语音信号的分块稀疏表示分类研究

传统稀疏表示分类算法(SRC)在处理复杂多维的向量的时候,需要对稀疏后的每个信号单独处理求残差,会导致处理时间过长,无法有效地运用于实际的工程应用中。为解决这一问题,提出将图像处理的分块稀疏应用于语音稀疏表示分类的方法。该方法在传统稀疏表示分类的基础上,引入分块稀疏思想,将语音信号按指定的长度处理,从而将若干个稀疏系数组成稀疏组来进行进一步分类识别。验证实验表明,源于图像处理的分块稀疏表示分类法同样适用于语音信号的处理。实验结果表明,在识别率接近的情况下,语音信号分类识别所花费的时间比图像处理明显降低。这是因为图像稀疏分类的系数之间相关性较强,因而分类的识别率较高;而语音信号是典型的非平稳过程,各种特征参数随时间快速变化,因而根据长度分类的相关性显著减少。因此,语音信号识别的准确率虽然会有所降低,但其效率显著提升。

核可鉴别的特征分块稀疏表示的视频语义分析

针对视频特征的多样性和稀疏字典的冗余特点,提出一种基于核可鉴别的特征分块稀疏表示的视频语义分析方法.首先按照实际需求提取视频段多种特征,并根据各种特征的维数大小分别建立其分块稀疏字典,对每个分块字典在K-SVD算法基础上加入核可鉴别准则进行优化,使各种特征的稀疏表示特征具有更好的类别鉴别能力;在对视频段进行语义分析时,使用优化字典求解各种特征的稀疏表示特征,并对各种特征的稀疏表示特征采用加权KNN算法进行类别分类分析,最后依据各种特征对决策分析的支持度进行视频段的语义融合分析.实验结果表明,该方法有效地提高了视频语义分析的准确性和分析速度.

基于加权分块稀疏表示的步态识别

为解决步态识别中的小面积遮挡问题,结合人体不同部位的特征对个体识别的贡献度不同这一特性,提出一种基于加权分块稀疏表示的步态识别方法。对视频图像进行处理,获得目标的GEI图像;将GEI图像划分为多个区块,独立地对每个区块的图像做稀疏表示,利用一种加权方法获得图像子区块的权重;在此基础上,对测试样本进行加权稀疏表示,获得对测试目标的分类。实验在CASIA_B数据库上进行,实验结果表明,该方法对小面积遮挡有较好的鲁棒性且识别率高于其它现有分类方法。

分块稀疏信号1-bit压缩感知重建方法

1-bit压缩感知理论指出:对稀疏信号进行少量线性投影并对投影信号进行1-bit量化,该1-bit信号包含足够的信息,从而能对原始信号进行高精度重建.然而,当信号难以进行稀疏表达时,传统1-bit压缩感知算法无法精确重建原始信号.前期研究表明,分块稀疏模型作为一种特殊的结构型稀疏模型,对于难以用传统稀疏模型进行表达的信号具有较好的表达作用.本文提出了一种针对分块稀疏信号的1-bit压缩感知重建方法,该方法利用分块稀疏的统计特性对信号进行数学建模,通过变分贝叶斯推断方法进行信号重建并在光电容积脉搏波(photoplethysmography)信号上进行了实验验证.实验结果表明,与现有1-bit压缩感知重建方法相比,本文方法重建精度更高,且收敛速度更快.

联合新型分块稀疏表示和梯度先验图像盲复原

针对目前基于稀疏表示的图像盲复原算法计算量大且细节恢复能力有限等问题,提出一种新的图像盲复原方法.首先针对现有稀疏表示模型中重叠分块计算复杂度高的问题,提出一种多模式非重叠分块策略,在每种模式下独立求解复原图像,然后对各模式下复原图像求平均以消除"伪像";另外,用1 2l l范数作为稀疏性度量,将图像梯度稀疏先验融入基于稀疏表示的图像盲复原模型.最后,本文提出了联合新型分块字典稀疏表示和图像梯度稀疏先验的盲复原模型,采取迭代方法交替估计模糊核和待复原图像.实验结果表明,该方法在主观和客观评价下均取得较好的复原结果,并显著降低算法整体复杂度.

无约束的l_(2,1)-分析法重构冗余紧框架下分块稀疏信号的条件

文章主要利用分块稀疏信号的凸分解技术分析无约束的l_(2,1)-分析模型,建立无约束的l_(2,1)-分析法重构冗余紧框架下分块稀疏信号的条件,其条件基于紧框架下的限制等距性质.首先,利用分块稀疏信号的凸分解技术建立两个重要技术引理.其次,基于发展的两个技术引理建立无约束的l_(2,1)-分析法恢复冗余紧框架下分块稀疏信号新的恢复条件,其条件基于紧框架下的限制等距性质,改进了现存最好的恢复条件.最后,设计数值实验,说明无约束的l_(2,1)-分析法重构冗余紧框架下分块稀疏信号的性能.

电子标签技术的送变电工程物资供应管理系统

针对传统送变电工程物资管理模式效率低下的问题,提出了一种新型的基于电子标签技术的送变电工程物资供应管理系统。采用稀疏重构分块自适应算法实现送变电工程物资图像的压缩,设计电子标签RFID对送变电工程物资进行移动定位,还利用了网格化管理对供应管理系统进行了优化,提高了管理效率。所提设计的送变电工程物资管理系统中,定位误差始终低于40 cm,在有效提高送变电工程物资定位精度的同时降低了磁盘损耗。

基于压缩感知的三维人体点云的压缩及重建

经过激光扫描得到的三维人体点云数据量庞大,给模型的存储和传输带来困难,影响了其在体域网中的应用。针对这一问题,将压缩感知理论应用于人体点云模型的压缩与重建中。在压缩之前使用改进的三维栅格法做点云精简,针对人体点云的特点对数据进行分块稀疏变换,利用正交匹配追踪算法重建原始模型。最终实验重建误差约为,证实了该算法的有效性和可行性。

面向对象有限元快速算法——Ⅰ数据结构

结合结构有限元方程组的特征,提出了刚度矩阵的稀疏分块矩阵的双向正交链表存储方案。它不需要行指标和列指标索引,每个子矩阵块使用一个表头,指针和行列号都是4字节整数,有效存储量在84.21%以上。存储数据的复杂度为O(1),大大提高了数据存储速度。

面向对象有限元快速算法——Ⅱ快速算法

在稀疏分块矩阵的双向正交链表存储结构的基础上,采用矩阵间的快速算法和基于稀疏分块矩阵的带宽优化技术,减少了结构有限元分析的计算量和存储容量。采用高速缓存和循环展开技术,降低了存储复杂性,提高了浮点运算的平均时间。数值算例表明:采用该存储方案和快速算法,既提高了运算速度,又减少了存储空间。

具备特征优选功能的中心化TSK模糊系统

对于经典的TSK模糊系统,模糊规则往往存在冗余而且后件参数缺乏可解释性.本文将TSK模糊系统模型转化为中心化形式,并将其建模过程转换为一个分块稀疏表示问题,提出FCA-sparse CTSK模糊模型.首先运用模糊聚类算法(FCA)对样本特征进行化简,并产生模糊系统字典;再利用存在于中心化TSK(CTSK)模糊模型中的分块结构信息,选取重要的模糊规则并对所选模糊规则的后件参数进行估计.该模型通过中心化方法提高了模糊模型的可解释性,并对模糊规则及模糊规则数同时化简,在合成数据集和真实数据集上都表现出较好的性能.

内燃机优化VMD-CWD时频表征与BSNMF编码识别诊断方法

针对内燃机振动响应信号强耦合、弱故障特征的问题,提出一种基于参数优化VMD-CWD内燃机振动时频表征与BSNMF分块编码识别的故障诊断方法.利用变分模态分解(VMD)将内燃机振动信号分解成一组本征模态函数(IMF),并叠加IMF分量信号的Choi-Williams分布(CWD)获得时频聚集性良好,无交叉项干扰的振动谱图像.针对VMD分解过程中的参数选取问题,引入功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性.为了实现内燃机振动谱图像的自动识别诊断,在稀疏非负矩阵分解(SNMF)的基础上提出一种更容易收敛的分块稀疏非负矩阵分解算法(BSNMF),用来对内燃机振动谱图进行特征提取,并采用支持向量机对提取的特征参数直接进行模式识别.将本文方法应用于内燃机故障诊断实例中,结果表明:该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机气门机构故障的自动诊断.

医药输液灯检机对产品异物准确检测仿真

针对250 mL及以上医药大输液生产过程中造成药液中出现毛发、漂浮物、玻璃屑等可见异物的在线实时检测难题,开发了一种基于分层联合稀疏表示的医药输液全自动智能灯检机。首先通过改进的分块主成分追踪算法对序列图像中的运动目标进行检测以排除静止背景噪声干扰,然后利用稀疏矩阵分块聚类算法得到运动目标的运动轨迹并提取运动轨迹的空间特征向量,最后为了提高传统稀疏表示分类器对异物识别的能力,提出分层联合稀疏表示分类器根据运动轨迹的空间特征向量对异物进行识别,以排除随机噪声的干扰。仿真结果证明,该系统克服了检测过程中各种噪声干扰对异物识别的影响,解决了医药大输液可见异物的在线实时检测难题。