基于L1-L1优化算法的HPLC通信信号脉冲噪声抑制方法

在进行信号脉冲的噪声抑制阶段,由于对噪声的估计结果与实际情况偏差较大,导致处理后信号的信噪比较低,为此提出基于L1-L1优化算法的高效液相色谱法(High Performance Liquid Chromatography,HPLC)通信信号脉冲噪声抑制方法。充分考虑了脉冲噪声的稀疏性,设置对应稀疏项为脉冲噪声时域采样值的L1范数,利用米德尔顿A类噪声模型作为脉冲噪声的模型,将初始的脉冲噪声估计问题转化为L1-L1问题,引入约束参量,借助软阈值运算的矩阵向量乘法求解噪声参数。在噪声抑制阶段,以估计结果为基准,利用正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法对信号进行重构。在测试结果中,处理后信号的信噪比均达到了19.0 dB以上,对应的提升幅度均在7.0 dB以上。

基于神经网络的线性电路故障诊断非线性L1范数优化方法

本文提出了一个新的模拟电路故障诊断非线性L1范数优化方法。在BanderL1范数代化方法[1-3]基础上增加辅助变量即将电路不可及节点电压增量做为辅助优化变量，构造一个新的故障诊断非线性约束L1范数优化问题，由一次最优化过程得到的解定位最可能故障元件；并应用Hopfield网络原理来处理该L1范数问题。提出了计算元件参数增量的神经网络及其（MO，MI）OTA－C实现。故障诊断实例和计算机模拟结果表明所提方法是可行的。

H_2/l_1混合优化问题的凸二次规划解法

采用上逼近算法求解 H2 / l1 混合优化问题。首先将其转化为有限维的凸二次规划问题 ,并利用L emke互补转轴算法求解 ;然后逐次进行逼近。

基于L1范数优化模型的遥感图像条纹去除方法

从条纹噪声的结构属性进行分析,通过分离出条纹成分来实现去条纹的目的。在优化模型中,基于L1范数的正则化表示条纹的全局稀疏特性;基于差分的约束条件用于描述条纹方向上的平滑度和条纹垂直方向上的不连续性。为了更好地保护图像的细节信息,在条纹垂直方向的约束上引入了边缘权重因子,最后通过交替方向乘子法(ADMM)对所提模型进行求解和优化。用多通道扫描辐射计(AGRI)获取的在轨数据对算法进行了验证并与典型方法进行了比较,结果表明,消除条纹噪声的同时更好地保留了细节信息,并且呈现出较好的定性和定量结果。

基于L1范数优化路径的视频稳像算法

目的为解决外包装行业对产品外观进行检测时,采集视频图像存在抖动失真的问题。方法提出一种基于L1范数优化路径的视频稳像算法,采用SURF算法和FREAK算法对视频序列帧中的特征点进行检测和描述;然后,使用KNN算法和RANSAC算法对相邻帧间的特征点进行匹配和筛选;最后,通过L1范数优化算法对序列帧进行校正和去黑边处理,得到稳像视频。结果在处理前景无运动和前景有运动的2类视频时,稳像前后视频的平均PSNR值分别提升了5.094 dB和4.273 dB,并且相对于常用的特征匹配算法,文中算法能显著降低相机路径的主动平滑因子。结论文中算法能够有效地解决视频抖动失真的问题,提高抖动视频的质量,具有一定的鲁棒性。

Savitzky-Golay滤波和L1范数优化相结合的视频稳像算法

近年来,越来越多的人利用手持设备拍摄视频表达自己或社会问题等,这类视频常存在抖动现象,如何消除视频序列中的随机抖动成为近年来的研究热点。本文面向视频去抖动应用场景,提出了一种Savitzky-Golay滤波和L1范数优化相结合的视频稳像算法。首先基于帧间配对特征点进行运动估计;然后利用Savitzky-Golay滤波算法进行路径平滑处理,去除运动路径中的高频抖动分量,避免了噪声对后续生成稳定路径的影响;进一步,对平滑后的有效路径信息进行基于优化的L1范数优化算法拟合,得到最终的稳定路径;最后对原始视频图像序列进行运动补偿,生成稳定的图像序列。对比实验结果表明,本文方法稳像效果优于原始L1范数优化算法和最近较好的方法,算法速度快于目前效果较好的二维稳像算法。

基于L_(1/2)自适应稀疏正则化的图像重建算法

为了解决图像超分辨率重建过程中出现的问题,结合图像的稀疏表示,增加控制邻近块兼容性的约束,建立具有邻近块兼容性约束的L1/2稀疏正则化模型.采用加权L2范式代替Lp(0<p<1)范式,对迭代加权最小二乘法进行转化,提出一种自适应正则化参数选取的算法.通过拼接字典的方法,训练出重要的特征并优化了重建图像的质量.实验结果表明,该重建方法在去噪和保留边缘信息方面具有较好的效果,重建的高分辨率图像在视觉上具有清晰锐利的特点,而且在峰值信噪比和结构相似度两项指标上都优于传统的重建方法.

一种基于l^1范数的欠定盲源分离算法

提出了一种基于两步法的欠定盲源分离新算法.在混叠矩阵估计阶段,采用基于势函数的聚类方法,在源信号恢复阶段,提出一种快速的稀疏信号重构算法.系统方程As(t)=x(t)的任一解,由它的一个特解与其相对应的齐次线性方程组的一组基的线性组合之和表示,从而使原来直接估计有n个独立变量的源信号s(t)转化为估计只有n-m个独立变量的系数向量z.再借助稀疏表示实现盲源信号的分离.仿真实验验证了新算法容易实现,分离速度快,能够很好地满足盲分离对速度的要求.

基于近似KLT域的语音信号压缩感知

压缩感知是近年来兴起的研究热点,该文基于语音信号在KLT域的稀疏特性,提出了基于模板匹配的近似KLT,并在基于模板匹配近似KLT域上研究了语音信号的压缩感知性能。首先验证语音信号在基于模板匹配近似KLT域上的稀疏性,然后由语音信号与观测矩阵构造相应的观测,采取固定分配每帧观测个数和按帧能量自适应分配每帧观测个数两种方案,再以观测为已知条件利用L1优化算法重构语音信号在基于模板匹配近似KLT域的稀疏系数向量,进而重构原始语音信号。实验表明,语音信号在基于模板匹配的近似KLT域的压缩感知性能较好。

小型无人机快速最优化稳像方法研究

小型无人机电子稳像可以纠正视频影像中存在的晃动、震动、畸变等不稳定因素,有利于视频影像目标跟踪、精确打击,同时还能缓解观察者的视觉疲劳。电子稳像有3个主要的步骤:全局运动估计、主运动估计和运动补偿。本文主要对主运动估计的方法进行研究,并提出了一种快速最优化的稳像方法,该方法能够快速准确的估计小型无人机视频影像的主运动。该方法结合了L1最优化方法的精确性和Kalman滤波方法处理速度快的优点,并克服Kalman滤波法预测精度不高和L1最优化方法只能事后处理的问题,从而获到更好的稳像效果。最后采用实际飞行数据对本文提出算法进行了验证,结果表明,本文所提出的方法在保证稳像处理精度的前提下,也保证了处理效率。

无控制点场景下基于多运动目标的卫星视频稳像算法

为了解决无控制点场景下现有卫星视频稳像算法失效的问题,提出了一种基于多运动目标的卫星视频稳像算法,该算法构建了目标检测、轨迹平滑和范数优化的框架,将多目标卡尔曼滤波、rlowess轨迹平滑与L1-L2范数优化相结合,最终实现卫星视频稳像。利用海上多目标舰船观测数据集开展实验,结果表明基于多运动目标的卫星视频稳像算法在X、Y方向上的稳像误差均不超过0.3个像素,验证了该算法的有效性。本研究填补了无控制点场景下卫星视频稳像的技术空白,具有重要的工程应用价值。

基于范数优化路径的视频稳像算法

针对运动相机中视频的随机抖动和低频晃动问题,提出了一种基于范数优化路径的视频稳像算法。该算法在特征点粗匹配之后引入概率进化抽样一致性算法剔除误匹配点,避免了局部运动对全局运动估计的影响,然后在定制的L1范数约束下构建相机的最优化运动路径,最后利用新的路径进行运动矫正获取稳定的视频图像序列,实验结果验证了算法的有效性。

增加轨道扣件可调量和相邻点偏差约束的高铁轨道精调优化算法

高速铁路轨道精调依据300m、30m以及10m弦的长中波轨向和高低、轨距、轨距变化率、水平和扭曲等参数控制轨道不平顺。然而无砟轨道钢轨的扣件可调量有限,若完全按照轨道几何参数设计值要求获得的轨道横、竖向偏差进行轨道精调,会面临调整量超出扣件可调范围的困境。为此,提出在轨道精调算法中增加轨道扣件(剩余)可调量的约束条件,采用L1范数最优解算法进行轨道调整量优化,避免了调整方案受扣件限制难以实现的缺陷。在新的优化算法中,通过增加相邻点偏差较差以提高轨道空间线形的相对精度。通过实测数据检验,结果表明:扣件(剩余)可调量约束是优化调整方案中保证钢轨最优几何形位的必要条件;相邻点偏差较差约束可以有效弥补扣件可调量约束引起的轨道短波不平顺,进一步提高调整后轨道的平顺性。建议对扣件(剩余)可调量约束的限差值规范化处理,建立"扣件类型—调整量—剩余可调量"轨调体系。采用剩余可调量对扣件可调范围约束,并参与轨道平顺性控制。

DCT域的语音信号自适应压缩感知

利用语音信号在DCT域的稀疏特性,提出了一种基于语音信号能量特性的帧间与帧内自适应压缩感知方法。首先根据语音信号各帧能量和各帧所属能量区间自适应分配每帧观测个数,称之为帧间自适应。然后当帧观测个数确定后,根据每帧完全观测各分量的能量自适应选取相应个数的观测,称之为帧内自适应。实验表明,用该算法重构的语音具有较高的平均分段信噪比和平均意见得分。

基于在线判别分析的鲁棒L1视觉跟踪算法

通过分析经典L1视觉跟踪算法在粒子滤波框架下的采样粒子分布与运动目标真实状态的差异,提出了一种基于在线判别分析的改进L1视觉跟踪算法.该跟踪算法利用基于在线逻辑回归模型的判别分析及其更新过程,自主获取运动目标的实时状态与变化,增强运动目标与背景信息之间的可判别性,以实现采样粒子的自适应重要性筛选.通过筛选,尽量排除与运动目标差异大的粒子,降低这些粒子造成的跟踪不稳定性,并减少L1优化求解的次数,从而提高跟踪的鲁棒性和整个算法的执行效率.与五种跟踪算法在四组公开视频上的实验结果表明:提出的算法能够长时间准确地对运动目标进行跟踪,同时相对经典L1跟踪算法而言,有效地降低了计算复杂度.

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型.并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法.该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪.最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制.实验表明:与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果.

基于抽头稀疏化的最小二乘频率不变波束形成器设计

频率不变波束形成器(Frequency-invariant beamformer,FIB)在宽带声信号的无失真采集和处理中具有重要应用。基于空间响应变化函数的最小二乘方法是近年来FIB设计中的代表性方法,本文研究表明该方法的性能受频率不变波束形成(Finite impulse response,FIR)滤波器抽头长度的影响,增大抽头的长度可有效提高FIB设计的性能。但随滤波器抽头长度的增大,波束形成器的实现复杂度亦变大。针对这一问题,本文提出了一种基于FIR滤波器抽头稀疏化的最小二乘FIB设计方法,利用信号稀疏表示理论中的迭代加权l1范数优化实现了低复杂度最小二乘FIB设计,并通过设计实例验证了所提方法的有效性。

二维稀疏采样下的双通道SAR地面运动目标检测方法

多通道合成孔径雷达(synthetic aperture radar,SAR)地面运动目标检测系统具有良好的主瓣杂波抑制能力,但是其采样数据量过大的问题给数据存储与传输系统带来沉重负担。针对该问题,提出一种二维稀疏采样下的双通道SAR运动目标检测方法。该方法首先在距离和方位两维域进行随机稀疏采样,然后利用压缩感知技术对双通道的SAR回波数据进行联合处理,构造变换矩阵将目标能量支撑区从所有场景散射点的能量支撑区中进行分离,采用基于加权的最小l1范数优化模型进行杂波抑制与运动目标成像。所提算法能够有效降低原始数据量,在杂波散射点的空间分布稀疏性较差的情况下,仍可以较好地检测地面运动目标。仿真实验验证了所提算法的有效性。

基于变量分离和交替最小化的图像修复

提出变量分离和交替最小化相结合解决l1正则优化问题,并用于非纹理图像的修复。基于变量分离技术,该算法将目标函数的l1成分和l2成分解耦,l1正则优化问题简化为一系列非约束优化问题。除了交替最小化迭代地求解这些非约束优化问题,还引入投影法加快和简化求解过程。实验在有噪声和无噪声的情况下,用提出的算法对信息丢失30%的图像进行修复。实验结果表明:该算法可有效解决包括图像修复在内的一系列图像复原问题;与某些同类算法相比,在修复速度和修复效果方面均具有优势。

稀疏耦合神经网络的重构

结合实际中神经网络的稀疏耦合特性,基于等式约束的L1优化方法下,本文发展了一类描述神经网络不规则放电动力学模型中耦合矩阵的重构方法,并通过数值模拟验证了该方法的有效性。与先前的基于SVD分解的重构方法相比较,本文的方法能在更短的观测时间内达到更高的重构精度。