一种无监督的广义互相关与非负矩阵相结合的语音增强算法,并根据实际需求对其不足进行改进,具体如下:1)对几种典型的语音增强方法进行了简单的探究,并介绍了基本非负矩阵分解方法的原理和算法特性。阐述了基于多通道的非负矩阵增强算法和麦克风阵列声源定位方法。2)针对传统单通道语音增强算法没有利用信号的空间信息这一缺陷,提出了一种将广义互相关方法与非负矩阵相结合的语音增强算法。该方法通过对输入混合信号进行字典预学习,然后随机初始化激活系数向量并进行迭代更新,从而可以逐帧推导出输入混合语音信号预学习字典的激活系数。此外,使用了最大池化广义互相关相变技术进行在线目标定位,不仅确保了算法的实时性,而且极大地保证了重构后的语音质量和辨识度。3)针对使用以短时傅里叶变换算法为基础的语音增强算法会产生固有延迟,提出了一种非对称短时傅里叶变换的窗口化方法代替传统的对称窗方法。该方法使用较长的分析窗和较短的合成窗相结合来实现算法的低延迟。实验证明,该算法能将固有算法延迟降低至2ms而不会降低语音的质量和清晰度。基于以上的这些特性,该算法具有一定的实用价值。
周玮[7]（2018）在《TD-LTE室内分布系统覆盖优化的研究》文中指出TD-LTE网络是中国移动主要的4G网络,而TD-LTE网络本身面临两大挑战:高频段和高期望。市场用户对TD-LTE网络具有较高的期望,要求TD-LTE网络可以为用户提供较高的数据传输速率,而目前使用的D/E频段由于频率较高,覆盖能力特别是深度覆盖能力不足。就数据业务的承载能力而言,目前TD-LTE室内分布小区流量占比高,TD-LTE室内分布系统是对4G网络的必要补充,已正在发挥不可替代的作用。由于用户更多在室内进行业务,室内覆盖质量尤其重要。TD-LTE网络优化亟待以室外指标为主向以室内深度覆盖为主转变。本论文首先介绍了TD-LTE室内分布系统,包括了室内分布系统的概念、组网、天线设计等;其次结合某典型TD-LTE分布系统与室内分布优化原理和方法,给出该典型TD-LTE分布系统中TD-LTE网络性能和技术指标分析,以及在优化需考虑的因素;然后通过结合安徽移动室内分布专项优化项目,在实际站点中对各类TD-LTE室内分布系统优化遇见的问题进行分析总结,给出了各站点TD-LTE室内分布系统的最终优化方案,并从多重定向、CSFB低回落、零流量、异频切换等多个方面对上述优化流程、方法和技术方案进行了验证;最后从改进室内分布系统优化效率、提升全网室内分布系统网络质量等方面对TD-LTE室内分布系统优化后的性能进行了验收。另外还给出了构建TD-LTE网络质量评估体系的办法,同时形成了TD-LTE室内分布系统问题排查定位的方法。本论文采用理论研究和工程实践相结合的方式,对安徽移动TD-LTE室内分布系统的专项优化达到了预期的效果。本论文对TD-LTE室内分布系统的优化研究为4G室内分布优化提供了指导意见,对于探讨目前4G移动通信室内分布系统优化具有普遍适用性。
朱正德[8]（2019）在《面向绿色制造的微量润滑技术在现代汽车工业中的应用》文中提出微量润滑作为当今绿色制造技术的典型代表,获得了国内外汽车业界越来越多的关注和重视,且已在一些动力总成生产企业和发动机、变速器零部件专业工厂中得到了成功的应用。本文借助曲轴斜油孔加工这一具体案例,并在与传统制造工艺进行对比分析后,较全面地阐述了微量润滑技术的实际使用效果。
田敏[9]（2019）在《多通道SAR复图像域慢速运动目标多特征检测方法研究》文中认为多通道合成孔径雷达能够对同一观测场景高效地完成多帧成像,利用多帧复图像的空时联系进一步提升动目标的检测性能与定位精度,在军事情报获取与交通监视领域发挥着至关重要的作用。合成孔径雷达由于平台的运动导致地/海杂波的多普勒谱展宽,慢速运动目标会淹没在杂波背景中,需要进行杂波抑制来实现动目标检测。在实际环境中,杂波分布非均匀,内部起伏运动引起时间、空间去相关,雷达非正侧视工作时杂波空时二维谱随空间快速变化,加之雷达系统的幅度和相位响应误差,导致自适应杂波抑制能力恶化,动目标检测虚警概率升高,雷达系统的最小可检测速度变差。针对实际背景下动目标检测的关键问题,本文综合利用多通道合成孔径雷达复图像域的信号幅度、相位、干涉幅度、干涉相位、滤波响应损失以及运动舰船的尾迹等多特征以提升慢速目标的检测性能,主要研究工作概括如下:1.在复杂地杂波背景下,针对利用杂波抑制残差图的动目标检测方法存在虚警概率高、慢速低信噪比目标检测困难的问题,提出了一种基于滤波响应损失的两步检测方法。该方法首先进行稳健的场景杂波抑制处理,并采用较低的幅度检测门限初步检测出潜在目标,旨在提升慢速、低信噪比目标的检测概率;然后,根据潜在目标在杂波抑制前后的功率变化构造滤波响应损失检测量进行二次检测以剔除虚警。推导了该两步检测方法在非均匀杂波背景下的统计分布特性,并给出了自适应检测门限的计算方式。实验结果表明,相比于广义内积似然比、干涉幅度相位两步检测以及干涉幅度相位结合方法,所提方法能够改善非均匀杂波背景下低信噪比动目标的检测性能,获得更好的动目标最小可检测速度。2.在海杂波背景下,针对现有运动舰船目标检测方法存在虚警概率高、动目标检测盲速区大的问题,提出了一种基于干涉幅度与相位自适应融合的无盲速舰船目标检测方法。首先,联合复干涉图像的幅度、相位以及空间结构信息设计了一种干涉双边滤波处理算法,以平滑噪声,并保持物体的空间结构,可以获得更加准确的干涉信息测量结果。然后,利用高斯核函数构造了一种基于干涉幅度与相位自适应融合的目标检测准则,并根据复合高斯杂波模型推导了该检测量的概率密度函数,给出了自适应检测门限的计算方式。理论分析表明,对于盲速区的动目标,该检测准则可以自动退化为幅度检测量以避免检测盲速;对于非盲速区的目标,该准则通过融合干涉幅度与相位信息来增加舰船目标与背景的对比度,提升低信噪比目标的检测性能。机载实测数据处理结果表明,所提出的干涉双边滤波多视处理算法可以有效地平滑噪声,提升干涉信息的测量精度;干涉幅度与相位自适应融合的目标检测准则改善了动目标的检测盲速问题,提高了低信噪比运动舰船目标的检测性能。3.为缓解海杂波背景下低信噪比、小尺寸运动舰船目标检测概率低的问题,在沿航迹干涉合成孔径雷达系统下,提出一种尾迹特征辅助的运动舰船目标检测方法。该方法首先综合利用干涉幅度、干涉相位以及尾迹的形态特征来提升舰船尾迹的检测性能。然后,一方面利用尾迹特征构造待检测舰船目标的位置和沿航迹干涉相位模板;另一方面,在复干涉图像域构造一种多特征融合的检测量,并以较低的检测门限初步检测出潜在舰船目标。最后,将潜在舰船目标与生成的舰船模板一一匹配来剔除虚警。通过仿真实验验证了所提方法对升低可观测舰船目标的检测性能的改善。
陈浩[10]（2019）在《基于移动声源的有源隔声窗控制系统研究》文中研究表明噪声问题的主流解决方法是从噪声的传播路径入手进行阻断,即吸声隔声等传统被动降噪技术。经过多年的发展和应用,传统降噪技术对高频噪声具有很好的降噪效果,但是存在着对低频噪声降噪效果差的缺点。有源降噪技术是基于电子控制及信号处理的新兴降噪技术,其对低频噪声降噪效果好的优点使其得到了广泛的研究和应用。有源降噪技术的核心是自适应算法,本文对FXLMS算法进行了理论推导并进行性能分析。通过建立Simulink仿真模型对FXLMS算法进行仿真分析,研究算法性能随各参数变化而呈现的规律。基于现有的一种计算量少的变步长算法,针对其存在的稳态误差较大的问题提出新的变步长关系式,对现有的算法进行改进以提高算法的自适应性能。仿真结果表明,改进算法以更快的速度达到收敛状态,并且较改进前算法明显降低了稳态失调量。通过在半消声室和混响室搭建单通道有源隔声窗控制系统,完成了改进算法的C语言编程和调试并验证了算法的实际消声性能。实验结果表明,单通道有源隔声窗控制系统对选择的200-800Hz的单频噪声源和300+500Hz、500+700Hz混合噪声源的降噪效果明显,降噪量达到了4.0-20.5 dB（A）。基于单通道有源隔声窗控制系统的实验基础,针对移动噪声源在半消声室和混响室搭建多通道有源隔声窗控制系统进行降噪实验。实验结果表明,多通道有源隔声窗控制系统对选择的500Hz单频移动噪声源降噪效果明显,四个通道的总噪声降噪量达到了 6.9-13.0 dB（A）,移动声源移动过程中选取三个位置点的瞬时降噪量达到了 6.2-23.3 dB（A）。
二、单通道的精彩——两大主流单通道系统对比测试（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、单通道的精彩——两大主流单通道系统对比测试（论文提纲范文）
（1）高速光子模数转换技术及其集成化研究进展（论文提纲范文）
| 0 引言 |
| 1 光子模数转换技术分类与简介 |
| 2 并行解复用光子模数转换技术研究 |
| 2.1 光子采样时钟的设计和优化技术研究 |
| 2.2 并行解复用模块设计与优化技术研究 |
| 2.3 通道失配产生原理与抑制技术研究 |
| 2.4 光子模数转换系统中的时间抖动及其优化 |
| 2.5 光子模数转换技术的应用研究 |
| 3 集成光子模数转换技术进展与挑战 |
| 4 总结 |
（2）基于深度神经网络的单通道语音增强算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 语音增强背景与意义 |
| 1.2 语音增强研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文章节安排 |
| 第二章 传统语音增强模型研究 |
| 2.1 语音信号和噪声信号 |
| 2.1.1 语音信号特性 |
| 2.1.2 听觉感知特性 |
| 2.1.3 噪声特性 |
| 2.2 传统语音增强方法 |
| 2.2.1 谱减法 |
| 2.2.2 维纳滤波法 |
| 2.2.3 基于最小均方误差估计法 |
| 2.2.4 实验仿真对比分析 |
| 2.3 语音质量评价方法 |
| 2.3.1 主观评价 |
| 2.3.2 客观评价 |
| 2.4 本章小结 |
| 第三章 基于深度学习框架的语音增强研究 |
| 3.1 训练数据 |
| 3.2 特征提取 |
| 3.3 训练目标 |
| 3.3.1 基于掩蔽的训练目标 |
| 3.3.2 基于映射的训练目标 |
| 3.4 增强模型 |
| 3.4.1 浅层模型 |
| 3.4.2 深层模型 |
| 3.5 本章小结 |
| 第四章 一种优化损失函数的语音增强算法 |
| 4.1 一种优化损失函数的语音增强方法 |
| 4.1.1 基于深度神经网络的语音增强方法 |
| 4.1.2 基于优化损失函数的语音增强算法 |
| 4.2 实验设置 |
| 4.2.1 数据集及参数设置 |
| 4.2.2 评价结果与分析 |
| 4.2.3 语谱图分析 |
| 4.3 本章小结 |
| 第五章 结合优化U-Net和残差网络的单通道语音增强算法 |
| 5.1 提出的Residual-U-Net语音增强方法 |
| 5.1.1 自编码器结构 |
| 5.1.2 U-Net网络结构 |
| 5.1.3 残差网络 |
| 5.1.4 Residual-U-Net网络 |
| 5.2 实验设置 |
| 5.2.1 数据集及参数设置 |
| 5.2.2 结果与分析 |
| 5.2.3 语谱图比较 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（3）基于智能算法的车内路噪多通道主动控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 车内噪声特性分析 |
| 1.3 国内外研究现状 |
| 1.3.1 车内噪声控制技术 |
| 1.3.2 车内噪声主动控制研究概况 |
| 1.3.3 车内路噪主动控制技术研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 多通道噪声主动控制系统结构与算法 |
| 2.1 噪声主动控制理论基础 |
| 2.1.1 噪声主动控制声学机理 |
| 2.1.2 噪声主动控制系统结构 |
| 2.2 噪声主动控制算法 |
| 2.2.1 自适应滤波器 |
| 2.2.2 最小均方(LMS)算法 |
| 2.2.3 LMS算法性能分析 |
| 2.2.4 滤波-X LMS(FXLMS)算法 |
| 2.3 多通道噪声主动控制算法 |
| 2.3.1 多通道系统次级声通道辨识 |
| 2.3.2 多通道FXLMS算法推导 |
| 2.4 本章小结 |
| 第3章 基于试验的车内路噪特性分析 |
| 3.1 车内路噪测试试验 |
| 3.1.1 测试内容 |
| 3.1.2 测试设备及试验条件 |
| 3.1.3 传感器测点布置 |
| 3.1.4 测试步骤 |
| 3.2 试验数据分析与处理 |
| 3.2.1 数据预处理 |
| 3.2.2 车内路噪特性分析 |
| 3.3 多重相干分析 |
| 3.3.1 多重相干法基本理论 |
| 3.3.2 多重相干分析 |
| 3.4 车内路噪多通道主动控制策略 |
| 3.5 基于神经网络的车内路噪辨识 |
| 3.5.1 Elman神经网络模型的建立 |
| 3.5.2 训练Elman神经网络 |
| 3.6 本章小结 |
| 第4章 车内路噪多通道主动控制系统建模与仿真 |
| 4.1 多通道控制系统次级声通道建模与仿真 |
| 4.1.1 次级声通道辨识模型的搭建 |
| 4.1.2 控制系统参数优化仿真 |
| 4.1.3 次级声通道辨识的仿真分析 |
| 4.2 多通道噪声主动控制系统建模与仿真 |
| 4.2.1 多通道噪声主动控制系统建模 |
| 4.2.2 多通道噪声主动控制系统仿真分析 |
| 4.3 车内路噪多通道主动控制系统建模与仿真 |
| 4.3.1 车内路噪信号辨识 |
| 4.3.2 车内路噪多通道主动控制系统建模 |
| 4.3.3 车内路噪多通道主动控制系统仿真分析 |
| 4.4 本章小结 |
| 第5章 车内路噪多通道主动控制试验 |
| 5.1 硬件在环仿真平台设计与搭建 |
| 5.1.1 试验平台设计 |
| 5.1.2 试验仪器与设备 |
| 5.2 车内路噪主动控制系统建模与仿真试验 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（4）青藏铁路沿线不同深度冻土温度分布式监测系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 分布式64点不同深度冻土温度监测分析 |
| 2.1 冻土的水热物理特性 |
| 2.2 温度传感器选择、测试与封装 |
| 2.3 不同深度的温度模拟信号有线传输 |
| 2.3.1 多通道信号传输技术 |
| 2.3.2 复用通道信号传输技术 |
| 2.4 多通道与单通道多点冻土温度监测系统设计的必要性和可行性分析 |
| 2.5 本章小结 |
| 第三章 分布式64通道冻土温度监测系统设计 |
| 3.1 系统功能与技术指标 |
| 3.1.1 系统功能 |
| 3.1.2 技术指标 |
| 3.1.3 系统整体框架 |
| 3.2 硬件设计 |
| 3.2.1 64通道热敏电阻分布模型 |
| 3.2.2 四线制热敏电阻电压监测方法 |
| 3.2.3 64通道冻土温度信号切换电路 |
| 3.2.3.1 64通道控制方法 |
| 3.2.3.2 通道切换电路设计 |
| 3.2.4 电源设计 |
| 3.3 软件设计 |
| 3.3.1 64通道冻土监测系统软件总体设计 |
| 3.3.2 40路继电器开关控制电路程序设计 |
| 3.3.3 冻土温度数据校正方法及程序设计 |
| 3.3.3.1 冻土温度数据校正方法 |
| 3.3.3.2 温度数据校正方法程序设计 |
| 3.4 本章小结 |
| 第四章 分布式单通道冻土温度监测系统设计 |
| 4.1 系统功能与技术指标 |
| 4.1.1 系统功能 |
| 4.1.2 技术指标 |
| 4.1.3 系统整体框架 |
| 4.2 硬件设计 |
| 4.2.1 单通道热敏电阻采集群模型 |
| 4.2.2 64路冻土温度电压调制电路 |
| 4.2.3 二阶乘法混频电路 |
| 4.2.3.1 465kHz本地振荡器 |
| 4.2.3.2 中心频率465kHz带通滤波器 |
| 4.3 软件设计 |
| 4.3.1 单通道冻土温度监测系统软件总体设计 |
| 4.3.2 程控滤波器滤波程序设计 |
| 4.4 本章小结 |
| 第五章 64通道与单通道冻土温度监测系统测试 |
| 5.1 系统测试 |
| 5.1.1 系统测试平台 |
| 5.1.2 模拟冻土环境下系统性能测试 |
| 5.1.2.1 64通道冻土温度监测系统性能测试 |
| 5.1.2.2 单通道冻土温度监测系统性能测试 |
| 5.1.2.3 两个系统性能对比分析 |
| 5.1.2.4 与现有多通道温度采集器的性能对比 |
| 5.2 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）基于图像边缘保持滤波技术的语音增强算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 语音增强的研究背景与意义 |
| 1.2 单通道语音增强的发展历史和研究概况 |
| 1.2.1 语音增强与语谱图 |
| 1.2.2 语音增强的分类 |
| 1.2.3 单通道语音增强的国内外研究现状 |
| 1.3 本文的研究动机与目的 |
| 1.4 论文主要工作与结构安排 |
| 第二章 单通道语音增强技术基础 |
| 2.1 语音及噪声信号的声学基础特性 |
| 2.1.1 语音特性 |
| 2.1.2 噪声特性 |
| 2.1.3 人耳感知特性 |
| 2.2 传统语音增强方法介绍 |
| 2.2.1 谱减法 |
| 2.2.2 维纳滤波法 |
| 2.2.3 最小均方误差估计法 |
| 2.2.4 子空间语音增强算法 |
| 2.3 噪声估计方法 |
| 2.3.1 基于平稳环境下的噪声估计 |
| 2.3.2 基于非平稳环境下的噪声估计 |
| 2.4 本章小结 |
| 第三章 基于双边语谱图滤波的OMLSA语音增强算法 |
| 3.1 引言 |
| 3.2 改进的OMLSA语音增强算法 |
| 3.2.1 系统介绍 |
| 3.2.2 MMSE-LSA算法谱增益 |
| 3.2.3 改进的OMLSA算法 |
| 3.3 双边语谱图滤波 |
| 3.3.1 语谱图预处理 |
| 3.3.2 双边语谱图滤波 |
| 3.4 性能评估 |
| 3.4.1 客观测评 |
| 3.4.2 时域波形和语谱图 |
| 3.5 本章小结 |
| 第四章 基于听觉掩蔽效应的引导语谱图滤波语音增强算法 |
| 4.1 引言 |
| 4.2 引导图像滤波 |
| 4.2.1 局部线性模型 |
| 4.2.2 引导滤波原理简介 |
| 4.3 GSF输入获取及语谱图像化处理 |
| 4.4 基于听觉掩蔽效应的引导语谱图滤波语音增强 |
| 4.4.1 引导语谱图滤波算法 |
| 4.4.2 语谱图的增强 |
| 4.4.3 时域信号的恢复 |
| 4.5 算法性能评估 |
| 4.5.1 实验条件 |
| 4.5.2 参数选取分析 |
| 4.5.3 客观评价结果及性能分析 |
| 4.6 本章小结 |
| 第五章 基于语谱图降噪卷积神经网络的语音增强方法 |
| 5.1 引言 |
| 5.2 SDNCNN数学模型 |
| 5.2.1 SDn CNN模型相关模块原理 |
| 5.2.2 SDn CNN模型的特征获取 |
| 5.3 基于SDNCNN模型的语音增强算法 |
| 5.3.1 系统介绍 |
| 5.3.2 SDn CNN网络模型 |
| 5.4 实验和结果分析 |
| 5.4.1 实验准备 |
| 5.4.2 模型条件设置 |
| 5.4.3 实验分析和性能评估 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间个人学术成果 |
| 致谢 |
（6）基于非负矩阵分解的语音增强算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的意义与背景 |
| 1.2 语音增强算法的国内外研究现状 |
| 1.2.1 基于非负矩阵分解的语音增强算法研究现状 |
| 1.2.2 多通道语音增强算法研究现状 |
| 1.2.3 基于低延迟的时实语音增强算法研究现状 |
| 1.3 论文内容安排 |
| 第二章 语音增强基础 |
| 2.1 引言 |
| 2.2 语音信号处理的基本知识 |
| 2.2.1 短时傅里叶变换 |
| 2.2.2 语音信号时频分析 |
| 2.2.3 语音质量评估准则 |
| 2.3 单通道语音增强的主要算法 |
| 2.3.1 基本语音信号模型 |
| 2.3.2 谱减法 |
| 2.3.3 维纳滤波法 |
| 2.3.4 基于MMSE统计模型法 |
| 2.3.5 子空间法 |
| 2.4 非负矩阵分解 |
| 2.4.1 问题描述 |
| 2.4.2 NMF算法特性 |
| 2.4.3 NMF算法的初始化和收敛性 |
| 2.4.4 NMF算法的改进和优化 |
| 2.5 本章小结 |
| 第三章 基于多通道的NMF语音增强算法 |
| 3.1 引言 |
| 3.2 麦克风阵列模式 |
| 3.2.1 近场模型和远场模型 |
| 3.2.2 理想模型和实际模型 |
| 3.3 麦克风阵列声源定位法 |
| 3.4 基于GCC-NMF的语音增强算法 |
| 3.4.1 非负矩阵分解 |
| 3.4.2 GCC-NMF |
| 3.4.3 系数掩码 |
| 3.4.4 GCC-NMF语音增强系统 |
| 3.5 本章小结 |
| 第四章 基于实时性的GCC-NMF语音增强算法 |
| 4.1 引言 |
| 4.2 字典预学习 |
| 4.3 激活系数 |
| 4.4 在线定位 |
| 4.5 实验测试与结果分析 |
| 4.5.1 实验参数设置 |
| 4.6 本章小结 |
| 第五章 基于低延迟的实时GCC-NMF语音增强算法 |
| 5.1 引言 |
| 5.2 STFT和低延迟 |
| 5.3 非对称的STFT窗口化方法 |
| 5.4 实验测试与结果分析 |
| 5.4.1 实验参数设置 |
| 5.4.2 结果与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（7）TD-LTE室内分布系统覆盖优化的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容 |
| 第二章 TD-LTE室内分布系统介绍 |
| 2.1 TD-LTE室内分布系统介绍 |
| 2.1.1 TD-LTE室外信号覆盖室内的局限性 |
| 2.1.2 TD-LTE室内分布系统 |
| 2.2 TD-LTE室内分布系统组网 |
| 2.3 TD-LTE室内分布系统天线设计 |
| 2.4 本章小结 |
| 第三章 TD-LTE室内分布系统覆盖优化关键分析 |
| 3.1 设备配置参数 |
| 3.2 TD-LTE室内分布系统覆盖性能 |
| 3.2.1 拉远能力 |
| 3.2.2 覆盖能力 |
| 3.3 室内工程建设性能比较 |
| 3.3.1 MIMO通道功率差对性能影响 |
| 3.3.2 单/双极化天线性能比较 |
| 3.3.3 MIMO天线间距对性能影响 |
| 3.4 TD-LTE与异系统相互影响 |
| 3.4.1 TD-LTE与2G/3G系统相互影响 |
| 3.4.2 TD-LTE与 Wlan系统相互影响 |
| 3.5 室内多小区组网性能分析 |
| 3.5.1 同层组网性能 |
| 3.5.2 异层组网性能 |
| 3.6 TD-LTE室内分布系统优化问题排查相关方案探究 |
| 3.6.1 网络器件普查及替换 |
| 3.6.2 室内分布性能核查及整改优化 |
| 3.7 TD-LTE室内分布系统覆盖优化关键 |
| 3.8 本章小结 |
| 第四章 TD-LTE室内分布系统覆盖优化方案验证-安徽移动TD-LTE室内分布优化案例 |
| 4.1 室内分布系统网络质量评估体系 |
| 4.2 高重定向 |
| 4.2.1 优化流程 |
| 4.2.2 流程分析 |
| 4.2.3 典型案例 |
| 4.3 CSFB低回落 |
| 4.3.1 优化流程 |
| 4.3.2 流程分析 |
| 4.3.3 典型案例 |
| 4.4 零流量 |
| 4.4.1 优化流程 |
| 4.4.2 流程分析 |
| 4.4.3 典型案例 |
| 4.5 室内分布小区参数优化 |
| 4.5.1 功控参数 |
| 4.5.2 原理 |
| 4.5.3 涉及参数 |
| 4.5.4 验证方案 |
| 4.5.5 验证结果与结论 |
| 4.6 基于室内分布泄漏的异频切换 |
| 4.6.1 测试情况 |
| 4.6.2 测试结论 |
| 4.7 室内分布经纬度异常 |
| 4.7.1 CSFB回落与ANR背景 |
| 4.7.2 CSFB超远回落分析 |
| 4.7.3 异频切换指标分析 |
| 4.7.4 ANR自动邻区优化分析 |
| 4.7.5 验证结果与结论 |
| 4.8 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 存在的问题和展望 |
| 参考文献 |
| 附录1 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间申请的专利 |
| 附录4 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（8）面向绿色制造的微量润滑技术在现代汽车工业中的应用（论文提纲范文）
| 微量润滑技术概述 |
| 1.概况 |
| 2.优势 |
| 微量润滑系统及其工作原理 |
| 1.微量润滑系统的分类 |
| 2.产品化的微量润滑装置 |
| 微量润滑技术在发动机曲轴斜油孔加工中的应用 |
| 微量润滑技术在铝合金缸体/缸盖加工过程中的应用 |
| 1.概述 |
| 2.实施MQL试验时的切削条件 |
| 3.切削试验的工作流程、数据分析及效果 |
| 结语 |
（9）多通道SAR复图像域慢速运动目标多特征检测方法研究（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 研究背景和意义 |
| 1.2 动目标检测技术研究现状 |
| 1.2.1 杂波抑制技术 |
| 1.2.2 动目标检测方法 |
| 1.3 动目标检测关键问题 |
| 1.4 研究内容及章节安排 |
| 第二章 多通道SAR复图像域动目标检测信号模型 |
| 2.1 引言 |
| 2.2 SAR复图像域杂波抑制处理 |
| 2.2.1 动目标检测信号模型 |
| 2.2.2 通道间信号去相关 |
| 2.2.3 目标导向矢量失配 |
| 2.2.4 动目标检测盲速区 |
| 2.3 SAR沿航迹干涉处理 |
| 2.3.1 复干涉图统计特性 |
| 2.3.2 干涉幅度SCR增益 |
| 2.4 本章小结 |
| 第三章 非均匀背景下基于滤波响应损失的两步检测方法 |
| 3.1 引言 |
| 3.2 所提方法描述 |
| 3.2.1 幅度检测 |
| 3.2.2 滤波响应损失检测 |
| 3.3 统计特性分析 |
| 3.3.1 幅度检测统计特性 |
| 3.3.2 滤波损失检测统计特性 |
| 3.3.3 联合检测统计特性 |
| 3.3.4 CFAR检测实现流程 |
| 3.4 仿真实验与实测数据处理 |
| 3.4.1 仿真实验结果与分析 |
| 3.4.2 实测数据处理验证 |
| 3.5 本章小结 |
| 第四章 干涉幅度与相位自适应融合的无盲速舰船检测方法 |
| 4.1 引言 |
| 4.2 典型ATI-SAR舰船检测方法适用性分析 |
| 4.2.1 干涉幅度与相位级联检测器 |
| 4.2.2 干涉幅度与相位结合检测器 |
| 4.2.3 干涉域凹口滤波检测方法 |
| 4.2.4 典型ATI-SAR舰船检测方法对比 |
| 4.3 所提方法描述 |
| 4.3.1 干涉双边滤波预处理 |
| 4.3.2 检测准则 |
| 4.3.3 优势讨论 |
| 4.3.4 统计特性 |
| 4.3.5 实现流程 |
| 4.4 实测数据处理实验 |
| 4.4.1 统计特性验证 |
| 4.4.2 实测数据检测结果 |
| 4.4.3 检测性能对比分析 |
| 4.5 本章小结 |
| 第五章 舰船尾迹特征辅助的低可观测舰船目标检测方法 |
| 5.1 引言 |
| 5.2 信号模型 |
| 5.3 尾迹特征辅助的舰船目标检测框架 |
| 5.4 运动舰船目标尾迹区域检测 |
| 5.4.1 ATI-SAR系统下尾迹区域像素点检测方法 |
| 5.4.2 基于空间距离与速度一致性的像素点聚类 |
| 5.4.3 仿真实验结果与分析 |
| 5.5 待检测舰船目标模板生成与匹配检测 |
| 5.5.1 不同尾迹波分离与舰船参数反演 |
| 5.5.2 SAR图像域舰船目标位置模板 |
| 5.5.3 复干涉域舰船目标ATI相位模板 |
| 5.5.4 所提方法的舰船检测性能分析 |
| 5.6 仿真实验结果与分析 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 附录 |
| 附录A稳健的自适应杂波抑制处理权矢量求解 |
| 附录B正交投影与斜投影关于动目标功率估计的对比 |
| 附录C SAR复图像域信号径向速度概率密度函数推导 |
| 附录D第四章所提舰船目标检测量概率密度函数推导 |
| 附录E非均匀背景下杂波加噪声干涉图分布参数估计 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）基于移动声源的有源隔声窗控制系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 有源隔声窗控制系统国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本论文的研究内容 |
| 2 有源隔声窗控制系统理论研究 |
| 2.1 有源消声控制原理 |
| 2.2 有源消声控制系统 |
| 2.2.1 有源消声自适应滤波器 |
| 2.2.2 有源消声自适应算法 |
| 2.2.3 FXLMS算法性能分析 |
| 2.2.4 次级通路辨识 |
| 2.3 本章小结 |
| 3 算法仿真分析与改进 |
| 3.1 FXLMS算法仿真建模 |
| 3.2 FXLMS算法性能仿真分析 |
| 3.2.1 声源信号对算法性能影响 |
| 3.2.2 滤波器阶数对算法性能影响 |
| 3.2.3 步长对算法性能影响 |
| 3.3 算法改进 |
| 3.4 本章小结 |
| 4 有源隔声窗控制系统设计 |
| 4.1 硬件系统设计 |
| 4.1.1 信号处理芯片 |
| 4.1.2 系统配套模块电路 |
| 4.1.3 单通道有源隔声窗控制系统硬件总体设计 |
| 4.1.4 多通道有源隔声窗控制系统硬件总体设计 |
| 4.2 软件系统设计 |
| 4.2.1 集成开发环境简介 |
| 4.2.2 软件功能模块实现 |
| 4.3 本章小结 |
| 5 有源隔声窗控制系统实验分析 |
| 5.1 单通道有源隔声窗控制系统实验 |
| 5.1.1 实验设计与布置 |
| 5.1.2 实验结果分析 |
| 5.2 多通道有源隔声窗控制系统实验 |
| 5.2.1 实验设计与布置 |
| 5.2.2 实验结果分析 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
四、单通道的精彩——两大主流单通道系统对比测试（论文参考文献）
- [1]高速光子模数转换技术及其集成化研究进展[J]. 钱娜,周德福,秦睿恒,化世玉,邓安逸,邹卫文. 半导体光电, 2022
- [2]基于深度神经网络的单通道语音增强算法研究[D]. 徐琅. 江西理工大学, 2021(01)
- [3]基于智能算法的车内路噪多通道主动控制技术研究[D]. 陈琪. 吉林大学, 2020(01)
- [4]青藏铁路沿线不同深度冻土温度分布式监测系统设计[D]. 张金玉. 南京信息工程大学, 2020(02)
- [5]基于图像边缘保持滤波技术的语音增强算法研究[D]. 颜霖煌. 广州大学, 2020(02)
- [6]基于非负矩阵分解的语音增强算法研究[D]. 王迎福. 江西理工大学, 2020(01)
- [7]TD-LTE室内分布系统覆盖优化的研究[D]. 周玮. 南京邮电大学, 2018(02)
- [8]面向绿色制造的微量润滑技术在现代汽车工业中的应用[J]. 朱正德. 汽车工艺师, 2019(06)
- [9]多通道SAR复图像域慢速运动目标多特征检测方法研究[D]. 田敏. 西安电子科技大学, 2019(02)
- [10]基于移动声源的有源隔声窗控制系统研究[D]. 陈浩. 北京交通大学, 2019(12)