用于激光雷达回波平滑的半步长插值迭代法

由于大气扰动和探测器件噪声的影响,大气探测激光雷达回波信号中搀杂了大量的随机噪声,因此需要对直接探测信号进行平滑处理.作者提出一种基于插值的半步长迭代平滑方法.利用半步长插值对数据进行重构,重复这个过程直至原数据列与新数据列相似度达一定标准为止,由此迭代过程生成的新数据列即为平滑结果.实验结果表明,该算法可以有效地提高信号平滑度并且自适应地保留重要的信号波动.     

一种改进的变步长前后向追踪重建算法

压缩感知中前后向追踪（forward-backward pursuit,FBP）算法能有效缩短重建时间,但一旦迭代过程中前向、后向步长确定,将导致计算时间增长,影响重构效率,因此,提出一种改进的FBP算法,称为变步长前后向追踪算法（variable step size forward-backward pursuit,VSSFBP）.该算法引入判决阈值和等比因子,考虑到估计的稀疏度远小于真实稀疏度,选择较大迭代步长,减少迭代次数,缩短运行时间;同时考虑到当估计的稀疏度达到一定值时,减小迭代步长,减慢逼近的速度,提高信号重构精度.仿真结果表明：VSSFBP算法在保证重构效果的同时,明显缩短了重构时间.当图像压缩比为0.45时,信噪比提高了1 dB,峰值信噪比提高了0.8 dB,重构时间降低为原来FBP算法的42.04%.与同类算法相比,在保持较高的峰值信噪比和信噪比的条件下, VSSFBP算法消耗的时间大大缩短,重构速度更快,重构信号更精确.     

一种改进的光滑化共轭梯度稀疏信号重构算法

压缩感知理论可以在远低于奈奎斯特采样率的前提下精确重构稀疏信号,重构算法是该理论的核心内容之一。为提高稀疏信号重构精度,提出一种改进的光滑化共轭梯度算法并将其应用到真实口腔CT图像重构中。与光滑化共轭梯度算法相比,首先,该算法采用的在线柏萝登-弗莱彻-戈德福布-生纳(Online Broyden-Fletcher-Goldfarb-Shanno, OBFGS)校正矩阵近似目标函数的Hessian逆矩阵的精度更高,进而提高了信号重构精度;其次,相较于线搜索准则求步长的方法,该算法采用自适应巴尔兹莱-博韦恩(Barzilai-Borwein)步长方法,降低了步长计算量。实验结果表明：与改进前的算法和半阈值算法相比,该算法重构稀疏信号的成功率和信噪比均提高、相对误差降低;重构CT图像的峰值信噪比和结构相似性指数均提高,最大分别提高约3.14dB和0.015。     

基于改进VSS LMS算法的谐波电流检测方法

为了对谐波进行有效抑制和补偿以提高电能质量,基于对几种常规变步长算法统一表达式的分析,提出了一种基于改进VSS LMS算法的谐波电流检测方法.对影响步长迭代的参数进行限定,确保参数的选取不会影响算法的收敛性.利用一种变步长LMS/LMF算法来进行权值更新,并用当前误差信号和上一次误差信号归一化的自相关估计来进行步长迭代.利用Matlab软件建立仿真模型,进而在DSP芯片TMS320F2812上实现该算法,验证了该方法的可行性和有效性.     

曲线搜索下新的记忆拟牛顿算法

利用新的曲线搜索方法,提出一种解决无约束优化问题的记忆拟牛顿算法,给出该算法全局收敛的条件并进行数值实验.新算法由曲线搜索确定迭代步长,搜索方向用到当前迭代点信息的同时还用到上一次迭代点的信息,而且搜索方向与迭代步长同时确定,是一种有效的算法.     

具有时间结构的胎儿心电信号盲提取新算法

非侵入式胎儿心电信号提取是生物医学信号处理与分析中的一个非常重要的课题,相关算法很多,但均存在一定缺陷.结合信号的非高斯性和自相关性建立了优化问题的目标函数,并利用近似牛顿法推导出了一个新算法.与已有的梯度算法相比,由于不涉及迭代步长,非常容易实现信号的盲提取.仿真实验表明该算法能有效地提取清晰的胎儿心电信号,并且对于时间延迟的估计误差具有较高的鲁棒性.     

全变分模型的修正交替方向算法

基于传统交替方向算法的框架,提出了一种求解全变分问题的修正交替方向算法(modified alternating direction method,MADM).该算法利用当前点的信息和前两个迭代点的信息得到修正的初始BB步长,再结合非单调线搜索技术得到子问题的近似解,在理论上验证了该算法的全局收敛性.最后,将该算法分别在小规模、无噪声和大规模、有噪声的情况下应用于全变分图像重构问题.对重构后的结果,从运行时间、迭代次数、相对误差以及图像的重构效果四个角度进行评价,并与求解全变分问题的交替方向算法(TV minimization by alternating direction algorithms,TVAL3)进行对比,其数值结果表明了该算法具有更好的收敛速度和重构效果.     

改进的压缩感知重构方法

为了在稀疏度未知的情况下重构信号,并且解决SAMP框架下的步长选择难题,提出一种新的稀疏度估计方式,以及一种新的压缩感知重构算法——步长自适应匹配追踪算法。该算法通过新的方式估计稀疏度,采用估计出的稀疏度作为初始步长,重构信号间能量差作为改变步长的方法,使得信号能在稀疏度未知的条件下,自适应的重构信号。实验结果表明,本算法能够较好地重构信号,保证重构质量的同时提高重构速度。     

解变分不等式的超梯度Mann迭代算法

介绍了关于变分不等式近似解的一种新的超梯度迭代算法.该算法在迭代过程中使用了Mann迭代,规定了一个较优的搜寻步长,并且选择了与以往投影算法所不同的搜寻方向.同时证明了所构造的算法生成的迭代序列在广义单调条件下是全局收敛的.     

压缩感知重构SAMP的改进算法

压缩感知提供了一种用于采集在正交基上稀疏信号的新范式,突破了奈奎斯特采样定理对采样率的限制,提高了采样端的效率.国内外学者已经探索出大量过完备词典,能够有效对信号稀疏化采集并且尽量不丢失原信号中所含信息.压缩采样中的主要算法挑战是从观测样本中重构原信号.提出一种称为稀疏度自适应匹配追踪算法(sparsity adaptive matching pursuit,SAMP)的迭代恢复算法的改进方法.相较于原算法的方案,该方法回避了对原信号稀疏度的过估计,采用了在过估计时回溯稀疏度,并调整步长的方法,解决了原方案中恢复速度和恢复精度的矛盾.通过仿真实验比较了在不同稀疏度和采样率的情况下两种算法的精确重构成功率,结果证明了改进算法明显优于原算法.     

自适应广义酉变换近似消息传递算法

信号/参数经过线性变换,再经过逐位非线性变换得到测量值的过程可以抽象为广义线性模型。广义近似消息传递算法是处理广义线性模型的一种Bayes方法,通过引入信号的稀疏先验分布,利用似然函数和先验分布得到后验均值和后验方差。然而,当测量矩阵的元素不服从次Gauss分布时,广义近似消息传递算法性能会急剧恶化。通过奇异值分解,广义酉变换近似消息传递算法消除了测量矩阵的相关性,在包括相关测量矩阵的各类测量矩阵中表现出更强的鲁棒性。然而,经过足够多次迭代后,广义酉变换近似消息传递算法的信号重构误差在平衡点附近振荡;且随着测量矩阵相关性的增加,广义酉变换近似消息传递算法性能开始恶化。为了进一步提高广义酉变换近似消息传递算法的稳健性、改善算法准确性,该文提出自适应广义酉变换近似消息传递算法。该算法通过构造目标函数并自适应选择合适的步长,使得广义酉变换近似消息传递算法能够收敛到平衡点,从而获得更好的性能。大量的数值仿真实验结果验证了自适应广义酉变换近似消息传递算法的有效性。     

语音自适应压缩采样匹配追踪重构算法

基于小波分解下的语音压缩编码与重构框架,研究分析了含噪情况下贪婪算法的重构性能和抗噪性能,提出了一种改进的自适应压缩采样匹配追踪算法(ACoSaMP).该算法可在稀疏度未知的情况下,通过设置可变步长分阶段实现对稀疏度的逼近.同时,在每次迭代过程中,用最小二乘法对残差信号进行估计,代替传统CoSaMP算法对整个信号的估计.最后用小波去噪法对合成语音进行处理.实验结果表明:不同压缩比下,该算法的主客观重构效果均优于现有同类算法,对噪声有较强的鲁棒性.     

一种鲁棒的稀疏信号重构算法

针对稀疏信号重构性能不稳定的问题,结合半阈值迭代算法,提出了一种鲁棒的稀疏信号重构算法。该算法首先对随机信号采用半阈值迭代算法进行重构,以获得初步的重构信号,然后改变迭代初值和参数初值进行新的迭代计算,同时增加一个新的循环终止条件,在保证算法稳定性与收敛速度的同时,使迭代结果跳出相对误差较大的局部极小点而收敛于误差较小的点成为可能,提高了重构信号的成功率。对该算法进行了信号重构和图像重构2个方面的实验,结果表明,与半阈值算法及相关算法比较,无论是对高斯信号、符号信号还是自然图像信号,该算法重构信号的成功率都有明显提高,较半阈值算法平均提高了约30%~40%,表现出较强的鲁棒性。     

基于ITCSAMP的周期非均匀采样与重构

根据周期非均匀采样的特点,结合联合子空间理论,将信号采样与重构转化为向量运算.并针对自然界中的稀疏信号,结合压缩传感理论,提出采用阈值迭代压缩采样匹配追踪(ITCSAMP)重构算法进行信号重构,并分析了其完整重构条件.最后,借助软件(Matlab)搭建模型,验证该算法可以很好实现稀疏信号的周期非均匀采样与重构.     

基于AOMP 重建的宽带频谱感知算法

为解决OMP(Orthogonal Matching Pursuit)算法在盲稀疏度情况下迭代终止条件带来的过匹配问题, 提出了一种AOMP(Adptive Orthogonal Matching Pursuit)算法。该算法在迭代过程中通过额外增加观测样本估算原始信号的重构误差, 通过寻找最小误差点自适应地确定最佳频谱重构对应的迭代次数。仿真结果表明, 该算法在
低信噪比下, 能有效地重构原始信号, 与已知信号稀疏度的重构效果相当。     

迭代加权l1算法在双信号重构中的应用

讨论两个稀疏信号恢复问题,利用对数促稀疏函数提出新的双信号重构模型,并将其转化为无约束最小二乘问题.使用中的迭代加权l1算法(IRL1e1)进行求解.在适当假设下证明了该算法的收敛性.进行数值测试,并与Gist和IRLS算法进行了数值对比.实验结果表明我们的算法具有较少的CPU时间及迭代次数.     

一种基于广义Jaccard系数的改进SAMP压缩信号快速恢复算法

压缩感知算法作为一种信号处理方法，可以解决机场终端区实时频谱监测的问题。 基于稀疏度自适应匹配追踪(SAMP)信号重构算法，引入了广义Jaccard系数、t-平均相关系数、变步长思想，提出了JTVS-SAMP算法。在算法的原子筛选部分引入广义Jaccard系数可以减少原子混淆导致的精度下降问题，t-平均相关系数的引入可以避免测量矩阵RIP系数的计算，降低了算法的复杂度，变步长思想中的大步长迭代，小步长靠近的步骤使得算法的效率及精度都大大提升。采用一维高斯随机稀疏信号作为测量信号进行仿真，可以有效的模拟机场终端区经过能量检测后的测量信号，经过仿真，JTVS-SAMP在不同的测量数、稀疏度情况下的算法重构成功率的表现明显优于传统压缩感知算法，且与SAMP算法相比，JTVS-SAMP在重构误差和算法时间方面的表现均有显著提升。     

信号重构的小波极大模整形迭代算法

提出了用整形迭代重构算法实现从信号的二进小波变换极大模值重构原始信号.数值实验显示该算法的收敛性和重构效果非常令人满意.与Mallat的交替投影算法相比,该算法更简单快捷.     

一种新型的迭代变步长LMS算法及性能分析

为解决现有固定步长和变步长类最小均方(Least Mean Square,LMS)算法在跟踪时变系统中存在的收敛速度慢、稳态失调误差较大的缺陷,提出了一种基于S-L(Sigmoid-Logistic)函数的迭代变步长LMS算法.首先,采用Sigmoid二次型函数构建步长因子的动态调整规则,实现不同误差情况下的自适应稳态调谐;然后通过Logistic函数建立误差信号与迭代时间的联合非线性函数,作为步长因子的控制前端输入信号,从而能够兼顾稳态误差与迭代时间对步长因子的修正作用.仿真结果表明,该方法能够在快速收敛情况下获得较小的稳态失调误差,对未知、时变系统表现出了较快的收敛速度和跟踪精度.     

基于ST-CMA盲均衡算法的直达波提取方法

针对检测系统中直达波信号被多径杂波所淹没的问题,提出了基于变步长的空时二维恒模盲均衡算法的直达波提取方法.该算法不受多径信号时延的限制,因此更具有效性和鲁棒性.在此基础之上采用变步长训练算法,在迭代过程中不断调节步长,使得算法的收敛速度得以提高.对存在不同的多径杂波情况进行了仿真分析,结果表明,新算法可以克服常规算法的...