小波变换的稀疏最优化信号趋势项提取方法

针对非线性信号的趋势项,提出一种基于小波变换的稀疏最优化方法(WT-SO)。该方法通过设置两个边界约束条件,求取l1范数稀疏最优解重构信号趋势项。仿真信号与实测信号处理结果表明:该方法依据信号自身的特性来定义趋势项,不需要对信号作任何假设,比传统的提取趋势项的方法具有更高的精度和可靠性,且在各种噪声环境下均具有良好的鲁棒性。

压缩感知基本理论:回顾与展望

随着信息社会的迅速发展,人们对数字信息的需求越来越大。同时,人们对信号的采样速率、传输速度和存储空间的要求也变得越来越高。如何在保持信号信息的同时尽可能地减少信号的采样数量?Candès在2006年的国际数学家大会上介绍了一种称为压缩感知的新颖信号采样理论,指出:只要远少于传统Nyquist采样定理所要求的采样数即可精确或高概率精确重建原始信号。围绕压缩感知的稀疏字典设计、测量矩阵设计、重建算法设计这3个核心问题,对其基本理论和主要方法进行了系统阐述,同时指出了压缩感知有待解决的若干理论问题与关键技术。