基于贝叶斯推断的高斯反卷积信号恢复

针对高斯卷积和白噪声干扰的降质信号,提出一种基于贝叶斯推断的信号恢复模型和数值算法。在模型中引入模型差异项来描述卷积核估计误差,并用高斯分布来描述其统计特性。基于贝叶斯推断,将后验分布解耦为多个推断问题,对信号、模型误差和卷积核参数分别利用原始对偶混合梯度方法、高斯共轭先验法、随机游走的Metropolis算法进行交替更新,有效恢复信号的同时对卷积核参数进行不确定性量化并避免误差传播。数值实验表明,本方法可以同时估计卷积核和恢复信号,性能优于传统的信号恢复方法。

双稳随机共振的信号恢复研究

针对双稳随机共振输出波形失真的问题,从还原粒子运动轨迹的角度提出了波形恢复公式.通过将其应用于双稳系统对无噪阈上信号的响应输出,揭示了由粒子跃迁经过系统拐点引起的轨迹突变,及其在恢复波形的表现形式.鉴于阈下随机共振系统中噪声的随机影响,引入级联双稳系统对残余噪声进行二次调节,同时采用参数调节的恢复系统对波形进行恢复.数值仿真表明,该法直接应用于系统输出,适合处理有限长的时间数据,可以有效地估计噪声背景下微弱信号的时域波形.

空间电荷测量信号恢复中的频域反卷积技术及实现

电声脉冲法空间电荷测量系统的输出信号通常存在比较明显的过冲。本文分析了电声脉冲法空间电荷测量系统硬件结构造成信号畸变的原因,介绍了空间电荷测量信号恢复中反卷积处理技术及其问题。根据测量系统中高压脉冲及输出信号波形的特点,选取高斯滤波器对反卷积处理带来的病态问题进行了修正。基于上述改进设计了空间电荷测量信号恢复的频域反卷积算法,并采用LabVIEW实现了反卷积处理。通过实际对聚乙烯/纳米银复合材料空间电荷测量信号的恢复发现,高斯滤波器可以有效抑制恢复信号的震荡,提高测量空间电荷的分辨率。

在不同噪声背景下Dopplerlet变换在信号恢复中的应用

在不提供信号与噪声统计特性的前提下 ,用自适应匹配投影塔形分解算法实现的Dopplerlet变换 ,能有效地去除信号中的噪声和干扰 .

频域单快拍压缩感知目标方位估计和信号恢复方法

方位估计和信号恢复分别是水下目标定位、跟踪和目标识别的前提。提出了一种阵列频域单快拍压缩感知的水下目标方位估计和信号恢复方法。首先将阵列接收数据变换到频域,取频域单快拍数据作为压缩感知的测量值,然后根据频域快拍对应的频率、搜索方位和阵列流形构造过完备的阵列流形矩阵作为压缩感知的感知矩阵,最后通过基追踪算法估计搜索方位上目标信号和功率,实现DOA估计与信号恢复。宽带仿真实验数据验证结果表明,同等条件下完成同样的目标方位分辨,提出的方法比最小方差无失真响应方法要求的阵元数和快拍数较少,要求的信噪比更低,恢复的目标信号更加准确,波形相关系数达到89%以上。海上实验数据处理结果表明,目标检测能力优于最小方差无失真响应方法,证明该方法可以适用于实际声呐系统。

基于低秩张量补全的多声道音频信号恢复方法

多声道音频信号在r采集、压缩、传输过程中可能造成音频数据丢失,为了确保给听众带来更真实的听觉感受,该文提出一种基于低秩张量补全的音频丢失数据恢复方法。首先,把多声道音频信号表示为一个张量;其次,把张量补全作为一个凸优化问题建模,利用松弛技术和变量分离技术得到闭合的增强拉格朗日函数;最后,通过交替迭代方法求解得到恢复的音频张量。在不同数据丢失率的实验中,通过与线性预测、加权优化的CANDECOMP/PARAFAC分解方法进行对比分析,表明利用张量补全方法具有更高的音频信号恢复精度,隐藏参考和基准的多激励测试结果也显示低秩张量补全方法能够有效地恢复多声道音频的丢失数据,从而获得更好的听觉效果。

盲源分离与高分辨融合的DOA估计与信号恢复方法

目标方位估计(Direction of arrival,DOA)和信号恢复分别是水下目标定位、跟踪与识别的前提.基于盲源分离方法可以得到含有阵列流形信息的解混矩阵,融合成熟的高分辨方法提出了一种新的方位估计、信号恢复模型和方法.在宽带信号背景下进行了仿真实验,结果表明该方法可实现目标方位的实时估计和目标信号的恢复.在同等条件下完成同样的目标方位分辨率,比单纯的高分辨方法要求的阵元数和快拍数较少,要求的信噪比要低.海上实测数据检验也表明,比常规的最小方差无失真响应(Minimum variance distortionless response,MVDR)方法得到了更好的结果,明显提高了弱目标信号的空间谱能量,增强了检测弱目标信号的能力.

传感器故障在线诊断和信号恢复的两级神经网络方法

目的研究控制系统中传感器软硬故障诊断和信号恢复．方法提出一种两级神经网络（ＮＮ）包括一个主神经网络和若干个局部神经网络方法．主神经网络负责诊断传感器故障，其输入为各传感器在时刻ｔ的信号，输出为各传感器在时刻ｔ＋１的信号．各局部网络负责传感器故障诊断和信号恢复．每一个局部网络对应一个传感器，局部神经网络输出为相应的传感器在时刻ｔ＋１的信号，其输入为其余传感器在时刻ｔ的信号．各网络均采用先学习，后工作的在线学习方法．结果与结论所述方法具有在线学习、故障误检率低、可以诊断多个传感器软硬故障的优点．对气垫船中传感器软硬故障诊断的仿真结果表明，该方法是行之有效的．

稀疏信号恢复理论在CT图像重建中的应用

新的图像重建算法一直是CT成像前沿研究中的热点问题之一,而实际中常常遇到的有限角度重建问题则是其中的难点。Terence Tao和他的同事提出了一种稀疏信号恢复理论,为解决这个问题提出了可能的应用策略。我们在本文中介绍了这个理论并给出了在锥束CT重建中应用的初步结果。这种理论和策略的实现对很多应用情况都有重要的意义,为该领域的发展开辟了新的方向,也必将对该领域的发展产生重大影响。

基于贝叶斯压缩感知的复数稀疏信号恢复方法

该文利用复数稀疏信号的时域相互关系提出一种新的稀疏贝叶斯算法(CTSBL)。该算法利用复数信号的实部与虚部分量具有相同的稀疏结构的特点,提升估计信号的稀疏程度。同时将多个测量信号间的内部结构信息引入到了信号恢复中,使原始的多测量稀疏信号恢复问题转变为单测量块稀疏信号恢复问题,使恢复性能得到了提升。理论分析和仿真结果证明,提出的CTSBL算法相较于目前的针对复数信号的多测量矢量贝叶斯压缩感知(CMTBCS)算法和块正交匹配追踪算法(BOMP)在估计精度上具有更好的性能。

毫米波交流全功率辐射计的信号恢复处理

通过引入一种先验知识,研究了毫米波交流全功率辐射计低频信号失真的补偿问题。经理论建模和实验数据分析,全功率毫米波辐射计扫描所得的交流信号可近似认为是钟型信号,这一信息基本决定了信号的低频特性。这一先验知识结合信号中未失真的频谱部分,通过求解一组非线性方程即可近似恢复出交流信号的全部频谱,从而恢复出完整的交流信号。仿真和实验数据均表明了该恢复方法的有效性。该文的研究结果有助于提高毫米波交流全功率辐射计的目标识别率。

一种盲信号恢复的特征向量算法

信号恢复是雷达声纳目标检测和通信信号处理的一项重要任务。基于特征向量估计(EVA)的信号恢复算法可以在未知信道和源信号先验知识的情况下,在较短的时间内实现信号的盲恢复。它是将均衡信道参数估计问题变为与交叉累积量矩阵、自相关矩阵有关的特征向量求解问题,并保证解的唯一性和收敛性。将该算法应用于单源-单接收元(SISO)的恒模变相信号、两种声学水池信号妁恢复,取得了较好的恢复效果。

基于随机松弛的离散HMM参数估计和信号恢复

细胞膜离子单通道信号是皮安级的跨膜随机离子电流,由于信号的微弱性,膜片钳技术记录中单通道电流往往淹没在强背景噪声中。传统上采用阈值检测器来恢复通道电流信号,这需要人为设定阈值,尤其是信噪比低时,阈值检测器失效。本研究采用隐马尔可夫模型(HMM)的通道信号恢复及参数估计技术,首先利用基于随机松弛(SR)的离散HMM参数全局优化算法,估计通道的动力学参数,确保模型训练中参数收敛到全局最优。在此基础上,从噪声污染的膜片钳记录中恢复通道电流信号。理论和实验结果表明,在低信噪比情况下(SNR<5.0),该方法用于白噪声背景下细胞膜离子单通道参数估计和信号恢复时,参数收敛速度快,信号恢复精度高,算法抗噪能力强,可以较好地描述实际对象特性。

压缩感知后引入噪声的信号恢复

将压缩感知后引入噪声的信号恢复作为研究对象,建立了信号恢复模型,以解决工程领域中广泛存在的噪声问题。由于传统的算法无法实现压缩后引入噪声的信号恢复,本文提出了用阈值收缩迭代算法来实现含噪信号的恢复。分析了算法原理,对压缩感知后加入高斯随机噪声、5%和10%密度的脉冲噪声分别进行了信号恢复仿真,并与正交匹配追踪(OMP)算法和平行坐标下降(PCD)算法进行了比较。结果表明,阈值收缩迭代算法对无噪稀疏信号基本可以做到完全恢复;对压缩后含噪信号的恢复具有较强的鲁棒性,只在峰值处出现了较明显的误差,通过增加测量矩阵行数和迭代次数可以提高抗噪性能。实验显示:本算法在处理高斯噪声和低密度脉冲噪声时具有明显优势,在处理高密度脉冲噪声时略优于另两种算法。

基于RBF的传感器在线故障诊断和信号恢复

介绍利用径向基神经网络构造了一种在线故障诊断及信号恢复方法,给出了网络的连接结构和学习算法。采用RBF神经网络进行传感器在线故障诊断和信号恢复,其仿真结果表明,该方法具有收敛速度快、信号恢复准确度高、泛化能力强的特点,且可以诊断多种复杂工作系统的传感器在线故障信号,同时进行信号的恢复。实现传感器状态监测、故障诊断、分离和信号恢复。

基于盲解卷积的水声信号恢复技术

信号在环境复杂多途严重的水声波导中传输后,接收到的信号时间长度被拉长,信号是失真的。在许多实际应用中,常常希望从已失真的接收信号中把原始信号波形恢复出来。本文利用盲解卷积技术对水声信号恢复进行研究。理论推演表明,在垂直阵条件下用人造的格林函数可成功地代替水声信道真实的格林函数,可以把非线性关系化解为线性关系,从而推导出依靠基阵记录下的信息去确定声源宽带信号原始波形和环境传播特征的公式和步骤。声场数值计算对6种海底类型进行,恢复后的宽带信号与原始信号的归一化相关系数均大于0.945,对硬海底多途严重的情况,收效特别明显,证明该方法的有效性。在青岛海试中恢复后信号的相关系数平均值为0.933,在青岛海试中利用这种解卷积技术去恢复信号是成功的。

基于优化最小化的加强稀疏性的稀疏信号恢复算法

针对稀疏信号恢复算法对稀疏性约束不强的问题,提出了一种基于加强稀疏性非凸函数的稀疏信号恢复算法.通过分析收缩函数和惩罚函数的关系,提出一种新的具有加强稀疏性的非凸的惩罚函数,利用优化最小化(majorization-minimization,MM)方法构造非凸函数的凸上界,并对目标函数的凸部分和凸上界进行迭代求解,实现了对稀疏信号的加强恢复.相较于现存的基于非凸惩罚函数的稀疏信号恢复算法,本算法具有不受参数干扰和梯度方向包含目标函数非凸部分的优势.将提出的算法应用于稀疏无线信道的估计,仿真结果表明,该算法在噪声环境下可以使用更少的导频,取得更准确的信道估计结果.

联合稀疏信号恢复中的分布式路径协同优化算法

基于融合中心的多观测向量联合稀疏信号恢复算法需要将各个传感节点的数据传输到融合中心(融合中心可能远离各个节点),该方法在节点功率受限以及缺少融合中心的传感网络中并不适用。为了克服上述困难,本文提出了一种分布式路径协同优化算法来解决上述问题。由于采用了分布式计算和路径协同优化,各个传感节点只需与其近邻节点进行少量的数据交互,每个节点所消耗的传输数据功率和所承受的计算复杂度较低。实验结果表明,本文提出的算法的性能能够很好的逼近基于融合中心的联合稀疏信号恢复算法的性能。

高频地波雷达中断信号恢复方法研究

信号中断是造成高频地波雷达回波谱信噪比下降的主要原因之一.在传统的中断信号恢复方法-自回归(Autoregressive,AR)模型的基础上,提出了基于反向传播(Back Propagation,BP)神经网络的信号恢复方法.通过实测数据验证了两种方法的处理效果,结果表明:BP神经网络的预测误差小于AR模型的预测误差,随着预测点数的增加,误差增长率小于AR模型,同时BP神经网络恢复方法对海洋回波信号能量损失较小.

谐波信号恢复的有限脉冲设计法

对带衰减因子的谐波信号恢复提出一种有限脉冲设计法。通过设计一种特殊的脉冲信号，使原信号与该脉冲信号的卷积最快地衰减到零，实现信号的恢复。文中推导了算法，并进行了不同信噪比下的计算机仿真，表明该方法对信号恢复效果很好，特别是对信号频率估计尤佳。