一、一种脑磁定位中背景噪声的去除方法（论文文献综述）
季建朝,王聪,刘浩,李国如,贾俊[1]（2021）在《相干噪声快速去除算法及其在声源定位中的应用》文中研究指明针对相干噪声干扰声源辨识问题,将强跟踪滤波器理论与阵列-信号采集模型相结合,发展了一种快速估计相位变化的算法。算法引入多重次优渐消因子,能够进一步提取相位残差中的有用信息,使输出残差序列处处正交,且该因子能根据噪声相位差变化自动调节。通过仿真对连续相位突变进行跟踪表明,在参数失配条件下该算法实现了相位差的准确估计,且其性能在宽频范围具有稳定性。通过音箱实验给出了宽频范围内的成像结果,与已有算法对比表明,该算法不仅能够实时消除噪声干扰并可将收敛速度提高一倍以上。本研究实现了对随机变化相位的准确估计,提升了传声器阵列在相干噪声干扰下的声源实时定位能力。
宋佳昕[2]（2021）在《室内/地下环境智能自主导航定位研究》文中研究表明
陈梦玲[3]（2021）在《鲁棒射频层析成像定位方法研究》文中进行了进一步梳理
王子健[4]（2021）在《基于多源信息融合的室内定位方法研究》文中认为
余世凸[5]（2021）在《噪声频谱测井数据处理方法研究》文中研究说明
王照远[6]（2021）在《基于室内地磁场与MEMS惯性传感器融合定位方法研究》文中研究指明
鞠兴旺[7]（2021）在《局部生成人脸检测及定位算法研究》文中研究指明随着深度学习的广泛应用,通过变脸、换脸或生成对抗网络（Generative Adversarial Network,GAN）等方式生成的虚假人脸在网络中不断传播。因此,研究有效的人脸取证技术变得尤为重要。针对生成人脸检测,当前其研究主要关注整幅人脸图像均为生成的。但在一些现实场景中,一幅生成人脸图像中只是小部分局部区域是生成的,甚至很小部分,其余绝大部分区域都是自然的,例如人脸图像复原、眼镜去除、掩模去除等。由于生成区域可能非常小,因此在经过具有多个池化层的深度卷积网络中可能会缩小到一个点,甚至在特征图上完全没有。从而可能导致全局生成人脸检测方法在局部生成人脸检测上性能很差。针对局部生成人脸检测和定位,据我们所知,目前还没有公开的局部生成人脸数据集。针对局部生成人脸检测,Xception作为一种在全局生成人脸检测中使用广泛的模型,具有不错的性能,但其不完全适用于局部生成人脸的检测。针对局部生成人脸定位研究,RRU-Net是最新提出的具有良好性能的针对非人脸图像普通篡改方式的定位模型,但其在应用于有攻击的局部生成人脸定位时,其鲁棒性仍需进一步提高。因此,本文将围绕局部生成人脸的检测及定位开展以下三方面研究工作:（1）为了开展局部生成人脸的研究工作,本文在FFHQ真实人脸数据库70000张人脸图像的基础上,利用Matlab创建了具有不同大小和形状的二进制掩模图并与原始人脸图像进行拼接得到含有缺失区域的人脸图像,然后通过已公开的多元图像修复方法深度修复缺失区域,构造了首个基于GAN的局部生成人脸数据集LGGF。该数据集共有840000张图像。（2）提出了一种改进Xception的检测模型:（a）删除了四个残差块,调整了参数,加入了注意力机制;（b）含有空洞卷积的Inception模块被用于获得多尺度特征;（c）利用特征金字塔网络（Feature Pyramid Networks,FPN）获取多层次特征。实验结果表明提出的改进Xception模型在检测精度、鲁棒性和泛化性方面总体优于现有模型,尤其针对具有较小生成区域的人脸图像。（3）提出了一种融合RRU-Net和去噪操作模块的局部生成人脸鲁棒定位模型。为了提高模型的鲁棒性,首先,引入去噪操作模块以抵抗深层网络中产生的噪声扰动,增强模型对局部生成区域特征的学习;然后,提出局部生成损失函数(LGIo Uloss),并结合样本平衡损失函数（Focal loss）,有效增强网络在训练过程中对局部生成区域的关注。最后,通过一系列消融和对比实验验证了提出模型相对于RRU-Net的改进以及其他现有模型的优越性。
孙烨辰[8]（2021）在《压力气体微孔泄漏源定位的超声方法研究》文中研究表明压力气体发生泄漏将对人们的生命和财产安全造成难以估量的损失,故对微孔泄漏源进行定位极具意义。然而,现有的基于波达方向估计（Direction of Arrival,DOA）与基于到达时间差（Time Delay of Arrival,TDOA）的定位方法在相干源和噪声干扰下分别存在漏警、网格失配、精度不足等问题。针对这些问题,本文在现有研究成果的基础上对稀疏表示类DOA估计方法与TDOA类方法进行了以下研究工作,主要包括:（1）提出一种无网格划分的稀疏重构DOA估计方法。为克服噪声干扰,运用改进的脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）结合集成经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）对采集信号进行预处理,消除噪声干扰的同时获得噪声矩阵。为克服相干源信号的干扰,采用Toeplitz矩阵重构的方法恢复协方差矩阵的秩。为避免产生网格失配,围绕总变化极小化的约束准则,逐步分解信号模型从而将全域优化问题逐步转换为迹最小化的个别波达角优化解问题。为验证提出方法的有效性,与现有DOA估计方法做对比试验,所提方法在低信噪比与相干信源干扰的环境中具有更易分辨的功率谱谱峰、更高的估计精度及对多个相邻目标的分辨能力。（2）提出一种基于反演卫星模型的改进量子遗传定位方法。为降低定位效果对传感器阵元数量的依赖性,参考卫星四元定位的原理,根据传感器与泄源“一发四收”的反演关系,推导了一组非线性超定方程组。为求解该方程组,引入量子遗传算法（Quantum Genetic Algorithm,QGA）。为解决该算法陷入局部最优解的缺陷,对其添加fmincon约束条件进行改进,寻得空间最优值。为获取更准确的时延,将PCNN模型的内部活动项值添加到权值函数分母进行改进,并求得各阵元间时延代入方程解算。为验证提出方法有效,将其与不同解算方法进行对比试验,提出方法做到仅用4个传感器阵元,在低信噪比环境中具有更好的收敛性能、解算稳定性及更精确的定位结果。
黄乾[9]（2021）在《面向旋转声源的高分辨率声源定位算法研究》文中认为噪声污染现如今已经是三大主要环境问题之一,在各类机械设备产品中,又尤以旋转机械产生的噪声最为显着,其往往与旋转机械的故障以及结构设计存在着紧密联系,而且还严重危害人体健康。利用麦克风阵列进行声源定位可以有效辨识声源特性和预测声场辐射特性,有助于从根本上控制噪声源。由于旋转声源存在多普勒效应,而且声源位置与扫描网格点无法实时对应,常规的声源定位方法无法定位旋转声源。针对该问题,本文围绕旋转声源的高精度高分辨率定位展开研究,主要内容如下:（1）对旋转声源的多普勒效应进行了理论推导和数值仿真,分析了由多普勒效应引起的频率和幅值波动。针对旋转声源定位的主要问题,提出了两种旋转声源波束形成方法——基于相位平均的波束形成方法（Phase Averaging Beamforming,PA-BF）和基于时域去多普勒技术的波束形成方法（Time-domain De-doppler Beamforming,TD-BF）。PA-BF的优势在于操作简单,且所有适用于静止声源的方法都可以直接应用到此框架中;TD-BF的优势在于可以完全消除多普勒效应,还能够避免频域去多普勒对于声源运动的低速小位移限制。数值仿真考察了所述的两种方法的适用范围,并验证了所述方法的有效性和抗噪性。（2）在PA-BF和TD-BF基础上开发高分辨率算法。将经典的解卷积算法（Deconvolution Approach for the Mapping of Acoustic Sources,DAMAS）引入到相位平均波束形成的模型中,得到高分辨率定位算法PA-DAMAS,并推导出一个表征声源定位分辨率的点扩散函数（point spread function,PSF）。基于等效源假设以及时域去多普勒波束形成建立旋转声源的能量传播前向模型,引入正则化求解方法LASSO（Least Absolute Shrinkage and Select Operator）和LAR（Least Angle Regression）,得到基于时域去多普勒的高分辨率算法TD-LASSO和TD-LAR。随后通过数值仿真验证了方法的有效性。（3）开展旋转声源定位试验研究。在消声室的试验中,本文所述方法能够成功定位出旋转蓝牙音箱的单频声源以及工业风扇气动噪声源,且工业风扇声源主要位于叶梢位置。在风机生产车间中,变转速轴流式风机的测试结果显示该风机的气动噪声源主要位于叶片后缘靠近叶梢的位置,推测可能是尾缘涡脱落噪声。试验结果还表明对于宽频噪声而言,中心频率越高,噪声源强度越低,同时声源位置也沿着风机径向逐渐向外移动。另一台轴流式风机试验结果表明,本文所述方法能够准确识别叶片上加装的涡流发生器引起的翼尖涡噪声源。本文研究了旋转声源定位方法,然后结合波束形成的能量传播前向模型,开发出面向旋转声源的高分辨率定位方法,并通过试验验证了算法的有效性。除此之外,本文所述方法可以准确定位出轴流式风机的气动噪声源以及涡流发生器的翼尖涡噪声源,从而能够对旋转机械的声学故障诊断以及降噪设计提供一定的技术支持。
王硕[10]（2021）在《基于空间视觉特征描述的室内轻量级指纹定位方法研究》文中指出随着社会的发展和科技的进步,室内服务类机器人已经越来越多地走进了人们的日常生活中,精准、稳定、高效的室内定位技术是它们在室内提供服务的有力保障。室内环境较为复杂,无线信号受环境影响较多,而视觉信息由于丰富程度高、不受硬件网络限制等因素成为较为理想的定位信息源。如何保证定位精度、稳定性和实时性成为了基于视觉信息的室内定位技术中需要解决的问题与研究热点。本文针对视觉特征分布不均匀且维度高、指纹库规模大、信息冗余等导致定位稳定性、实时性和精度降低的问题,对低维度特征描述子提取算法和轻量级指纹库构建算法进行了研究。提出了分布均匀且维度较低的特征描述子提取算法和轻量级视觉特征指纹库构建算法,设计了基于轻量级视觉特征指纹库的指纹定位算法,在保证定位精度和稳定性的前提下有效提高了定位速度。具体研究工作如下:第一,针对视觉特征集中分布、描述子维度高导致特征匹配稳定性和实时性差的问题,本文提出了一种分布均匀、低维度的双重筛选自适应低维二值描述子（Dual-screening Adaptive Low-dimensional Binary Descriptor,DALBID）。在特征提取阶段采用局部像素邻域内的自适应阈值代替人工设置阈值,提取特征后对特征性弱的点进行筛选去除,再筛选去除位于边缘位置的不稳定噪声点;特征描述阶段,将特征点周围邻域内的像素信息二值化,在避免特征集中分布的同时减少了特征数量,降低了描述子维度。该算法从特征分布的角度保证了定位结果的稳定性,并从特征数量和描述子维度两方面提升了特征指纹的匹配速度。第二,针对在构建视觉信息特征指纹库时,指纹点分布不合理和指纹库信息冗余导致定位稳定性和精度降低的问题,本文提出了轻量级视觉特征指纹库构建算法。该算法从视觉特征的提取过程入手,根据所使用的尺度金字塔计算特征描述子尺度不变性的有效范围,再从尺度不变性出发,计算室内空间中指纹点分布的合理间隔,提出了高区分度位置指纹点的稀疏化分布策略;在对指纹库中的冗余信息来源进行分析后,提出了自适应迭代K均值聚类算法（Adaptive Iterative K-means Clustering Algorithm,AIK-means）,通过特征聚类完成冗余信息去除,最终构建出轻量级的视觉特征指纹库。该算法从指纹点分布和指纹库信息两方面减小了视觉特征指纹库的规模。第三,针对在检索指纹库时,逐个指纹点匹配指纹的方式效率较低影响定位实时性的问题,本文提出了基于轻量级视觉特征指纹库的快速检索策略。该算法轻量级指纹库的基础上,建立位置指纹和指纹点所在的坐标轴之间的映射,通过坐标检索快速获取待定位点的位置。本文还完成了基于轻量级视觉特征指纹库的指纹定位算法,将坐标轴的特征指纹的匹配数量作为置信度权重进行加权定位,在保证定位精度的目前提下有效提高了定位速度。经实验测试与评估,本文提出的DALBID视觉特征描述子在室内空间的不同位置分布均匀,在尺度不变性方面表现良好,对光照和图像噪声鲁棒,且特征的稳定性和特异性强、数量少、维度低,有效提高了定位稳定性和定位速度;轻量级指纹库构建算法减少了指纹点数量,降低了指纹库规模,使指纹数据更简洁;指纹库快速检索策略进一步提高了定位速度。在综合办公室场景中,平均定位误差为0.76m,标准差为0.41m。同时,由于指纹维度低、指纹库规模小,与采用SIFT视觉特征作为位置指纹的定位方法相比速度提升约60%,与采用ORB视觉特征作为位置指纹的定位方法相比,速度提升了约40%。
二、一种脑磁定位中背景噪声的去除方法（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、一种脑磁定位中背景噪声的去除方法（论文提纲范文）
（7）局部生成人脸检测及定位算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 全局伪造人脸检测算法研究 |
| 1.2.2 图像拼接篡改定位算法研究 |
| 1.3 主要工作和内容安排 |
| 1.3.1 主要工作 |
| 1.3.2 内容安排 |
| 1.4 本章小结 |
| 第二章 相关知识介绍 |
| 2.1 卷积神经网络 |
| 2.1.1 深度可分离卷积 |
| 2.1.2 全卷积神经网络 |
| 2.1.3 R-CNN系列 |
| 2.2 注意力机制模块 |
| 2.3 去噪操作模块 |
| 2.4 本章小结 |
| 第三章 基于改进Xception的局部生成人脸检测算法 |
| 3.1 Xception |
| 3.2 提出的局部生成人脸检测算法 |
| 3.2.1 多尺度特征提取 |
| 3.2.2 多层次特征决策 |
| 3.2.3 提出模型的框架 |
| 3.3 实验结果与分析 |
| 3.3.1 LGGF实验数据集构造 |
| 3.3.2 实验设置 |
| 3.3.3 性能测试与结果 |
| 3.3.4 分析与讨论 |
| 3.4 本章小结 |
| 第四章 融合RRU-Net和去噪操作模块的局部生成人脸鲁棒定位算法 |
| 4.1 RRU-Net |
| 4.2 提出的局部生成人脸定位算法 |
| 4.2.1 环状残差及去噪操作模块 |
| 4.2.2 损失函数 |
| 4.2.3 提出模型的框架 |
| 4.3 实验结果与分析 |
| 4.3.1 实验设置 |
| 4.3.2 性能测试与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（8）压力气体微孔泄漏源定位的超声方法研究（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 |
| 1.2.1 稀疏表示类DOA估计方法研究现状 |
| 1.2.2 TDOA类定位方法研究现状 |
| 1.3 本文主要内容及工作安排 |
| 1.3.1 本文主要解决的问题 |
| 1.3.2 本文的研究内容与结构安排 |
| 第二章 漏源特性分析与现有漏源定位方法 |
| 2.1 引言 |
| 2.2 气体泄漏声源特性研究 |
| 2.3 传统的稀疏表示类DOA估计算法 |
| 2.3.1 基于在网模型的加权L1-SVD算法 |
| 2.3.2 改进的L1-SRACV算法 |
| 2.4 基于到达时间差的定位方法 |
| 2.4.1 时延估计算法 |
| 2.4.2 位置解算算法 |
| 2.5 仿真结果及其分析 |
| 2.5.1 现有DOA估计方法仿真 |
| 2.5.2 TDOA定位方法对比 |
| 2.6 本章小结 |
| 第三章 基于稀疏表示理论的气体泄漏信源DOA估计方法 |
| 3.1 引言 |
| 3.2 改进的EEMD-PCNN抗干扰模型 |
| 3.2.1 PCNN模型简介 |
| 3.2.2 EEMD-PCNN信号预处理方法 |
| 3.3 气体泄漏DOA估计阵列信号模型 |
| 3.4 稀疏表示下的协方差矩阵Toeplitz重构 |
| 3.5 改进的无网格稀疏表示DOA估计方法 |
| 3.6 仿真结果及算法性能分析 |
| 3.6.1 预处理方法的仿真实验与结果分析 |
| 3.6.2 DOA估计方法仿真与对比实验 |
| 3.7 本章小结 |
| 第四章 基于反演卫星模型的改进量子遗传气体泄漏源定位 |
| 4.1 引言 |
| 4.2 卫星定位模型的反演 |
| 4.2.1 卫星单点伪距定位模型 |
| 4.2.2 反演声源定位模型 |
| 4.3 改进的加权互相关函数时延求解法 |
| 4.4 基于优化QGA算法的应用及求解 |
| 4.5 仿真结果及其分析 |
| 4.5.1 实验条件选定与坐标系搭建 |
| 4.5.2 变参数环境下的气体泄漏声源位置解算实验 |
| 4.5.3 结果评价指标与定位方法性能分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 发表论文情况 |
| 申请和授权专利情况 |
| 参与项目情况 |
（9）面向旋转声源的高分辨率声源定位算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 符号清单与术语 |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 静止声源定位研究现状 |
| 1.2.2 旋转声源定位研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 旋转单极子声源的波束形成方法 |
| 2.1 引言 |
| 2.2 静止单极子声源的波束形成方法 |
| 2.2.1 静止单极子声源的信号传播前向模型 |
| 2.2.2 静止声源的波束形成方法 |
| 2.3 旋转单极子声源的波束形成方法 |
| 2.3.1 旋转单极子声源的信号传播前向模型 |
| 2.3.2 旋转声源的多普勒效应分析 |
| 2.3.3 旋转声源的波束形成方法 |
| 2.4 旋转声源波束形成方法的数值仿真 |
| 2.5 本章小结 |
| 第3章 旋转单极子声源的高分辨率定位方法 |
| 3.1 引言 |
| 3.2 旋转声源的高分辨率定位方法 |
| 3.2.1 基于相位平均的高分辨率声源定位 |
| 3.2.2 基于时域去多普勒的高分辨率声源定位 |
| 3.3 旋转声源高分辨率定位的数值仿真 |
| 3.4 本章小结 |
| 第4章 旋转声源试验及应用 |
| 4.1 引言 |
| 4.2 消声室试验 |
| 4.2.1 旋转蓝牙音箱试验 |
| 4.2.2 工业风扇试验 |
| 4.3 轴流式风机试验 |
| 4.3.1 变转速轴流式风机测试 |
| 4.3.2 涡流噪声源定位试验研究 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 主要创新性与应用 |
| 5.3 不足与展望 |
| 参考文献 |
| 作者简历 |
（10）基于空间视觉特征描述的室内轻量级指纹定位方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外发展及研究现状 |
| 1.2.1 空间视觉特征提取与描述技术研究现状 |
| 1.2.2 基于空间视觉特征的室内定位技术研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文章节安排 |
| 第二章 视觉特征描述子及视觉信息定位技术概述 |
| 2.1 视觉特征描述子理论基础 |
| 2.1.1 视觉特征提取 |
| 2.1.2 视觉特征描述 |
| 2.2 视觉信息定位技术分类 |
| 2.2.1 基于几何计算的定位技术 |
| 2.2.2 基于位置指纹的定位技术 |
| 2.3 评价指标 |
| 2.3.1 指纹相似性度量指标 |
| 2.3.2 定位性能评价指标 |
| 2.4 本章小结 |
| 第三章 DALBID视觉特征描述子提取算法 |
| 3.1 引言 |
| 3.2 室内空间中视觉特征的分布规律 |
| 3.2.1 空间分布规律的研究意义与方法 |
| 3.2.2 视觉特征的空间分布规律 |
| 3.3 DALBID特征提取与描述算法原理 |
| 3.3.1 视觉特征描述子的性能指标 |
| 3.3.2 DALBID特征提取与描述算法结构 |
| 3.4 DALBID特征描述子提取算法 |
| 3.4.1 局部自适应阈值算法 |
| 3.4.2 双重筛选算法 |
| 3.4.3 低维度特征描述算法 |
| 3.5 本章小结 |
| 第四章 基于轻量级视觉特征指纹库的指纹定位算法 |
| 4.1 引言 |
| 4.2 轻量级视觉特征指纹库构建算法原理 |
| 4.2.1 传统的空间视觉指纹库构建方法问题分析 |
| 4.2.2 指纹库冗余信息来源分析 |
| 4.2.3 基于轻量级视觉特征指纹库的指纹定位算法结构 |
| 4.3 基于轻量级视觉特征指纹库的定位算法 |
| 4.3.1 指纹点稀疏化分布策略 |
| 4.3.2 轻量级视觉信息特征指纹库的构建算法 |
| 4.3.3 轻量级视觉特征指纹库的快速检索策略 |
| 4.4 本章小结 |
| 第五章 算法验证与定位实验 |
| 5.1 定位实验环境与实验设备 |
| 5.1.1 实验环境 |
| 5.1.2 实验设备 |
| 5.2 DALBID特征描述子验证 |
| 5.2.1 实验数据集与测试的性能指标 |
| 5.2.2 尺度不变性测试 |
| 5.2.3 对光照条件的鲁棒性测试 |
| 5.2.4 对图像噪声的鲁棒性测试 |
| 5.2.5 描述子提取与匹配时间对比 |
| 5.2.6 测试小结 |
| 5.3 轻量级指纹库构建算法验证 |
| 5.3.1 定位精度测试与评估 |
| 5.3.2 定位稳定性与实时性测试与评估 |
| 5.3.3 测试小结 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 问题与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及专利 |
| 学术论文 |
| 专利 |
四、一种脑磁定位中背景噪声的去除方法（论文参考文献）
- [1]相干噪声快速去除算法及其在声源定位中的应用[J]. 季建朝,王聪,刘浩,李国如,贾俊. 声学学报, 2021(05)
- [2]室内/地下环境智能自主导航定位研究[D]. 宋佳昕. 哈尔滨工业大学, 2021
- [3]鲁棒射频层析成像定位方法研究[D]. 陈梦玲. 南京师范大学, 2021
- [4]基于多源信息融合的室内定位方法研究[D]. 王子健. 中国矿业大学, 2021
- [5]噪声频谱测井数据处理方法研究[D]. 余世凸. 长江大学, 2021
- [6]基于室内地磁场与MEMS惯性传感器融合定位方法研究[D]. 王照远. 中国矿业大学, 2021
- [7]局部生成人脸检测及定位算法研究[D]. 鞠兴旺. 南京信息工程大学, 2021(01)
- [8]压力气体微孔泄漏源定位的超声方法研究[D]. 孙烨辰. 南京信息工程大学, 2021(01)
- [9]面向旋转声源的高分辨率声源定位算法研究[D]. 黄乾. 浙江大学, 2021(09)
- [10]基于空间视觉特征描述的室内轻量级指纹定位方法研究[D]. 王硕. 北京邮电大学, 2021(01)