基于冗余字典的扰动OMP算法研究

在测量矩阵受扰动和加性噪声情形下,利用离散余弦变换(discrete cosine transform,DCT)和小波变换(wavelet transform,WT)两种不同的冗余字典,对冗余字典的扰动正交匹配追踪(orthogonal matching pursuit,OMP)算法的鲁棒性和稳定性进行了讨论.在不同扰动水平、不同采样数以及不同部分扰动下,通过数值仿真实验验证了信号能够被鲁棒重构.     

稀疏线性预测字典在语音压缩感知中的应用

压缩感知理论框架可以同时实现信号的采样和压缩,将压缩感知应用于语音信号处理是近年来的研究热点之一.本文根据语音信号的特点,采用K-SVD算法获得稀疏线性预测字典,作为语音信号的稀疏变换矩阵.高斯随机矩阵用于原语音信号的采样从而实现信号的压缩,最后通过正交匹配追踪算法(OMP)和采样压缩匹配追踪算法(Co Sa MP)将已采样压缩的语音信号进行信号重构.实验考察了待处理语音信号帧的长度、压缩比,稀疏变换字典以及压缩感知重构算法等因素对语音压缩感知重构性能的影响,结果表明,基于数据集训练的稀疏线性预测字典相比传统解析构造的离散余弦变换字典,对语音的重构性能具有0.6 d B左右的提升.     

基于非下采样contourlet变换的压缩感知图像重建

受传统采样定理限制,直接从信号采集系统得到高分辨率图像较困难,且信号获取过程会导致大量的采样数据.压缩感知理论指出可用特定测量矩阵将高维信号投影到低维空间上,求解数值优化问题准确重构原始信号,突破了传统采样定理的限制.传统压缩感知图像重建算法对所有系数测量,需进行多层小波变换保证图像质量,且小波捕捉方向信息有限,重建图像质量较差.故此提出采用非下采样contourlet变换(NSCT)做信号稀疏变换,并针对变换系数的特点,选择性的对系数测量,利用正交匹配追踪算法进行重构.实验结果表明,仅用单层NSCT变换可重建出高质量图像,克服传统算法需进行多层小波变换的缺点,降低采样和存储的数据量且重建的图像质量得到极大提升.     

射电日像仪的压缩感知和脏图高斯去噪

传统的综合孔径射电日像仪成像原理是根据香农采样定理,使用香农采样得到完整的频谱数据,进行反傅里叶变换得到图像.因成像设备及外界环境因素,频谱数据中伴随有大量非真实信号数据,导致所成图像产生大量噪声,通常称为脏图.射电天文领域通常采用相关Clean算法处理脏图,得到"干净"的射电图像.为了降低了射电信号的采样成本,而且能得到更"干净"的射电图像,基于射电干涉稀疏成像与压缩感知理论,实现了从不完整的频谱中重建脏图,之后进行噪声去除:采用正交跟踪匹配与特征标志算法完成从稀疏频谱中重建脏图,之后使用三维块匹配算法去除噪声.     

结合迭代阈值法的多任务贝叶斯压缩感知结构振动信号重构

为缓解结构健康实时监测中因为海量数据导致的数据采集、存储和传输成本高的问题，采用压缩感知理论结合迭代阈值法对数据进行压缩采样；然后用多任务贝叶斯压缩感知重构算法，通过少量采样数据恢复原始信号.利用吉安大桥的现场环境振动试验数据，验证结合迭代阈值法的多任务贝叶斯压缩感知重构算法的有效性及可行性.研究结果表明，相比于传统的正交匹配追踪算法、单任务贝叶斯压缩感知算法和多任务贝叶斯压缩感知算法，利用结合迭代阈值法的多任务贝叶斯压缩感知重构算法计算得到的重构信号与原始信号吻合度更好，性能更优.     

二维正交小波变换的向量空间算法研究

小波 {ψej,k,m(x ,y) |e=1,2 ,3,j,k,m∈Z}不仅可以构成L2 (R2 )空间的正交基 ,通过小波分解与重构 ,以及对Hj,Gj,H j ,G j 的行向量修改等 ,还可以产生N×N空间的正交基 .同时 ,N×N点阵信号 {Sl,r}( 0≤l,r,≤N - 1)的小波变换等价N×N于空间的正交变换 ,用我们的方法进行信号或图像压缩 ,不涉及对信号或图象进行周期延拓 ,可严格在N×N空间中进行 .首先研究了二维信号的小波分解与重构 ,给出了适用的二维张量积小波的分解与重构公式 .其次 ,给出了信号用分解公式进行小波分解与重构公式进行小波重构后完全恢复原信号的充要条件 ,并对完全重构充要条件的实现作了处理 .最后得到了N×N空间中由小波分解与重构滤波产生的正交基 .这样就推导出对N2 个数据进行小波分解后可精确重构的算法 ,该算法可避免信号做小波分解后在边界处不能精确重构 .     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

带通信号的数字正交采样及信号处理

带通信号的正交采样与处理是在对带通信号进行A／D变换后直接利用数字信号处理算法进行相干检波。本文讨论了三种带通信号的数字正交采样方法：低通滤波法、Hilbert变换法、傅立叶变换法，计算机模拟仿真试验证明，基于傅立叶变换的数字正交采样法获得的信号正交采样数据精度最高(镜频分量的抑制比最高)。     

香农正交小波变换的FFT实现

分析了香农正交小波的频谱特性和信号的变换特点,提出了用傅里叶变换或余弦变换实现香农正交小波变换及其逆变换的快速算法．实验结果说明香农正交小波虽然是非紧支集的,但是它在联系小波变换和早已获得广泛应用的傅里叶变换方面具有重要意义,有利于小波变换在信号的实时处理中的广泛应用．     

基于小波的信号部分重构与插值

通过分析信号重构理论，提出了信号部分重构的概念，即已知原信号的部分信息，通过增加一些新信息可以重构原信号更进一步的逼近，而且信号部分重构过程的迭代将达到信号的完全重构。基于小波变换理论，研究了一类信号部分重构问题，得到了一种信号部分重构公式。从信号部分重构的观点出发，提出了一种能够消除假频并扩展频宽的地震信号空间插值办法，实验结果证实了方法的有效性。     

压缩感知理论及其重构算法

压缩感知理论为信号采集技术带来了革命性的突破,它采用非自适应线性投影来保持信号的原始结构,以远低于奈奎斯特频率对信号进行采样,通过数值最优化问题准确重构出原始信号。分析了信号的稀疏表示、压缩感知的基本理论,设计了两种主要的重构算法——匹配跟踪算法、互补匹配跟踪算法,并对两种算法的特点进行了对比。     

线性正则变换域的窄带信号表示及其抽样理论

窄带信号广泛应用在雷达、声呐、通信、定位、生物医学工程等领域,传统的抽样理论已经研究了傅里叶变换域窄带信号的抽样和重构实现.线性正则变换(LCT)是傅里叶变换、分数阶傅里叶变换(FrFT)的推广形式,相应的抽样理论还不十分完善,因此有必要在LCT域重新研究窄带信号的抽样定理.从LCT的定义和性质入手,首先给出了信号基于LCT的Hilbert变换以及LCT域窄带信号的时域表示形式;然后在此基础上导出了LCT域窄带信号的抽样定理和重构实现公式,这些结论是传统窄带信号抽样理论在线性正则变换域的推广.最后,仿真实验进一步验证了结论的正确性.     

压缩传感在电能质量扰动信号分析中的应用

针对电能质量扰动信号分析中, 传统信号处理方法存在采样数据量极大、 采样时间长、 压缩时浪费采样资源等问题, 将压缩传感（CS: Compressed Sensing）应用于电能质量扰动信号分析中。实现了采样与压缩同时完成, 极大地降低了采集的数据量和采样速率。通过对压缩传感的过完备字典设计, 实现了压缩传感同时检测多个电能质量扰动信号, 以及压缩传感对信号在一维、 二维上的重构, 并对重构的电能质量扰动信号进行分析。实验结果表明, 与传统的电能质量扰动信号处理方法相比, 该算法在采样数据量、 重构效果方面都有很大提升, 得到的重构信号误差更小, 对信号的分析更准确。     

变换域函数空间下周期非均匀积分与重构方法

目前线性正则变换域内的周期非均匀采样理论构造的重构函数具有较高的旁瓣和缓慢衰减的速率,针对该问题,借助线性正则变换域多抽样率信号处理理论和多通道准确重建滤波器组理论,提出了基于线性正则函数空间的周期非均匀积分与重构理论.通过引入自由度较高的分段积分窗函数,该算法不仅可构造出具有紧支撑特性的重构函数,并且积分通道数不受函数空间基函数支撑区间长度的限制,更适用于只能获取有限采样点和硬件资源的实际应用场合.仿真结果表明,该算法与其他传统算法相比,可以降低插值误差,提高重构性能,减少资源开销.      

小波多尺度变换对滚珠丝杠振动信号处理效果的研究

针对磨削加工中滚珠丝杠振动信号存在低信噪比及野值的特性,提出了基于正交小波多尺度分解的振动信号滤波方法。利用正交小波多尺度变化的基本原理,将振动信号分解到各个尺度上。在各个尺度上分别进行振动信号特性分析,之后通过正交小波重构得到高信噪比、去野值的振动信号。通过仿真试验及真实实验数据分析,验证了振动信号经过小波多尺度分解和滤波和重构后,不仅信噪比得到提高,并且振动信号的野值特性也可以得到很好地剔除。     

基于局部性质的改进正交匹配追踪算法

正交匹配追踪算法是一种重要的压缩感知重构算法,针对正交匹配追踪算法中当前信号的最优估计,每一个采样点都有它的局部性质,且相邻采样点之间必然相互影响.本文基于局部性质,对正交匹配追踪算法进行改进,提高了对稀疏参数的估计精度,实现了信号的重构,实验证明了该方法的有效性.     

一种加权正交匹配追踪的盲多带信号重建方法

为研究多带信号的时域采样点盲重建该多带信号,将信号在适当大的包含其所有频带的频率区间上离散,信号频域重建归结为稀疏信号恢复问题。基于压缩感知恢复所需采样点少且其恢复稀疏信号要求观测矩阵的限制等距常数足够小,提出了一种改善观测矩阵的条件数,从而改善其限制等距常数的加权方法,以及相应的加权正交匹配追踪的盲多带信号重建方法,该方法对一般的稀疏信号恢复也适用。模拟中,对适当大的频率区间,取满足重建误差范围的适当小的离散间隔。模拟结果验证了对盲多带信号重建和一般的稀疏信号的恢复,提出的方法比直接用正交匹配追踪算法在相同条件下有更高的有效重建率。     

由已知幅度谱及部分采样点恢复信号与采样频率的关系

恢复信号所需的已知采样点数占信号总长度的比例Ｐ与采样频率有关，在一定条件 下，提高采样频率，可使Ｐ远小于三分之一。已知的采样点可不限于从信号的第一点开 始，也不限于是一段连续的采样点。本文的研究结果扩大了信号重构方法的应用范围。 试验例子的计算机计算结果与理论分析相符。     

带通信号采样理论中的若干问题研究

带通信号采样定理在实际应用中还存在若干问题需要明晰,如不混叠采样频率的范围和最优采样频率选择问题、对边缘频率分量非零的带通信号的采样适应性问题、对正弦类信号采样的适应性问题等。针对这些问题,该文从理论上进行了详细的分析和讨论。分析表明,带通信号的采样频率存在一个优化的选择范围,且对于某一确定的带通信号,存在一个最优的采样频率,该范围和最优采样频率均由信号的最高和最低频率成分以及信号带宽所确定;当带通信号的边缘频率分量非零时,采用两倍的信号带宽对其进行采样时将发生频谱混叠,且若在边缘频率处存在冲激函数,采样之后的信号将无法重建原信号。     

改进包络滤波算法及在电路信号中的应用

分析多次采样取平均值和经典的包络均值方法,指出这两种方法的优缺点.提出改进的增量包络均值滤波(I-EMF)算法:先将采样信号递归平均重建,以削弱幅值过高的噪声信号点;然后在实时提取的重建信号上下包络中引入合理的衰减量;最后计算包络均值作为真实信号的估计值.通过仿真分析和实验验证,该算法具有较好的信号处理与去噪性能.