利用冗余扩展余弦字典的复杂动载荷识别研究

针对真实测量噪声影响下复杂动载荷识别精度低的问题,提出了一种基于冗余扩展余弦字典的L1范数正则化载荷识别方法。根据系统响应与外部动载荷的卷积关系,建立用于载荷识别的离散系统控制方程;选择与动载荷相适应的离散余弦基函数进行时延扩展,构造了扩展余弦字典与Db10小波字典相级联的冗余扩展字典,对复杂载荷进行稀疏表示;使用L1范数正则化方法求解稀疏表示系数,基于改进L曲线准则获取最优正则化参数,通过在GARTEUR飞机模型上试验得到的响应数据,实现不同噪声水平下对拍频载荷与连续冲击载荷时间历程的识别。试验研究结果表明:本文提出的冗余扩展余弦字典对拍频载荷与连续冲击载荷的表示稀疏性高,基于冗余扩展余弦字典的L1范数正则化载荷识别方法的识别精度高、抗噪性能好。

面向嵌入式微处理器的高性能视频编解码算法

针对高清和超高清视频,嵌入式微处理器在进行视频编解码时常常会受到资源的限制,导致输出的视频画面出现模糊的情况。为此,提出一种面向嵌入式微处理器的高性能视频编解码算法。利用最小平均绝对值误差作为匹配准则指标,预判断高性能视频的失真率损耗,计算图像中最大交流系数总能量,获取高细节分块,感知运动视频;利用空时域条件下的边缘图获取视频编码的相邻像素权重,通过像素间距离获取超像素为前景区域的概率,对目标前景区域编码;采用最小化范数优化编码视频约束条件,利用拉格朗日乘子等价转换编码视频,根据训练冗余字典计算视频解码校正因子,完成最终的视频编解码。经实验证明,所提方法能有效地完成高性能视频编解码,保证视频质量,视频的编码率一直处于31.3 dB,相对稳定。

Signal overcomplete representation and sparse decomposition based on redundant dictionaries

Decomposing a signal based upon redundan dictionaries is a new method for data representation on sig- nal processing. It approximates a signal with an overcom- plete system instead of an orthonormal basis to provide a sufficient choice for adaptive sparse decompositions. Re- placing the original data with a sparse approximation can result in not only a higher compression ratio, but also greater flexibility in capturing the inherent structure of the natura signals with the redundancy of dictionaries. This paper gives an overview of a series of recent results in this field, and deals with the relationship between sparsity of signal de- composition and incoherence of dictionaries with BP and MP algorithms. The current and future challenges of the dic- tionary construction are discussed.

一种冗余字典下的信号稀疏分解新方法

针对目前冗余字典下信号稀疏分解常用算法计算复杂度高的问题,提出一种分组匹配追踪算法.该算法首先利用多组正交基构造冗余字典,然后采用迭代式分组匹配追踪,每次迭代从字典中选出一组和原始信号或残余最匹配的正交基,采用正交分解快速算法进行正交分解得到少量重要系数,多次迭代后逐渐稀疏逼近原始信号.实验结果表明,基于小波正交基级联冗余字典进行信号稀疏分解时,在同等稀疏条件下,与匹配追踪(MP)算法相比,该算法的计算速度提高了大约30倍,而且可避免过匹配现象.

基于压缩感知重构算法的大地电磁强干扰分离

为压制大地电磁信号中的强人文干扰,提出一种基于压缩感知重构算法的大地电磁信号去噪方法.通过构建与常见典型强干扰相匹配而对有用信号不敏感的冗余字典原子,利用改进的正交匹配追踪算法,分离出大地电磁信号中的强干扰成分.为了验证所述方法的强干扰分离效果,首先通过在实测大地电磁信号中加入理想的强干扰信号进行了仿真分离实验,然后从大量实测数据中选取三种含有不同类型强干扰的时间域片段,用所述方法对实测数据中的强干扰进行分离,最后将所述方法应用于青海试验点以及庐枞矿集区某测点实测数据的综合处理.仿真实验结果表明,该方法在分离出强干扰的同时,能够较好地保留有用信号.实测数据处理结果表明,该方法能够有效压制强干扰,改善强干扰区大地电磁数据的质量.

基于稀疏表示与粒子群优化算法的非平稳信号去噪研究

非平稳信号的去噪是信号处理中的热点和难点。文中以冲击原子作为稀疏表示基,构建了仅对人文噪声敏感的冗余字典。并使用粒子群优化算法对匹配追踪算法进行优化,提出了基于稀疏表示与粒子群优化算法的非平稳信号去噪方法。为检验方法的有效性,论文首先进行了针对性的仿真实验。然后将所述方法用于实测的大地电磁信号处理。结果表明,所述方法可以在保留有用信号的前提下,有效分离出类充放电噪声、脉冲噪声以及其它多种不规则噪声,显著提高非平稳信号的信噪比。

一种基于稀疏分解的窄带信号频率估计算法

针对窄带多分量信号频率估计问题,该文提出一种基于稀疏分解的频率估计算法,能够同时对多个窄带信号的频率进行估计。首先利用传统方法进行频率预估计,然后根据频率预估计的结果建立冗余字典,对信号进行稀疏表示,最后通过匹配追踪算法得到精确的频率估计。该算法极大地减小了字典的长度和稀疏分解的运算量,而且在迭代过程中利用了全局信息更新残差向量,估计结果更为精确,在低信噪比情况下性能也较为稳健。仿真结果验证该算法的有效性和正确性。

基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。

基于匹配追踪稀疏分解的电能质量扰动检测

根据基于冗余字典的匹配追踪(MP)信号分解思想,提出一种电能质量扰动信号的参数检测与特征波形提取方法。在MP算法的每次迭代中,首先采用快速傅里叶变换(FFT)搜索能量最大的频率成分,然后采用基于离散Gabor原子中心区域的简化内积计算方法获得扰动参数的估计值,并以该估计值作为初始解,采用BFGS算法做局部搜索,进而获得精确匹配参数,并结合基于递归的内积计算确定扰动的起止时刻,最后根据电力信号扰动波形特点,设计合成字典,确定与扰动成分最匹配的波形。对单一和混合电能质量扰动信号的分解实验表明,该方法可以实现扰动参数的快速精确检测,进而有效提取扰动特征波形,并具有较好的抗噪性能。

基于稀疏表示的地面磁共振信号提取方法

在多孔隙含水层中地面磁共振(surface nuclear magnetic resonance,SNMR)信号呈现多弛豫衰减特性,常规盲源分离方法和单指数拟合方法引起信号严重失真和信息缺失等问题.本文提出了基于稀疏表示的随机噪声背景下多弛豫SNMR信号的提取方法.根据SNMR信号的衰减特征,设计了精确刻画SNMR信号且与随机噪声不相关的离散衰减余弦冗余字典.其次,针对多弛豫SNMR信号稀疏度未知的问题,通过设置合理的残差比阈值控制迭代次数,改进了广义正交匹配追踪(generalized orthogonal matching pursuit,gOMP)算法,使得该方法应用于SNMR信号的提取时,具有更好的自适应性和普适性.再次,鉴于SNMR测量数据为多次独立重复采集的结果,提出了基于数据流的SNMR信号提取策略,在提高算法鲁棒性的同时,保证了信号提取结果的唯一性.最后,通过仿真和实测数据证明了基于gOMP算法的稀疏表示方法可以显著地提升多弛豫SNMR信号的提取质量,降低随机噪声对含水层反演结果的影响,提高SNMR探测能力.

基于双字典集的信号稀疏分解算法

为得到关于信号更为稀疏的表示,提出一种基于双字典集的信号稀疏分解算法。在算法过程中,建立如下两个字典集:已选字典集和待选字典集。该算法以重复加权提升搜索(RWBS)算法为基础,增加了一步更为严格的从待选字典集中选择最佳核函数的过程,故该算法在保留初始算法的优点的同时,可以产生更为稀疏的模型。通过仿真实验和真实数据实验验证了所提算法的性能。

基于加权最小二乘的字典学习算法

冗余字典学习是信号稀疏表示理论中的一个重要研究方面。首先,针对各训练样本稀疏表示误差各不相同的现象,建立了误差加权的信号稀疏表示数学模型,根据该模型提出一种基于加权最小二乘的字典学习算法,推导了算法闭式解和讨论了最优加权矩阵的选取。其次,为避免闭式解中矩阵求逆运算,进一步推导了算法的在线计算形式,对训练样本依次学习,每学习一个样本,字典进行一次更新,直至样本结束。此外,对算法收敛性进行了理论分析。最后,分别从信号稀疏表示和已知字典恢复两个方面仿真验证了理论分析的正确性和算法的可行性和优越性。

基于树型冗余字典正交匹配追踪的信号稀疏分解

结合树型结构和正交匹配追踪算法,提出一种信号稀疏分解的新方法.该方法的基本思想是在基于树型结构的匹配搜索过程中引入正交化过程,其中树型结构可以快速有效地实现稀疏分解,正交匹配追踪算法提高了信号分解的收敛速度和稀疏性.对语音和地震信号的测试实验结果表明,该算法能以较快的速度收敛到零.

稀疏分解在雷达移频干扰抑制方面的应用研究

移频干扰是对脉冲压缩雷达有效的干扰形式,为了抑制移频干扰对线性调频脉冲压缩雷达的影响,提出构建自适应的联合过完备原子库的思想。根据雷达发射信号与移频干扰信号的特征,构造一组线性调频时移信号和一组线性调频频移信号,由这两部分信号共同构成联合过完备库;利用稀疏分解方法和BP(Basis Pursuit)算法实现干扰抑制和有用信号的重构。实验结果验证了该方法的有效性和正确性。

冗余字典在压缩感知中的应用研究

信号的稀疏表示是压缩感知理论中的关键问题,一般选择正交基作为压缩感知中的稀疏变换基。因为冗余字典能更有效的表示信号的特征,使得信号能用字典中的少量原子线性表示,因此本文对冗余字典在压缩感知理论中的应用进行了研究。设计了由不同正交基与单位矩阵组成的3种简洁冗余字典,作为压缩感知的稀疏变换基。以一维信号作为测试信号,研究了冗余字典的稀疏表示和算法重构的性能。实验结果证明了冗余字典在压缩感知理论中应用的有效性。

基于冗余字典稀疏分解的电能质量扰动信号压缩采样研究

针对电能质量监测系统庞大的数据储存和传输问题,采用压缩感知技术实现了电能质量扰动信号压缩采样和非线性恢复。傅里叶变换和小波变换联合构成的冗余字典作为稀疏分解矩阵,实现了扰动信号的稀疏表示。数值仿真表明:与傅里叶变换字典或小波变换字典等单一正交基作为稀疏分解矩阵相比,采用该冗余字典能够更好地匹配多种模式混合的扰动信号,验证了基于冗余字典的电能质量扰动信号压缩采样的可行性;在相同的压缩比下,压缩感知能够取得与传统的小波变换和离散傅里叶变换变换阈值压缩相比拟的压缩性能。

一种快速稀疏分解图像去噪新方法

提出了一种基于分层树型结构正交匹配追踪算法的快速图像去噪方法.通过选择高斯函数和墨西哥草帽小波母函数构建混合冗余字典,采用分层树状结构表示字典,结合构正交匹配追踪算法,实现图像稀疏表示,提高了图像表示的稀疏性,降低了算法的复杂度.依据噪音能量阈值,通过多次迭代达到图像去噪的目的.实验结果表明,在相同的噪音水平下,该迭代去噪算法取得了较高的较好的PSNR,获得更好的视觉效果.

结合字典稀疏表示和非局部相似性的自适应压缩成像算法

如何以较少的观测值重构出高质量的图像是压缩成像系统的一个关键问题.本文根据图像块随机投影能量大小分布特点,提出了一种新的自适应采样方式以及针对自适应采样的有效重构算法.重构时利用了图像在字典下的稀疏表示原理和图像的非局部相似性先验知识.为实现图像的稀疏表示,文中构造了由多个方向字典和一个正交DCT字典组成的冗余字典,并用l1范数作为约束条件求解稀疏优化问题.由于充分利用了图像块的局部特性和图像的非局部特性,本文的压缩成像算法在低采样率下能重构出较高质量的图像.

基于稀疏分解的可伸缩图像编码

图像编码技术的新的突破可寄希望于信号表示的深刻变革.采用基于冗余原子库的快速匹配追踪算法对图像进行稀疏分解,在分析和总结原子空间位置分布规律的基础上,提出与之相适应的块划分编码方法,节约了用于表示原子参数和投影系数的比特数.实验结果表明,本文编码器在计算复杂度、编码效率和伸缩性能等方面都优于当前同类型编码器,特别是在前两方面,其优势十分明显.比如对512×512测试图像,编码率为0.5bpp时本文编码器的平均PSNR增益达1.73dB.特别地,凭借原子库的几何特性,该编码器提供了较传统方法更灵活的伸缩性,允许通过简单的参数变换来获得任意分辨率大小的重建图像.

基于方法噪声稀疏表字典学习的图像去噪算法

针对图像去噪过程中会导致部分纹理信息丢失的不足,提出了基于方法噪声稀疏表示的图像去噪算法。该算法基本思想是通过对方法噪声(受噪声污染的图像和去噪后图像的差)的稀疏表示,提取方法噪声中的纹理信息,从而提升图像去噪质量。采用导引滤波去噪得到图像的方法噪声;利用该方法噪声通过改进的字典学习算法训练得到自适应的冗余字典;利用该字典提取方法噪声图像中的纹理信息,由导引滤波去噪后的图像和提取的纹理信息恢复图像,达到去噪效果。实验结果表明,所提出的方法峰值信噪比高于现有的同类算法,且能较好地保持图像的细节和纹理信息,提高了视觉效果。