基于近似L0范数算法的跳频信号时频分析

针对跳频信号的参数化时频分析方法加以改进。对跳频信号进行完备傅里叶基表示,建立其稀疏优化表示模型,将跳频信号的时频分析问题转化为稀疏优化问题,然后借助近似L0范数优化方法进行时频分析。针对时长0.01s的一段跳频信号进行计算机仿真,所得时频分布图显示,改进方法比短时傅里叶变换和WVD方法具有更高的时频分辨率和更强的抑制干扰能力。

基于近似l_0范数最小化的NMR波谱稀疏重建算法

在核磁共振(NMR)波谱中,过长的数据采集时间会使很多化学以及分子生物学领域的高分辨率多维谱应用难以实现.传统的解决办法是使用随机非均匀采样代替奈奎斯特采样,但这样会使谱图质量受损.压缩传感的出现为此提供了更好的解决办法,合适的压缩传感重建算法可以通过很少的随机非均匀采样将谱图高质量的重建出来.该文先介绍了一种可用于谱图重建的压缩传感重建算法,名为"平滑l0范数最小化法",然后针对该算法对采样噪声鲁棒性较差的缺点进行了改进.通过将改进后的算法与原算法在一维实数域信号以及NMR波谱信号重建实验中进行对比后表明,改进后的算法对噪声的鲁棒性明显提高,并能获得更好的重建性能.

用于压缩感知信号重建的SL_0改进算法

SL0算法是一种基于近似l0范数的压缩感知信号重建算法,其思想是用一个光滑函数来近似l0范数,然后求解一个优化问题。目前采用的光滑函数都是高斯函数族,文中突破了以往采用高斯函数族近似l0范数,提出了采用复合三角函数作为近似估计l0范数的函数,然后结合修正牛顿法和阻尼牛顿法提出一种更精确的重建算法DNSL0。实验结果表明,在相同测试环境下,DNSL0算法在峰值信噪比和匹配度方面比SL0算法和NSL0算法都有了大幅提高。

基于稀疏重构的跳频信号时频分析方法

针对现有时频分析方法存在噪声抑制能力弱、时频聚集性不强的缺点,提出了一种基于稀疏重构的跳频信号时频分析方法来获取清晰的、高聚集度的时频图。首先根据惩罚函数的思想建立了跳频信号无约束的稀疏重构模型;然后理论分析了罚函数因子的取值标准;最后用近似l0范数算法求解得出跳频信号的时频图。仿真结果表明该算法能够有效地获取跳频信号的时频图。

基于稀疏重构的跳频信号检测方法

针对复杂电磁环境下跳频信号的检测问题,提出了一种基于稀疏重构的跳频信号检测方法,首先采用近似l0范数算法对含有干扰的跳频信号进行稀疏重构,采用拟牛顿法求解无约束多维最优化问题,然后对得到的时频图的频率分量进行二值形态学滤波以去除干扰和噪声,最后通过统计匹配信号的个数完成信号的检测。同时为提高算法的自适应能力,在选取二值化阈值时采用最大类间方差法。理论分析和仿真实验表明该算法在较低信噪比下仍能克服干扰和噪声并较好地保存各跳,实现对跳频信号的检测。