基于深度压缩感知的脑电情感识别

【目的】传统压缩感知中存在观测矩阵对信号适应性和重构算法对字典依赖性的问题，深度压缩感知则利用深度学习的方法解决传统压缩感知中存在的问题。【方法】利用深度信念网络(DBN)能够在不破坏观测矩阵随机性的前提下对信号进行自适应压缩，同时利用栈式自编码器(SAE)可以端到端地训练重构网络来摆脱重构算法对稀疏字典的依赖性，根据信号的稀疏表示中所具有的判别性，提出基于DBN和SAE的压缩感知识别模型(CS-DBN-SAE)。【结果】在DEAP情感脑电数据库上的四分类实验结果表明，CS-DBN-SAE模型的识别率达到83.29%,相比于传统压缩感知识别模型均取得了4.3%以上的提升。     

一种大规模多输入多输出系统信道反馈算法

针对在大规模多输入多输出(multiple-input multiple-output,MIMO)系统中,信道状态信息(channel state information,CSI)反馈量过大以及反馈的CSI过时的问题,提出一种基于自回归(autoregressive,AR)模型和主成分分析(principal component analysis,PCA)方法的反馈算法。接收端进行信道估计获得CSI后,先利用AR模型预测出反馈所需时间之后的CSI;在此基础上计算压缩矩阵,然后利用PCA方法对预测的CSI进行压缩,再反馈给基站;最后基站端对接收到的CSI进行重构。从理论分析和仿真结果可以看出,该算法可以在降低反馈量的同时提高系统容量和信道恢复的准确性。     

基于空间相关性的大规模MIMO信道压缩反馈算法

针对传统的信道状态信息(channel state information,CSI)反馈方法并不适用于大规模MIMO频分双工(frequency-division duplexing,FDD)系统的问题,提出一种基于导频设计的压缩反馈算法.基站通过对发送相关矩阵的平方根进行特征值分解(eigenvalue decomposition,EVD)得到稀疏基;根据最小二乘法(least squares,LS)设计出导频矩阵;根据该导频矩阵提出了一种基于导频设计的压缩反馈算法.理论分析与仿真结果表明,该算法能够以较低的反馈量获取较高的CSI反馈精度.     

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。     

基于块目标的频率步进连续波探地雷达压缩感知重建算法

压缩感知理论对于解决频率步进连续波探地雷达信号处理过程中存在的采样速率高、存储数据量大、信号处理时间长等问题具有重要意义. 针对雷达探测中块目标物体在探测区域不满足稀疏性的问题,提出一种适合块目标的压缩感知重构模型.利用某些稀疏正交基对块目标进行稀疏化处理使其满足稀疏性,将字典矩阵与稀疏矩阵结合形成适用于块目标物体的新观测矩阵,再通过压缩感知凸优化算法求解稀疏化系数,最后把该系数通过稀疏变换得到块目标的反射系数.通过实验仿真验证该方法的可行性,与未稀疏化处理的压缩感知重构模型相比具有更高的精度和分辨率.     

一种大规模MIMO系统信道反馈算法

针对在大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统中,信道状态信息（Channel State Information,CSI）反馈量过大以及反馈的CSI过时的问题,提出一种基于自回归（Autoregressive,AR）模型和主成分分析（Principal Component Analysis,PCA）方法的反馈算法。接收端进行信道估计获得CSI后,先利用AR模型预测出反馈所需时间之后的CSI,在此基础上计算压缩矩阵,然后利用PCA方法对预测的CSI进行压缩,再反馈给基站,最后基站端对接收到的CSI进行重构。从理论分析和仿真结果可以看出,该算法可以在降低反馈量的同时提高系统容量和信道恢复的准确性。     

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.     

压缩感知与矩阵填充及其在图像处理中的应用

压缩感知和矩阵填充是当前的两个研究热点,压缩感知的性能取决于3个要素:信号的稀疏性、压缩感知矩阵的非相干性和重构算法的快速有效性。相应地,矩阵填充性能也取决于3个要素:矩阵的低秩性、矩阵的不相关性和重构算法的快速有效性。文中首先论述了压缩感知和矩阵填充的应用背景,阐述了两者的数学模型,分析了信号的稀疏性和观测矩阵的不相关性对压缩感知性能的影响,研究了矩阵的低秩和不相关性在矩阵填充中的作用,进而对压缩感知和矩阵填充的稀疏性和非相干性进行了对比,总结了压缩感知和矩阵填充的重构算法,介绍了压缩感知和矩阵填充在图像处理中的应用。     

基于近似消息传递的小波域图像压缩感知

针对现有的基于近似消息传递的图像压缩感知算法需要构建大尺寸观测矩阵的问题,研究基于近似消息传递的小波域图像压缩感知算法。为了克服逐列观测、逐列重构的传统变换域压缩感知方案隔断图像列与列之间相关性的缺点,提出了一种基于图像行列相关性的小波域压缩观测方案。进而,基于近似消息传递设计了一种适用于在稀疏度未知的情况下重建小波系数的压缩感知重构算法,结合图像小波系数的结构化稀疏特性与近似消息传递,实现了小波域图像压缩感知重构。实验结果表明,与现有算法相比,本文提出的基于图像行列相关性与近似消息传递的小波域图像压缩感知算法具有更高的重建图像质量与更快的图像重建速度。     

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.     

基于多径的双极化信道信息反馈方法

天线部署空间限制和信道信息精度是影响大规模天线性能的重要因素,双极化天线能够有效地减少天线尺寸,在有限的空间内部署更多的天线,成为了大规模天线部署时的主流选择。但是由于信道的维度较大,目前,反馈技术面临码本中码字数目巨大、设计困难的问题,并且同时导致反馈开销大以及码字选择计算复杂度高。本文提出了一种新的基于多径的双极化信道反馈方法,这种方法仅仅需要少量的长周期宽带反馈的多径方向和幅度信息,结合一些短周期子带反馈的相位合并信息即可获得更加精确的预编码。结果表明这种方法能够有效地提高量化反馈效率并降低终端侧复杂度。      

基于主元分析和压缩感知的人脸识别算法

针对压缩感知理论中的核心问题,即如何通过有限的测量值以较高的重建率重构稀疏信号,提出了基于主元分析和压缩感知的人脸识别方法（PSL0）.该算法利用双向二维主成分分析提取图像行列2个方向的特征并进行降维,建立反映人脸特征投影矩阵,作为压缩感知算法的超完备基,将每一幅待识别图像的特征向量作为测量值,用基于平滑l0范数快速稀疏表示（SL0）算法求解l0范数最小化问题,寻求图像在该超完备基上的稀疏表示,以得到一组最优稀疏系数重构各类图像,求取测试图像与各类重构图像的最小残差进行分类识别.实验结果表明,该算法在同类算法中获得了较高的人脸识别率及较好的重建效果.     

双向中继通信系统中的信道信息反馈和用户选择性能分析

在多用户放大转发双向中继通信网络中,文章分别基于两种信道状态信息(CSI)反馈模式:无CSI反馈和存在基站-中继链路CSI反馈,推导了中断概率闭合表达式,并提出一种最优用户选择方法使平均和速率最大化.仿真结果显示,CSI的反馈有助于系统性能的提高,所提的用户选择方法能显著提升系统和速率.     

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。     

A novel zero-payload downlink CSI feedback scheme for closed-loop beamforming system

A novel downlink channel state information(CSI)feedback scheme is proposed for the closed-loopbeamforming system.In the proposed scheme,mobile terminal(MT)superposes the uplink pilot on thereceived downlink pilot,forms the hybrid pilot(HP),and then transmits the HP to base station(BS)viathe uplink pilot channel.Because downlink CSI can be recovered from HP at BS side without consumingextra uplink bandwidth,the proposed scheme can achieve zero-payload CSI feedback,effectively solvingthe traditional bottl...     

基于Hessenberg测量矩阵的超声图像重建

针对超声图像连续性差、自身具有稀疏性的特点,提出了一种适用于超声图像的压缩感知重建方法。该方法以小波变换为稀疏基,Hessenberg矩阵为测量矩阵,引入正交匹配追踪(OMP)算法实现了超声图像的重建。超声C-扫描图像重建结果表明在观测数据采样率降低、数据缺失等条件下均能清晰的成像,验证了该方法的有效性。此外,本文给出Hessenberg测量矩阵的有限等距性(RIP)性质证明;并与基于Toeplitz测量矩阵的图像重建方法进行了比较,实验结果表明利用本文方法的重建图像在平均结构相似度(SSIM)、峰值信噪比(PSNR)和三维差值图等指标上均较优。该压缩感知重建方法在采样率为50%,原始数据较差的前提下,成功恢复出相似度在80%以上的超声图像。     

基于压缩感知的MIMO-OFDM系统信道状态信息反馈方案研究

在MIMO-OFDM系统中,信道状态信息反馈技术是现在的研究热点。在研究了3GPP-LTE系统中使用的一些信道状态信息反馈方案的基础上,提出了一种基于最新的压缩感知技术的反馈方案。该方案中利用高速数字信道频域的稀疏性,通过压缩感知算法重建反馈的信道状态信息,有效减少了系统处理复杂度和传输的数据量。仿真证明,在反馈量相同的前提下,新方案的系统容量和误码率性能都优于传统的基于码本的反馈方案。     

一种引入吸收衰减的压缩感知薄储层识别方法

常规基于压缩感知稀疏反演方法是基于频域平稳地震褶积模型进行的,而实际地下介质是粘弹性的,这使得该方法的反演反射系数振幅缺失、位置偏移。针对该问题,本文通过引入时频衰减因子,构建改进的感知矩阵,将稀疏反演从常规的频率域拓展至衰减频率域。反演结果在一定程度上可恢复缺失的振幅,增强弱信号的识别能力。由于噪声影响,以上处理结果中仍存在噪声干扰,故在衰减频率域稀疏反演的基础上,引入平滑的高斯函数,对反演目标函数进一步优化,以有效压制残存的噪声干扰;之后将反演结果与褶积宽频子波可生成高分辨率地震剖面,由此形成了一种引入吸收衰减的压缩感知薄储层识别方法。薄层理论模型及含有河道砂储层的实际地震资料的处理结果表明,本文方法较常规方法,有效地增强了薄层弱信号的振幅及横向连续性,可在保证信噪比的情况下,提高地震资料的分辨率及薄储层的识别能力。