基于双稀疏模型的音调信号频谱感知方法研究

为了提升音调信号频谱感知方法的感知性能,本文提出基于双稀疏模型的音调信号频谱感知方法。通过双稀疏模型,分析用户授权数量的稀疏性以及授权用户传输功率谱密度的稀疏性,构建音调信号频谱感知模型。通过音调信号频谱感知模型将音调的宽频带频谱感知问题转换为对授权用户发射信号功率密度的估计,重构音调信号功率谱密度向量,实现音调信号频谱感知。仿真实验结果表明,所提方法能够有效提升音调信号频谱感知的性能。

基于双稀疏模型和非局部自相似约束的超分辨率算法研究

在基于稀疏表示的图像超分辨率方法中,字典的选择对最终重建质量具有重要影响.目前K-SVD作为基于外部样本学习的过冗余字典在图像重建领域取得广泛的成功,但同时也限制信号输入维度,带来信号降维过程的信息损失.针对这一问题,提出引入一种双稀疏模型,结合结构化字典和非结构化字典优点,避免降维过程信息损失同时保证训练精度;重建阶段引入非局部自相似性约束,迭代求解稀疏系数,降低编码噪声,最终重建高分辨率图像.实验结果表明,该算法在图像质量客观评价指标上优于对比算法,并且在主观视觉效果上获得更清晰的边缘等细节信息.

可见光与红外图像结构组双稀疏融合方法研究

传统的可见光与红外稀疏表示融合方法,采用图像块构造解析字典或者学习字典,利用字典的原子表征图像的显著特征。这类方法存在两个问题,一是没有考虑图像块与块之间的联系,二是字典的适应能力不够并且复杂度高。针对这两个问题,本文提出可见光与红外图像结构组双稀疏融合方法。该方法首先利用图像的非局部相似性,将图像块构建成图像相似结构组,然后对图像相似结构组进行字典训练,采用双稀疏分解模型,有效结合解析字典和学习字典的优势,降低了字典训练的复杂度,得到的结构字典更加灵活,适应性提高。该方法能够有效提高红外与可见光融合图像的视觉效果,经对比实验分析,在主观和客观评价上都优于传统的稀疏表示融合方法。

DCVS系统中基于双稀疏冗余字典的高性能解码方法

为改善分布式压缩视频感知（distributed compressive video sensing，DCVS）系统的视频帧图像重构质量，以实时视频传输为应用场景，提出了一种基于双重稀疏模型的图像解码算法。解码端由相邻的已重构关键帧产生边信息（sideinformation，SI）；根据双重稀疏模型思想，分离样本图像小波域下不同尺度的子带，分别使用K均值奇异值分解（K-means singular value decomposition，K—SVD）算法得到具有多尺度特性的冗余字典，结合梯度投影稀疏重建（gradient pursuit for sparsereconstruction，GPSR）算法，完成对非关键帧的重构。仿真结果表明，在相同压缩率下，相比传统K—SVD字典训练方法，本文所提出的方法对应的视频帧图像重构峰值信噪比（peak signal to noise ratio，PSNR）可获得0．5～1．5dB以上的增益。

基于双稀疏字典模型机械振动信号压缩感知方法

针对机械装备在状态监测与故障诊断过程中,依据传统香农-内奎斯特采样定理进行数据采集时,面临的大量机械振动信号存储、传输和处理等困难问题,提出基于双稀疏字典模型机械振动信号压缩感知方法。分析机械振动信号在基于双稀疏字典模型训练得到的过完备字典上的近似稀疏性;然后利用高斯随机矩阵作为测量矩阵对机械振动信号进行压缩测量;最后通过双稀疏字典模型训练得到的过完备字典,结合正交匹配追踪算法完成对原始机械振动信号的重构。仿真测试结果表明,在相同压缩率下,相比经典K-奇异值分解(K-Singular value decomposition,K-SVD)字典训练方法,所提的方法有更高的重构精度,同时重构时间缩短将近50%。该方法既可以得到较高的信号压缩比又有着精确的信号重构性能。