相位谱重构信号的迭代算法中初始值对重构结果的影响

讨论了在相位谱重构信号的迭代算法中,幅度谱初值的不同设置对重构信号的收敛速度产生的不同影响。     

MPP上的并行松弛迭代算法

讨论了松驰迭代算法在大规模并行处理机（massively parallel processor，MPP）计算模型上的并行化，给出了在MPP上的并行算法。该算法将计算近似解向量各分量值的时间错开，从而使各个分量的迭代计算可并行进行。对算法性能进行的分析和在大规模并行处理机系统曙光2000中对算法进行的计算均表明：并行松驰迭代算法具有较好的收敛速度、较高的加速比和可扩放性。     

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析，根据离散小波变换（DWT）算法结构特征，提出了一种离散小波变换的快速分解和重构算法；给出了相应的算法步骤，从数学理论上对该算法进行了论证。结果表明与原有的快速小波算法（Mallat算法）相比，可显著减少信号与滤波器长度N较大（大于16）时小波变换的实乘次数（分解仅为（5log2N 7)N次，重构仅为4N（1 log2N)次）提高了运算速度，且该算法有着良好的并行性，易于数字信号处理器（DSP）的快速实现。     

一种更有效的素数长度DFT快速算法

离散傅立叶变换（ＤＦＴ）在数字信号处理、数字图象处理等许多领域起着重要作用,九长度ＤＦＴ的快速计算是任意长度ＤＦＴ快速算法的基础及重要组成部分,传统的素数长度ＤＦＴ快速算法效率较低,且具有程序过于复杂,子进程调度较多等许多不利因素,很难在问题中得到应用,本文采用了一种傅里叶技术－－算术傅立叶变换（ＡＦＴ）来计算ＤＦＴ〈该方法乘法计算量仅Ｏ（Ｎ）,当用于计算素数长度ＤＦＴ时,其效率比传统的方法高,一     

基于低松弛迭代格式的快速自适应滤波算法

利用Ｂ样条函数基底的光滑性及其局部支撑性质,以最小二乘（ＬＳ）为准则,构造了基于低松弛迭代格式的快速自适应滤波算法．对于一个Ｎ×Ｎ输入图像,由于Ｂ样条函数的局部支撑性质以及低松弛迭代算法的引入,使得在统计意义下最佳的最小二乘滤波算法的计算复杂度降为Ｏ（Ｎ２）,就ＬＳ算法的复杂性而言,优于不动点（ＦＰ）迭代算法的Ｏ（Ｎ３）及基于ＦＦＴ的预处理共轭梯度（ＰＣＧ）算法的Ｏ（Ｎ２·ｌｎＮ）．实验结果表明,该滤波器对Ｇａｕｓ白噪声及均匀分布的噪声图像具有良好的降噪特性．     

信号等长情况下频率估计的降频域迭代分析法

从特征识别角度分析了现有频率估计方法的信号分解结构的特点,提出了一种降频域分解结构,将对应不同时间的多个单频信号融合构成一个组合信号,以利用时域已知信息并形成信息积累作用,能有效抑制干扰频率和削弱冲击噪声且计算量增加较少。为配合降频域分解结构的使用,采用了适用于信号等长情况的降频等长迭代处理算法。仿真表明该方法抗噪性和实时性好,频率估计精度比现有方法有较大提高。     

并行多分裂块松弛TOR迭代算法的收敛性

 分析了求解大型线性方程组的并行多分裂块松弛TOR迭代算法,在更弱的条件下得到了该算法的收敛准则,同时也给出了相应块迭代矩阵谱半径的上界估计式.     

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。     

一种用循环卷积实现的素长度DCT新快速算法

提出了一种利用循环卷积（Cyclic convolution)和扭循环卷积（Skew cyclic convolution)实现的计算奇素长度离散余弦变换（DCT）快速新算法,算法将DCT系数分成三部分：DC分量,偶下标分量和奇下标分量,根据数论理论,定义了一种新的下标变换算子,利用该算子被转化为循环卷积或扭循环积,由于循环卷积和扭循环卷积具有非常高的效率和规则,因此,本算法具有简单,规则的结构和较纸的运算复杂性。     

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.     

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.     

一种新型的信号盲分离迭代算法

基于动态逼近的思想，提出了一种新型的信号盲分离迭代算法。通过构建一个动态过渡系统，设置相应的系统参数，可以获得满意的动态分离过程。从而使分离算法具有较高的效能，理论分析的结果出了算法收敛的充分条件和必要条件，最后，计算机仿真实验的结果表明了算法的高效性。     

基于增广拉格朗日的全变分正则化CT迭代重建算法

采用一种基于增广拉格朗日方法(augmented Lagrangian method)求解全变分正则化(total variation regularization)算法(ALMTVR)来进行CT图像重建.将ALMTVR算法与经典的代数重建算法(algebraic reconstruction technique,ART)进行比较,并采用仿真数据与实际数据进行实验.在实验中,使用ALMTVR算法与ART算法分别进行图像重建,并对重建图像进行对比分析.实验结果表明:所提算法与ART算法相比,显著提高了图像重建的质量与速度,显示了其对图像重建的有效性及在CT成像系统中潜在的应用价值.     

一种快速迭代软阈值稀疏角CT重建算法

针对目前迭代软阈值稀疏角CT重建算法收敛速度较慢的问题,提出了一种基于全变分约束的快速迭代软阈值稀疏角CT重建算法.该算法首先对CT稀疏投影数据采用联合代数重建算法(SART)进行重建,以获得满足数据一致性的重建图像,然后计算SART重建图像的离散梯度变换,并对其进行软阈值滤波,最后利用离散梯度变换的伪逆更新重建图像.由于在迭代过程中利用了前2次迭代重建图像作为下一次迭代的初始图像,因而加快了重建算法的收敛速度.对Shepp-Logan模体进行仿真的实验结果表明:在无噪、5×104和2×105光子泊松噪声情况下,与SART重建算法、基于Harr小波的快速迭代软阈值算法以及基于全变分约束的迭代软阈值重建算法相比,该重建算法的收敛速度有明显提高,同时能够有效减小图像的相对重建误差.     

基于自相关函数重构的BOC信号无模糊捕获算法研究

针对BOC信号特殊的结构给捕获带来的模糊性问题,提出了一种基于BOC信号自相关函数重构结合并行码相位捕获的高效算法,即在本地增设一条正交参考波形支路,将本地参考波形支路与接收BOC信号的相关结果,通过简单线性计算来消除BOC调制的相关副峰,增大主峰强度,同时结合并行码捕获算法,降低了算法的运算量.仿真结果表明,载噪比在35~45 d B·Hz范围时,本算法相比于现有的几种基于自相关函数重构的主峰检测算法,主副峰分离度有约2~5 d B的提高,尤其在低载噪比下可以提供更高的正确捕获概率.     

一种抗混叠和失真的小波包信号分解与重构算法

以db40小波包为例,对基于小波包分析的信号分解与重构快速算法的三个核心算子：与小波滤波器卷积、上采样和下采样的时域和频域特性进行了详细的分析研究。分析结果表明,该算法会出现单子带重构信号发生频谱混叠和幅值失真现象,小波滤波器频响曲线的非理想截至性能是导致这一现象的根本原因。为克服传统算法的这一缺陷,提出一种改进算法。新算法在每层信号分解或重构过程中,在原小波滤波器后面串联一个新的纠正滤波器,使得重构信号中的幅值失真和频谱混叠现象得到有效改善。最后,通过一个仿真实例将改进算法的结果与原快速算法和已有文献中的改进算法进行对比,比较后的结果证明,改进算法比其它算法能更有效地避免重构信号中的频谱混叠和失真现象。     

带限信号抽样问题的一种改进重构算法

给出了一个具有o(t-m)(t→∞)的重构函数g(t),并由此得到了带限信号抽样问题的一个改进重构算法.     

基于正则方法与迭代技术相结合的复杂温度场重建算法

针对傅里叶正则算法在复杂温度场重建过程中存在的不足 ,首先用正则化方法获得温度场重建这一不适定问题的稳定解 ,然后利用迭代技术对解进行一次迭代优化修正 ,充分考虑观测矩阵降质对温度场重建的影响·提出一种基于正则化方法与一次迭代技术相结合的复杂温度场重建算法·仿真结果表明该算法温度场重建精度优于傅里叶正则算法 ,能快速而较高精度地重建出复杂温度场二维温度分布     

基于遗传算法过程信号的盲分离

盲分离神经网络算法存在着容易限入局部极小点、收敛速度慢的缺点。提出采用遗传算法优化盲分离神经网络权值的初值,将遗传算法与HJNN结合形成GA－HJNN算法,可迅速得到最佳盲分离神经网络的权值矩阵,实现对过程信号的去噪,通过实验对2种算法进行了比较。