基于Logistic混沌-贝努力序列的循环压缩测量矩阵构造算法

作为信号处理的一个新领域,压缩感知的目标是尽量减少信号重构过程中采样点的损失,而压缩感知矩阵的构造是压缩感知的核心工作之一。在前人研究的基础上,将循环矩阵快速算法的优点和混沌序列内在确定性和外在随机性相结合的优点进行有效结合,提出了一种新的压缩感知测量矩阵构造算法,即基于Logistic混沌—贝努利序列和循环矩阵的循环压缩感知测量矩阵构造算法(CCNMM)。大量仿真实验结果表明,对于一维和二维信号的恢复,CCNMM算法优于贝努利随机测量矩阵和高斯测量矩阵,证明了CCNMM的有效性和实用性。     

基于压缩感知理论的线性分组码译码

将压缩感知理论应用于线性分组码的译码,提出差错图案E重构的压缩感知模型及校验矩阵H作为测量矩阵的构成形式和性质.将伴随式S作为测量信号,校验矩阵H作为测量矩阵,以(15,7)循环码为例,采用基追踪(BP)算法重构差错图案E的估值,并设计线性分组码译码的仿真实验方案.仿真实验结果表明,采用压缩感知理论与BP算法能较好完成线性分组码的译码.     

基于压缩感知的线性调频雷达成像

在经典的压缩感知理论中,最常用的测量矩阵是高斯随机矩阵和伯努利随机矩阵,它们具有最优的约束等容性质(R IP).与其他测量矩阵相比,精确重建同样的稀疏信号所需的采样数最少。然而完全的随机性导致它们在具体工程应用中受到限制,同时大大增加了重建算法的时间和空间复杂度。基于统计约束等容性质(StR IP)和确定性测量矩阵理论提出一种基于线性调频信号的压缩感知雷达成像方法,利用雷达发射的线性调频信号来构造测量矩阵,并用仿真实验证明了利用该测量矩阵可以很好地实现稀疏信号的重建。     

超宽带通信压缩感知信道估计与信号检测方法

针对超宽带信号在采样速率过高时难以采样的问题,利用信号稀疏性提出一种基于压缩感知的信道估计和信号检测算法(CS算法).将信号重复送入随机滤波器后发送,对接收信号进行欠采样,利用调制信号、滤波器、信道的圆周卷积关系建立压缩感知的数学模型,从而可采用基追踪算法实现信道估计和信号检测.仿真结果表明,CS算法所需的采样数据量仅为最小二乘算法的1/3或更少,而在中等信噪比(15~25 dB)的情况下,估计性能可以提高约4.5 dB,且可以准确检测出原始信号.     

基于压缩感知的图像重构GUI系统

本文利用MATLAB平台设计了基于压缩感知的图像重构GUI系统,针对不同的变换基、测量矩阵、重构算法对图像的压缩采样及重构进行了比较和讨论,其中变换基包括小波变换基和离散余弦变换基;测量矩阵包括随机矩阵如高斯矩阵和贝努利矩阵,以及确定矩阵如哈达玛矩阵和托普利兹矩阵;重构算法包括正交匹配追踪算法和压缩采样匹配追踪算法.并通过峰值信噪比PSNR衡量了图像重构的性能.该GUI系统能够为基于压缩感知的图像重构提供直观的实现平台.     

基于随机滤波的雷达信号采样和目标重建方法

受奈奎斯特采样定理的约束,传统雷达在提高分辨率和满足实时性要求时,面临高采样率、快处理速度、大存储容量等问题的挑战。压缩传感理论指出,稀疏信号可通过其一组线性测量值重建得到原信号,在获得测量值时,采样率可低于奈奎斯特采样频率。值得注意的是,当测量矩阵的元素具有随机性时,测量矩阵和稀疏化矩阵在较大概率上满足压缩传感理论的测量要求,具很强的适应性。然而,随机测量矩阵在雷达系统中很难实现。本文提出一种基于随机滤波的雷达信号采样和目标重建的方法,该方法计算效率高,只需在传统雷达系统中稍加改动即可实现。计算机仿真验证了该方法的可行性。     

非负矩阵分解下的稀疏基构建

当信号在某个变换域是稀疏的或可压缩的,可以利用与变换矩阵非相干的测量矩阵将变换系数投影为低维向量,同时这种投影保持了重建信号所需的信息。 压缩感知技术以较少的投影数据实现信号的精确或高概率重构。而信号重建能力很大程度上取决于信号的稀疏性,以及采样矩阵和变换矩阵的非相干性。本文提出用非负矩阵分解（NMF）对原始信号进行稀疏变化,构建稀疏变换基矩阵 ,并与离散傅立叶变换（DFT）和离散小波变换构（DWT）建变换矩阵进行对比研究,对相干度,稀疏度进行测量,并采用正交匹配追踪（OMP）进行信号还原能力分析,表明在同等测量次数下NMF还原能力优于DFT和DWT。     

基于ATmega128的连续信号压缩感知实现方法

为了解决硬件对高频模拟信号采集困难的问题，根据连续信号可以在特定的频域有稀疏的特性，在采样节点，根据伯努利观测矩阵分布特点设计采样间隔，利用压缩采样方法采集数据，降低收发芯片CC1000所需发送的数据量，从而降低传感器节点在通信传输时所损耗的能量，延长节点的使用时间；在汇聚节点使用压缩采样匹配追踪算法(Compressive Sampling Matching Pursuit, CoSaMP)对接收到的稀疏数据进行重构，将重构的数据通过串口助手导出到终端，使用Matlab软件绘图分析，验证压缩感知实现方法的可行性。实验结果表明：该方法能够很好的在ATmega128芯片上实现压缩观测。在压缩率达到68%时，通过分析计算原始信号波形和重构信号波形，二者具有99.30%的相似度，显然将压缩感知理论可应用到局域网中，能减少网络传输的数据量，降低网络传输的能耗。     

分块OSTM测量矩阵构造及自适应压缩感知算法

针对目前随机测量矩阵物理实现困难、成本较高等不足,在研究确定性测量矩阵构造的基础上,基于分块循环结构,提出了分块正交对称Toeplitz矩阵(OSTM)的构造方法.分块OSTM具有伪随机循环结构,易于硬件实现,其独立变元个数大大减少,可降低存储和运算时间.针对目前图像分块压缩感知中单一采样的缺陷,将图像块进行分类,根据图像局部结构自适应分配采样率,结合分块OSTM设计,提出了基于分块OSTM的自适应压缩采样算法.仿真实验结果表明,基于分块OSTM的压缩测量获得的重构图像PSNR显著提高,图像主观质量得到了有效改善.     

基于压缩感知的Logistic多涡卷混沌保密通信

针对异步数字保密通信系统通信安全的问题,提出了基于压缩感知的逻辑(Logistic)多涡卷混沌保密通信方法.首先对一维Logistic映射进行改进,并引入多涡卷思想,生成两段式Logistic混沌映射,然后引入压缩感知理论,通过压缩感知方法实现伯努利(Bernoulli)分布的伪随机序列,得到基于压缩感知信号矩阵的通信模型.实验仿真结果表明,该方法优于Bernoulli随机信号矩阵,提高了重构信号峰值的信噪比,基于该方法的保密通信系统对信道噪声具有较强的抗干扰性和重构信号增益,可以完整还原数字信号,从而进一步证实了基于该重构矩阵信号的数字保密通信系统是有效的.     

基于压缩感知的图像检索方法研究

针对大尺寸图像的特征提取算法复杂度高、特征信息容易缺失的问题,利用压缩感知理论中关于少量测量值可以精确重构原始信号的特性,提出了一种基于压缩感知的图像检索方法。首先对图像进行小波变换、分块预处理;然后构造分块多项式确定性测量矩阵,并对分块图像进行压缩感知快速测量,得到少量的压缩测量值代表图像的特征;最后采用加权距离方法计算图像测量值特征的相似度,实现图像的精确检索。仿真结果表明,该方法在图像检索速度和查准率、查全率等指标上具有更高的性能,能应用于大量复杂图像的检索。     

压缩感知在宽带雷达信号处理中的应用

高分辨雷达成像系统在当今的军事和民用方面都有着广泛的需求,高分辨率成像需要发射宽带的雷达信号,然而根据奈奎斯特采样定理,信号带宽的增加又使得雷达系统面临高采样率、高传输率、大数据量存储以及信号实时快速处理等问题.压缩感知(CS)理论通过构造非相关测量矩阵,以远低于奈奎斯特采样率的速率获得一组测量值,通过重构算法对信号进行精确的重构.压缩感知理论应用的前提是信号的稀疏性,关键是测量矩阵和稀疏度之间的关系,重要支撑是重构算法.本文对压缩感知原理进行了简要介绍并针对雷达常用的线性调频信号提出一种稀疏基构造方案.同时,利用matlab构造了线性调频信号模型并对压缩感知处理线性调频信号的采样重建过程及应用于二维成像的过程进行了仿真.本文也研究了不同重建算法并进行了各个算法间的效果比较.仿真结果表明,在宽带雷达回波信号的处理过程中,压缩感知能通过降低采样率有效缓解回波数据的存储和传输的压力,这一点在宽带雷达目标检测中应用前景广阔.     

压缩感知理论在BCH码译码中的应用

借助无噪条件下的压缩感知理论,研究了BCH码的译码方法.将校验矩阵作为测量矩阵,伴随式作为测量信号,建立了重构差错图案的压缩感知模型.采用基追踪BP算法,重构了BCH码的差错图案,以(15,11)BCH码为例,验证了重构的差错图案的正确性.根据收码和差错图案计算出码字估值,通过误码率和码字估值成功率,比较了基追踪BP算法和Berlekamp迭代译码算法的译码效果.以BCH短码和长码为例,进行仿真实验,验证了采用压缩感知理论和基追踪BP算法实现BCH码译码的可行性和有效性.     

基于BP算法的线性分组码译码研究

在压缩感知理论中,基追踪BP算法用于求解l1范数的最小值问题,采用原对偶内点法实现对稀疏信号的重构.在线性分组码译码中,把差错图案E看作一维稀疏信号,借助压缩感知理论,提出了重构差错图案E的方法.把伴随式S和校验矩阵H分别作为测量信号和测量矩阵,代入基追踪BP算法重构出差错图案E.验证了重构的差错图案E是正确的.对线性分组码译码进行仿真实验,通过基追踪BP算法和最大似然算法实现了汉明码的译码,通过基追踪BP算法和Berlekamp算法实现了BCH码的译码.通过比较译码的误码率BER和码字C估值的成功率,可以看出,采用压缩感知理论和基追踪BP算法较好地实现了对汉明码和BCH码的译码.     

基于αβ变换的压缩感知风电变流器电压信号压缩方法

针对风电变流器输出端三相电压数据存储中存在资源浪费、重构性能差等问题,提出了一种压缩感知风电变流器输出端信号压缩新方法。首先,将输出端三相电压信号进行αβ变换,变换后得到的两相信号转化为一维信号;然后,将传统的多频带融合思想应用于压缩感知稀疏表示中设计稀疏基;最后,选取高斯随机矩阵作为测量矩阵,正交匹配追踪算法作为重构算法,重构uα、uβ信号并作αβ反变换。实验结果表明:与直接对三相电压数据处理相比,该方法可以有效压缩三相电压数据,使得运行时间降低,重构误差减小,并且节约了数据的存储空间。     

一种改进的变步长自适应匹配追踪算法

压缩感知是利用信号的稀疏性和可压缩性进行信号处理的新理论.针对压缩感知中信号稀疏度未知的问题,提出了一种改进的变步长自适应匹配追踪(MVss AMP)算法.该算法通过计算余量与测量矩阵的相关性,自适应地选择候选集原子,并且通过可变步长更新支撑集,实现信号的精确重建.该算法通过设置一个参数来控制步长变化.仿真结果表明:该算法在误差范围内实现了信号精确重建,并且重建性能优于其他同类算法.     

基于多方向正交匹配追踪的压缩感知图像重构算法研究

针对压缩感知中图像信号的压缩比较大、重构效率较低的问题,提出一种基于正交匹配追踪的压缩感知图像重构算法。该算法在图像压缩阶段,利用测量矩阵对目标图像进行二次测量,进一步缩小压缩比。在图像重构阶段,将单次循环的正交匹配对象由一维向量拓展到二维矩阵,利用多方向正交投影对压缩数据进行图像重构。仿真实验结果表明,在缩小压缩比的情况下,可较准确地重构出原始图像;并且显著提高重构效率。     

基于压缩感知的MIT图像重建方法

针对目前磁感应成像技术(MIT)的图像重建质量存在精度较低的问题,提出了一种基于压缩感知原MIT图像重建方法.将MIT系统电压数据的采集过程视为压缩感知的线性测量过程,通过对灵敏度矩阵进行补零拓展和行向量随机重组操作重新设计了测量矩阵;采集到的电压向量也用相同的方式处理,作为压缩感知的测量信号.然后利用压缩感知信号重构算法恢复原始信号.最后进行了仿真实验,实验结果表明,利用本方法获得的重建图像误差和相关系数比传统图像重建算法要好.由此可见,这是一种精度较高的MIT图像重建方法.     

一种HSV空间上分层压缩感知的图像检索算法

通过构建二维压缩感知测量模型,提出一种分层HSV特征和分层纹理特征提取与图像检索新算法。在图像HSV空间上引入网格离散划分和分层映射算子,定义一种基于HSV网格空间上的分层映射矩阵和拟灰度共生矩阵;设计归一化Gauss随机矩阵作为测量矩阵,使用二维压缩感知测量模型对上述两种矩阵进行压缩采样;采用PCA(Principal Component Analysis)方法获取上述两种分层采样矩阵的特征值序列,作为图像的分层HSV特征与分层纹理特征。最后融合上述两类特征综合计算图像间的整体相似度并实现图像检索。仿真实验表明,上述两类特征具有很好的可区分性,有效提高了图像检索效率,特别对复杂背景的图像检索性能更优     

超稀疏三元循环测量矩阵的设计

在伯努利循环矩阵的基础上,对其独立元素中随机地引入零元,形成超稀疏三元循环矩阵,与伯努利-循环矩阵相比,其随机独立变元个数和矩阵非零元数目显著减少,从而有利于信息的传输和存储.数值实验结果表明:提出的测量矩阵重建效果略优于伯努利矩阵和伯努利循环矩阵的重建效果,并在绝大多数情形下重建时间可以降低到原来的10%~40%,加快了后端信号重建的速度,有利于压缩感知理论的实用化.