基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知.首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量.然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测.最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号.实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能.     

基于分布式压缩感知的伪装人脸识别

提出了一种基于分布式压缩感知(DCS)的算法,并应用于伪装人脸识别.该算法从一个人脸图像集中提取共同特征和独有特征,这些特征在表达原人脸集的不同类型的信息具有各自的物理意义,因此能提高人脸识别的性能,同时采用了主成分分析(PCA)法进行降维.在AR人脸数据库的实验结果显示,相比于稀疏表示算法(SRC),该算法能提高识别率和识别速度,即使在较少训练图像的情况下也能取得好的识别效果.     

基于语音特征的自适应压缩感知

利用语音在DCT域的稀疏性,提出了一种基于语音分为清音和浊音的特点,自适应分配观测点数的语音重构方法.首先根据清浊音在整个语音段占有的能量比分配观测点,然后判断每帧语音性质.如果是清音,则根据能零比的大小来分配该帧的观测点数;如果是浊音,则根据能量的大小来分配观测点数.实验表明:语音信号是稀疏的并且可压缩,在同种压缩比下,文中所采用的语音重构算法具有较好的信噪比、误差以及MOS分.     

基于最佳联合稀疏表示的分布式压缩感知算法

通过探索无线传感器网络节点感知数据的时空相关性,可以构建适用于不同应用情形的联合稀疏模型。利用联合稀疏模型,提出了一种适用于无线传感器网络的分布式压缩感知算法。该算法采用联合编码联合解码的方式,充分利用了信号内部和信号之间的相关性,从而可以用更少的观测值实现信号群的精确重构。与单独编码单独解码相比,采用联合编码联合解码的方法,在保证信息可靠传输的前提下,减少了整个网络的数据流量,节约了宝贵的能量资源,以能量有效的方式满足了传感器网络的应用。     

自适应语音压缩感知方法

针对固定正交基下语音信号稀疏化程度低、适应性差的问题,提出了一种自适应的语音稀疏化方法,并将其应用到语音压缩感知理论中.该方法首先采用线性预测系数的加权线性组合对语音信号进行线性预测,并以线性预测残差基作为信号基.然后,按照稀疏约束条件训练出稀疏表示的过完备字典,并交替应用1-范数稀疏约束的追踪和奇异值分解算法,达到字典与稀疏系数同步更新.该方法从信号特征入手,学习并提取特征或纹理信息,能较好地实现语音信号的稀疏化,提高语音压缩感知的重构性能.实验结果显示,与其他正交基方法相比,该方法的语音稀疏化程度高.语音质量的主客观评价结果显示,该方法具有良好的重构性能.     

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。     

基于压缩感知的稀疏事件检测

为了提高无线传感器网络中稀疏事件的检测概率,利用压缩感知技术,提出了一种改进的下降迭代检测算法.该算法通过动态调节参数,改变迭代权值,加快了算法收敛速度.实验结果表明:在相同条件下,改进算法的成功检测概率比贝叶斯算法平均提高了13%.     

基于压缩感知的稀疏信道估计

在正交频分复用(OFDM)系统中,通常使用等间距的导频估计信道,比如多径瑞丽信道.但是,众多其他类型信道的冲击响应系数只有少数非零值.对于这些稀疏信道,基于压缩感知的稀疏信道估计可以有效地降低导频数目,从而提高频谱利用率.现有应用里面采用最小l1范数法.首先提出了OFDM系统中应用压缩感知理论估计信道的模型,接着使用改...     

基于信号空间压缩感知算法的机械故障诊断

为了解决压缩感知（CS）重构算法通过重构稀疏系数求解原始信号的重构精度不高的问题,提出一种基于信号空间的压缩采样匹配追踪算法。首先在冗余字典中求解原始信号的最优表示空间,然后在最优表示空间中利用迭代算法直接求解原始信号,最后以轴承故障振动信号为例进行实验验证。结果证明本文算法提高了信号的重构精度,可以为增强机械振动信号的故障检测能力提供依据。     

基于奇异值分解的压缩感知定位算法

为了使观测字典满足约束等距性条件,保证算法的定位精度,提出一种基于奇异值分解的压缩感知定位算法。新算法首先将感知区域网格化,把定位问题转化为压缩感知问题,然后利用奇异值分解原理对观测字典进行分解,得到的新的观测字典有效地满足了约束等距性条件,且对观测值的预处理过程不影响原信号的稀疏性,从而有效地保证算法的重建性能,提升定位精度。仿真实验结果表明:相比于基于Orth的稀疏目标定位算法,基于SVD的压缩感知定位算法的定位性能更优,抗噪性、适应性更强,且算法复杂度低。     

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。     

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。     

稀疏性SVDD方法在故障检测中的应用研究

在支持向量数据描述(SVDD)方法的基础上,通过研究原始正常数据分布在高维映射空间内的稀疏特性,选取前k个高维分布边缘的数据点进行SVDD建模,用于解决SVDD方法处理大样本数据的缺陷,以及建模与过程监视时间长的问题.经过理论推导和仿真分析,验证了稀疏性SVDD建模方法可以有效地提高建模以及过程检测速度;对于大样本数据可以利用筛选后的小样本进行建模,解决了SVDD方法不能很好地处理大样本数据分类的问题;同时,此方法不影响故障检测的精度.在TE过程中的应用验证了该方法的有效性.     

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output, MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit, DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error, LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。     

近35年深圳市气候变化与城市化发展关联性研究

依据深圳市气象站19792013年的气象观测资料和历年统计年鉴,利用线性分析、Mann-Kendall突变检验和主成分分析、拟合曲线等数理统计方法,分析了深圳市近35年的气候变化规律及其与城市化发展的关联性. 结果显示：(1)近35年深圳市气候整体呈现变干变暖的趋势,平均气温升温速率为0.338 ℃/10a,平均最低气温的升温速率远大于平均最高气温的升温速率(0.573 ℃/10a 0.145 ℃/10a),以1986年为突变点,升温趋势加剧,近几年出现减缓态势;平均相对湿度的下降速率为每10年下降1.97%,2000年以来比80年代下降了约5%,且降水量和年日照百分比呈不规律的波动变化;(2)深圳市城市化主要通过人口、房屋建筑和农业发展对平均最高温度产生影响,综合贡献率接近50%;城市化发展对平均气温和平均最低气温的升高有极显著的加剧作用,构建的城市化综合指标U1、U2的升温贡献率分别达到了63%和78%. 以建筑业发展、农作物面积等为主要指标构建的综合指标U4对平均相对湿度的降低贡献率达到60%,需要注意城市发展中的干岛效应问题.     

解稀疏多项式方程组特征值方法的第二等价性定理

证明解稀疏多项式方程组特征值方法的第二等价性定理, 并给出方程组的解与特征值的关系.     

解稀疏多项式方程组的特征值方法的建立与等价性定理

利用多项式方程组的稀疏性构作相应的特征值, 给出并证明其等价性定理.     

GEE随机森林的多特征优选甘草识别

及时准确地掌握甘草空间分布信息,能够为甘草产业健康发展和精细化管理提供科学的数据支撑。依托GEE(Google Earth Engine)平台,以内蒙古甘草主产区磴口县为研究区,以哨兵1号(Sentinel-1)、哨兵2号(Sentinel-2)和SRTM数字高程数据为数据源,构建多源多维分类特征集合,设计6种不同方案探讨光谱特征与不同类型特征相结合以及特征优选对甘草识别的影响,最后使用随机森林分类方法对甘草进行识别。结果表明：指数特征在甘草识别中的贡献率最为显著,纹理特征的贡献率位居其次,光谱特征贡献率位列第三,极化特征的贡献率相对较低,而地形特征的贡献最小。特征优选能够减少冗余,并且提升识别精度,总体精度为91.15%,Kappa系数为0.877 1。     

基于两阶段聚类的协作过滤推荐算法

协作过滤推荐是目前主流的个性化推荐方式,但数据稀疏问题影响了推荐系统的性能.提出了基于两阶段聚类的协作推荐算法,降低了数据的稀疏性,提高了最近邻的准确度,而且推荐精度较以往传统的算法有明显提高,时间复杂度也有明显降低.     

前路减压植骨融合钢板内固定治疗颈椎间盘突出症

目的 探讨前路减压植骨融合钢板内固定治疗颈椎间盘突出症的效果.方法 2005年1月～2009年5月采用颈前路减压、取自体髂骨植骨融合钢板内固定术治疗颈椎间盘突出症86例,神经功能改善依据JOA评定标准,分为优、良、可、差四级.结果 术后随访7月～4年6月,平均（8±3.5）月,86例患者神经功能改善优41例,良31例,可12例,差2例,优良率83.72%.结论 前路减压植骨内固定术是治疗颈椎间盘突出症的有效方法之一.