一、小波分析在太阳射电观测数据处理中的应用（论文文献综述）
刘洋[1]（2021）在《太阳射电观测中FPGA实时算法截位优化研究》文中认为建立太阳射电观测系统对太阳活动进行长期观测,是研究太阳活动的重要手段之一。数字接收机作为太阳射电观测系统中不可缺少的一部分,其数字信号处理主要在现场可编程逻辑门阵列（Field Programmable Gate Array,FPGA）中实现。目前,虽然FPGA处理速度和资源上限得到提升,但FPGA完成数字信号处理过程会占用较多资源。而高速高精度模数转换器（Analog-to-Digital Converter,ADC）的应用,使得FPGA所需处理的数据量增加。因此要在有限的FPGA资源下完成大量数据的数字信号处理过程就必须进行截位,实现资源的有效利用。本文基于山东大学空间科学研究院空间电磁探测技术实验室研制的1.25 GSPS太阳射电数字接收机,对其中FPGA数据的截位进行研究,提出一种适用于太阳射电数字接收机的FPGA数据最优截位选取方法。首先,利用MATLAB对数字接收机中FPGA实现的数字信号处理过程进行仿真,结合数字信号处理原理与MATLAB仿真结果,得到数字信号处理过程中加窗和快速傅里叶变换（Fast Fourier Transform,FFT）等运算结果的截位效果。然后将截位后的数据与保留全精度的数据进行比较并计算相对误差值,根据相对误差值大小与FPGA资源占用情况确定FPGA内部直接截位最优方案。最后在直接截位最优方案基础上,采用取绝对值法、截位加一法、四舍五入法以及近似截位法进行截位优化,根据优化效果以及FPGA资源占用情况,确定适用于太阳射电数字接收机中FPGA数据截位的最优方案。在1.25 GSPS太阳射电数字接收机中应用该最优截位选取方法,得出其最优截位方案为:在加窗阶段采取近似截位法进行数据截位,保留有效数据位为[27:14];在FFT的蝶形运算中,根据FFT运算原理,要得到正确的频谱数据,每次复数相乘后需要采用直接截位法对数据进行处理,保留有效数据位为[39:15],将旋转因子的放大效果抵消,而在每次加法或减法运算之后截位选取[25:1];在FFT运算后采用近似截位法对数据进行处理,截取位数选择[20:5]。此时,FPGA资源占用中查找表（Look-Up-Table,LUT）降低了 7.25%,基于查找表的存储器（Look-Up-Table RAM,LUTRAM）降低了14.64%,触发器（Flip Flop,FF）降低了 8.12%,此外专用于运算的数字信号处理器（Digital Signal Processor,DSP）资源降低了 24.94%。观测系统整体相对误差值小于2.5×10-4,满足太阳射电信号的观测需求,成功实现了对35-40 GHz太阳射电信号的实时观测。同时该研究方法在1-50 MHz低频射电观测系统中也得到了很好的应用,实现了对1-50 MHz频段内信号的实时观测。
徐珂[2]（2021）在《35-40GHz宽带太阳射电频谱观测数据平坦度优化实现》文中认为作为离地球最近的一颗恒星,太阳源源不断地向地球上的生物提供能量,但强烈的太阳爆发现象会干扰短波通讯、航空航天等正常工作,因而对太阳活动的观测和研究有着重要意义。射电波段是研究太阳的重要窗口,太阳射电波段的观测离不开太阳射电望远镜。随着微电子等技术的发展,太阳射电望远镜性能指标大幅提高。但是由于系统内部各种器件的幅频特性不一致等原因会导致系统输出信号的数据平坦度变差,影响到系统观测数据的准确性。针对山东大学空间科学研究院空间电磁探测技术实验室的35-40 GHz宽带太阳射电观测系统,研究数据平坦度优化方法。毫米波太阳射电连续谱观测对回溯太阳的磁场和研究太阳辐射机制有着重要作用,但受大气吸收、湍动和器件加工工艺的影响,导致该毫米波观测系统的全频带信号数据平坦度较差,影响观测系统的频谱图显示和后续系统定标工作。这就需要对数据平坦度较差的原因进行深入分析,探讨影响数据平坦度的主要原因以及平坦度的优化方法。论文从软件算法入手,将背景相减法、增益表补偿法、通道补偿法和分位图补偿法应用到毫米波太阳射电信号数据平坦度优化中。首先,通过仿真验证四种平坦度优化方法在35-40 GHz宽带太阳射电观测系统中应用的可行性,综合对比相应仿真结果的参数,评估了四种平坦度优化方法的优化程度。根据仿真数据补偿前后的平坦度大小,分析得出分位图补偿法补偿后的数据平坦度改善程度最大,较原始数据平坦度提高了约15.8倍。在仿真验证四种方法的可行性之后,设计了四种平坦度优化的软件算法,并利用上位机软件,将四种平坦度方法应用到动态频谱的修正中。经实际系统观测,得到改善后的数据平坦度,分析得出分位图补偿法具有的数据平坦度优化效果相对最佳。软件显示界面是实时显示频谱数据、展示平坦度优化效果的平台。本文采用微软基础类库（Microsoft Foundation Classes,MFC）和TeeChart控件结合的方式设计软件界面。该图形用户界面实现数据的接收、存储和显示等功能,并可实现流量图、频谱图和谱线图的同时显示。经动态频谱测试,四种平坦度优化方法均能一定程度上改善系统存在的平坦度较差的问题,其中,分位图补偿法改善效果最好。应用分位图补偿法对2020年6月21日山东威海日偏食的数据进行平坦度优化,优化后数据平坦度从原来的12.5 dBm优化为4 dBm。本文说明应用分位图补偿法可有效提高数据平坦度,得到较好的频谱优化效果。
高昌林[3]（2021）在《太阳射电动态频谱图降噪与爆发检测方法研究》文中提出随着观测技术的不断发展,天文学研究进入了大数据时代。面对海量的观测数据,传统图像处理方法存在效率不足等问题,而大量观测数据契合了深度学习的需求。深度学习是机器学习领域中一个重要研究方向,广泛应用于图像处理领域。本文从实际的研究项目出发,对太阳射电频谱图的降噪和爆发检测问题进行了研究,提出了基于深度学习的降噪方法和爆发事件检测方法。通过分析太阳射电观测系统中噪声的来源及其影响,认为噪声主要来源于设备内部的固有噪声和外部环境中的复杂干扰。噪声的存在不仅降低太阳射电频谱图的观测质量,还影响后续中对爆发事件的检测与判定。在对传统降噪方法进行实验后,认为基于邻域像素值的降噪方法只针对某种特定类型的噪声有降噪效果,但对其他类型的噪声不具有泛化性,不能满足太阳射电频谱图的降噪需求,因此考虑采用深度学习技术来构建降噪方法。本文构建了两种基于深度学习的太阳射电频谱图降噪方法,并进行了对比分析。首先,搭建了 FFDNet与DnCNN两种深度学习网络。与DnCNN网络相比,FFDNet网络中增加了噪声估计子网络,并通过上采样和下采样的方式重塑图像,从而增大了网络对噪声水平的感知范围。其次,在构建数据集的过程中,筛选了槎山观测站、e-CALLSITO和南赛观测站（Nancay）的三个来源的图像,并通过噪声增强的方式解决了对比图像不足的问题。最后,对两种网络模型构建的太阳射电频谱图降噪方法分别进行试验,结果显示基于FFDNet网络的降噪方法在降噪能力上优于DnCNN。在构建太阳射电爆发事件目标检测方法的过程中,本文首先介绍了不同类型目标检测网络的优缺点,并根据实际需求确定采用RetinaNet网络来构建爆发检测方法。在搭建的RetinaNet网络中,采用特征金字塔网络（Feature Pyramid Network,FPN）作为骨干网络,并利用ResNet进行特征提取。FPN通过结构上的简单连接,融合了不同尺度的特征和不同级别的语义,在不影响检测速度的情况下提升了目标检测的性能。其次,在构建数据集的同时对数据集中的爆发事件分布属性做出细化的统计,并以太阳射电Ⅲ型爆发事件为例进行实验。最后,本文为进一步提升对多爆发事件的检测能力,提出了对网络训练中的批（Batch）数据进行分类重组的改进方法并再次进行实验,结果显示改进后的网络提升了多爆发事件的检测精度。
潘冰清[4]（2021）在《超宽带多频点太阳射电图像处理算法研究》文中研究表明自太阳射电天文诞生以来,在世界各国天文学家的努力之下,多种太阳观测设备被研制出来。我国的科学家更是在太阳射电观测领域做出了极大的贡献,从怀柔观测站,密云观测站,再到明安图观测站的建立,提高了我国的太阳射电观测水平,并使我国挤进具有世界前沿射电观测技术的国家。在锡林郭勒明安图镇,我国建立了新一代的宽频宽谱射电望远镜。由于综合孔径成像原理、阵列组成和成本的限制,MUSER所成图像含有很多虚假成分,后期需要特定的图像处理算法进行重建操作。而国际上目前还没有针对超宽带多频谱的太阳射电图像的处理算法。本论文就是基于这个背景展开研究的。主要工作内容如下:1.论述了太阳射电天文的发展以及国内外相关太阳射电观测仪器。着重阐述了MUSER的参数组成、成像原理、以及阵列设计等。介绍了国内外太阳射电图像处理算法现状。并详细讲述了H（?）gbom CLEAN基本思想,简要介绍了多尺度CLEAN和最大熵算法。2.使用加权函数对MUSER的UV覆盖进行密度补偿,主要是自然加权和均匀加权两种方式。选用三幅日本野边山的太阳射电图像作为真实射电源,并模拟不同的频率通道观测太阳。并用加权函数处理过的UV覆盖得到不同的脏束,再利用脏束和野边山得到的三幅太阳图像做卷积。这样不同频率通道,不同加权方式,和不同太阳图像的组合产生多组脏图。之后再研究H（?）gbom CLEAN算法在上述多组脏图的洁化效果。这样实现了H（?）gbom CLEAN在不同频段下,不同加权方式下对脏图去卷积的仿真。本论文通过上述研究,实现了超宽带多频谱上的太阳射电图像重建效果的研究。并初步得到一些结论,经自然加权处理UV覆盖,在后期使用H（?）gbom CLEAN算法进行洁化处理的时候,整体复原效果在1GHz-8GHz频段范围内复原效果良好,在大于9GHz的频段范围内效果很差;均匀加权处理的UV覆盖,同样使用该算法对脏图处理,整体结果不如自然加权的处理效果。在3GHz-8GHz范围内表现尚可,在小于3GHz和大于9GHz的频率范围内,复原结果很差。这个结果为明安图射电日像仪的图像处理,提供了很好的借鉴。
徐珂,尚自乾,严发宝,刘洋,武昭,张园园,张磊,苏艳蕊,陈耀[5]（2021）在《毫米波宽带太阳射电观测系统的信号平坦度补偿方法》文中提出在太阳射电观测系统中,接收机作为核心部分将天线接收到的太阳射电信号进行放大、滤波、数字化处理等操作后生成射电频谱.但接收机内部各种器件的幅频特性不一致性将导致接收机输出信号失真,这种失真在宽带信号时更加严重,使系统输出信号平坦度变差,进而影响观测系统数据的准确性.通过分析,信号不平坦主要来源于系统固定增益的不平坦度及随机噪声.针对这一问题,本文提出一种应用于毫米波宽带太阳射电观测系统的信号平坦度补偿方法.首先,将观测信号减去背景辐射噪声尝试补偿系统固定增益的不平坦度.随后,针对宽带信号利用分位图分析系统固定增益的不平坦度补偿是否完成,视不同情形进行下一步处理:（1）若分位图不符合正态分布,则需重新选取背景数据进行补偿操作直至分位图符合正态分布或超过尝试次数后丢弃这组数据;（2）若分位图符合正态分布,可认为系统固定增益的不平坦度补偿完成.最后,根据信号的方差和均值拟合得到白噪声函数积分次数与噪声抑制的关系,进而选择合适的积分次数抑制噪声以得到符合平坦度要求的补偿后信号.该模拟结果可对上位机实时数据处理算法提供参考,在高带宽内对信号的平坦度进行补偿,使接收机获取较为准确的观测数据（精细动态频谱）.该方法已应用于山东大学槎山太阳射电观测站的35～40 GHz宽频太阳射电观测系统,并得到了较好的补偿效果.
王璐[6]（2020）在《太阳射电爆发的系统研究》文中研究表明太阳耀斑作为太阳大气中最剧烈的爆发现象之一,是太阳物理研究的热点。磁重联被认为是非势磁场能量释放和耀斑产生的激发（机制）。被释放的磁场能量中有相当一部分被转移给高能电子和离子。反过来,这些非热粒子也会增强来自于太阳的射电和X射线辐射。因此,射电和X射线辐射携带着太阳耀斑丰富的动力学（过程）信息。在本论文中,我们将在射电和X射线波段辐射上研究太阳耀斑的特性。第1章节介绍了本文的研究背景。在第1.1小节,我们介绍了太阳结构和太阳大气中各种活动现象。第1.2小节介绍了一些常用的射电频谱仪。对射电频谱仪的准确定标是正确获取太阳射电信息的基础。目前存在多种射电仪器的定标方法,在该论文中我们将详细地介绍相对定标法和非线性定标法。此外,我们也将对国内射电频谱仪,太阳宽频带射电频谱仪（Solar Broadband Radio Spectrometer,SBRS）和明安图宽频谱射电日像仪（Mingantu Ultrawide Spectral Radioheliograph,MUSER）的定标手段以及成像原理展开详细说明。第1.3小节介绍等离子体中的基本辐射机制和辐射转移过程。因为回旋同步辐射和轫致辐射是来自于太阳耀斑中的射电和X射线辐射常见辐射机制,所以重点介绍了这两种辐射机制。此外,我们也解释了热和非热分布的电子是如何产生X射线和射电辐射,以及X射线和射电的辐射能谱与电子能量分布之间的关系。辐射机制是通过远距离观测耀斑所产生的辐射和理解太阳耀斑动力学过程之间的桥梁。第1.4小节从观测角度描述了射电、X射线和高能电子之间的关系。通过二维射电成像,我们可以精确的确定出电子被加速（高能化）的位置。另外,射电和X射线光变曲线之间的时间关系也提供了电子传播的信息。利用二维射电和X射线成像结果计算（耀斑中不同位置）的能谱可以提供给我们太阳耀斑中不同位置的主导辐射机制信息。更进一步,我们通过射电和X射线源区时间演化信息,确定了耀斑的日冕源和电流片的位置。通过多波段观测所建立的标准太阳耀斑模型包含射电辐射、X射线和高能电子（这些信息）。在第2章,基于对中国科学技术大学位于蒙城的射电频谱仪（McSRS）所观测到,发生在2015年8月27日所发生的M 2.9级太阳耀斑的分析,我们发现由于仪器电子学噪音,传统定标方法给出的结果并不令人满意。通过使用地球静止轨道环境业务卫星（GOES）、日本野边山的射电偏振计（NoRP）以及射电日像仪（NoRH）的观测数据,结合有关的理论辐射机制对McSRS的定标方法进行改进。和传统的定标方法相比,改进后的定标方法给出的定标结果与NoRP/NoRH的观测结果相一致,更好地揭示了该M 2.9级耀斑射电频谱的典型演变（规律）。第3章利用多波段观测数据,进一步分析了 2015年8月27日M 2.9级耀斑的辐射特性。我们发现来自于太阳耀斑的射电辐射脉冲成分和缓变成分产生于不同位置的源区。更进一步的,我们发现这两个成分的主导辐射机制也不同,比如,脉冲相是由双温电子模型的同步辐射所产生,而缓变相则是由轫致辐射所主导。我们采用微分发射度（Different Emission Measure,DEM）分析法来解释缓变相能谱,发现冷等离子体扮演着一个非常重要的作用,在缓变相期间贡献了比热等离子体更多的射电辐射。在第4章节中,因为短时标的流量变化和耀斑中磁重联过程的能量释放有着紧密的关系。我们对NoRP从2000年到2010年中所观测到的209个耀斑事例,在五个通道（1、2、3.75、9.4和17 GHz）上的射电光变曲线进行移动步长的平滑分析。我们发现大部分耀斑1 GHz辐射的脉冲成分（变化时标小于1秒）的峰值流量密度为几十个太阳流量单位（solar flux unit,sfu）,并且持续约1分钟。然而2 GHz辐射的脉冲成分的峰值流量密度较1 GHz更低,脉冲成分的持续时间也更短。除此之外,在另外三个更高的频率上,耀斑发生频率随峰值流量的降低而增加,直到流量达到背景噪音水平。然而,（不同频段的）射电辐射的缓变成分有着相似的持续时间和峰值流量分布。我们也得到了事例中不同时间尺度的能谱。归一化的小波分析方法也被用于确认短时标特征。我们发现在0.1秒的时间分辨率上,这些光变曲线中超过～60%事例显示出在1秒或者更短时标上有着显着的流量变化。这个比例随着频率的降低而升高,最终在1GHz处达到～100%,说明短时标（动力学）过程在太阳耀斑中非常普遍。我们也研究了脉冲射电流量密度与通过GOES卫星获得软X射线流量之间的关系,发现65%具有显着脉冲成分的耀斑的脉冲射电成分峰值时刻早于软X射线流量峰值,这个比例随着射电观测频率的升高而升高。在第5章,我们对全文进行了总结和展望。
罗改芳[7]（2020）在《基于正态分布模拟的太阳射电爆发自动实时检测方法研究》文中认为太阳是离地球最近的恒星,也是人类目前唯一能够精确观测的恒星,太阳的活动对人类生产、生活和延续有重大影响。太阳的剧烈活动称为太阳射电爆发,在光学和射电波段都可以观测到。太阳射电爆发携带着太阳物理诸多重要的信息,对空间物理的研究具有重要意义。另外,太阳射电爆发常常造成空间及地面的电磁波动,影响航天器和通讯工具等的正常运行,如果能够实时的检测太阳射电爆发,就可能在太阳射电爆发时,采取相应的应对措施,降低对人类生产生活的影响。因此,太阳射电爆发的自动实时检测对空间天气的预警意义重大。在太阳射电爆发自动实时检测的研究中,本文在分析现有的太阳射电爆发检测方法的基础上,改进并提出了新的处理方法,主要工作如下:首先,结合引导滤波和形态学方法去除太阳射电频谱图像中的噪声。太阳射电数据由于在接收时受到大量噪声的干扰,最终显示的频谱图像存在大量的横条纹干扰和其他噪声,影响太阳爆发的检测与参数提取。我们首先将频谱图像去除通道效应,再实施引导滤波以保持爆发的边缘不被模糊,并结合形态学方法去除频谱图中多余的毛刺和孤立噪声点。然后,通过模拟背景正态分布模型检测太阳射电爆发。经过统计,太阳射电背景呈现的缓慢辐射变化符合正态分布的规律。本文首先将频谱图像的背景按照不同通道分别模拟正态分布模型,再逐像素点对比其与对应通道模拟得到的正态分布模型的差异度,最终分离出爆发的区域,并将频谱图像二值化。最后,提出二维卷积的方法提取太阳射电爆发参数值。对于二值化后的太阳射电频谱图像,引入卷积的概念,通过卷积结果的骤升和骤降,记录爆发区域的开始时间和结束时间等重要参数值,以便于后续对空间天气的预警。本文使用中国科学院云南天文台提供的太阳射电爆发数据,对提出的方法进行了实验。实验结果表明,本文方法高效可靠,能够较准确的提取出太阳射电爆发时间,且满足太阳射电爆发自动检测的实时性要求。
张巧曼[8]（2020）在《太阳射电爆发事件的分类与定位检测方法研究》文中提出因太阳剧烈扰动导致射电强度剧增的太阳射电爆发会对地球的电磁环境以及空间天气产生巨大影响,因此对各种类型爆发事件的发生规律、辐射机制及其精细结构的研究,对探索太阳爆发活动过程具有指导性意义。然而随着世界各国太阳射电监测设备的建立,大量的太阳射电观测数据得以累积,通过人工和传统的数据处理方法难以快速高效的对太阳射电频谱图进行分类。本文将结合太阳射电各类爆发事件的研究现状,利用深度学习技术实现对太阳射电爆发频谱图的判别和爆发类型的自动分类及定位。对爆发事件精细结构的研究通常基于图像处理技术,经过背景去噪和对各频率通道的射电流量值的数据处理等操作,提取当前爆发事件相应的特征参数并进行研究。不仅处理过程繁琐复杂,而且方法中使用的参数需要人工干预。此外,同一个处理程序不适用于处理多类爆发事件,无法实现对大量各类爆发事件的同时处理。本文对当前各类自动分类算法和目标检测算法进行了研究和分析对比,在前人实现太阳射电频谱图分类和提取爆发特征参数方法的基础上,提出使用在图像上分类能力强的卷积神经网络（Convolution Neural Network,CNN）,实现对太阳射电爆发频谱图的自动识别,并利用深度学习中的目标检测网络实现对各类爆发事件的自动分类和定位检测,而后对定位检测出的爆发事件的位置坐标进行计算即可得到各项基本特征参数。文中对太阳射电频谱图的分类和爆发事件的定位检测问题分别进行各项对比实验。针对识别太阳射电爆发频谱图的问题,搭建了深度置信网络和支持向量机,与CNN网络的分类效果进行对比,结果显示CNN方法的分类效果更好。另外,根据太阳射电频谱图中各频率通道之间信息相互独立的特点,使用1×n的卷积核进行特征提取,从而进一步提高了网络的分类性能。针对爆发类型的分类和定位检测问题,探讨了当前流行的各种目标检测算法,结合各类太阳射电爆发事件的特点和数据现状,最终选定了基于Faster RCNN的网络框架。在Faster RCNN中,分别使用VGG16和ResNet101网络进行特征提取,根据最终各类爆发事件的检测精度对比网络性能。为进一步提高网络对小尺度爆发事件的检测能力,对原Faster RCNN网络进行改进,提出多尺度检测框和多层特征融合训练的方法,提高了小尺寸爆发事件的检测精度,从而使本文网络适用于各种尺度爆发事件的检测。对定位检测出的爆发事件的位置坐标进行简单计算,即可得到起止频率、持续时间、频率带宽和频率漂移率等特征参数,这为将来实时检测并提取爆发特征参数的实现提供了可能。最后,以III型爆发和小尺度的尖峰爆发事件为例,阐述了基本特征参数的提取过程,并根据参数统计结果对爆发事件做出简要分析。
汪子瑶[9]（2020）在《基于多尺度CLEAN算法的太阳射电图像处理》文中提出位于我国明安图地点的超宽频谱射电日像仪（MUSER）是一种太阳专用的射电干涉阵列,它可同时产生高时间、高空间和高频率分辨率的太阳图像。但是根据日像仪的综合孔径成像原理,其在UV平面内的釆样点是有限的,所以得到的太阳图像并不是真实的,还会包括许多虚假的成分,则需要使用特定的图像处理方法对观测到的太阳图像进行复原以获得真实的图像。太阳射电成像依赖于反卷积算法来抵消傅立叶平面的稀疏采样。最广泛使用的射电合成反卷积方法是H（?）gbom的CLEAN（洁化）算法,该算法非常适用于点源集合,但是对于展源对象,它的效果不是很好。在本论文中,我们采用了多尺度CLEAN算法作为MUSER太阳射电成像中的反卷积方法,它同时适用于点源和展源,本文比较和改进了各类参数,从而得出最优结果。主要的研究工作如下:1.论述了国内外太阳射电观测仪器的发展,重点介绍了我国的明安图超宽频谱射电日像仪（MUSER）以及参数,且总结了日像仪图像洁化的国内外研究现状。从干涉仪工作原理分析了日像仪的综合孔径成像原理,然后介绍了基本的CLEAN算法思想,并阐述了现有的一些CLEAN拓展算法。2.通过对H（?）gbom CLEAN算法、多分辨率CLEAN算法和传统的多尺度CLEAN算法进行具体的分析研究,并且分别使用它们对MUSER太阳综合孔径射电成像做洁化处理。比较分析这些算法在MUSER成像中的实现结果,证明多尺度CLEAN算法在太阳图像处理中的优势。3.基于Cornwell的传统多尺度CLEAN算法进行相应的改进,通过使用AIA（Atmospheric Imaging Assembly,大气成像组件）图像进行仿真实验对多尺度CLEAN算法关于尺度选择和迭代次数等因素的研究,并采用客观评价指标对复原图像进行评价。然后,改进的多尺度CLEAN算法用于MUSER太阳数据的图像处理,并与传统多尺度CLEAN的实现结果比较。本论文中优化的多尺度CLEAN算法在MUSER成像处理的结果中显示,其对于点源和展源都有良好的处理效果,并且更有效适合用于太阳图像的处理,具有更好的太阳射电成像性能,在射电天文课题的研究发展方面具有不错的参考价值。
罗湾[10]（2020）在《基于压缩感知的太阳图像处理》文中指出太阳射电成像依赖于反卷积算法来抵消傅立叶平面的稀疏采样。传统的太阳射电重构算法有两种:CLEAN算法和最大熵算法,该两种算法分别对点源和展源具有较好的重构效果,但是两种方法均未从本质上解决稀疏采样问题,本文在此基础上,结合综合孔径射电观测原理以及压缩感知成像技术,研究了一种新的太阳射电图像重构算法。本论文的主要工作内容如下:（1）本文深入调研了综合孔径成像技术和压缩感知成像国内外发展现状,并重点分析了压缩感知成像用于太阳射电图像重构的发展情况。（2）对压缩感知理论三个方面,稀疏表示、测量矩阵以及稀疏信号的重构进行了详细介绍。（3）研究了太阳图像稀疏表示方法及重构算法:本文深入研究了太阳图像稀疏表示方法,分别从理论证明以及实验验证两方面,分析了离散余弦变换基、小波变换基、K-SVD自适应字典对太阳图像进行稀疏表示的效果。通过采用分块训练的K-SVD算法对字典进行训练,得到了太阳图像稀疏表示自适应字典。对太阳稀疏表示图像进行重构,针对图像重构算法对太阳稀疏表示图像质量的影响,研究了四种贪婪重构算法的重构性能。（4）研究了基于压缩感知的太阳图像重构算法:研究了射电综合孔径成像技术及太阳射电图像重构算法:CLEAN算法、多尺度CLEAN算法以及最大熵算法。结合综合孔径观测原理以及压缩感知成像技术,研究了新的太阳射电图像重构算法,建立了本章算法的图像重建模型。由于预先很难准确获知太阳射电图像的稀疏度,本文改进了CoSaMP算法的自适应性,改进信号初始估计,结合SAMP算法的思想,将残差值对比作为算法终止条件,降低了重构图像的迭代次数以及重构时间。实验结果证明,本文算法重构精度高,抗噪声能力强,并且具有稀疏度自适应的优点。最后对比传统重构算法,本文算法在一定的条件下,提高了太阳射电图像重构质量。本文工作主要基于新一代厘米-分米波射电日像仪（Mingantu Spectral Radioheliograph,MUSER）成像展开。
二、小波分析在太阳射电观测数据处理中的应用（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、小波分析在太阳射电观测数据处理中的应用（论文提纲范文）
（1）太阳射电观测中FPGA实时算法截位优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 太阳射电观测中FPGA数据截位的研究意义 |
| 1.2 太阳射电观测中FPGA数据截位的研究现状 |
| 1.2.1 太阳射电观测系统的研究现状 |
| 1.2.2 FPGA处理中数据截位的研究现状 |
| 1.3 论文主要工作与组织结构 |
| 第2章 FPGA截位方法理论研究与仿真实现 |
| 2.1 FPGA中直接截位误差产生原因及分析 |
| 2.2 FPGA截位方法介绍及仿真实现 |
| 2.2.1 五种截位方法的仿真分析 |
| 2.2.2 四种截位优化方法在FPGA中的实现 |
| 2.3 本章小结 |
| 第3章 太阳射电观测系统中FPGA截位研究 |
| 3.1 太阳射电观测系统中的信号处理算法 |
| 3.1.1 算法实现平台 |
| 3.1.2 FPGA实时算法设计 |
| 3.1.3 FPGA实时算法仿真 |
| 3.2 FPGA实时算法截位研究 |
| 3.2.1 乘加运算直接截位方案 |
| 3.2.2 加窗运算直接截位方案 |
| 3.2.3 FFT运算直接截位方案 |
| 3.2.4 FPGA实时算法截位优化方案 |
| 3.3 FPGA中资源占用分析 |
| 3.3.1 直接截位方案资源占用分析 |
| 3.3.2 截位优化方案资源分析 |
| 3.4 本章小结 |
| 第4章 最优截位方法在射电观测系统中的应用 |
| 4.1 35-40 GHz太阳射电观测系统的应用 |
| 4.2 1-50 MHz低频射电观测系统的应用 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表学术论文和参加科研情况 |
| 学位论文评阅及答辩情况表 |
（2）35-40GHz宽带太阳射电频谱观测数据平坦度优化实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 太阳射电观测系统研究现状 |
| 1.2.2 数据平坦度研究现状 |
| 1.3 论文框架 |
| 第2章 系统信号处理与平坦度分析 |
| 2.1 系统信号处理 |
| 2.2 数据平坦度分析 |
| 2.2.1 系统数据不平坦的原因 |
| 2.2.2 模拟接收机平坦度测试 |
| 2.2.3 数据平坦度优化方式选择 |
| 2.3 本章小结 |
| 第3章 数据平坦度优化方法 |
| 3.1 四种平坦度优化原理 |
| 3.1.1 背景相减法 |
| 3.1.2 增益表补偿法 |
| 3.1.3 通道补偿法 |
| 3.1.4 分位图补偿法 |
| 3.2 平坦度优化方法仿真数据处理与分析 |
| 3.3 不同平坦度优化方法仿真补偿结果对比 |
| 3.4 本章小结 |
| 第4章 数据平坦度优化测试 |
| 4.1 35-40 GHz宽带太阳射电观测系统信号分析 |
| 4.2 平坦度优化方法的系统测试 |
| 4.3 平坦度优化方法的实际测试对比 |
| 4.4 本章小结 |
| 第5章 系统软件界面设计 |
| 5.1 软件设计平台概述 |
| 5.1.1 基于Visual Studio的MFC界面设计平台 |
| 5.1.2 Qt界面设计平台 |
| 5.2 35-40 GHz太阳射电观测系统软件界面设计 |
| 5.2.1 软件功能框架设计 |
| 5.2.2 开发方案设计 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表学术论文和参加科研情况 |
| 学位论文评阅及答辩情况表 |
（3）太阳射电动态频谱图降噪与爆发检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 太阳射电的研究背景 |
| 1.1.2 深度学习与天文学 |
| 1.2 研究现状 |
| 1.2.1 太阳射电频谱图降噪方法 |
| 1.2.2 太阳射电爆发检测方法 |
| 1.3 课题研究意义 |
| 1.4 本文主要工作与组织结构 |
| 第2章 太阳射电的观测与噪声干扰 |
| 2.1 太阳射电观测系统 |
| 2.1.1 太阳射电接收机 |
| 2.1.2 太阳射电动态频谱图 |
| 2.2 噪声影响与分析 |
| 2.2.1 噪声的来源 |
| 2.2.2 噪声的分类与影响 |
| 2.3 传统降噪方法 |
| 2.4 本章小结 |
| 第3章 基于深度学习的太阳射电频谱图降噪方法 |
| 3.1 基于深度学习的降噪网络 |
| 3.1.1 卷积神经网络的典型结构与组成 |
| 3.1.2 降噪网络的评价标准 |
| 3.2 数据集的建立 |
| 3.2.1 数据来源与筛选 |
| 3.2.2 噪声增强与图像归一化 |
| 3.3 基于DnCNN的太阳射电频谱图降噪方法 |
| 3.3.1 DnCNN网络模型 |
| 3.3.2 实验的过程与结果 |
| 3.4 基于FFDNet的太阳射电频谱图降噪方法 |
| 3.4.1 FFDNet网络模型 |
| 3.4.2 实验结果对比与分析 |
| 3.5 本章小结 |
| 第4章 基于深度学习的太阳射电爆发检测方法 |
| 4.1 目标检测网络与评价指标 |
| 4.1.1 目标检测网络概述 |
| 4.1.2 RetinaNet目标检测网络 |
| 4.1.3 目标检测评价指标 |
| 4.2 数据集构建与分析 |
| 4.2.1 太阳射电爆发与数据的筛选 |
| 4.2.2 爆发事件的分布与特征 |
| 4.3 实验结果与改进方法 |
| 4.3.1 实验过程与结果 |
| 4.3.2 问题分析与改进方法 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术成果和参加的科研项目 |
| 学位论文评阅及答辩情况表 |
（4）超宽带多频点太阳射电图像处理算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 太阳射电天文的发展及意义 |
| 1.3 太阳射电图像处理算法的现状 |
| 1.4 本论文的组成结构 |
| 1.5 本论文的研究意义 |
| 第二章 国内外太阳观测设备介绍 |
| 2.1 国外太阳观测设备 |
| 2.2 国内观测设备 |
| 2.3 明安图射电日像仪MUSER |
| 2.3.1 明安图射电日像仪接收系统 |
| 2.3.2 明安图射电日像仪阵列介绍 |
| 2.4 本章小结 |
| 第三章 成像原理和成像研究 |
| 3.1 傅里叶变换原理及性质介绍 |
| 3.2 综合孔径成像技术 |
| 3.2.1 双天线射电干涉仪 |
| 3.2.2 MUSER成像的原理 |
| 3.3 成像研究 |
| 3.3.1 加权函数 |
| 3.3.2 脏图的产生 |
| 3.3.3 成像坐标u,v,w |
| 3.4 本章小结 |
| 第四章 去卷积算法在MUSER中的应用 |
| 4.1 CLEAN及其相关拓展算法 |
| 4.1.1 CLEAN算法 |
| 4.1.2 多尺度CLEAN算法和最大熵算法 |
| 4.2 标准CLEAN算法在MUSER图像处理中的研究 |
| 4.2.1 仿真思路 |
| 4.2.2 仿真研究 |
| 4.3 仿真结果分析与对比 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
| 攻读硕士学位期间取得的成果 |
（5）毫米波宽带太阳射电观测系统的信号平坦度补偿方法（论文提纲范文）
| 1 引言 |
| 2 35～40 GHz太阳射电宽带观测系统及平坦度补偿原理 |
| 3 平坦度补偿仿真分析 |
| 4 35～40 GHz太阳射电宽带观测系统信号平坦度补偿实现 |
| 4.1 35～40 GHz太阳射电宽带观测系统信号分析 |
| 4.2 宽带观测系统信号平坦度补偿应用 |
| 5 结论 |
（6）太阳射电爆发的系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 研究背景 |
| 1.1 引言-太阳概况 |
| 1.1.1 太阳结构 |
| 1.1.2 太阳活动 |
| 1.2 射电观测仪器以及定标 |
| 1.2.1 国内外的偏振计、频谱仪和日像仪 |
| 1.2.2 偏振计、频谱仪的定标 |
| 1.2.3 X射线太阳观测设备 |
| 1.3 X射线和射电辐射机制 |
| 1.3.1 亮温度与辐射转移 |
| 1.3.2 来自于耀斑的X射线辐射 |
| 1.3.3 来自于耀斑的射电辐射 |
| 1.3.4 通过厚靶硬X射线能谱计算射电流量 |
| 1.4 射电辐射、X射线与电子之间的关系 |
| 1.4.1 射电频谱对电子加速区域的位置判断 |
| 1.4.2 射电观测与X射线的时变曲线之间时间关系 |
| 1.4.3 通过X射线和米波/分米波的成像研究推断耀斑过程中相互作用区域电子演化 |
| 1.4.4 通过回旋同步辐射定量诊断耀斑高能电子 |
| 1.4.5 耀斑新的观测窗口:毫米到亚毫米波观测 |
| 1.4.6 在爆发事件中磁重联和电流片的证据 |
| 1.4.7 总结 |
| 第2章 蒙城射电频谱仪的定标 |
| 2.1 引言 |
| 2.2 观测 |
| 2.3 定标原理和方法 |
| 2.4 修正定标方法 |
| 2.5 结论与讨论 |
| 第3章 2015年8月27日耀斑源区分析 |
| 3.1 脉冲相射电源区分析 |
| 3.1.1 引言 |
| 3.1.2 多波段观测基本情况 |
| 3.1.3 脉冲相和缓变相辐射分量的分离 |
| 3.1.4 脉冲相能谱分析 |
| 3.1.5 小结 |
| 3.2 缓变成分源区的确定 |
| 3.3 发射度和微分发射度 |
| 3.4 数据分析和DEM方法 |
| 3.4.1 利用SDO/AIA计算DEM |
| 3.4.2 轫致辐射计算公式 |
| 3.4.3 不同DEM和EM的比较 |
| 3.5 冷等离子体假设和拟合射电频谱 |
| 3.5.1 冷等离子体假设 |
| 3.5.2 拟合射电频谱 |
| 3.6 结果和讨论 |
| 第4章 射电脉冲统计分析 |
| 4.1 引言 |
| 4.2 样本、分析方法和样本脉冲成分与缓变成分的统计特性 |
| 4.2.1 样本 |
| 4.2.2 功率谱分析 |
| 4.2.3 脉冲和缓变成分的统计特性 |
| 4.3 在短时标的流量密度的变化 |
| 4.3.1 归一化的小波分析 |
| 4.4 与X射线之间的关系 |
| 4.5 结论 |
| 4.6 附录A |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（7）基于正态分布模拟的太阳射电爆发自动实时检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 太阳射电天文学 |
| 1.1.2 太阳射电爆发研究背景 |
| 1.1.3 太阳射电爆发研究意义 |
| 1.1.4 太阳射电爆发研究问题描述 |
| 1.2 太阳射电观测及数据格式 |
| 1.3 国内外研究现状 |
| 1.4 存在的问题 |
| 1.4.1 太阳射电频谱图像去噪问题 |
| 1.4.2 太阳射电爆发检测问题 |
| 1.5 本文主要工作和组织结构 |
| 1.5.1 本文主要工作 |
| 1.5.2 本文组织结构 |
| 第二章 太阳射电爆发检测相关理论知识 |
| 2.1 引导滤波 |
| 2.2 数学形态学 |
| 2.2.1 二值形态学 |
| 2.2.2 灰度形态学 |
| 2.3 正态分布 |
| 2.4 图像卷积 |
| 2.5 本章小结 |
| 第三章 太阳射电频谱图像的噪声去除方法 |
| 3.1 太阳射电频谱图像去噪概述 |
| 3.2 太阳射电频谱图像典型去噪算法 |
| 3.3 结合引导滤波与形态学方法去除太阳射电频谱图中的噪声 |
| 3.3.1 去除通道效应 |
| 3.3.2 结合引导滤波与形态学去噪 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 太阳射电爆发自动检测方法 |
| 4.1 太阳射电爆发检测概述 |
| 4.2 太阳射电爆发检测相关算法 |
| 4.3 基于正态分布模拟的太阳射电爆发检测与特征值提取 |
| 4.3.1 太阳射电爆发检测及图像二值化 |
| 4.3.2 太阳射电爆发特征值提取 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间完成的科研成果 |
| 致谢 |
（8）太阳射电爆发事件的分类与定位检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 太阳射电研究背景 |
| 1.1.2 深度学习在太阳射电中的应用 |
| 1.2 研究现状 |
| 1.2.1 太阳射电频谱图分类问题的研究 |
| 1.2.2 太阳射电爆发事件的检测与提取 |
| 1.2.3 目标检测算法的研究现状 |
| 1.3 课题研究意义 |
| 1.4 本文主要工作与组织结构 |
| 第2章 太阳射电频谱图的分类 |
| 2.1 分类算法的研究 |
| 2.1.1 支持向量机SVM |
| 2.1.2 深度置信网络DBN |
| 2.1.3 卷积神经网络CNN |
| 2.2 实验数据来源及数据集的建立 |
| 2.2.1 实验数据来源 |
| 2.2.2 数据集的建立及其预处理 |
| 2.3 基于CNN的太阳射电频谱图的分类方法 |
| 2.3.1 卷积神经网络模型的建立 |
| 2.3.2 实验过程与结果分析 |
| 2.4 本章小结 |
| 第3章 太阳射电爆发事件的定位检测方法 |
| 3.1 目标检测算法的选择 |
| 3.1.1 太阳射电爆发事件的分析 |
| 3.1.2 目标检测算法 |
| 3.1.3 网络框架及特征提取网络的对比 |
| 3.2 基于Faster RCNN的爆发事件的定位检测 |
| 3.2.1 Faster RCNN |
| 3.2.2 数据集的建立 |
| 3.2.3 网络结构描述与实验结果分析 |
| 3.3 基于改进Faster RCNN的爆发事件的定位检测 |
| 3.3.1 问题描述 |
| 3.3.2 改进Faster RCNN的网络结构设计 |
| 3.3.3 实验结果对比与分析 |
| 3.4 本章小结 |
| 第4章 太阳射电爆发事件定位检测处理与分析 |
| 4.1 对爆发事件位置坐标的处理 |
| 4.2 尖峰爆发事件的提取与简单分析 |
| 4.2.1 基于图像处理的尖峰爆发事件的提取 |
| 4.2.2 基于Faster RCNN的尖峰爆发事件的检测分析 |
| 4.3 Ⅲ型爆发事件的提取与简单分析 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（9）基于多尺度CLEAN算法的太阳射电图像处理（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 太阳射电观测仪器发展 |
| 1.2.1 国外太阳射电观测仪器发展 |
| 1.2.2 我国太阳射电观测仪器发展 |
| 1.3 明安图射电频谱日像仪(MUSER) |
| 1.3.1 MUSER简介 |
| 1.3.2 MUSER的性质和特点 |
| 1.4 日像仪图像洁化的国内外研究现状 |
| 1.5 本论文的研究意义 |
| 1.6 本论文的主要工作内容 |
| 第二章 综合孔径成像原理和CLEAN算法 |
| 2.1 干涉仪工作原理 |
| 2.2 综合孔径成像原理 |
| 2.2.1 综合孔径成像的基本原理 |
| 2.2.2 脏图和脏束 |
| 2.3 去卷积算法概述 |
| 2.3.1 常用的去卷积算法 |
| 2.3.2 CLEAN(洁化)算法的拓展 |
| 2.4 本章小结 |
| 第三章 CLEAN算法在MUSER成像处理中的研究 |
| 3.1 H(?)gbom CLEAN算法 |
| 3.2 多分辨率CLEAN算法(Multi-Resolution CLEAN) |
| 3.3 传统的多尺度CLEAN算法(Multi-scale CLEAN) |
| 3.4 各CLEAN算法结果对比 |
| 3.4.1 复原的太阳图像对比 |
| 3.4.2 实现结果性能对比 |
| 3.5 本章小结 |
| 第四章 改进的多尺度CLEAN算法的研究 |
| 4.1 改进的多尺度CLEAN算法 |
| 4.1.1 初始化 |
| 4.1.2 迭代 |
| 4.1.3 图像洁化 |
| 4.2 基于AIA图像仿真的多尺度CLEAN算法研究 |
| 4.2.1 AIA(Atmospheric Imaging Assembly)简介 |
| 4.2.2 关于尺度选择的讨论 |
| 4.2.3 关于迭代次数的讨论 |
| 4.3 对MUSER数据的处理结果对比 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来工作的展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读硕士学位期间参与的项目 |
（10）基于压缩感知的太阳图像处理（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 综合孔径观测技术的发展 |
| 1.2.2 压缩感知成像技术的发展 |
| 1.3 本文主要研究内容以及结构安排 |
| 第二章 压缩感知理论基础 |
| 2.1 压缩感知理论 |
| 2.1.1 压缩感知与传统压缩 |
| 2.1.2 预备知识 |
| 2.1.3 压缩感知三大关键问题 |
| 2.2 重构图像质量评估 |
| 2.3 本章小结 |
| 第三章 太阳图像稀疏表示方法及重构算法的研究 |
| 3.1 太阳图像稀疏表示方法 |
| 3.1.1 离散余弦变换基 |
| 3.1.2 小波变换基 |
| 3.1.3 自适应字典 |
| 3.1.4 三种稀疏表示方法实验分析 |
| 3.2 基于自适应字典的太阳稀疏表示图像重建 |
| 3.2.1 重构算法分析 |
| 3.2.2 重构算法数值证明 |
| 3.2.3 重构算法实验分析 |
| 3.3 本章小结 |
| 第四章 基于压缩感知的太阳射电图像复原 |
| 4.1 射电综合孔径成像 |
| 4.2 传统射电天文图像复原算法 |
| 4.2.1 CLEAN算法 |
| 4.2.2 改进的CLEAN算法—多尺度CLEAN |
| 4.2.3 最大熵算法 |
| 4.3 基于压缩感知的太阳射电图像复原 |
| 4.3.1 基于压缩感知的太阳射电图像复原模型 |
| 4.3.2 改进的稀疏度自适应CoSaMP重构算法 |
| 4.3.3 算法框图 |
| 4.4 本章算法实验分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读硕士学位期间参与的项目 |
四、小波分析在太阳射电观测数据处理中的应用（论文参考文献）
- [1]太阳射电观测中FPGA实时算法截位优化研究[D]. 刘洋. 山东大学, 2021(12)
- [2]35-40GHz宽带太阳射电频谱观测数据平坦度优化实现[D]. 徐珂. 山东大学, 2021(12)
- [3]太阳射电动态频谱图降噪与爆发检测方法研究[D]. 高昌林. 山东大学, 2021(09)
- [4]超宽带多频点太阳射电图像处理算法研究[D]. 潘冰清. 电子科技大学, 2021(01)
- [5]毫米波宽带太阳射电观测系统的信号平坦度补偿方法[J]. 徐珂,尚自乾,严发宝,刘洋,武昭,张园园,张磊,苏艳蕊,陈耀. 中国科学:技术科学, 2021(04)
- [6]太阳射电爆发的系统研究[D]. 王璐. 中国科学技术大学, 2020(01)
- [7]基于正态分布模拟的太阳射电爆发自动实时检测方法研究[D]. 罗改芳. 云南大学, 2020(08)
- [8]太阳射电爆发事件的分类与定位检测方法研究[D]. 张巧曼. 山东大学, 2020(02)
- [9]基于多尺度CLEAN算法的太阳射电图像处理[D]. 汪子瑶. 电子科技大学, 2020(07)
- [10]基于压缩感知的太阳图像处理[D]. 罗湾. 电子科技大学, 2020(07)