基于小波域字典学习方法的图像双重稀疏表示

提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.     

基于小波变换与FFT算法的电能质量信号分析

提出了一种基于小波变换和FFT相结合分析电能质量信号的方法.用小波变换检测电能质量信号的间断点,对由间断点分段得到的信号用FFT进行频谱分析,并进行了计算机仿真,取得了较满意的结果.     

信号稀疏分解理论在轴承故障检测中的应用

将信号稀疏分解理论引入到轴承故障检测问题中,提出新的轴承故障检测方法。通过字典学习的方式可有效实现轴承正常状态振动信号稀疏表示的超完备字典。利用该字典只适用于轴承正常状态信号稀疏分解的特点,将待分析信号在该字典上展开,通过比较信号稀疏表示误差与所设定阈值的关系来判断轴承对应的状态,从而实现轴承的故障检测。实验结果表明:当误差阈值设置合理时,该方法可有效地判断出轴承是否发生故障。     

导向矢量正交分解的离格信号DOA估计

当存在离格信号时,网格失配将导致基于压缩感知理论的DOA估计算法估计性能严重下降。为解决这个问题,在对接收数据协方差矩阵进行KR积变换的基础上,提出了一种基于压缩感知理论下的导向矢量正交分解的离格信号DOA估计算法。算法利用信号导向矢量与其一阶导函数矢量间的正交性构建了新的离格信号导向矢量模型,并基于最小二乘法对离格信号的网格偏离量进行估计。在构建稀疏重建模型时,采用ILSSE方法精确估计噪声协方差矩阵,提高了稀疏重建的精度。仿真结果表明,所提算法在不同信噪比和不同的网格间距下对离格信号DOA都有较好的估计精度。     

基于四阶累积量阵列扩展的稀疏分解方法

提出了一种基于四阶累积量稀疏表示的估计方法,解决信号数多于阵元数时的DOA估计问题。该方法首先构造了包含所有DOA信息的最小冗余矢量,利用扩展阵列的最小冗余导向矢量构造完备字典减小完备字典的复杂度;然后利用L1范数作为稀疏约束条件建立稀疏模型进行DOA估计。理论分析和仿真实验,验证了该方法能够估计出的信号个数大于阵元数目,可直接应用于相干信号,比MUSIC-like算法具有更好的性能。     

基于粒子群优化的稀疏分解最优匹配原子搜索算法

信号的稀疏分解能得到信号的稀疏表示形式,便于进一步处理,但其计算非常复杂,是一个NP问题.粒子群优化是群体智能优化算法,算法简单,易于实现,且搜索效果好.把粒子群优化算法用于稀疏分解的最优匹配原子的搜索,能降低稀疏分解复杂度,同时减少稀疏分解的超完备字典对存储空间的占用,以提高用稀疏分解理论进行信号处理的计算效率,满足或接近实时性的要求.实验证明,此方法切实可行.     

压缩感知新技术专题讲座(四) 第8讲 压缩感知在无线通信中的应用

压缩感知(CS)理论指出,如果信号在某个变换域内是稀疏的或可压缩的,那么就可以用与变换基不相干的低维线性观测矩阵实现信号的压缩测量。压缩感知充分利用信号固有的稀疏性或可压缩性,以远低于奈奎斯特频率,直接对信号中的重要信息进行采样,此时,采样速率不再决定于信号的带宽,而是决定于信号的结构和内容中所包含的信息,或者说是信号的信息速率。这种新型的信息获取方式带来了信号处理技术的革新,在各类模拟和数字系统中得到了广泛的应用。在无线通信系统的应用主要包括认知无线电、稀疏信道估计、无线传感器网络、阵列信号处理等方面。     

压缩感知新技术专题讲座(三) 第6讲 压缩感知在语音处理中的应用研究

压缩感知CS(Compressive Sensing)作为一门新兴的技术,成为近年来人们广泛关注的研究热点。文中介绍了压缩感知理论的基本原理,在此基础上将压缩感知理论应用到语音信号处理中。首先研究了语音信号的稀疏性,说明了对语音信号进行压缩感知具有可行性;其次,采用随机滤波器组构造随机测量矩阵得到语音信号的压缩测量值;最后,研究了压缩测量值之间的相关性并将这种相关性作为稀疏度的一种度量方法用于控制随机滤波器阶数,实现了语音信号的自适应压缩感知。     

利用时频稀疏性的跳频信号盲检测和参数盲估计

针对在低信噪比的稳定分布噪声和定频干扰背景中,跳频信号检测和参数估计性能不佳的问题,利用分数低阶短时傅里叶变换得到时频矩阵;对时频矩阵按频率行去均值,抑制定频干扰;通过时频峰值优化、时频矩阵清洗和强化处理,降低频谱泄漏和噪声对跳频信号时频稀疏性的影响;利用此稀疏性进行检测和估计,即根据跳频信号在驻留时间内的连续性检测跳频信号,估计跳频频率;根据驻留时间起点及间隔,估计跳变时刻和跳周期.仿真结果表明,在低信噪比下,该算法的检测和参数估计性能均有较大提高,且优于现有算法.     

基于整数小波变换的多光谱遥感图像压缩技术

在分析多光谱图像小波变换后系数特点的基础上,提出了一种基于整数小波变换的3维集合分裂嵌入块编码(3D SPECK)压缩方法。该方法将小波变换压缩技术中的零树编码推广到多光谱图像压缩中,采用整数小波变换去除空间冗余,对单波段图像,采用2D SPECK编码,对多波段图像,谱域上构成的小波矢量采用离散余弦变换(DCT)进行变换,对变换后的系数进行3D SPECK编码。实验结果表明,该方法硬件实现简单,编码解码时间快,对内存要求低。     

基于小波变换速变非平稳信号的消噪

本文针对遥测速变数据中噪声干扰有用信号分析的处理问题,提出了基于小波分析理论, 利用二进制小波变换对含噪信号进行小波分解,然后选取适当的阈值,对小波分解系数进行阈值量化,最后再对高低频系数重构,实现信噪分离.并在导弹试验数据中得到了验证.分析结果表明小波变换是非平稳信号消噪一种有效方法.     

压缩感知新技术专题讲座(二) 第3讲 压缩感知技术中的信号稀疏表示方法

信号的稀疏表示是信号分析领域的基本问题,也是近几年兴起的压缩感知理论的基础。文章首先分析了信号稀疏表示的基本原理,然后介绍了当前信号稀疏表示的主要方法,并重点阐述了基于过完备字典的稀疏表示方法及其在压缩感知中的应用,最后总结了稀疏表示所面临的问题和未来发展方向。     

时频分析方法及其在自导信号检测中的应用

首先引入时频分析的概念,介绍了短时傅里叶变换、Wigner—Ville分布和连续小波变换的数学表示和性质.其次基于经典检测理论,讨论并比较了它们在高斯白噪声背景下对确知信号的检测问题.最后对它们在自导信号检测应用中的有关问题进行了分析,并指出了需进一步研究的方向.     

基于先验稀疏模型的光谱图像压缩采样检测

压缩信号处理为更加高效地实现光谱图像数据采集和处理提供了有效途径,针对传统压缩采样检测算法未针对待测信号专门设计采样矩阵,检测性能低于传统采样方式,且鲁棒性较弱的问题,提出了一种待测信号稀疏模型先验条件下的光谱图像压缩采样目标检测方法。该方法利用待测信号的稀疏表示子空间构造压缩采样矩阵,增强采样矩阵的信息获取能力;采用正交子空间投影法将压缩采样信号投影到干扰信号的局部正交子空间,抑制背景光谱的影响。实验和分析结果表明:与传统压缩采样检测算法相比,该方法能够有效提升压缩采样检测算法的性能,削弱采样矩阵随机性对于检测性能的影响,增强压缩采样检测算法的鲁棒性。     

小波变换在漏磁检测信号处理中的应用

在对军用装备进行漏磁无损检测时,漏磁信号中含有大量噪声,针对这种情况,介绍了小波变换消噪理论.在数字化实现中,离散小波变换是利用Mallat分解与重构算法来完成.仿真试验中,选取二阶样条小波为小波函数,对从漏磁检测装置中采集到的漏磁信号进行消噪.结果表明将小波变换应用于炮管漏磁检测中,能提高检测信号的信噪比和抗干扰能力.为漏磁信号分析、特征提取和缺陷漏磁反演打下了基础.     

EMD降噪与小波变换在轴承故障诊断中的应用

在轴承故障诊断中,为降低噪声对小波变换的干扰,提出了先用经验模态分解、再用小波变换对信号进行分析的综合处理法.在用经验模态分解方法的自适应性对信号进行分解的基础上,选用峭度值优选贡献率高的固有模态函数重构信号,计算其自相关函数,然后进行小波变换,得到分解后细节信号的级联谱,对效果最好的分量进行Hilbert解调.该方法解决了噪声对弱故障信号干扰导致诊断效果不明显的问题,提高了小波变换的故障识别率和效率.轴承滚动体点蚀故障试验结果表明:该方法能有效提取轴承滚动体故障特征,与传统包络解调相比具有更好的效果.     

用小波包变换降低 MCM 系统中并存的脉冲干扰和窄带干扰的影晌

小波包变换可以给出信号精细的时频局域化特性，本文通过对信号进行小波包变换，导出了用小波包变换实现多载波调制（MCM）的系统模型，在此基础上研究了用小波包时频分解特性对信号进行变换，从而降低MCM系统中并存的脉冲噪声和窄带干扰的影响，并给出了如何选取时频单元进行变换的算法。     

基于稀疏Toeplitz测量矩阵的雷达回波重构

提出了元素服从高斯分布稀疏Toeplitz结构的一种确定性测量矩阵的构建方法。该方法主要稀疏化服从高斯分布的元素构造的Toeplitz测量矩阵。理论分析和仿真实验表明,这种测量矩阵能以高概率满足限制等距性,其稀疏Toeplitz结构更容易在硬件上实现和数据存储。在对雷达信号回波处理中稀疏Toeplitz结构测量矩阵取得了更精确的重构结果,相关性较低,可有效用于对稀疏信号的压缩测量。     

联合二代Bandelet和Wavelet对图像进行分层压缩

一幅图像可以分解为匀质结构图和几何纹理图两个分量.基于这种思想,提出了一种使用二代Bandelet和小波对图像进行分层压缩的有效算法.首先,使用全变分方法把原始图像f分解为u和v两部分,其中u代表f中的结构分量,v代表纹理分量;对u进行小波变换,对v进行二代Bandelet变换.采用了自顶向下的四叉树分解算法,优化了二代Bandelet的四叉树建立过程.实验结果表明,该压缩方法的重建图像在视觉效果和客观SSIM值两方面均优于JPEG2000和Bandelets.     

基于稀疏贝叶斯学习的DOA估计

针对基于l1范数约束的稀疏表示DOA(Direction Of Arrival)估计算法对初始参数较为敏感的问题,提出了一种基于稀疏贝叶斯学习的DOA估计算法。首先通过信号来波方向的空间采样构造冗余字典,将阵列信号处理中的DOA估计信号模型转化为压缩感知中的稀疏重构信号模型。然后基于经验贝叶斯推理的方法,将待估计的稀疏系数值用方差未知的联合高斯分布描述,而未知的方差值决定了待估计系数的稀疏性。通过观测数据估计得到未知的方差,进而得到信号的DOA估计值。仿真结果表明,提出的算法有较高估计精度,并且对非相干信源和相干信源都具有较好的估计性能。