首页--工业技术论文--无线电电子学、电信技术论文--通信论文--通信理论论文--信号处理论文

信号稀疏分解算法研究及应用

摘要第5-7页
Abstract第7-8页
1 绪论第13-22页
    1.1 研究背景和意义第13-16页
    1.2 信号表示模型及分解算法发展回顾第16-19页
    1.3 论文的研究内容和创新第19-20页
    1.4 论文结构安排第20-22页
2 信号的稀疏分解算法概述第22-47页
    2.1 信号稀疏分解算法介绍第22-36页
        2.1.1 匹配追踪和基追踪算法第23-30页
        2.1.2 经验模态分解算法第30-34页
        2.1.3 零空间追踪算法第34-36页
    2.2 图像稀疏分解算法介绍第36-42页
        2.2.1 图像的稀疏表示第36-40页
        2.2.2 图像的卡通+纹理分解算法第40-42页
    2.3 信号分解算法的应用介绍第42-47页
3 基于稀疏表示的心电信号增强算法第47-62页
    3.1 字典学习的快速算法第48-51页
    3.2 心电信号去噪声和基线校正第51-56页
        3.2.1 心电信号字典训练第52-54页
        3.2.2 同步去噪声和基线校正第54-56页
    3.3 实验结果与分析第56-61页
    3.4 本章小结第61-62页
4 基于信号稀疏分解的心跳检测算法第62-80页
    4.1 心跳检测算法介绍第62-66页
    4.2 基于稀疏表示的心电信号中QRS波检测算法第66-68页
    4.3 结合心电和血氧信号的心跳检测算法第68-73页
    4.4 实验结果与分析第73-78页
    4.5 本章小结第78-80页
5 基于稀疏分解的图像超分辨率重建第80-109页
    5.1 图像的快速卡通+纹理分解算法第80-82页
    5.2 图像快速超分辨率重建算法第82-90页
        5.2.1 基于多尺度非局部自相似模型的卡通成分超分辨率重建第83-85页
        5.2.2 基于小波域隐马尔科夫树模型的纹理成分超分辨率重建第85-89页
        5.2.3 基于分解的图像快速超分辨率重建算法实现第89-90页
    5.3 自然图像实验结果与分析第90-99页
        5.3.1 实验设置第90-92页
        5.3.2 结果和讨论第92-99页
    5.4 医学影像处理系统应用验证第99-107页
    5.5 本章小结第107-109页
6 总结与展望第109-112页
致谢第112-113页
参考文献第113-122页
附录第122页

论文共122页,点击 下载论文
上一篇:表面微结构与载流子复合对太阳能光电转换的影响机制研究
下一篇:集成滤波功能的可重构微波无源电路研究