基于小波域维纳滤波器的信号稀疏表示

经典小波分解对信号稀疏化效果不佳,为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数,增大系数的稀疏度及可压缩性,从而提高压缩感知算法对信号的恢复质量. 仿真结果表明,与传统的基于小波变换的信号稀疏表示及恢复算法相比,该算法较大地提升了对信号及图像的恢复质量.     

应用H1自适应滤波的浅海水声信道估计

浅海水声信道是目前最困难的无线通信信道之一,可建模成稀疏衰落信道,其噪声以S S分布来描述.提出了基于H1自适应滤波的稀疏双选衰落信道估计算法,针对S S分布噪声中个别脉冲对信道估计影响较大的情况,分别对信号的实虚部进行限幅以消除影响算法稳定度和性能较大的脉冲噪声. 仿真结果表明：在S S分布噪声下,所提出的针对脉冲噪声的5预处理提升了系统性能;无论是多径信道还是双选衰落稀疏信道,基于H1自适应滤波的信道估计算法的性能优于sIPNLMS算法.     

利用MLT和SRS的混合图像融合与去噪算法

针对图像融合中的去噪声问题,提出一种基于多尺度变换(MLT)和信号稀疏表示(SRS)的混合图像融合与去噪算法,构建混合模型进行剪切变换,阈值化处理MLT分解后的各个系数值,运用滑动窗口技术和平移不变性形成稀疏表示进行图像融合,运用SRS算法去除源图像中的噪声.实验结果表明该算法减少了融合图像的对比度和光谱信息失真情况,显示出高质量的视觉融合效果,在不同噪声水平下能保持较高的PSNR值.     

基于稀疏表示的高光谱图像增殖快速算法

在高光谱图像目标检测领域中,稀疏表示算法取得了较好的检测效果,但传统基于稀疏表示的目标检测算法稀疏向量的求解耗时长,检测时只利用高光谱图像的光谱信息,没有考虑空间信息,且其字典中所包含训练样本种类和数目较少,都对目标检测有一定影响。针对上述不足,通过对字典进行改进,添加空间信息,转变稀疏向量求解思路,提出基于稀疏表示的高光谱图像增殖快速目标检测算法。通过实验仿真证明,此算法在目标检测精度上有一定程度的提高,并且缩短了算法的运算时间。     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

基于压缩感知的异步电动机故障诊断数据压缩与重构

为提高异步电动机故障诊断过程中所采集状态信息的传输效率及诊断结果的可靠性,提出了一种采用奇异值分解的压缩感知优化方法.该方法首先对测量矩阵进行奇异值分解,然后将优化后的测量矩阵和测量向量用于压缩感知贪婪类迭代算法中,再通过精确的夹角余弦法筛选出与残差最为匹配的候选集原子,并将此原子用于稀疏信号的重构,最后得到估计的故障诊断数据信号.仿真结果表明:在相同的信号稀疏度或测量数目下,提出的优化算法相比传统的压缩感知算法能极大提高远程故障诊断数据信号的重构精度,这对实际工程中后期故障的有效去除具有重要意义.     

基于蝙蝠算法与信号稀疏分解的DOA估计研究

稀疏分解的DOA估计法具有很高的估计精度,但稀疏分解计算量巨大,需要较长的计算时间。针对这一问题,将蝙蝠算法与信号的稀疏分解算法相结合,应用于信号的DOA估计。利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,可快速寻找到正交匹配追踪过程中每一步分解的最佳原子,从而实现信号快速稀疏分解。仿真结果表明,引入蝙蝠算法后,在有效的估计条件下,加快了计算速度,减少了计算量。     

基于稀疏表示的遥感图像超分辨重建

为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24 dB,均方根误差降低近0.15。     

基于光频域反射和互相关算法的分布式振动传感系统

基于光纤中瑞利散射的特性，在光频域反射（optical frequency domain reflectometry，OFDR）系统中通过对信号进行互相关分析可以实现振动信号的分布式测量.在基于互相关算法的OFDR分布式光纤振动传感系统中，采用了重叠的移动窗对信号进行分段，并通过实验对比选取了合适的广义互相关算法的加权函数.实验表明，所提方法提高了系统的定位精度，降低了虚警率.系统的定位精度可达0.247 m，可测振动频率范围为5～50 kHz.     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

资源三号卫星影像超分辨率重建

研究了迭代反投影重建的方法与基于稀疏表示和字典学习的重建方法,将两种重建
算法首次用于资源三号三线阵影像数据的重建试验,并从亮度均值、峰值信噪比、信息熵和清
晰度等四方面对实验结果进行客观分析. 重建影像结果表明：基于字典学习和稀疏表示的重建
方法获得的资源三号重建影像效果优于迭代反投影方法.     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

融合全局和局部特征的稀疏表示人脸识别方法

针对人脸识别中如何提取到有效判别特征的问题,提出一种融合人脸图像全局和局部特征的稀疏表示人脸识别方法。首先将人脸图像用融合的特征提取算法进行特征降维,然后利用稀疏表示分类器对人脸图像进行分类判别。在ORL、Yale和FERET人脸数据库上的实验结果验证了融合算法在提高人脸识别精度方面是有效的。     

基于多组耦合字典及交替学习的图像超分辨率重建

本文提出多组耦合字典及其交替学习算法,实现图像超分辨率重建. 在字典学习阶段将训练图像视为高分辨率图像,将它先缩小再放大得到低分辨率图像. 两图像之差为残差图像. 从残差图像块和低分辨率图像块特征的联合数据中学习耦合字典,得到残差图像和低分辨率图像间的映射关系. 针对图像块具有不同纹理和结构以及
字典学习效率的问题,提出多组耦合字典和字典交替学习算法. 在重建阶段先将输入图像插值放大,视为低分辨率图像. 求出低分辨率图像块对于每组耦合字典中低分辨率部分的稀疏表示误差,取表示误差最小的耦合字典中残差部分重建残差图像,与低分辨率图像融合得到高分辨率图像. 实验结果表明该方法具有良好的重建效果.     

压缩感知雷达超分辨率成像

研究压缩感知理论在逆合成孔径雷达(inverse synthetic aperture radar, ISAR) 成像中的应用. 雷达发射方位稀疏的探测脉冲,对满足Nyquist 采样定理的雷达去斜回波数据进行稀疏采样,再利用压缩感知重构算法分别重构距离向和方位向的完整的目标特性回波信号. 为了得到高分辨的雷达ISAR 像,对重构的数据在距离向
和方位向分别进行超分辨率处理. 实际雷达数据和仿真数据表明ISAR 像的分辨率有较大提高,所给出的综合方法可以降低数据量,节省雷达的时间资源,具有良好的应用价值.     

卡车目标微多普勒建模及特征提取

基于三维散射点模型,在窄带线性调频信号体制下对卡车目标进行回波建模,分析并推导了车身主体散射点的多普勒和轮毂旋转散射点微多普勒的数学表示. 利用两者的差异,有针对性地设计了单频和正弦调频原子集. 设置相应的阈值门限,提取出慢时间-距离平面能量较为集中的距离单元,并对其进行匹配分解,快速提取了卡车车轮旋转的微多普勒特征,为卡车目标的识别研究提供了依据. 仿真验证了该方法的有效性和稳健性.