基于稀疏贝叶斯学习的稀疏信号表示ISAR成像方法

作为一种新的稀疏信号表示算法,SBL(稀疏贝叶斯学习)方法没有BP方法的结构错误,也比FOCUSS方法具有少的多的局部最小点.ISAR成像问题可以转化为稀疏信号表示的问题,因此本文首次将SBL用于ISAR成像.真实数据的成像结果表明SBL是一种比BP和FOCUSS更有效的ISAR成像算法.

稀疏信号表示中的幅度偏差及消除方法

在稀疏信号表示的并行选取字典算法中,当频率不在栅格点上时,对应的幅度估计可能会有很大的偏差.为了消除这个偏差,本文先求得较精确的频率估计值,然后在其邻域内进行进一步寻优,得到幅度估计.将此方法用于各种信噪比下的仿真信号,都能得到较好的幅度估计性能.因此此方法是一种能有效消除稀疏信号表示中幅度偏差的方法.

基于稀疏信号表示的空间碎片成像

地基雷达一直是空间碎片监测的有力工具,研究如何利用它们对尺寸小于距离分辨率的目标进行成像具有重要意义。基于空间碎片通常会围绕它的主轴进行简单的自旋转运动这一事实,通过对目标回波模型的分析,本文提出了一种基于稀疏信号表示的空间碎片成像方法。该方法将成像问题转化为稀疏信号分解问题,首先以各个散射点的散射特性作为元素构建字典,然后通过采用现有的方法对单个距离单元横向回波数据的稀疏信号表示进行求解,最后对求解的结果重新排列以得到目标的二维高分辨图像。仿真实验结果表明了本方法的正确性。

基于稀疏信号表示的SAR地面运动目标成像

针对传统成像方法受瑞利分辨率的限制,提出了基于稀疏信号表示的地面运动目标成像方法。地面动目标回波可建模为稀疏线性调频信号,可将其在线性调频信号超完备基上稀疏表示。相对于距离-多普勒(RD)算法,基于稀疏信号表示的成像方法具有超分辨特性,有利于对运动目标检测。仿真与实测数据验证了该方法的有效性。

基于稀疏信号表示的雷达目标成像技术

雷达目标成像本质上是对雷达目标散射特性进行信号表示的过程。在高频区,雷达目标散射特性可用少数几个散射中心来描述,利用散射中心稀疏分布的先验信息能有效增强雷达图像的分辨率。以稀疏信号表示为基础,针对雷达成像系统的结构特点,提出了一种基于FFT和分块Toeplitz系统的快速成像算法。该算法无需存储系数矩阵,极大地降低了存储量和运算量。仿真结果表明,该技术对雷达目标图像具有良好的分辨率增强能力。

基于FBM模型的信号表示方法

分形布朗运动 (FBM)信号模型是常见的描绘自然现象和物体过程的一种信号模型 .本文通过FBM模型信号增量的特性 ,提出了有别于迭代函数系统 (IFS)的信号表示方法 .实验结果表明 ,利用本文提出的信号表示方法 ,能够很好地逼近原信号 ,并弥补了IFS的不足 .

降低OFDM信号峰均值比的一类多信号表示方法

在选择映射(SLM)方法生成的待选序列基础上,提出了一种不需要增加IFFT次数,仅通过对待选序列的线性组合,构造出更多的新待选序列的多信号表示方法,以此提高SLM算法的性能。文中MSR方法的两种实现方案,经仿真实验结果表明,研究的算法能够有效地降低系统的PAPR。

运用高等数学知识的内在联系学习连续系统中的信号表示方法

连续系统中的信号表示方法是学习连续系统的频域分析和复频域分析的基础。它包括周期信号、非周期信号、以及非周期信号中不满足绝对可积条件的信号表示方法,这些知识与高等数学有着密不可分的关系。学好这部分内容必须有一定的高等数学知识基础。

一种应用于信号表示的非负矩阵分解算法

从信号表示的角度出发,提出一种新的非负矩阵分解方法.与传统非负矩阵分解(Y=DX)方法中要求基矩阵D和系数矩阵X均为非负不同,该方法只约束基矩阵元素为非负,这既保持了非负基的良好物理意义,又放宽了信号的组合方式.文中给出了非负基矩阵D构造算法,设计了相应的迭代算法,并证明了算法的收敛性.算法性能通过两个试验来验证,首先构造非负矩阵验证算法的因子分解能力和表示精度,然后在人脸数据库上验证算法在分类中的准确性和鲁棒性.实验表明,该方法对非负信号的表示精度高,且在人脸图像恢复和人脸识别的实验中均有较好性能.

模电教学中的正弦波信号表示演示

模电教学中总使用正弦波作为例子演示信号的产生放大,为了使学生能够理解为什么如此,本文给出了一般信号分解为正弦波信号表示演示。

非平稳信号稀疏表示的研究发展

信号分解是从信号中获取特征信息的过程,是模式识别、智能系统和故障诊断等诸多领域的基础和关键。非平稳信号往往包含着反映系统变化的重要信息,并且广泛存在,对其研究具有非常重要的理论意义和工程应用价值。以改进信号表示的稀疏性为主线,分析了推动非平稳信号特征提取方法发展的工程背景,详细描述了5类特征提取方法的特性与机理、历史沿革和面临的挑战,比较研究了各种方法的模型,并系统评述了这些模型在信号处理和分析中的最新进展,以及在一些领域中的应用。最后指出了各种方法目前存在的问题和不足,探讨了进一步的研究重点。

基于信号和OCC表示的情感模型研究

情感模型的建立可以使计算机具备基本的情感识别和表达能力,在和谐人机交互方面有着广泛的应用。借助于Picard教授关于情感计算的理论,将线性系统理论和数字信号处理方法应用到情感信号与系统建模上,用信号很好地表示了人类的内在情感和情绪,并通过MAT-LAB仿真实验分析证明了模型的正确性。最后结合情感的高层次认知推理机制,将情感模型应用到情感虚拟人当中,形象地实现了情感对人脸表情变化的控制。

两类混合特征信号的超完备稀疏表示方法

本文提出了基于跳跃字典的超完备稀疏表示方法和基于自适应分割定义域的超完备稀疏表示方法,分别用于重建带有周期和方波特征的信号和带有周期和冲击特征的信号.实例表明,这两种方法对相应的信号在逼近误差和稀疏性上达到了比直接采用基追踪或小波逼近更好的效果.

信号表示统一设想初探

信号处理的基础是信号表示(或称信号变换).构造新的信号表示方法是信号处理中的关键问题.本文提出信号表示统一设想,试图从群结构层面探索现有名目繁多的信号表示之间的内在关联性,以达到统一现有变换的目的.设想以"元素周期表"进行类比,旨在构造一种由"群格"组成的"群表",用以给出现有信号表示在"群表"上的统一形式,并根据该统一形式所揭示的现有变换在群上的内在关系,期望定义出若干具备所需性质和应用价值的新的变换.

对称子阵列的近场信号稀疏表示定位方法

针对近场信号源,本文基于对称子阵列提出了两种稀疏信号表示的目标定位方法。首先利用对称阵元导向矢量的关系分离出时延中的方向角和距离两个参数,将近场目标定位问题转换为一个类远场的方向角估计问题,再通过稀疏信号重构的方法分步得到方向角和距离两个参数的估计。在参数分离的过程中,方法二通过构造共轭部分,所得到的虚拟远场阵列阵元数等效于原始阵列,故所能估计的信源数约为方法一的两倍。和同类方法相比,本文提出的方法具有较低的计算量。仿真表明,本文两种方法具有更高的分辨率。

基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构

该文基于多通道脑电信号时空特性构建非正交变换过完备字典,准确稀疏表示蕴含时空相关性信息的多通道脑电信号,提高基于时空稀疏贝叶斯学习模型的多通道脑电信号压缩感知联合重构算法性能。实验选用eegmmidb脑电数据库的多通道脑电信号验证所提算法有效性。结果表明,基于过完备字典稀疏表示的多通道脑电信号,能够为多通道脑电信号压缩感知重构算法提供更多的时空相关性信息,比传统多通道脑电信号压缩感知重构算法所得的信噪比值提高近12 d B,重构时间减少0.75 s,显著提高多通道脑电信号联合重构性能。

5信号表示:你要生了!

预产期已然来临,什么时候去医院最合适?这恰恰成为准妈妈很难把握的事。认真阅读下文,提前认识临产征兆,并做好充足的准备,有利于你安心迎接宝宝的到来。冉冉怀孕38周了,眼看就要与宝宝见面,这其中有期待也有忐忑,担心更是少不了的:'我打算自己生,由于没有经验,我打算早一点儿去医院待产,可是,听说去得太早也不行,有个朋友去因为宫缩去了医院,住了好几天也没生,结果只好又回家了,毕竟医院的床位紧张,而且气氛也蛮紧张的。可是,过晚入院,又怕前段的产程没有医生的监护,

基于信号稀疏表示的Chirp信号参数估计方法

单自由度多分量线性调频信号的参数估计是SAR/ISAR成像中的重要问题。文中在一组含参数的过完备基上展开信号,提出了一种基于信号稀疏表示估计单自由度多分量线性调频信号参数的新方法。并将该方法应用于目前流行的BP算法、FOCUSS算法和稀疏贝叶斯学习算法中,分析比较了以上算法的估计性能。仿真实验结果验证了该方法的有效性,并表明稀疏贝叶斯学习算法具有更好的稀疏表示能力,从而可以更有效地估计信号参数。