含噪语音压缩感知自适应快速重构算法

本文针对含噪语音压缩感知在低信噪比时重构语音性能差的问题,提出了一种自适应快速重构算法。该算法将行阶梯观测矩阵与一种新型的快速重构算法结合,并根据含噪语音信号的信噪比自适应选择最佳重构参数,使得在重构语音的同时提高了重构信噪比。算法实现简单快速,且不需要预先计算信号的稀疏度。实验结果表明:在低信噪比时,自适应快速重构算法的重构性能优于基追踪算法和快速重构算法,且重构速度快于快速重构算法和基追踪算法。

基于洛伦兹范数的MWC快速重构算法

针对现有调制宽带转换器（MWC）压缩采样信号重构算法对联合稀疏结构的限制及其受滤波器非理想因素影响的问题,提出了一种基于洛伦兹范数的MWC快速重构算法.该算法采用洛伦兹范数来拟合误差项,设计了冲击噪声背景下的稀疏优化目标函数,可有效削弱异值点对重构结果的影响;同时进一步将零范数优化问题转化为矩阵平滑零范数的函数极值求解问题,并利用固定步长共轭梯度算法进行并行重构,以提高算法收敛速度和运行效率.仿真结果表明：与现有重构算法相比,在受滤波器过渡带等非理想因素影响下,所提算法可以提高稀疏信号的重构成功率,同时在重构速度方面具有较好的性能.

基于差分迭代的电阻抗成像算法研究

大多数电阻抗断层成像算法需要选择较优正则化参数来克服方程病态性,以获得较好的图像质量。该文提出一种基于差分迭代的电阻抗断层成像算法,利用动态线性逼近在不调整正则化参数的情况下提高成像质量。在近似线性变化区域内建立扰动模型,利用梯度法推导出电导率差值迭代关系进行快速重构成像,并将重构图像与基于几种客观正则化参数选取方法的重构图像在位置误差、分辨率、形状误差、环状伪影等性能指标方面进行比较。仿真结果证明,该文提出的差分迭代算法能与常用重构算法保持相似或更优的效果,该方法具有较好的实际应用前景。