混响环境下改进的球谐波域L1-SVD声源定位算法

由于多径效应的影响,基于稀疏重构理论的声源定位算法在混响环境下存在定位精度较差的问题.本文提出一种适用于混响环境的DPDT-L1SVD声源定位算法,该算法将L1-SVD稀疏信号重构声源定位算法扩展到球谐波域中,并根据球谐波域中导向矢量与频率解耦的特性将其拓展到宽带信号处理中,再与直接路径检测方法（direct-path dominant test,DPDT）相结合.由仿真实验结果可知,在低信噪比情况下,该算法定位精度优于DPDT-MUSIC和SS-PIV算法,且具有较强的噪声鲁棒性.结合实测实验结果,验证了该算法在混响环境下具有较高的定位精度和空间分辨率.

基于加权L_1范数的CS-DOA算法

针对基于L1范数约束的压缩感知理论的恢复算法出现虚假目标,恶化DOA估计性能的问题,提出了一种基于加权L1范数的CS-DOA估计算法.该算法利用噪声子空间与信号子空间的正交性,构造了一个加权矩阵,然后对L1范数约束模型进行加权.通过此加权处理,该算法能够使恢复的系数向量具有更好的稀疏性,并能有效地抑制伪峰,从而获得更精确的DOA估计.仿真结果验证了算法的有效性.

基于L_(1/2)正则化的超分辨率图像重建算法

为提高图像重建质量,研究超分辨率图像重建技术与稀疏表示理论,提出一种基于L1/2正则化的超分辨率图像重建算法。将L1/2正则化理论运用到字典学习中,利用学习得到的字典重建高分辨率图像。实验结果表明,该算法的图像重建效果优于基于L1正则化的超分辨率图像重建算法。

稀疏重构混合源参数估计方法

针对近远场混合源定位问题,本文提出了一种基于稀疏信号重构的信源参数估计算法。该算法首先通过对接收信号的协方差矩阵进行稀疏重构估计出远场信源参数,接着采用协方差分离技术将近场源和远场源分离,最后利用均匀线阵的对称性和稀疏信号重构估计近场信源参数。该算法避免了二维谱峰搜索和近场源参数配对,也无需构造高阶累积量,降低了计算复杂度。仿真结果表明,该算法的空间分辨能力和混合源参数估计精度均高于基于子空间的混合源参数估计方法。

基于稀疏表示与能量分解的无参考图像质量评价

针对基于稀疏表示的图像质量评价算法特征信息挖掘不充分、忽略稀疏特性等问题进行了研究,提出了一种基于稀疏表示与能量分解的无参考图像质量评价方法。首先利用L1范数作为稀疏惩罚项学习稀疏编码字典,并计算待评价图像的稀疏表示系数;然后对稀疏系数矩阵进行奇异值分解,并重建若干个等能量的子矩阵;最后联合max-pooling和L1范数描述稀疏系数矩阵及其子矩阵特征,L1范数刻画了稀疏性,子矩阵丰富了特征信息。实验结果表明,该算法能在无参考的情况下更好地评价图像质量,主客观分值一致性好,且时间复杂度较低,具有较好的应用价值。