畢業(yè)設(shè)計(jì)作為大學(xué)結(jié)束時(shí)間的一個(gè)實(shí)踐環(huán)節(jié)，有著其不可替代的地位所在!下面是小編整理的2016畢業(yè)設(shè)計(jì)論文開題報(bào)告范文，歡迎大家閱讀!

　　【2016畢業(yè)設(shè)計(jì)論文開題報(bào)告范文】

　　一、課題來源、國內(nèi)外研究現(xiàn)狀與水平及研究意義、目的。(附主要參考文獻(xiàn))

　　1.1 課題來源

　　數(shù)據(jù)的獲取是實(shí)驗(yàn)研究的關(guān)鍵步驟，過去的幾十年間傳感系統(tǒng)獲取數(shù)據(jù)的能力不斷地得到增強(qiáng),需要處理的數(shù)據(jù)量也不斷增多。而在傳統(tǒng)的采樣過程中，為了避免信號失真，采樣頻率不得低于信號最高頻率的2倍，依照奈奎斯特采樣定律會(huì)導(dǎo)致海量采樣數(shù)據(jù)，大大增加了存儲(chǔ)和傳輸?shù)拇鷥r(jià)，這無疑給信號處理的能力提出了更高的要求，也給相應(yīng)的硬件設(shè)備帶來了極大的挑戰(zhàn)。尋找新的數(shù)據(jù)采集、處理方法已成為一種必然，近幾年誕生的壓縮傳感(Compressive Sensing，CS)理論是一個(gè)充分利用信號稀疏性或可壓縮性的全新信號采集、編解碼理論。該理論表明當(dāng)信號具有稀疏性或可壓縮性時(shí)，通過采集少量的信號投影值就可實(shí)現(xiàn)信號準(zhǔn)確或近似重構(gòu)。壓縮傳感理論為數(shù)據(jù)采集技術(shù)帶來了革命性的突破，受到了國內(nèi)外研究人員的廣泛關(guān)注。在低成本數(shù)碼相機(jī)音頻、醫(yī)學(xué)成像、雷達(dá)成像和圖像重建、天文學(xué)觀測(圖像本身就稀疏，例如天空的星星)、軍事偵查(用很簡易的攝像機(jī)隨機(jī)記錄場景可以完全重構(gòu)軍事地圖)、資源探測、信道編碼等高、精、尖等領(lǐng)域有著廣闊的應(yīng)用前景。因此開展這方面的研究很有意義,應(yīng)用前景也非常廣泛。

　　探地雷達(dá)是一種有效的淺層隱藏目標(biāo)探測技術(shù),利用電磁波在媒質(zhì)電磁特性不連續(xù)處產(chǎn)生的反射和散射實(shí)現(xiàn)非金屬覆蓋區(qū)域中目標(biāo)的成像探測。在工程地質(zhì)勘探方面已經(jīng)獲得廣泛的應(yīng)用,尤其是它的高分辨率和地下目標(biāo)快速成像技術(shù),得到了普遍的認(rèn)可。但是國內(nèi)投入使用的探地雷達(dá)幾乎全部是從國外進(jìn)口的。因此研制和開發(fā)具有自主知識產(chǎn)權(quán)的探地雷達(dá)系統(tǒng)是十分必要的。從事探地雷達(dá)研究的主要任務(wù)之一就在于如何使探地雷達(dá)接收到的回波信號以圖像的形式顯示,并對接收的回波信號進(jìn)行處理,以改善數(shù)據(jù)質(zhì)量,為進(jìn)一步的地質(zhì)解釋提供清晰的探地雷達(dá)回波剖面圖,從而使我們能夠方便地觀測、識別地下目標(biāo)物體。

　　由于探地雷達(dá)信號具有很好的稀疏性,可以很好的滿足壓縮傳感的條件,因此將壓縮傳感技術(shù)運(yùn)用在探地雷達(dá)圖像數(shù)據(jù)獲取上,可以解決海量數(shù)據(jù)采集和存儲(chǔ)問題,能顯著降低圖像處理的計(jì)算量。此外還可以省去雷達(dá)接收端的脈沖壓縮匹配濾波器,降低接收端對模數(shù)轉(zhuǎn)換器件帶寬的要求。設(shè)計(jì)重點(diǎn)由傳統(tǒng)的設(shè)計(jì)昂貴的接收端硬件轉(zhuǎn)化為設(shè)計(jì)新穎的信號恢復(fù)算法,從而簡化雷達(dá)成像系統(tǒng)。

　　1.2 國內(nèi)外研究現(xiàn)狀與水平

　　壓縮傳感理論是應(yīng)用數(shù)學(xué)與信號處理領(lǐng)域中一個(gè)非常新的研究方向，自從2006 年起有正式論文發(fā)表之后，迅速引起國內(nèi)外相關(guān)領(lǐng)域研究者的高度重視。該領(lǐng)域的先驅(qū)者有加州大學(xué)洛杉磯分校的Terence Tao、加州理工大學(xué)的Emmanuel Candès、斯坦福大學(xué)的David Donoho、以及萊斯大學(xué)的Richard Baraniuk 等。國內(nèi)關(guān)于這方面的研究則剛剛起步，發(fā)表論文甚少，但中科院電子所、西安電子科技大學(xué)、燕山大學(xué)、西南交通大學(xué)、華南理工大學(xué)、北京交通大學(xué)等單位的一些研究組已經(jīng)開始著手研究。

　　目前該領(lǐng)域的研究工作主要集中在理論層面，奠基性的工作有，Tao、Candès、Donoho 等人已經(jīng)構(gòu)建了壓縮傳感的理論框架，給出傳感矩陣Φ 須滿足的充分條件，即一致不確定性原理(Uniform Uncertainty Principle，UUP);傳感矩陣的行數(shù)M 與信號稀疏度K 之間須滿足M ≥ K *log(N) 等等，發(fā)表了一系列重要論文[5-8]。除此之外，也有許多關(guān)于解決該理論中具體問題的研究成果，主要集中在傳感矩陣與重構(gòu)算法兩個(gè)大的方面。關(guān)于傳感矩陣的研究，目前選用的矩陣是隨機(jī)的，如高斯矩陣或貝努利矩陣等[9-12]。如何構(gòu)造確定的(非隨機(jī)的)傳感矩陣是目前該領(lǐng)域中的一個(gè)公開問題。DeVore 利用多項(xiàng)式構(gòu)造方法獲得滿足UUP 特性的矩陣，但只針對稀疏度K 較小的情況成立[13]，該問題還遠(yuǎn)沒有得到解決。在信號重構(gòu)方面，有大量文獻(xiàn)將最優(yōu)化方法和匹配跟蹤方法引入該問題中進(jìn)行求解[14-17]，但缺乏對算法收斂性與穩(wěn)定性的討論。在硬件實(shí)現(xiàn)上，Rice 大學(xué)的Baraniuk 教授等研制出單像素相機(jī)[18]和A/I 轉(zhuǎn)換器[19-21]，吸引了國內(nèi)外眾多媒體的眼球。隨后也有一些硬件方面的相繼報(bào)道，例如，麻省理工學(xué)院Wald 教授等人研制出MRI RF脈沖設(shè)備[22]，麻省理工學(xué)院Freeman 教授等人研制出編碼孔徑相機(jī)[23]，伊利諾伊州立大學(xué)Milenkovic 等人研制出DNA 微陣列傳感器[24]等等，然而，由于缺乏有效的壓縮傳感矩陣判別理論，除Rice 大學(xué)的單像素相機(jī)(硬件成本昂貴，重建算法效率低下)外，其它硬件均缺乏嚴(yán)格的理論分析。經(jīng)過近兩年的發(fā)展，壓縮傳感在理論方面已經(jīng)取得了許多重要的成果，許多研究者已經(jīng)開始將之投入到實(shí)際應(yīng)用當(dāng)中，如信息、醫(yī)學(xué)等學(xué)科[25-36]。

　　探地雷達(dá)技術(shù)在國外起步較早。德國人Hulsmcyer在1904年首次嘗試用電磁波信號來探測遠(yuǎn)距離地面物體。1910年，Lcimbach和Lowy在德國專利中提出了利用電磁波來探測埋藏物體的方法。20世紀(jì)70年代以來，由于高速脈沖形成技術(shù)、取樣接收技術(shù)及汁算機(jī)技術(shù)的飛速發(fā)展，探地雷達(dá)技術(shù)得到迅速的發(fā)展，地下淺層目標(biāo)探測得以實(shí)現(xiàn)，國外開始出現(xiàn)各種形式的實(shí)驗(yàn)性雷達(dá)，美、日、加拿大等國有幾家公司相繼推出了自己的產(chǎn)品，探測深度可達(dá)50多米，分辨率達(dá)厘米級。美國陸軍已開始實(shí)施代號為FCS—MDN(Future Combat System Mine Detection and Neutralization)的研究計(jì)劃，在1996年至2006年問投入大量資金用于研制有效的反坦克塑性地雷探測裝置，并已經(jīng)研制出一些演示系統(tǒng)，目前正在進(jìn)行進(jìn)一步的技術(shù)攻關(guān)。這一項(xiàng)目中研制的探地雷達(dá)系統(tǒng)包括馬可尼(Marconi)公司的手持和車載下視探地雷達(dá)、SRIInternational的前視探地雷達(dá)、Mirage Systems開發(fā)的用于直升機(jī)的三維合成孔徑探地雷達(dá)和PSI的車載下視合成孔徑探地雷達(dá)。為克服傳統(tǒng)脈沖雷達(dá)的缺陷，這些系統(tǒng)普遍使用步進(jìn)頻率雷達(dá)而且具有合成孔徑成像能力。歐洲聯(lián)合科研中心(Joint Research Center)也開展了地雷探測技術(shù)的研究，并且建立地雷信號數(shù)據(jù)庫,該數(shù)據(jù)庫搜集了多種類型探地雷達(dá)的大量實(shí)測數(shù)據(jù)。

　　國內(nèi)對探地雷達(dá)的研究起步較晚，國內(nèi)產(chǎn)品在分辨率、使用方便性、對雷達(dá)信號成像和圖像解釋技術(shù)等方面與國外產(chǎn)品存在差距，但是由于不斷引進(jìn)和借鑒國外的先進(jìn)技術(shù)，近年來在該領(lǐng)域內(nèi)也取得了較為顯著的研究成果。航天部25所從20紀(jì)80年代中期開始進(jìn)行用于地雷檢測的探地雷達(dá)技術(shù)的研究和實(shí)驗(yàn)。20世紀(jì)90年代以來，我國開始重視探地雷達(dá)技術(shù)的研究和應(yīng)用，并且開發(fā)出新的實(shí)用產(chǎn)品，如北京愛爾迪公司的CBS一9000和CR-20 GPR系統(tǒng)，中國電波傳播研究所研制的LTD-3探地雷達(dá)等。

　　當(dāng)前隨著探地雷達(dá)技術(shù)的飛速發(fā)展，先進(jìn)的高分辨數(shù)據(jù)處理和成像技術(shù)成為探地雷達(dá)技術(shù)發(fā)展的關(guān)鍵，成像算法也趨于多樣化。本世紀(jì)初Carlton J.Leuschen等提出了時(shí)域有限差分逆時(shí)偏移(FDTD reverse time migration)技術(shù)，提高了探地雷達(dá)成像算法的適用性，簡化了計(jì)算。2003年XuXiaoyin提出了基于熵最小化的優(yōu)化Stolt偏移成像算法，能夠適用于水平速度變化的情況。目前常用的探地雷達(dá)成像算法有距離偏移(Range Migration,RM)算法、逆時(shí)偏移(Reverse Time Migration ,RTM)算法、標(biāo)準(zhǔn)后向投影(Standard Back Projection,SBP)算法等通過標(biāo)量波動(dòng)方程建立目標(biāo)散射場和目標(biāo)函數(shù)之間的關(guān)系進(jìn)而對目標(biāo)散射場數(shù)據(jù)進(jìn)行成像處理。為了得到較好的成像效果,以上算法都要求雷達(dá)系統(tǒng)對目標(biāo)散射信號進(jìn)行高密度采樣以獲取足夠的成像數(shù)據(jù)。當(dāng)探測區(qū)域較大時(shí),還需要雷達(dá)系統(tǒng)在大采樣區(qū)域?qū)嵤└呖讖矫芏炔蓸?這導(dǎo)致雷達(dá)系統(tǒng)采樣數(shù)據(jù)量大、測量時(shí)間長。這些算法都沒有考慮到地下非層狀目標(biāo)一般僅占探測區(qū)域很小部分這一先驗(yàn)知識。

　　小波變換是近年來提出的一種非平穩(wěn)信號的分析方法,它被認(rèn)為是Fourier分析的突破性進(jìn)展。它克服了Fourier分析中所存在的時(shí)頻局部分析能力差的缺點(diǎn),能夠在不同的時(shí)間和頻率尺度上對信號進(jìn)行分析。同時(shí),小波理論表明,小波變換可以使一個(gè)信號的能量在小波變換域中集中于少數(shù)系數(shù)上,小波系數(shù)較大者,攜帶信號能量也較多;小波系數(shù)較小者,攜帶信號能量也較少。這也是該文中小波去噪的理論基礎(chǔ)。

　　1.3 研究意義、目的

　　經(jīng)過近兩年的發(fā)展，壓縮傳感在理論方面已經(jīng)取得了許多重要的成果，許多研究者已經(jīng)開始將之投入到實(shí)際應(yīng)用當(dāng)中，如圖像壓縮、去噪、信號的檢測與估計(jì)、傳感器網(wǎng)絡(luò)等。壓縮傳感理論通過隨機(jī)測量利用少量的采樣數(shù)據(jù)可以很好的重建稀疏目標(biāo)信號,在信號分析和重建領(lǐng)域有重要研究價(jià)值。最具代表性的工作是美國賴斯大學(xué)Baraniuk 率領(lǐng)的研究小組采用壓縮傳感技術(shù)設(shè)計(jì)出了單像素相機(jī)，吸引了國內(nèi)外眾多媒體的眼球。除此之外，壓縮傳感在其他許多方面都有著很好的應(yīng)用前景，比如去噪與壓縮，信息論與編碼，統(tǒng)計(jì)信號處理，機(jī)器學(xué)習(xí)，雷達(dá)成像，特征綜合，目標(biāo)識別，醫(yī)學(xué)成像，天體光譜處理等等。本文通過將壓縮傳感技術(shù)運(yùn)用在探地雷達(dá)圖像數(shù)據(jù)獲取和圖像重建上,可以解決海量數(shù)據(jù)采集和存儲(chǔ)問題,能顯著降低圖像處理的計(jì)算量。此外還可以省去雷達(dá)接收端的脈沖壓縮匹配濾波器,降低接收端對模數(shù)轉(zhuǎn)換器件帶寬的要求。設(shè)計(jì)重點(diǎn)由傳統(tǒng)的設(shè)計(jì)昂貴的接收端硬件轉(zhuǎn)化為設(shè)計(jì)新穎的信號恢復(fù)算法,從而簡化雷達(dá)成像系統(tǒng),大大減低設(shè)備制造成本。因此基于壓縮傳感的雷達(dá)成像技術(shù)研究具有重要的理論和實(shí)際運(yùn)用價(jià)值。

　　1.4 主要參考文獻(xiàn)

　　[1] E Candès and T Tao, Near optimal signal recovery from random projections: Universal encoding strategies? IEEE Trans. Inform. Theory, 2006.12, 52(12): 5406-5425

　　[2] D Donoho and Y Tsaig, Extensions of compressed sensing. Signal Processing, 2006.3, 86(3): 533-548

　　[3] R Baraniuk, A lecture on compressive sensing, IEEE Signal Processing Magazine, 2007.7, 24(4): 118-121

　　[4] W Bajwa, J Haupt, G Raz, S Wright and R Nowak, Toeplitz-structured compressed sensing matrices. IEEE Workshop on Statistical Signal Processing (SSP), Madison, Wisconsin, 2007.8, 294-298

　　[5] E Candès and J Romberg, Sparsity and incoherence in compressive sampling. Inverse Problems, 2007,23(3): 969-985

　　[6] 方紅, 章權(quán)兵, 韋穗, 基于亞高斯隨機(jī)投影的圖像重建方法[J],計(jì)算機(jī)研究與發(fā)展, 2008,45(8):1402-1407

　　[7] 傅迎華, 可壓縮傳感重構(gòu)算法與QR 分解[J], 計(jì)算機(jī)應(yīng)用, 2008, 28(9): 2300-2302

　　[8] R DeVore, Deterministic constructions of compressed sensing matrices. Journal of Complexity, 2007,23(4-6): 918-925

　　[9] J Tropp and A Gilbert, Signal recovery from random measurements via orthogonal matching pursuit. IEEE Trans. Inform. Theory, 2008.12, 53(12): 4655-4666

　　[10] D Needell and R Vershynin, signal recovery from incomplete and inaccurate measurements via regularized orthogonal matching pursuit (preprint, 2007)

　　[11] L Rebollo-Neira and D Lowe, Optimized Orthogonal Matching Pursuit Approach, IEEE Signal Processing Letters, 2002.4, 9: 137-140

　　[12] T Do Thong, Lu Gan, Nam Nguyen and Trac D Tran, Sparsity adaptive matching pursuit algorithm for practical compressed sensing, Asilomar Conference on Signals, Systems, and Computers, Pacific Grove, California, 2008.10

　　[13] M Duarte, M Davenport, D Takhar, J Laska, T Sun, K Kelly and R Baraniuk, Single-pixel imaging via compressive sampling, IEEE Signal Processing Magazine, 2008.3, 25(2): 83-91 11

　　[14] S Kirolos, J Laska, M Wakin, M Duarte, D Baron, T Ragheb, Y Massoud and R Baraniuk,

　　Analog-to-information conversion via random demodulation, Proceedings of the IEEE Dallas Circuits and Systems Workshop, Washington D. C., 2006, 71-74

　　[15] J Laska, S Kirolos, Y Massoud, R Baraniuk, A Gilbert, M Iwen and M Strauss, Random sampling for analog-to-information conversion of wideband signals, IEEE Dallas/CAS Workshop on Design,

　　Applications, Integration and Software, Washington D. C., 2006, 119-122

　　[16] T Ragheb, S Kirolos, J Laska, A Gilbert, M Strauss, R Baraniuk and Y Massoud, Implementation models for analog-to-information conversion via random sampling, Proceedings of the 50th Midwest Symposium on Circuits and Systems, Washington D. C., 2007, 325-328

　　[17] A Zelinski, L L Wald, K Setsompop, et al, Sparsity-enforced slice-selective MRI RF excitation pulse design , IEEE Trans. Medical Imaging, 2008.9, 27(9): 1213-1229

　　[18] A Levin, R Fergus, F Durand and W. T. Freeman, Image and depth from a conventional camera with a coded aperture, Proc. of Intl. Conf. Comp. Graphics. and Inter. Tech., 2007

　　[19] M Sheikh, O Milenkovic and R Baraniuk, Designing compressive sensing DNA microarrays. IEEE

　　Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP), St. Thomas, U.S. Virgin Islands, 2007.12

　　[20] D Takhar, J Laska, M Wakin, et al, A new compressive imaging camera architecture using optical-domain compression. Computational Imaging IV at SPIE Electronic Imaging, San Jose, California, 2006.1

　　[21] M Duarte, M Davenport, M Wakin, et al, Multiscale random projections for compressive classification.IEEE Conf. on Image Processing (ICIP), San Antonio, Texas, 2007.9

　　[22] 宋琳, 曹吉海, 基于隨機(jī)濾波的雷達(dá)信號采樣和目標(biāo)重建方法[J], 科技導(dǎo)報(bào), 2008, 26(13): 64-67

　　[23] C Hegde, M Wakin and R Baraniuk, Random projections for manifold learning. Neural Information Processing Systems (NIPS), Vancouver, Canada, 2007.12

　　[24] J Wright, A Ganesh, A Yang and Y Ma, Robust face recognition via sparse representation. IEEE Trans.PAMI, 2008.4, 31(2): 210-217

　　[25] J Bobin, J Starck and R Ottensamer, Compressed sensing in astronomy. IEEE Journal of Selected Topics in Signal Processing, 2008, 2(5): 718-726

　　[26] V Cevher, A Sankaranarayanan, M Duarte, et al, Compressive sensing for background subtraction.

　　European Conf. on Computer Vision (ECCV), Marseille, France, 2008.8

　　[27] P Nagesh and Baoxin Li, Compressive Imaging of Color Images IEEE Intl. Conf. on Acoustic, Speech &Signal Processing (ICASSP), Taipei, Taiwan, preprint, 2009

　　[28] J Haupt and R Nowak, Signal reconstruction from noisy random projections, IEEE Trans. Inform. Theory,2006.9, 52(9): 4036-4048

　　[29] P Boufounos, M F Duarte and R G Baraniuk, Sparse signal reconstruction from noisy compressive

　　measurements using cross validation, SSP 2007, 299-303

　　[30] M Elad and M Aharon, Image denoising via learned dictionary and sparse representation. Proceedings of the 2006 IEEE Computer Society Conference on CVPR, 2006, 1: 895-900 12

　　[31] 張春梅等, 基于冗余字典的信號超完備表示與稀疏分解[J], 科學(xué)通報(bào), 2006.3, 51(6): 628-633

　　[32] T Blumensath and M E Davies, Gradient Pursuits, IEEE Trans. Signal Processing, 2008.6, 56(6):2370-2382

　　[33] T Blumensath and M E Davies, Stagewise Weak Gradient Pursuit Part I: Fundamentals and NumericalStudies(preprint, 2008)

　　[34] T Blumensath and M. E. Davies, Stagewise Weak Gradient Pursuit Part II: Theoretical Properties(preprint,2008)

　　[35] S S Chen, D L Donoho and M A Saunders, Atomic decomposition by basis pursuit, SIAM Journal of Scientific Computing, 1998, 20(1): 33-61

　　[36] M Figueiredo, R Nowak and S Wright, Gradient projection for sparse reconstruction: Application to compressed sensing and other inverse problems, IEEE Journal of Selected Topics in Signal Processing, 2007.12, 1(4): 586-597

　　[37] P J Garrigues and Laurent EI Ghaoui, An homotopy algorithm for the lasso with online observation. Neural Information Processing Systems, Vancouver, Canada, 2008.12, 489-496

　　[38] D Angelosante and B G Georgios, RLS-weighted lasso for adaptive estimation of sparse signals. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP), Taipei, Taiwan, 2009.4, 3245-3248

　　[39] H Zayyani, M Babaie-Zadeh and C Jutten, Bayesian pursuit algorithm for sparse representation. IEEE Int.Conf. on Acoustics, Speech, and Signal Processing (ICASSP), Taipei, Taiwan, 2009.4

　　[40] D Baron, S Sarvoham and R G Baraniuk, Bayesian compressive sensing via belief propagation(preprint,2008)

　　[41] S Senay, L F Chaparro, M Sun and R J Sclabassi , Asynchronous sigma delta modulator based neural implants for epilepsy patients. 35th Northeast Biomedical Engineering Conference, MIT, Boston, April 3-5,2009

　　[42] Ruizhen Zhao, Xiaoyu Liu, Ching-Chung Li, R J Sclabassi and Mingui Sun. A new denoising method based on wavelet transform and sparse representation. ICSP’08 Proceedings, 2008.10, 1: 171-174

　　[43] Ruizhen Zhao, Xiaoyu Liu, Ching-Chung Li, R J Sclabassi and Mingui Sun. Wavelet denoising via sparse representation. Science in China, Series F, 2009.8, 52(8): 1371-1377

　　[44] 小波分析理論與MATLAB7 實(shí)現(xiàn)[M]。北京:電子工業(yè)出版社,2005 :14215,4202422。

　　[45] 陸宏波,施惠昌�；�于小波變換的圖像融合方法[J]。微電子與基礎(chǔ)產(chǎn)品,2001 ,27 (5) :55。

　　[46] 劉貴喜,楊萬海�；�于小波分解的圖像融合方法及性能評價(jià)[J]。自動(dòng)化學(xué)報(bào),2002,28 (6):929。

　　[47] 李曉春,陳京。基于小波變換的圖像融合算法研究[J]。遙感技術(shù)與應(yīng)用,2003,18。(1)。

　　[48] 喻玲娟,謝曉春。壓縮感知理論簡介[J]。數(shù)字視頻,2006,5。

　　[49] 劉立業(yè),雷文太。探地雷達(dá)中衍射層析算法[J]。雷達(dá)科學(xué)與技術(shù)

　　[50] 雷文太。探地雷達(dá)近場三維距離偏移成像算法[J]。電子與信息學(xué)報(bào)

　　[51] 雷文太,粟毅表層穿透雷達(dá)遞歸反向投影成像算法[J] 。電子學(xué)報(bào)

　　[52] 趙勇。探地雷達(dá)回波信號成像和小波去噪的方法與實(shí)現(xiàn)[J] 武漢大學(xué)碩士論文 2004

　　[53] xiao z.wang and wei E.I.sha。 random samping using shannon interpolation and poisson summation formula https://arxiv.org/abs/0909.2292

　　[54] synthetic aperture radar image formation from compressed data using a new computation technique.

　　[55]余慧敏,方廣友。壓縮感知理論在探地雷達(dá)三維成像中的應(yīng)用[J]。電子與信息學(xué)報(bào),2010,32:1-16.

　　[56] sujit bhattacharya。fast encoding of systheic aperture radar raw data using compressed sensing [J]。IEEE;

　　[57] richard baraniuk。compressive radar imaging。IEEE 2007

　　[58] 鞠曉杰�；�于VEGA的雷達(dá)圖像生成仿真系統(tǒng)設(shè)計(jì)[J]。圖像分析,2007,34(7):50-53。

　　[59] 保錚,邢孟道。雷達(dá)成像技術(shù)[M]。電子工業(yè)出版社,2002,7(10) :985-993。

　　[60] 李樹濤,魏丹。壓縮傳感綜述[J]。自動(dòng)化學(xué)報(bào),2007,(18) :280 - 281。

　　[61] 王愛玲,葉明生,鄧秋香。MATLANR2007圖像處理技術(shù)與應(yīng)用[M]。電子工業(yè)出版社:356-365

　　[62] 曹　聞,張　勇�；�于小波包變換與IHS變換的遙感圖像融合[J]。測繪學(xué)院學(xué)報(bào),(02) :39 - 42。

　　注：本報(bào)告一式兩份。第三學(xué)期末，交研究生助理。(院、系、所)管理存檔。