小波变换在信号滤波中的应用

概要地叙述了小波，小波包理论，提出了一种用小波包分解和信号重构进行信号滤波的方法，先用小波包分解把信号分解到相邻的不同频率段上，然后用信号重构方法各个频率段上的信号进行重构，以电机的振动信号为例，说明这种方法可以有效地用于信号的滤波。     

基于受污信号幅度谱和部分时域值的稳健性重构算法

利用幅度谱与部分时域采样值来重构信号是极为重要的。然而，信号总会受到噪声的污染，本文介绍了一种由迭代序列外推的稳健性重构算法，并给出若干实例。结果表明，这个算法是很在效的的。     

离散周期信号的改进型内插重构公式

信号重构主要研究如何从观测得到的部分数据来重构原信号。针对原有离散周期信号时域重构公式的缺陷，找到了借助于DFT的内插重构公式，该公式与原有公式相比可在任意时间点重构出原信号，计算结果表明这种内插重构公式重构效果较好。     

宽带信号的高精度重构方法

提出了一种对宽带信号进行高精度采样的方法．其基本思想是把宽带信号进行频带分割,对所得到的每个子带信号分别用低速高精度的A／DC进行高精度采样并滤波,得到原宽带信号各个子带信号的采样序列,然后用各个子带信号的采样序列重构出原宽带信号的采样序列．给出了相应的重构算法,并进行了计算机仿真实验．仿真结果证实,所提出的方法具有较高的信号重构精度和较小的频谱失真．     

CS在信号处理中的应用

随着信息处理技术的不断发展,人们对信息需求量越来越大,这给信号采样、传输和存储的实现带来的压力越来越大,如何有效地获取信号中的信息是电子信息领域中亟待解决的问题之一。目前,国际上出现了一种新的信息获取理论,即Compressed Sensing(CS)理论,为该问题的解决提供了契机。本文综述了CS理论框架,着重介绍了CS在信号处理中的应用:包括信号的重构和信号参数的估计。并且对信号的重构与信号参数估计做了仿真。仿真结果证实了本文算法的有效性。     

基于改进经验模态分解的语音信号特征提取法

针对语音信号特征提取在处理含噪语音信号时识别率低,抗干扰性差等问题,提出了一种基于改进的经验模态分解算法对含噪语音信号进行特征提取.该方法通过对含噪声语音信号分解分类并对两类模态分量分别处理再进行重构和特征提取,解决了目前大多数语音信号特征提取过程会滤掉部分原信号问题,在有效地消除了噪声信号的基础上,尽可能多地保存原信...     

基于受污信号幅度谱和部分时域值的稳健性重构算法

利用幅度谐与部分时域采样值来重构信号是极为重要的。然而,信号总会受到噪声的污染。本文介绍了一种由迭代序列外推的稳健性重构算法,并给出若干实例。结果表明,这个算法是很有效的。     

基于联合过完备库的信号分离及重构

在信号稀疏分解理论的基础上，提出了构建联合过完备库的思想。通过对包含不同特征成分的过完备子库进行联合构建联合过完备库，它包含丰富的待分解信号的信息，复合信号在其上具有更好的稀疏性，同时由于每个分量信号在各自的过完备子库上均具有稀疏性，利用基追踪算法实现各个分量信号的分离和重构。仿真结果表明：联合过完备库对复合信号的重构以及分量信号的分离和重构具有较好地效果。     

基于零阶保持器的非均匀采样信号恢复方法

在模/数转换过程中由于环境等因素会造成信号采样的非均匀性。非均匀采样信号使得数字控制系统数/模转换过程出现误差,提出了将非均匀采样信号通过零阶保持器进行恢复的信号重构算法,分析并证明了重构信号的频谱保持了原连续信号的谱特征。利用PSPICE仿真软件对非均匀采样信号及通过零阶保持器的连续输出信号进行了仿真验证,实验结果验证了本文提出方法的正确性。     

一种快速重构信号的方法è

从多尺度的思想出发，提出一种由小波变换的模极大值及造成小波变换模极大值眯的信号突变点的正规性快速重构信号的方法，在各尺度下，依小波变换模极大值及造成小波变换模极大值点的信号突变点的正规性来选取基函数拟合信号在该尺度下的小波变换，再作小波反演得重构信号，实验结果表明，它是一种快速而又有较高信噪比的重构方法。     

基于块对角结构的语音信号盲压缩重构

为在复杂环境中提高语音信号的重构精度, 提出基于正交块对角结构的语音信号盲压缩重构算法, 通过最优求解找到一组对应的正交块对角变换基及稀疏矩阵, 利用二者乘积实现语音信号压缩重构。该算法确保盲压缩感知理论具有唯一解, 能从复杂的环境中恢复原始语音信号, 具有更强的自适应性, 在保证听觉效果的同时, 大大降低了观测维度。实验结果表明, 基于正交块对角结构盲压缩感知(OBD-BCS: Orthonormal Block Diagonal Blind Compressed Sensing)算法能高质量恢复语音信号原始结构。     

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。     

完备正交积分变换下的信号重构

通过对香农(Shannon)采样理论的进一步研究,得到在完备正交积分变换下由离散采样值重构连续信号更一般的采样理论及其推论.通过选择其中不同的正交函数K(x,t),可以得到不同的积分变换式和不同的信号f(t)重构式,而香农采样定理仅是这种采样理论的特例.     

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.     

基于e~0范数优化算法的图像重建

为了解决稀疏信号的重建问题提出了光滑e0范数优化算法,它与最小1范数优化算法等图像重建的方法相比有很大的不同,着重实验了这种信号重建算法中重要参数的选择,并利用手写体数字图像库为试验样本做了一维信号重建和二维图像重建实验.实验结果证明了基于e0范数优化算法在图像重建时间和重建精度上的优越性,此为后续的图像工程研究奠定了基础.     

基于子空间追踪的稀疏信号重构算法

信号重构算法是压缩感知理论中的重要环节,其优劣影响压缩感知的重构效果.基于子空间追踪算法,对经稀疏表示和测量矩阵压缩后的信号进行重构验证,理论分析和实验结果表明,子空间追踪算法能使信号在较高压缩比下保持良好的重构效果.     

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。     

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。     

基于块稀疏的低复杂度宽带MIMO-OFDM稀疏信道估计方案

CoSaMP压缩采样匹配追踪算法是一种有效且可靠的稀疏信号重构算法。针对大多数宽带MIMO-OFDM稀疏信道估计方案中常被忽略的信号内部特殊结构问题,采用MIMO-OFDM系统模型,分析信号块稀疏结构特性,研究了CoSaMP算法的改进问题。仿真结果表明,与其他信道估计方案相比,所提方案在未知信号稀疏度值的情况下依旧获得了接近理想状态下的系统和速率、归一化均方误差和信号重构效率,有效降低了计算复杂度。可见,所提方案具有很好的信道估计性能。