| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 课题研究现状 | 第11-15页 |
| 1.2.1 高光谱图像解混研究现状 | 第11-14页 |
| 1.2.2 群智能优化算法研究现状 | 第14-15页 |
| 1.3 DSP芯片的发展与应用 | 第15-16页 |
| 1.4 论文主要研究内容及其章节安排 | 第16-19页 |
| 1.4.1 本文主要研究内容 | 第16-17页 |
| 1.4.2 本文创新点 | 第17页 |
| 1.4.3 本文章节安排 | 第17-19页 |
| 第二章 基于盲源分离的高光谱图像解混理论 | 第19-29页 |
| 2.1 盲源分离理论 | 第19-22页 |
| 2.1.1 盲源分离 | 第19-20页 |
| 2.1.2 盲源分离模型 | 第20-21页 |
| 2.1.3 盲源分离算法-FastICA | 第21-22页 |
| 2.2 高光谱图像解混模型 | 第22-23页 |
| 2.3 群智能优化算法 | 第23-28页 |
| 2.3.1 粒子群优化算法 | 第24-26页 |
| 2.3.2 回溯搜索算法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于回溯搜索的高光谱图像解混 | 第29-35页 |
| 3.1 基于回溯搜索的高光谱图像解混 | 第29-31页 |
| 3.1.1 信号预处理 | 第29-30页 |
| 3.1.2 算法过程描述 | 第30-31页 |
| 3.2 高光谱图像解混算法实验 | 第31-34页 |
| 3.2.1 BSA-CBSS仿真数据解混实验 | 第31-32页 |
| 3.2.2 BSA-CBSS真实遥感数据实验 | 第32-33页 |
| 3.2.3 BSA-CBSS与PSO-CBSS仿真数据解混性能比较实验 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 DSP在FastICA中的应用研究 | 第35-45页 |
| 4.1 DSP芯片的选择 | 第35-36页 |
| 4.2 TMS320C6748简介 | 第36-38页 |
| 4.2.1 TMS320C6748基本描述 | 第36-37页 |
| 4.2.2 TMS320C6748 CPU及其指令系统 | 第37-38页 |
| 4.3 开发环境CCS简介 | 第38-40页 |
| 4.4 FastICA的DSP实现 | 第40-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 回溯搜索解混算法的DSP实现 | 第45-55页 |
| 5.1 DSP的软件设计 | 第45-50页 |
| 5.1.1 算法的总体实现 | 第45-48页 |
| 5.1.2 算法移植过程的问题 | 第48-50页 |
| 5.2 算法性能优化 | 第50-52页 |
| 5.3 实验结果 | 第52-54页 |
| 5.3.1 DSP平台仿真数据实验 | 第52-53页 |
| 5.3.2 DSP平台真实遥感数据实验 | 第53-54页 |
| 5.3.3 优化前后结果对比 | 第54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 结论 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间所取得的相关科研成果 | 第61-63页 |
| 致谢 | 第63页 |