经验模态分解在高光谱遥感数据处理中的应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 选题依据和研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 经验模态分解研究现状 | 第9-10页 |
| 1.2.2 EMD算法去噪研究现状 | 第10-11页 |
| 1.3 研究内容和框架图 | 第11-12页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 论文框架图 | 第11-12页 |
| 第2章 常见时频分析方法概述 | 第12-15页 |
| 2.1 短时傅立叶变换 | 第12页 |
| 2.2 Wigner-Ville分布 | 第12-13页 |
| 2.3 小波变换 | 第13-15页 |
| 第3章 经验模态分解概述 | 第15-24页 |
| 3.1 瞬时频率 | 第15页 |
| 3.2 特征模态函数 | 第15-16页 |
| 3.3 经验模态分解 | 第16-19页 |
| 3.4 经验模态分解特性 | 第19-21页 |
| 3.4.1 自适应性 | 第19页 |
| 3.4.2 完备性 | 第19-20页 |
| 3.4.3 正交性 | 第20-21页 |
| 3.5 经验模态分解主要问题及研究热点 | 第21-24页 |
| 3.5.1 端点效应 | 第21页 |
| 3.5.2 模态混叠问题 | 第21-22页 |
| 3.5.3 均值曲线拟合 | 第22页 |
| 3.5.4 筛选终止条件 | 第22-24页 |
| 第4章 经验模态分解在信号去噪中的应用 | 第24-39页 |
| 4.1 引言 | 第24页 |
| 4.2 传统滤波方法简介 | 第24-25页 |
| 4.3 EMD滤波特性 | 第25-26页 |
| 4.4 基于连续均方误差准则的EMD传统去噪算法 | 第26-31页 |
| 4.4.1 高信噪比仿真及结果分析 | 第27-29页 |
| 4.4.2 低信噪比仿真及算法分析 | 第29-31页 |
| 4.5 基于自相关函数特性的EMD去噪算法 | 第31-37页 |
| 4.5.1 算法描述 | 第31-32页 |
| 4.5.2 仿真分析 | 第32-35页 |
| 4.5.3 实际应用案例分析 | 第35-37页 |
| 4.6 结果分析 | 第37-39页 |
| 第5章 经验模态分解在高光谱遥感数据识别中的应用 | 第39-48页 |
| 5.1 问题描述与背景简介 | 第39页 |
| 5.2 基于匹配的分类识别 | 第39-43页 |
| 5.3 经验模态分解与高光谱数据精细识别 | 第43-45页 |
| 5.3.1 EMD分解 | 第43-44页 |
| 5.3.2 特征提取及结果分析 | 第44-45页 |
| 5.4 降噪数据的EMD分类识别 | 第45-47页 |
| 5.5 结果分析 | 第47-48页 |
| 结论 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻硕期间取得的研究成果 | 第54页 |
