基于盲压缩感知模型的图像重构方法

为了解决压缩感知重建中噪声引起图像质量明显下降的问题,研究了自适应学习的压缩感知模型,提出了一种盲压缩感知图像重构方法。该方法采用盲压缩感知的稀疏矩阵与稀疏基交替更新的思想,应用了图像冗余变换和初始组合余弦变换基相结合的迭代策略,解决了压缩感知中的稀疏基难于表示的问题,抑制了噪声,提高了图像重构质量。通过实验验证所提方法较基于小波变换的正交匹配追踪方法和全变差方法有明显的噪声抑制功能,且能保持较好的图像纹理信息。

LFM宽带雷达信号的多通道盲压缩感知模型研究

在传统压缩感知(Compressed sensing,CS)基础上,提出了一种基于盲压缩感知(Blind compressed sensing,BCS)理论的线性调频(Linear frequency modulated,LFM)雷达信号欠采样与重构的多通道模型.这一机制在稀疏基未知的条件下,利用LFM信号在分数阶傅里叶变换(Fractional Fourier transform,FRFT)域上良好的能量聚集特性,将多个LFM信号看作是在多个未知阶次下FRFT域的稀疏表达,通过时延相关解线调和逐次消去相结合的的欠采样方法逐一估计出每个通道的LFM信号满足聚集性条件的特定分数阶傅里叶域,以此构造出该通道LFM信号对应的DFRFT正交稀疏基字典,以各DFRFT正交基为对角块构建混合信号正交稀疏基字典,最后利用块重构算法从测量值中估计出稀疏信号,同时验证了LF M信号多通道BCS问题解的唯一性,从而实现了稀疏基未知情况下针对多路LFM宽带雷达信号的多通道盲压缩感知.

非合作跳频信号参数的盲压缩感知估计

针对非合作跳频通信系统采样速率高,先验信息少等问题,论文提出基于盲压缩感知重构理论参数估计算法。利用稀疏编码与正交基变换交替迭代的思想实现信号精确重构,并根据重构结果直接对跳频信号进行参数估计。与传统的压缩感知理论相比,盲压缩感知理论避免了对信号先验信息的需求,有效解决了非合作通信系统中先验信息少的问题。首先,建立信号模型,然后利用正交块对角盲压缩感知算法(Orthonormal Block Diagonal Blind Compressed Sensing,OBD-BCS)实现信号的重构,并估算出跳变频率及跳变周期。通过实验分析,该方法可以在低信噪比环境下恢复信号原始结构及信息,完成参数估计。

结合局部稀疏性和非局部相似性的盲压缩感知方法

为了降低传统的盲压缩感知图像重建方法所需求的采样率,提出了一种新的盲压缩感知图像重建方法,该方法同时考虑局部图像块的稀疏性和非局部图像块间的相似性,另外选择交替方向乘子算法求解产生的非凸优化问题,实现了图像的准确重建。实验结果表明,在不损失图像重构质量的情况下,该方法能够显著地降低采样率。

基于双稀疏字典的新型盲压缩感知模型

针对压缩感知理论实际应用过程中,稀疏基先验信息未知的情况下,如何从信号的压缩测量值中学习与待重构信号本身相适应的字典的同时,利用该字典重构出原始信号的问题,基于已有的盲压缩感知理论(BCS),在稀疏基为双稀疏字典结构的约束条件下,提出了一种新型的盲压缩感知算法(D-BCS)。所提算法交替执行稀疏编码阶段和字典更新阶段。在稀疏编码阶段,采用分裂Bregman迭代求解非凸的l_1最小化问题,从而实现稀疏系数矩阵的更新;而在字典更新阶段,则通过将目标优化函数转化为类LASSO问题,并利用LASSO算法来实现字典原子的逐列更新。在不同采样率下,对多个测试视频帧进行仿真对比实验,实验结果表明,所提算法能很好地从压缩测量值中恢复出原始信号,且表现出了最佳的性能改进。

LFM宽带雷达信号的盲压缩感知模型

在欠采样测量基础上,提出了一种基于盲压缩感知(BCS)的线性调频(LFM)宽带雷达信号欠采样与重构新框架。这一机制利用LFM雷达信号在分数阶傅里叶变换(FRFT)域上良好的能量聚集特性,将LFM及其延迟信号看做是未知p阶次FRFT域上的稀疏线性组合。首先通过时延相关解线调欠采样得到最佳稀疏FRFT域,再以此构造出原信号对应的p阶次离散FRFT(DFRFT)稀疏基字典,最后结合离散FRFT系数的块稀疏性利用块重构算法从测量值中估计出稀疏系数,同时论证了LFM信号单通道BCS问题解的唯一性,从而实现了稀疏基未知情况下针对LFM宽带雷达信号的盲压缩感知,为非合作条件下LFM信号欠采样采集与无源探测提供了一种新思路。

基于块对角结构的语音信号盲压缩重构

为在复杂环境中提高语音信号的重构精度,提出基于正交块对角结构的语音信号盲压缩重构算法,通过最优求解找到一组对应的正交块对角变换基及稀疏矩阵,利用二者乘积实现语音信号压缩重构。该算法确保盲压缩感知理论具有唯一解,能从复杂的环境中恢复原始语音信号,具有更强的自适应性,在保证听觉效果的同时,大大降低了观测维度。实验结果表明,基于正交块对角结构盲压缩感知(OBD-BCS:Orthonormal Block Diagonal Blind Compressed Sensing)算法能高质量恢复语音信号原始结构。

一种非合作超宽带信道盲估计算法

为了解决非合作多通道室内通信环境中的超宽带信道先验信息难以获得、信道稀疏度弱的问题,提出了基于盲压缩感知的信道估计方法,以求进一步改善超宽带信道估计性能。盲压缩估计过程不依赖信道先验信息,采用稀疏编码与正交基更新交替迭代来获得稀疏矩阵和正交基;然后通过优化乘积得到重构信道,实现非合作超宽带系统信道估计。相对于传统方法,盲压缩感知理论提高了信道估计精度及模数转换速率,并且具有较好的抗噪声干扰能力。通过实验结果可知,该方法有效地克服了噪声干扰,降低了均方误差,在理想环境下,重构误差接近10^(-11)。