基于压缩感知重构算法的大地电磁强干扰分离

为压制大地电磁信号中的强人文干扰,提出一种基于压缩感知重构算法的大地电磁信号去噪方法.通过构建与常见典型强干扰相匹配而对有用信号不敏感的冗余字典原子,利用改进的正交匹配追踪算法,分离出大地电磁信号中的强干扰成分.为了验证所述方法的强干扰分离效果,首先通过在实测大地电磁信号中加入理想的强干扰信号进行了仿真分离实验,然后从大量实测数据中选取三种含有不同类型强干扰的时间域片段,用所述方法对实测数据中的强干扰进行分离,最后将所述方法应用于青海试验点以及庐枞矿集区某测点实测数据的综合处理.仿真实验结果表明,该方法在分离出强干扰的同时,能够较好地保留有用信号.实测数据处理结果表明,该方法能够有效压制强干扰,改善强干扰区大地电磁数据的质量.

一种基于压缩感知的天波超视距雷达短时海杂波抑制方法

针对传统时域对消方法在短时条件下杂波重构精度低、抑制性能差的缺陷,该文提出一种基于压缩感知的天波雷达短时海杂波重构及抑制方法。首先对天波雷达短时回波模型进行了建模,在此基础上分析了利用压缩感知进行短时海杂波重构的合理性;其次分别从基于复冗余正弦字典的回波稀疏表示、基于降维字典的传感矩阵表示和基于改进的正交匹配追踪算法的杂波重构及抑制3个步骤对所提算法进行了详细阐述;最后进行了计算机仿真分析和实测数据验证。相关结果表明,在短时条件下,所提方法较传统时域对消方法和子空间类抑制方法具有较优的杂波抑制性能和工程应用价值。

结合自适应稀疏表示和全变分约束的图像重建

针对以二维小波变换和离散余弦变换为代表的固定正交基在图像压缩感知高分辨率重建中的局限性,提出了一种新的自适应冗余字典稀疏表示结合全变分约束的图像高分辨率重建算法.该算法以迭代过程的中间图像作为训练样本,通过自适应学习获得适合样本特征的冗余字典,它充分利用了字典原子与待重建图像的相关性,获得了待重建图像的理想完备稀疏表示,从而降低了采样率,提高了图像重建质量.最后,以全变分作为正则化条件,采用交替迭代算法求解稀疏优化问题.仿真结果表明,该算法可以在低采样率下重建出高质量的图像.

基于冗余字典的多特征压缩感知目标跟踪算法

针对多特征压缩感知算法中,要求信号稀疏表示的基是一个正交矩阵的问题,提出了提取红外与可见光的多特征目标构造冗余字典子空间下的稀疏表示,分析了压缩感知算法中感知矩阵的选择和稀疏信号的重构。根据对信号稀疏表示的重构,提出粒子滤波框架下基于冗余字典的多特征压缩感知跟踪方法,能够自动检测复杂场景中出现的动态目标。实验结果表明,与其他经典算法相比,该算法在光照变化、相似外形的干扰目标遮挡等复杂场景中具有更好的鲁棒性及实时性。

冗余字典在压缩感知中的应用研究

信号的稀疏表示是压缩感知理论中的关键问题,一般选择正交基作为压缩感知中的稀疏变换基。因为冗余字典能更有效的表示信号的特征,使得信号能用字典中的少量原子线性表示,因此本文对冗余字典在压缩感知理论中的应用进行了研究。设计了由不同正交基与单位矩阵组成的3种简洁冗余字典,作为压缩感知的稀疏变换基。以一维信号作为测试信号,研究了冗余字典的稀疏表示和算法重构的性能。实验结果证明了冗余字典在压缩感知理论中应用的有效性。

基于二进神经网络的稀疏编码架构的图像无损压缩新方法（英文）

视频图像的高效无损压缩在海量的航空和遥感图像传输、珍贵的文物信息的保存等方面具有重要的应用价值,而目前的研究热点主要针对有损压缩,为此通过对现有的无损压缩方法的分析和研究,提出一种在稀疏编码与二进神经网络相结合的框架下建立新的图像无损压缩方法。首先借助二进神经网络中的线性可分结构系建立冗余字典,获得有效的稀疏分解基;再借助二进神经网络学习算法将图像映射为以线性可分结构系为神经元的二进制神经网络,在此基础上建立相应的模式匹配算法将每个神经元与冗余字典简历映射关系,通过稀疏系数建立原始图像的编码形式,进而实现了图像的无损压缩,并从理论上分析了该方法可以有效地提高压缩比,最后通过实验验证了该算法的有效性和通用性。

基于冗余字典稀疏分解的电能质量扰动信号压缩采样研究

针对电能质量监测系统庞大的数据储存和传输问题,采用压缩感知技术实现了电能质量扰动信号压缩采样和非线性恢复。傅里叶变换和小波变换联合构成的冗余字典作为稀疏分解矩阵,实现了扰动信号的稀疏表示。数值仿真表明:与傅里叶变换字典或小波变换字典等单一正交基作为稀疏分解矩阵相比,采用该冗余字典能够更好地匹配多种模式混合的扰动信号,验证了基于冗余字典的电能质量扰动信号压缩采样的可行性;在相同的压缩比下,压缩感知能够取得与传统的小波变换和离散傅里叶变换变换阈值压缩相比拟的压缩性能。

基于主分量分析的语音信号压缩感知

压缩感知理论是近年来兴起的一个新的研究热点。寻求适合于语音信号的稀疏基是压缩感知理论应用到语音信号处理领域的前提。本文基于主分量分析理论和大量的块数据,提取语音信号的特征信息,并根据压缩感知理论、字典构造的方法以及语音信号的特点,构造出一种适合于语音信号稀疏表示的冗余字典。该冗余字典是由多个正交基级联而成。为了更为客观的说明这种稀疏表示的优势,采用平均gini系数来比较语音信号在DCT基、GABOR基和该冗余字典下的稀疏性,并且分别对男女声语音信号和清浊音进行了分析。实验表明,无论是男声信号还是女声信号,清音还是浊音,在该冗余字典下的稀疏性均优于DCT基,与GABOR基相近,但是由于其原子数远少于GABOR基,其计算的复杂度和存储量均低于GABOR基,因而比GABOR基更具可用性。

压缩感知的自适应冗余字典及其图像恢复方法研究

冗余字典的信号稀疏分解是一种新的信号表示理论,采用超完备的冗余函数系统代替传统的正交基函数,为信号自适应地稀疏扩展提供了极大的灵活性。该文研究了压缩感知理论下DCT冗余字典和规范正交基(Dirac基)与DCT基组成的冗余字典,提出了一种适应于图像分块的自适应冗余字典方法。结合迭代硬阈值(IHT)重构算法,实验结果表明了提出的自适应冗余字典具有更好的信号恢复效果。

基于位置参数二分法控制的信号稀疏分解

研究基于匹配追踪方法实现的信号稀疏分解算法。通过对信号稀疏分解中使用的过完备原子库的结构特性分析,找到中心位置,构造时频原子库,利用二分法控制中心位置参数,将信号快速稀疏分解,应用于基于中心位置参数的改进贪婪匹配追踪算法。该算法与匹配追踪相比,计算速度大约提高了36倍,降低了计算复杂度,提高了稀疏分解的精度。通过对仿真数据的处理验证了所提方法的可行性和有效性。

基于压缩感知稀疏分解的一维距离像目标识别

近年来对压缩感知理论的研究,进一步证明了信号的稀疏表示方法在信号压缩、特征提取等方面的有效性及巨大的应用潜力。作为信号处理领域的典型应用之一,雷达目标识别已有许多成熟的算法,其中一些基于高分辨距离像进行识别,但是这些方法大多忽略了高分辨距离像信号自身的稀疏特点。为此提出了一种基于压缩感知稀疏分解实现高分辨一维距离像目标识别的算法。此算法首先构建组合正交冗余字典,在满足信号表示准确性的情况下,兼有正交字典运算快捷的特点;然后,通过改进的分组匹配稀疏分解算法,根据距离像训练样本快捷地求取其类别字典;最后,基于类别字典对测试样本进行分类实现目标识别。仿真实验证明该目标识别算法简捷、识别率较高、抗噪能力强。

一种新型的基于KCS算法在图像重构中的应用

由于原始信号能够通过字典原子的某一线性组合进行稀疏表示,因此在压缩感知理论中,原始的高维信号可以从低维测量值中进行恢复。但是,对于一些信号,譬如图像、视频等,因其具有高维性、多变性以及繁杂性等特点,用线性表示模型难以对其进行稀疏表示。这种情况下,需要在非线性流形下获取更优的稀疏表示。文中首先介绍了核字典学习方法中的KKSVD算法,对其稀疏编码阶段进行改进,得到自适应核K-SVD字典学习算法(AKKSVD),并将其与核压缩感知理论(KCS)相结合,提出了一种基于AKKSVD字典学习的KCS算法(AKKSVD-KCS)。通过对图像进行重构的仿真对比实验表明,该算法对非线性信号的重构更具备高效性,相较于其他算法在重构时间、峰值信噪比等方面更具有优越性,即其重构性能更佳。

压缩感知的冗余字典及其迭代软阈值实现算法

冗余字典的信号稀疏分解是一种新的信号表示理论,采用超完备的冗余函数系统代替传统的正交基函数,为信号自适应地稀疏扩展提供了极大的灵活性。本文研究了压缩感知理论下的冗余字典、测量矩阵及其限制等容特性(RIP,Restricted Isometry Property),并给出了RIP、字典大小、稀疏度和测量次数的关系,提出了一种新的迭代软阈值(IST)算法,与正交匹配追踪(OMP)算法和迭代硬阈值(IHT)算法相比较,实验结果表明了IST算法具有更高的信号恢复率。

基于稀疏逼近的EEG信号的压缩感知重建研究

目的对一维的多通道非平稳信号EEG随机非自适应地欠采样,高质量地重建原信号,从而实现EEG信号的自动检测与分析。方法实验中以高斯函数及其一、二阶导数为原子的生成函数,构建了一个新的冗余多成份字典.随机高斯测量阵为测量矩阵,按压缩感知测量模型重建信号,并采用了稀疏逼近误差NMSE作为逼近程度的定量度量标准,判定实验结果。结果所选字典中原子可更加有效地匹配EEG信号中的多种瞬时特征波形,从而能够对EEG信号形成更为稀疏的匹配追踪分解。基于压缩感知理论的信号采样只需使用不到原信号一半的样本数,即可高质量地重建原信号,对于重要的瞬时特征波形能够很好地保持。结论基于压缩感知理论的信号采样包含了原信号的足够信息,利用EEG信号的稀疏性(或可压缩性)先验条件,通过一定的线性或非线性的解码模型可以以很高的概率重建原始图像或高维信号。

一种神经信号压缩感知检测方法

针对无线传感器在神经信号检测领域需要低功耗设计的需求,设计了一种利用压缩感知方法对含动作电位的神经信号进行分段压缩的方法。首先,通过构造冗余字典,实现了对原始神经信号的稀疏化表征;然后构建了测量矩阵,实现了对原始神经信号的压缩;最后,利用稀疏分解算法,实现了对原始神经信号的重构。利用测量到的大鼠脑部神经信号对设计的方法进行实验测试,结果表明,在压缩比为10∶1及以下的情况下,可以实现对含动作电位的神经信号的分段压缩和可靠重构。

基于稀疏变换的图像压缩方法的研究

针对无线多媒体传感器网络中节点计算能力、存储空间和能量等资源受限问题,提出了联合稀疏变换的分布式压缩感知视频压缩方法。该方法对传感器采集到的图像序列先进行分布式视频编码,再利用联合稀疏变换对图像进行稀疏表示,其中联合稀疏变换方法结合了冗余字典和正交基稀疏变换的优点,比冗余字典稀疏表示得到的图像更稀疏,压缩效率更高。仿真结果表明,该方法有效减少了编码和传输的数据量,降低了图像压缩传输时间。

基于压缩感知的LFM雷达信号回波盲稀疏度估计

由于压缩感知理论用于LFM雷达中要预先给出信号稀疏度,提出了自适应正交匹配追踪算法(AOMP),该方法可用于处理LFM雷达回波信号。在稀疏度即目标数目未知时,由不同发射信号通过延时进而相加来构造冗余字典。AOMP算法是依据残差之差的相对能量小于设定的停止门限来自适应终止稀疏分解过程。理论分析和仿真结果表明,存在噪声时,AOMP算法优于OMP算法,明显提高重构算法的重建概率。当回波信号的距离分辨率匹配字典的距离分辨率,冗余字典结合AOMP算法可有效处理LFM雷达回波信号,具有广泛的应用价值。

基于压缩感知的二维DOA估计

针对L阵列,提出基于压缩感知的二维波达方向估计新方法。定义方位角和俯仰角余弦乘积为空间合成角,利用等余弦网格划分空间合成角构造超完备的冗余字典,将子阵接收的单快拍数据矢量转化为冗余字典下的稀疏表示问题;采用单位列向量组合矩阵随机抽取的新方法构造高斯随机测量矩阵;通过改进正交匹配追踪算法求解二维波达角。指出所提出的算法比传统二维MUSIC算法在高信噪比、多快拍条件下估计性能更好,并且有一定的阵元节约效能。计算机仿真实验证明了以上结论。

基于CS理论的24脉波整流器开路故障诊断方法

针对24脉波整流器晶闸管开路故障待处理数据量大、诊断精度不高和诊断速度慢的缺点,提出一种基于压缩感知(CS)理论对开路故障电压信号的稀疏向量进行特征提取的分类识别方法。利用冗余字典和高斯测量矩阵对原始信号进行稀疏表示和测量,接着用正则化自适应匹配追踪算法对测量信号进行重构,得到稀疏向量;对稀疏向量进行6种特征参数的提取,将其作为BP神经网络的输入,实现对开路故障的诊断识别;选取典型的开路故障类型,进行仿真实验验证。仿真结果表明,传统方法要处理的数据长度为1000,而所提方法要处理的数据长度只有50,以很少的数据量保存了原有信号的特征信息,使得开路故障识别准确率显著提高,诊断速度加快。

基于CS-CoSaAMP的超宽带多径信道估计

针对匹配追踪类算法要求稀疏度作先验条件的不足,提出压缩采样自适应匹配追踪(CoSaAMP)新算法。结合完备的冗余字典,算法在稀疏度未知时,可以通过自适应调整可变步长逐步逼近信道的稀疏度,用于解决超宽带信道的重建问题。仿真结果表明,提出的CoSaAMP算法性能收敛速度快,估计效果好,可有效用于实际超宽带信道估计。