基于联合过完备库的信号分离及重构

在信号稀疏分解理论的基础上,提出了构建联合过完备库的思想。通过对包含不同特征成分的过完备子库进行联合构建联合过完备库,它包含丰富的待分解信号的信息,复合信号在其上具有更好的稀疏性,同时由于每个分量信号在各自的过完备子库上均具有稀疏性,利用基追踪算法实现各个分量信号的分离和重构。仿真结果表明:联合过完备库对复合信号的重构以及分量信号的分离和重构具有较好地效果。

基于Gabor过完备库的图像稀疏分解

图像稀疏分解将数字图像分解为很简洁的近似表达形式。在图像稀疏分解的基础上,可进行多个方面的图像处理,如图像压缩、去噪和识别等。本文研究在Gabor过完备库上,利用Matching Pursuit(MP)算法实现图像的稀疏分解,实验结果表明基于Gabor过完备库的图像稀疏分解具有较好的重建精度和较高的稀疏度。

信号在过完备库上分解中原子形成的快速算法

针对信号在过完备库上分解中原子生成速度慢的难题,提出了一种原子生成的快速算法.首先根据原子的尺度把原子分成小原子和大原子2类.对于小原子,因为其能量集中在较小的范围,所以用小范围生成的局部原子代替整个原子.对于大原子,先生成相应的较小原子,然后通过插值方法生成大原子.实验结果表明,当信号长度为256时,本算法在重建信号的质量没有任何改变的条件下,原子生成的速度比传统算法提高了4. 7倍.

联合过完备库下的信号稀疏分解

针对具有多个特征成分的复合信号在单一特征过完备库下无法实现稀疏分解的问题,提出构建联合过完备库的思想.联合过完备库由多个具有单一特征的过完备库联合构成,包含复合信号中各分量信号的信息,使得复合信号在其上具有稀疏性.利用稀疏分解算法,对多个复合信号在相应的联合过完备库上进行稀疏分解和信号重构,并与单一特征过完备库的分解结果进行了对比分析.仿真结果表明了构建联合过完备库思想的合理性和有效性.

信号稀疏分解中过完备原子库的集合划分

信号稀疏分解中使用的过完备原子库对分解效果十分重要,但同时它也是造成稀疏分解计算非常复杂的关键因素。为此,本文提出了利用信号集合划分研究过完备原子库的新方法。利用原子之间的等价关系,可以把过完备原子库划分成互不相交的子库,而每一个原子子库只需要用一个选出的相对应的原子即可代表。利用过完备原子库的集合划分,在信号稀疏分解效果不变的条件下,可以使信号稀疏分解过程的计算复杂度大为降低。本文所提方法的可行性和有效性为实验结果所证实。

基于GA和过完备原子库划分的MP信号稀疏分解算法

信号稀疏分解计算量大是阻碍其实时应用的主要因素。研究基于匹配追踪(Matching Pursuit)方法实现的信号稀疏分解算法,提出了基于过完备原子库集合划分的、分两阶段搜索的、遗传算法快速寻找MP过程中每一步分解的最佳原子,在稀疏分解重建信号质量不变的条件下,提高了稀疏分解的速度。算法的有效性为实验结果所证实。

基于余弦过完备原子库的语音信号MP稀疏分解

本文以语音信号为研究对象,根据语音信号具有类周期的结构特性选用余弦过完备原子库,在其上进行基于MP的语音信号稀疏分解。该方法在保证重构语音信号质量的同时较大幅度地缩小了原子库,进而节省了存储空间和计算时间。通过计算机仿真证明了余弦过完备原子库对于具有类周期特性的信号比Gabor原子库在分解重构上更为有效。

基于自适应过完备稀疏表示的红外图像滤波方法

针对传统滤波算法在滤除红外图像噪声时会损失部分有用信息的问题,提出一种基于自适应过完备稀疏表示的红外图像滤波方法。该方法采用K-SVD算法以待滤波的红外图像为样本训练出自适应过完备原子库;采用正交匹配跟踪算法将红外图像信号在该过完备原子库上稀疏分解为稀疏成分和其他成分,稀疏成分对应红外图像中的有用信息,其他成分对应红外图像中的噪声,由稀疏成分重建图像,从而达到消除噪声的目的。实验结果表明:该方法相比传统方法具有更好的滤波效果,重建图像质量较高。

基于稀疏重建分析的道集优化方法

地震叠前道集处理的优劣一方面决定了叠后处理结果的好坏,另一方面影响地震AVO解释结果的正确与否,因此叠前道集的优化处理具有重要的意义。受子波拉伸、拉伸调谐效应、薄层调谐效应等因素的影响,叠前道集记录包含了除地层反射信息以外的无用的干涉信息,单一子波字典不能对其进行很好的稀疏表示,而过完备子波字典能够对地震信号进行多特征稀疏表示。针对共反射点(CRP)叠前道集,研究了基于稀疏重建策略的道集优化方法。首先,建立了地震记录子波投影下的稀疏反射系数估计的约束优化目标函数和基于最小二乘的无约束优化目标函数,为了保障解的稳定性,引入了正则化策略和震荡平滑策略。其次,在雷克子波字典库基础上,考虑主频、吸收衰减、时移及相位变化等因素,建立多特征表示的复杂过完备字典库,地震记录通过过完备子波字典投影后,反射系数、子波的拉伸效应、调谐效应等能够较好地进行稀疏表示,进而提取更准确的反射系数。综合以上两方面的研究,形成了过完备字典库表示下的正则化正交匹配追踪算法。理论模型和实际资料的处理结果表明,处理后的地震叠前道集在噪声压制、拉伸校正及提高分辨率等方面都有一定程度的改善与优化。

改进的高精度匹配追踪方法研究及应用

本文在常规算法的基础上,提出了一种改进的匹配追踪方法.该方法通过引入新的完备库构建策略,并以雷克子波作为原子,利用原始地震数据最大相关性估计完备库的原子的位置和能量,使得分解精度进一步提高,极大地提高了算法的适应性;为避免原子间隔过小问题,引进了最小原子间距,使得分解效率和分解质量进一步提高.模型试算和实际资料应用表明,本文算法不仅提高了信号稀疏表示的质量,加快了收敛速度,而且算法的适应性和分解精度也得到提高;该方法能够较好地挖掘地震有效信息,提高地震解释精度.

基于MP算法的语音信号稀疏分解

语音信号稀疏分解是一种新的语音信号分解方法,可以将语音信号分解为很简洁的近似表达形式。在语音信号稀疏分解的基础上,可应用于语音处理的多个方面,如语音压缩、语音去噪和语音识别等。研究利用Matching Pursui(tMP)算法实现语音信号的稀疏分解,实验结果表明基于MP算法的语音信号稀疏分解具有较好的重建精度和较高的稀疏度。

稀疏分解在雷达移频干扰抑制方面的应用研究

移频干扰是对脉冲压缩雷达有效的干扰形式,为了抑制移频干扰对线性调频脉冲压缩雷达的影响,提出构建自适应的联合过完备原子库的思想。根据雷达发射信号与移频干扰信号的特征,构造一组线性调频时移信号和一组线性调频频移信号,由这两部分信号共同构成联合过完备库;利用稀疏分解方法和BP(Basis Pursuit)算法实现干扰抑制和有用信号的重构。实验结果验证了该方法的有效性和正确性。

一种基于稀疏分解去除EEG信号中MRI伪迹的新方法

在脑电图(Electroencephalography,EEG)和功能磁共振成像(Functional magnetic resonance imaging, FMRI)同时记录时,如何有效的去除混入EEG信号中的强磁共振(Magnetic resonance imaging,MRI)伪迹干扰信号是当前在EEG和FMRI的联合研究中面临的一个信号前期处理难点。主要从MRI干扰信号和EEG信号在时空上的差别出发,提出了一种基于混合过完备库的稀疏成分分析的分解方法,实现了强MRI干扰下的EEG信号的估计。在方法实现中,首先利用小波和离散余弦构造能体现MRI干扰和EEG时空特性差别的混合过完备库,然后通过匹配追踪(Matching pursuit,MP)方法在混合过完备库中的学习,实现MRI伪迹的消除。对模拟数据以及真实记录的混入了MRI干扰的EEG信号的估计实验结果,证实了该方法的有效性。

基于BFGS优化的l_p模约束稀疏分解去噪方法

利用lp模约束的稀疏成分分析方法可以对信号进行去噪处理。基于lp模约束的稀疏分解方法通常是采用优化方法来对信号在过完备库中进行分解,而分解时采用的过完备库是非常巨大的,所以如果优化方法选择不当,会导致稀疏分解效率的低下。在本文中,采用BFGS方法来进行优化分解,和通常采用的Newton方法比较,能在保持稀疏分解结果性能基本不变的前提下,有效地提高算法的分解效率。

基于MP算法的脑电信号去噪

针对脑电信号在采集过程中易受噪声干扰的问题,提出使用匹配追踪算法将脑电信号与噪声进行分离,进而去除噪声,并通过信噪比和相关系数对去噪效果进行检测。仿真结果表明,该方法不仅能够有效地抑制工频噪声,还可以较好地保持脑电信号的波形特征。

匹配追踪算法在局放超声阵列信号去噪中的应用

局放超声阵列信号的有效去噪对提高局放超声阵列检测的准确性有重要意义,为了解决目前常用的阵列信号去噪方法存在影响阵列信号相位、计算量巨大等诸多缺陷,引入信号稀疏分解理论中的匹配追踪算法,根据局放超声信号建立相应的过完备原子库,将各个阵元接收信号在过完备原子库上进行分解去噪。去噪过程只滤除没用的噪声分量,尽可能地保留了原有的相位信息。对去噪结果采用去噪评价指标予以定量评价。仿真结果为去噪前后信号的测向误差分别为大于30°和小于2°,去噪后信号的波形评价指标良好。实验结果为去噪前后的测向平均误差为(6.525°,6.863°)和(2.9°,3.038°),测向谱图和等高线图则显示去噪后谱峰单一,能量集中。仿真和实验结果均表明匹配追踪算法可以有效提高局放超声阵列信号的信噪比,去除噪声。

局部放电稀疏分解模式识别方法

为实现电气设备局部放电(简称局放)模式的准确识别,提出了一种局放稀疏分解模式识别方法。首先由各放电模式局放训练样本信号统计特征向量构建局放统计特征过完备原子库,对此原子库进行非线性映射,可得非线性局放统计特征过完备原子库。对待识别局放信号统计特征向量进行非线性变换,得到非线性统计特征向量,此向量在非线性局放统计特征过完备原子库中进行稀疏分解时,仅可由相应放电模式子原子库中原子进行稀疏表示而难以由其它放电模式子原子库中原子进行表示,进而实现局部放电稀疏分解模式识别。同时,提出一种核函数优化匹配追踪算法,可在无需知道非线性映射具体形式基础上完成稀疏分解,并基于相似性度量系数确定最佳核函数及其参数。设计了两套放电模型,并在不同实验环境中进行了局放测试,所测信号分别作为训练样本信号及测试样本信号,采用所提方法进行了模式识别实验,同时与采用神经网络方法、K近邻法、支持向量机法的局放模式识别实验结果进行了对比。实验结果表明该方法识别效果较好,准确率较高。

双极子分解匹配追踪算法在薄层反演中的应用

匹配追踪算法在地震谱分解、时频分析及薄层反演等领域有广泛的应用。本文利用双极子分解理论建立过完备奇、偶原子库,再通过匹配追踪算法对地震信号进行稀疏分解,以实现薄层反射位置及反射强度的反演。模型试算及对实际数据的运算结果都表明:与传统匹配追踪算法相比,双极子分解匹配追踪算法对地震信号有更高的分解精度,且具有较好的抗噪性。

信号稀疏表示的研究及应用

针对传统的信号分解方法中所存在的一旦信号的特性与基函数不完全匹配时,所分解的结果不一定是信号的稀疏表示的问题,在分析传统信号分解方法不足的基础上,从确定性信号与随机信号两方面探讨了基于过完备原子库的信号稀疏表示算法的特点及其应用,就国内外信号稀疏表示研究的发展状况,进行了对比性分析,指出基于过完备原子库的信号稀疏表示方法不但能有效实现数据的高效压缩,而且可以提高变换域的分辨率,相对于传统方法具有独特优越的性能,该方法对运用高分辨遥感影像进行油气勘探的数据表达将产生积极作用。

图像稀疏分解中原子形成的快速算法

针对图像稀疏分解中原子生成速度慢的难题,本文提出了原子生成的一种快速算法。首先根据原子的尺度把原子分成两大类,一类是小原子,一类是大原子。在此基础上,对于小原子,由于其能量集中分布在一个小的范围,所以利用一个小范围生成的局部原子代替整个原子。对于大原子,先生成一个相对应的较小原子,然后通过插值方法生成大原子。实验结果表明,在重建图像的质量没有任何改变的条件下,当图像大小为256×256时,提出的算法使原子生成的速度提高了20多倍。