结合稀疏理论与非下采样剪切波变换的多模态医学图像融合算法

针对医学图像时常存在局部信息丢失、细节模糊不清等问题,为提高可视化效果,避免医疗误诊,提出了一种新的非下采样剪切波变换(NSST)算法。首先,利用NSST分解源图像得到高频子带系数与低频子带系数;其次,根据高低频子带系数的不同特性制定不同的融合策略,对稀疏性不佳的低频系数采用稀疏理论进行处理,反映图像细节信息的高频子带通过相对标准差比较法(RSDC)进行处理;最后,将融合后的高低频子带系数通过NSST重构得到最终的融合图像。从定性和定量角度来评价融合后的图像,算法融合效果良好,与其它5种算法比较发现:该算法在标准差、边缘信息评价因子等指标上表现较好,其余指标均处于中上水平。实验结果表明,该算法得到的融合图像在信息丰富性、对比度、清晰度等方面表现较好,有效增加了不同模态之间的互补信息,具有较好的应用前景。

基于稀疏理论的DAE在公路事故伤亡预测应用

准确实现公路事故伤亡人数预测,对于把握我国未来交通安全形势、实现运输系统优化具有重要意义。将基于稀疏理论的深度自动编码器(Deep Auto-encoder)引入公路事故伤亡人数预测,利用公路事故伤亡人数2000—2015年历史数据构建伤亡人数预测模型,得到死亡及受伤人数平均误差率分别为1.69%、1.53%;采用伤亡人数的影响指标汽车保有量、国内生产总值、公路总里程、人均道路面积的同时段历史数据构建预测模型,得到死伤人数平均误差率分别为1.76%、2.13%;对比发现将DAE运用到公路事故伤亡人数预测精度较高,且采用伤亡人数时间序列数据较影响指标预测精度更高,故使用前者对2016—2020年数据进行预测,得出未来我国公路事故死亡人数将在一定时间内保持平稳,而受伤人数将会明显下降。

基于稀疏理论与快速有限剪切波变换的医学图像融合算法

在临床医学领域,图像辅助诊断对医学视图的处理效果要求很高.针对医学图像融合过程中图像视觉效果较差的问题,提出了一种基于稀疏理论与快速有限剪切变换的医学图像融合算法,提高了医学图像处理效率.首先,采用快速有限剪切波变换(FFST)分解源图像,将其分解为高频系数和低频系数;其次,根据高频系数和低频系数的不同性质,提供不同的融合策略,通过相对标准差比较法对高频系数进行处理,对于稀疏性较差的低频系数利用KSVD方法训练,得到字典并采用稀疏原理进行处理;最后,将融合后的高频和低频系数通过FFST逆变换融合到医学图像中.实验结果表明,算法的图像融合效果好,尤其是在提高图像清晰度等方面,具有良好的实用价值和应用前景.

利用稀疏贝叶斯理论的跳时估计方法

当跳频信号的频率不在预设的频率集中时,为了提高跳时估计的正确率,提出了一种基于稀疏贝叶斯理论的跳时估计方法。该方法首先在信号模型中设置频率偏差参数;其次利用狄利克雷过程以及稀疏贝叶斯理论,设计接收信号模型中各个参数的迭代规则,并在每次迭代中利用频率偏差参数修正频率字典矩阵;最后,算法收敛时可得到用于计算谱图的稀疏矩阵,进而可以得到跳时的估计值。仿真结果表明,该算法估计的跳时正确率高于其他方法,并且计算的谱图的真实性也高于其他方法。

基于稀疏表示理论的特高压交流变压器声信号盲分离研究

运行中的变压器声信号由其机械结构振动经空气传播形成,易受周围环境影响,且所含干扰信号具有较大的不确定性,给基于声信号的变压器状态监测带来不利影响。为有效获取反映变压器运行状态的声信号,从特高压交流变压器声信号的声学特征出发,依据声信号的集合经验模态分解(ensembled empirical mode decomposition,EEMD)结果,提出了基于稀疏表示理论的特高压交流变压器声信号盲分离方法,即通过构建K-奇异值分解(K-singularvalue decomposition,K-SVD)字典和应用正交匹配追踪算法,得到了成分相对单一的特高压交流变压器声信号,有效抑制了特高压交流变压器声信号中的干扰成分。对某1000kV变电站主变声信号的计算结果表明:基于EEMD算法和稀疏表示理论能有效地对特高压交流变压器声信号中包含的环境噪声和人说话声等干扰成分进行盲分离,具有自适应性强、计算效率高和重构误差低的优点,可为基于声信号的特高压交流变压器状态监测提供重要数据支持。

基于稀疏表示理论的来波方位估计新方法

针对稀疏表示理论在DOA估计中的难点问题,在给出阵列结构与信号模型的基础上,对空间信号稀疏表述中的单快拍时域数据模型和多快拍联合稀疏模型进行了深入研究,最后通过大量实验证实了方法的科学性与可行性。

从稀疏到结构化稀疏:贝叶斯方法

稀疏分解算法是稀疏表达理论和压缩感知理论中的核心问题,也是当前信号处理领域的一个热门话题。近年来,研究人员发现除了稀疏以外,如果引入稀疏系数之间的相关性先验信息,可以大大提高稀疏分解算法的精度,这种方法称为"结构化稀疏分解算法"。本文归纳和总结了从稀疏到结构化稀疏的信号模型,并且介绍了两种不同的贝叶斯稀疏(或者结构化稀疏)算法,以及从稀疏到结构化稀疏贝叶斯稀疏分解算法的扩展。同时,本文还介绍了结构化稀疏分解算法在医学信号处理和语音信号处理中的应用。

综合时序信息的试验优化设计及稀疏求解

考虑不同试验点的试验成本及试验时序信息,在性能指标与影响因素间的响应模型未知情况下,利用装备系统的先验信息构造模型驱动的基函数,构造相应的回归模型来刻画系统的内在关系,分析不同试验点成本及试验时序对试验方案的影响。定义了一种考虑空间权重及批序贯时序的非均匀最优设计模型,将稀疏理论引入到回归试验设计中,把不同批次试验下的回归试验设计模型参数估计问题转换为结构化稀疏重构问题,讨论了非均匀最优设计的构造定理,提出结构化稀疏参数求解算法。算例表明:利用本方法生成的试验点考虑了试验点空间权重和试验时序信息,更符合实际试验规程;采用本方法获得的响应函数得到的期望预测误差更小。

自然稀疏方程不同拟合方法的对比研究

【目的】选择能够真实反映种群自疏动态的拟合方法是评估自然稀疏法则的难点和热点问题。【方法】本研究基于福建省553块杉木同龄林样地数据,对前人用于估计自然稀疏方程的手绘法、区间法和相对密度法3种传统方法,普通最小二乘法回归(OLS)、简化主轴回归(RMA)和分位数回归(QR)3种以回归为基础的方法,修正最小二乘法(COLS)、确定性前沿函数(DFF)和随机前沿函数(SFF)3种边界模型构建方法进行对比分析,得出最大密度线的适宜拟合方法。【结果】手绘法简单易行,但主观性较强;区间法拟合结果会受到区间长度的显著影响,得到的最大密度线斜率往往比真实斜率平缓;相对密度法能排除非密度依赖死亡的干扰,但会受选点过程中预设斜率理论值的影响;OLS法、COLS法、RMA法拟合的直线容易出现与实际的数据点边界不吻合的问题,与自然稀疏直线为数据点上边界线的定义不相符;当分位数值越接近100%,QR法拟合得到的直线就越接近林分自疏上边界线;DFF法中,采用线性规划途径拟合直线优于非线性规划途径,但QR法和DFF法进行统计推断比较困难。SFF法拟合结果比较客观,但只有随机误差项的方差足够小且趋近于零时,拟合所得直线才能真实反映种群自疏过程。【结论】本文最后筛选得出福建省杉木人工林最优自然稀疏方程为ln(QMD)=7.795-0.620ln(N),可为当地杉木经营实践中制定有效密度调控措施提供参考。

随钻地震参考信号稀疏分解去噪

针对随钻地震资料信噪比较低的难题,将稀疏表示理论引入随钻地震参考信号的处理。根据希尔伯特变换求取实际随钻地震参考信号的瞬时属性,使用Morlet子波,构建合适的过完备原子字典,对随钻地震参考信号进行稀疏分解,采用L1范数谱投影梯度算法实现基追踪降噪。利用该方法实现了对实际随钻地震参考信号的稀疏分解降噪,改善了资料的信噪比,恢复了钻头震源信号。

稀疏信号结构性噪声干扰下的感知矩阵优化

针对具有结构性噪声干扰的稀疏信号处理问题,该文提出一种基于贝叶斯理论的感知矩阵优化设计方法。结合具有加性干扰的稀疏信号模型,通过对感知矩阵进行能量约束,最小化信号的后验协方差矩阵的迹,实现感知矩阵的优化设计。仿真不同信号稀疏度和重构算法时,感知矩阵优化对信号重构误差和重构时间的影响;分析信号先验信息存在偏差时,感知矩阵优化对重构效果的影响。仿真结果表明,优化后的感知矩阵能够更好地获取稀疏信号中的重要信息,信号重构精度的均方误差减小约15～25 dB,重构时间减少约40%。

基于稀疏表达的遥感影像超分辨率重建

针对其他超分辨率重建方法数据冗余量大,较为繁琐的问题,基于"稀疏表达"具备模型简单、容易理解、容易操作的特点,提出利用"稀疏表达"理论进行遥感图像的超分辨率重建的设想。先将整个图像空间分为几个不同的子空间,然后在各子空间内构建与正交匹配追踪算法迭代过程中各层面几何结构相适应的分层字典,即利用退化的遥感影像训练过完备字典。

稀疏表示在脑部图像融合研究中的进展

对稀疏表示理论在脑部图像融合的应用进行了综述。围绕其算法流程对相关原理及研究现状分别进行阐述。在字典构造方面,围绕K奇异值算法框架对其展开讨论;在稀疏重构方面,就正交匹配追踪算法进行简要描述;在稀疏活跃度水平计算方面,以一种加权多范数活跃度度量方法为例进行分析。此外,概述了稀疏表示在脑部图像融合中的处理规则,讨论其面临的挑战,对相关工作的研究提出了期待。完整地梳理了稀疏表示理论的原理及其在脑部图像融合应用中的基本规则,可对该领域的工程实践提供理论研究基础。

基于GOMP的Chirp扩频水声通信信号降噪处理

受海况影响,水声通信信号会淹没在各种海洋环境噪声中,导致水听器接收信号含有大量噪声干扰.针对此问题,利用稀疏分解(sparse decomposition)理论,通过广义正交匹配追踪(generalized orthogonal matching pursuit,GOMP)算法对Chirp扩频(chirp spread spectrum,CSS)水声通信信号进行降噪处理.首先根据水声通信信号构建过完备离散余弦变换(Discrete Cosine Transform,DCT)字典;其次根据GOMP算法计算恢复信号的稀疏矩阵;再重构信号.在不同噪声级数下的仿真结果表明信噪比在-20 dB时,该方法使水声通信系统中水听器对接收信号噪声抑制能力较强,提高了水听器的性能.

沙地造林合理密度问题的探讨

针对部分地区固沙成林出现早衰甚至枯死问题,从全生态角度探讨固沙造林的合理密度问题,明确主张固沙造林密度宜稀不宜密,并从"边缘效应"理论、自然稀疏理论、水分平衡理论、树种生物生态特性等方面加以论证,为未来建立稳定的人工固沙植被提供依据。

基于改进的DAEN在TE过程故障诊断中的应用研究

现代化工生产过程中故障情况十分复杂,具有非线性、多种类、少标签问题,传统方法很难建立准确的诊断模型。基于深度自编码网络(DAEN),提出了一种新型智能故障诊断方法,并且添加Softmax分类器,构建了深度自编码网络诊断模型。该模型采取稀疏理论进行了改进,解决故障数据少,与正常数据不平衡问题。并且所提方法采取大量无标签样本作为训练集,进行预训练,优化模型参数,并以少量有标签样本作为测试集,进行微调。通过田纳西-伊斯曼(TE)过程仿真数据实验结果表明,相比较支持向量机(SVM)、K最近邻(KNN)等学习方法,DAEN与Softmax回归结合,得到更高的故障诊断正确率;而相比传统的DAEN诊断方法、以及基于反向传播神经网络(BPNN)的传统机器学习故障诊断方法,本文改进的DAEN诊断方法诊断精度得到明显提高。

一种新的分布式卫星凝视成像方法

针对传统基于微波手段的空间对地观测主要方法——星载合成孔径雷达(SAR)体制受限于目标与雷达的相对运动问题,结合由量子关联成像发展而来的微波关联成像技术,提出了一种新的通过多颗分布式卫星实现凝视成像方法。首先,在微波关联成像的基础之上,建立一维微波关联成像的信号模型。然后,在极坐标系下,通过一维微波关联成像实现对回波半径向的"聚焦",得到单部雷达对目标的距离环图像。其次,通过N颗分布式星载雷达得到距离环方程组,联立方程组解算目标位置信息,实现二维分辨能力;确定位置信息之后,进一步通过距离环幅度方程组解算目标幅度信息。最后,通过对稀疏场景进行仿真、成像处理,验证了该方法的有效性。

基于CoSaMP算法的信号冗余分析

以稀疏表示理论为出发点,分析信号的压缩感知理论与传统Nyquist采样定理的理论对比结果,根据Co Sa MP算法和IFFT信号重构结果,定性和定量地分析了信号内部冗余性与利用这种冗余特征进行减运算量处理的可行性,进一步探讨信号的非均匀化处理,包括分数域和分形等方法在信号处理领域的适应性。

加权截断p范数在运动目标检测中的应用

在基于稀疏低秩分解的运动目标检测方法中,由于核范数并非为矩阵的秩函数最佳近似,未考虑到运动目标的空间连续性,在动态背景干扰的情况下,运动目标检测的效果不理想。针对上述问题,提出加权截断p范数分析模型。该模型将观测视频分为静态背景、运动目标与动态背景3个部分,静态背景采用改进的非凸范数,即加权截断p范数进行低秩约束,根据动态背景与运动目标具有空间连续性的特点,分别使用l_(2,1)范数进行结构性稀疏约束。实验结果表明,与鲁棒主成分分析模型、截断核范数模型、加权核范数模型以及相邻离群点低秩模型相比,该模型可有效去除动态背景扰动,并能提取到更精确的运动目标。

基于稀疏监测理论的间接带间串扰检测方法

通过研究光网络中间接带间串扰及其攻击传播原理，在间接带间串扰攻击的有限传播模型基础上，提出了一种基于稀疏监测理论的间接带间串扰检测方法。通过理论分析，在VPI中搭建仿真实验系统，以眼图为信号质量评价指标，模拟稀疏监测的检测模型进行实验。实验结果表明，稀疏监测的检测方法比传统的检测方法在监测设备上所需的数量更少，能够大幅度减少传统检测所需的检测费用，同时提高了检测效率。