基于自适应基追踪去噪的含噪语音压缩感知

针对含白噪语音信号压缩采样后采用基追踪方法重构性能差的问题,提出了自适应基追踪去噪方法,该方法根据原含噪信号的信噪比自适应选择重构最佳参数,从而在重构语音的同时提高原信号信噪比。把该方法运用到含噪语音压缩感知中,对重构语音进行了主客观评价,并分析了不同压缩比下的重构性能。仿真结果显示:本文方法既实现了压缩采样,又在重构信号时实现了语音增强。

基于改进基追踪去噪的水声单载波频域均衡信道估计

针对低信噪比下单载波频域均衡信道估计精度低导致均衡效果差的问题,利用基追踪去噪方法估计稀疏信道有效抽头具有的稳定特性,提出了一种在平稳水声信道条件下单载波频域均衡系统中应用的改进基追踪去噪稀疏信道估计方法。方法利用延拓循环前缀作为导频进行多次信道估计,将估计结果累积平均,再采用门限判决提取有效抽头得到信道估计值,从而提高了稀疏信道的估计精度。通过合理选择循环前缀延拓次数,尽可能地降低导频长度对频带利用率的影响。仿真对比分析了改进基追踪去噪算法与匹配滤波、最小平方以及传统基追踪去噪信道估计算法的性能以及对单载波频域均衡系统误码率的影响。仿真实验结果表明,改进基追踪去噪信道估计算法具有更优的估计精度,在单载波频域均衡系统中可以提高约3 dB的接收信噪比增益。

基于基追踪去噪的水声正交频分复用稀疏信道估计

针对传统的l2-范数信道估计精度低的问题,提出了一种基于基追踪去噪(BPDN)的水声正交频分复用稀疏信道估计方法,该方法针对水声信道的稀疏特性,利用少量的观测值即可以很高的精度估计出信道冲激响应.与贪婪追踪类算法相比,基于BPDN算法的稀疏信号估计具有全局最优解,采用l2-l1范数准则估计信号,同时考虑了观测值含噪情况,通过调整正则化参数控制估计信号稀疏度和残余误差之间的平衡.仿真分析了导频分布、正则化参数等对BPDN算法的影响以及BPDN算法与最小平方(LS)、正交匹配追踪(OMP)信道估计算法的性能.湖试结果表明,在稀疏信道下,基于BPDN的信道估计方法明显优于LS和OMP信道估计方法.

基追踪去噪的高效向量匹配算法

提出了一种针对有噪声频率响应的基追踪去噪的高效向量匹配(BPDN-VF)算法,该算法在向量匹配(VF)算法的基础上,利用压缩感知领域的基追踪去噪(Basis Pursuit Denoising,BPDN)方法,可以有效地从有噪声的频率响应中精确恢复传递函数.与基于方差加权的向量匹配算法相比,提出的方法不仅可以减小至少87.5%的采样次数,还可以将从有噪声的频率响应中得到的拟合结果的误差平均减少20.5%.

基于稀疏分解的雷达信号抗噪声干扰方法研究

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising,BPDN)算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪声干扰;根据稀疏系数与雷达目标距离之间的关系,提取目标的距离信息。实验结果表明了该方法在雷达信号抗干扰和目标距离信息提取方面的有效性。

基于压缩感知的加权宽带谱重构算法

压缩感知利用宽带无线信号的频域稀疏特性,能够在低于奈奎斯特速率的采样下利用少量观测数据实现宽带频谱估计和空穴检测。但相关频谱压缩感知算法的性能并不理想,为了实现宽带信道的快速准确感知,本文基于宽带信道的时频统计特性,在去噪基追踪算法(BPDN)的基础上提出了一种优化的加权去噪算法(WBPDN)。该算法利用子频段历史平均功率密度水平来构建各子频段权重以优化目标函数,改善算法性能。实验结果表明:该算法能通过少量观测数据准确重构宽带信道的谱估计,且比传统的BPDN和OMP算法具有更好的压缩性能及更小的重构误差;另外加权后的算法收敛速度更快,显著减少了算法所需的运行时间。

一种利用稀疏表示的距离扩展目标检测新方法

针对在高斯白噪声背景下距离扩展目标检测问题,通过构造Sinc基来线性表示距离扩展目标的一维距离像,将稀疏表示理论引入到目标检测中,提出了基于Sinc基的自适应子空间检测器检测新方法.首先由基追踪算法估计噪声功率,再由基追踪去噪算法得到的残余分量估计噪声协方差矩阵,最后通过一阶高斯模型自适应子空间检测器来实现距离扩展目标检测.基于实测宽带雷达回波数据的实验结果表明,所构造的Sinc基可以很好地线性表示距离扩展目标的一维距离像,有效地实现距离扩展目标检测.

改进BPDN的图像去雨雪应用研究

在视频图像数据采集时,往往受到天气等因素的影响,为进一步研究视频图像数据的主要信息增加了困难。雨、雪天气作为视频图像数据预处理中最为困难的研究,近几年一直是各学者研究的课题。针对传统基追踪去噪(BPDN)算法没有考虑雨、雪图像的局部特征问题,提出一种基于改进BPDN的图像去雨雪算法。将局部特征约束理论引入图像去雨雪中,主要是在精炼雨图提取的稀疏系数优化问题求解中加入训练图像数据的局部信息,以达到提高雨线的识别,进而提高图像的雨线去除效果。引入局部信息的优化问题可以推导为二次规划问题,为使用BPDN算法提供了理论支持。合成和真实图像去雨实验结果表明,改进的BPDN算法在算法收敛性、精炼雨图识别、图像去雨效果上优于传统BPDN算法所得到的结果。