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。

基于稀疏复原算法的风电并网电压闪变包络线提取

闪变包络线检测是分析电压波动与闪变的关键。IEC推荐的平方检测法在闪变低频段的包络线提取误差较大,不适合风力发电并网产生的电压闪变包络线提取。文中针对风电并网引起的电压闪变问题,提出了基于稀疏复原算法的闪变包络线提取方法。以电压闪变信号的极值点作为观测序列,根据闪变包络线低频段较平稳的变化特性,构造变频宽的离散余弦变换基,利用正交匹配追踪算法还原出最佳闪变包络线。通过对单一频率闪变、复合频率闪变、基波频率变动、谐波及噪声影响的电压闪变信号进行分析,表明了该算法提取闪变包络线的准确性。最后,通过对张北柔直电网中新能源风电场实测的电压波动信号进行分析,进一步验证了所提算法提取风电并网引起的电压闪变包络线的可行性与有效性。

基于压缩传感和自适应Lp范数的ECT图像重建算法研究（英文）

针对传统电容层析成像存在流型辨识方法识别率较低和需要大量数据的问题,提出一种基于压缩感知理论的流型识别方法。首先利用离散余弦DCT基对原始图像灰度信号进行稀疏化处理,再利用随机高斯矩阵进行观测。可以利用少量数据精确重构出原始信号,减少了采样时间;同时在成像算法中为避免L1范数正则化需要大量数据和L0范数优化的NP问题,引入自适应Lp(0<p<1)范数正则化作为惩罚项,可以根据输入数据不同自主选择最优参数,既可以产生一个稀疏的解,又能减少数据冗余。实验仿真数据表明:基于压缩传感和自适应Lp范数算法的图像质量优于正则化和SVD方法,在节省采样时间的基础上提高了图像质量。

行阶梯观测矩阵、对偶仿射尺度内点重构算法下的语音压缩感知

基于语音信号在离散余弦域上的近似稀疏性,针对采用随机高斯观测矩阵及线性规划方法进行语音压缩感知与重构时,重构零(近似零)系数定位能力差而导致重构效果不好的缺点,本文提出一种新的行阶梯矩阵做观测矩阵,用对偶仿射尺度内点重构算法对语音进行压缩感知与重构,并对该算法下的重构性能进行理论分析.语音压缩感知仿真结果表明,在离散余弦基下,压缩比(观测序列与原始序列样值数之比)为1∶4时,行阶梯观测矩阵下的平均重构信噪比比随机高斯观测矩阵下提高9.73dB,平均MOS分比随机高斯观测矩阵下提高1.22分.

正交散斑鬼成像

鬼成像是一种非定域成像方法。相比传统成像,其抗环境干扰能力更强,但存在着所需的测量次数过多和成像质量不高的问题。提出了一种基于正交散斑的关联成像方案,通过使用离散余弦散斑照射物体和重建算法获得物体图像。研究结果表明该方案可以有效提高成像质量,减少测量次数。该方案本质上是根据物体的先验信息选取照射的物体散斑,是一种对散斑的优化方法,具有操作简便、效果显著的优势,可促进未来关联成像的实用化发展。

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。

图像数据的混沌模式的提取与表达

研究以离散余弦变换(DCT)基函数作为辅助函数,结合序列灰度图像构造动力系统,然后迭代得到轨迹点集合(近似的吸引子);使用该吸引子能够将视频图像的不同场景鉴别出来,用于视频分段裁剪等。使用多个DCT基函数矩阵,分别与一个图像构造动力系统,生成多个近似吸引子,这些吸引子可以作为图像的特征,用于图像识别,也可以重构原图像。