迭代去噪收缩阈值算法重构压缩全息

为了解决全息图像数据在传输过程中占用大量内存并在一定程度上增加设计成本的问题,在数字全息成像技术中,应用压缩感知理论,提出了一种基于迭代去噪收缩阈值算法(IDNST)的数字全息重构方法.IDNST算法引入了去噪迭代因子和正则化收缩因子,利用前2次迭代的值、不断更新的迭代参数以及不断收缩的正则化参数来获得新的迭代值,加快了收敛速度,提高了全息图像的重构精度.仿真结果表明,所提出方法能够高概率地恢复出原始图像.

基于联合稀疏表示和同时稀疏近似的并行坐标下降去噪算法

针对并行坐标下降(Parallel Coordinate Descent,PCD)在音频信号去噪过程中的运行时间成本问题,构建一种新的时域处理框架,并在此基础上提出基于联合稀疏表示和同时稀疏近似的Joint-PCD算法。新的框架是将每个分割的音频帧作为一个列向量生成信号矩阵,利用超完备字典,Joint-PCD算法每执行一次是对一个音频信号(矩阵)而不仅仅是对一个音频帧(向量)实施去噪。仿真结果表明,Joint-PCD不仅具有与PCD相同的去噪性能,而且加快了算法的收敛。