基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

基于分布式压缩感知的伪装人脸识别

提出了一种基于分布式压缩感知(DCS)的算法,并应用于伪装人脸识别.该算法从一个人脸图像集中提取共同特征和独有特征,这些特征在表达原人脸集的不同类型的信息具有各自的物理意义,因此能提高人脸识别的性能,同时采用了主成分分析(PCA)法进行降维.在AR人脸数据库的实验结果显示,相比于稀疏表示算法(SRC),该算法能提高识别率和识别速度,即使在较少训练图像的情况下也能取得好的识别效果.     

基于语音特征的自适应压缩感知

利用语音在DCT域的稀疏性,提出了一种基于语音分为清音和浊音的特点,自适应分配观测点数的语音重构方法.首先根据清浊音在整个语音段占有的能量比分配观测点,然后判断每帧语音性质.如果是清音,则根据能零比的大小来分配该帧的观测点数;如果是浊音,则根据能量的大小来分配观测点数.实验表明:语音信号是稀疏的并且可压缩,在同种压缩比下,文中所采用的语音重构算法具有较好的信噪比、误差以及MOS分.     

基于最佳联合稀疏表示的分布式压缩感知算法

通过探索无线传感器网络节点感知数据的时空相关性,可以构建适用于不同应用情形的联合稀疏模型。利用联合稀疏模型,提出了一种适用于无线传感器网络的分布式压缩感知算法。该算法采用联合编码联合解码的方式,充分利用了信号内部和信号之间的相关性,从而可以用更少的观测值实现信号群的精确重构。与单独编码单独解码相比,采用联合编码联合解码的方法,在保证信息可靠传输的前提下,减少了整个网络的数据流量,节约了宝贵的能量资源,以能量有效的方式满足了传感器网络的应用。     

自适应语音压缩感知方法

针对固定正交基下语音信号稀疏化程度低、适应性差的问题,提出了一种自适应的语音稀疏化方法,并将其应用到语音压缩感知理论中.该方法首先采用线性预测系数的加权线性组合对语音信号进行线性预测,并以线性预测残差基作为信号基.然后,按照稀疏约束条件训练出稀疏表示的过完备字典,并交替应用1-范数稀疏约束的追踪和奇异值分解算法,达到字典与稀疏系数同步更新.该方法从信号特征入手,学习并提取特征或纹理信息,能较好地实现语音信号的稀疏化,提高语音压缩感知的重构性能.实验结果显示,与其他正交基方法相比,该方法的语音稀疏化程度高.语音质量的主客观评价结果显示,该方法具有良好的重构性能.     

基于压缩感知的稀疏事件检测

为了提高无线传感器网络中稀疏事件的检测概率,利用压缩感知技术,提出了一种改进的下降迭代检测算法.该算法通过动态调节参数,改变迭代权值,加快了算法收敛速度.实验结果表明:在相同条件下,改进算法的成功检测概率比贝叶斯算法平均提高了13%.     

基于信号空间压缩感知算法的机械故障诊断

为了解决压缩感知（CS）重构算法通过重构稀疏系数求解原始信号的重构精度不高的问题,提出一种基于信号空间的压缩采样匹配追踪算法。首先在冗余字典中求解原始信号的最优表示空间,然后在最优表示空间中利用迭代算法直接求解原始信号,最后以轴承故障振动信号为例进行实验验证。结果证明本文算法提高了信号的重构精度,可以为增强机械振动信号的故障检测能力提供依据。     

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。     

基于压缩感知的稀疏信道估计

在正交频分复用(OFDM)系统中,通常使用等间距的导频估计信道,比如多径瑞丽信道.但是,众多其他类型信道的冲击响应系数只有少数非零值.对于这些稀疏信道,基于压缩感知的稀疏信道估计可以有效地降低导频数目,从而提高频谱利用率.现有应用里面采用最小l1范数法.首先提出了OFDM系统中应用压缩感知理论估计信道的模型,接着使用改...     

基于奇异值分解的压缩感知定位算法

为了使观测字典满足约束等距性条件,保证算法的定位精度,提出一种基于奇异值分解的压缩感知定位算法。新算法首先将感知区域网格化,把定位问题转化为压缩感知问题,然后利用奇异值分解原理对观测字典进行分解,得到的新的观测字典有效地满足了约束等距性条件,且对观测值的预处理过程不影响原信号的稀疏性,从而有效地保证算法的重建性能,提升定位精度。仿真实验结果表明:相比于基于Orth的稀疏目标定位算法,基于SVD的压缩感知定位算法的定位性能更优,抗噪性、适应性更强,且算法复杂度低。     

基于压缩感知的线性调频雷达成像

在经典的压缩感知理论中,最常用的测量矩阵是高斯随机矩阵和伯努利随机矩阵,它们具有最优的约束等容性质(R IP).与其他测量矩阵相比,精确重建同样的稀疏信号所需的采样数最少。然而完全的随机性导致它们在具体工程应用中受到限制,同时大大增加了重建算法的时间和空间复杂度。基于统计约束等容性质(StR IP)和确定性测量矩阵理论提出一种基于线性调频信号的压缩感知雷达成像方法,利用雷达发射的线性调频信号来构造测量矩阵,并用仿真实验证明了利用该测量矩阵可以很好地实现稀疏信号的重建。     

Video Coding Based on Compressive Sensing via CoSaMP

Compressive sampling matching pursuit （CoSaMP） algorithm integrates the idea of combining algorithm to ensure running speed and provides rigorous error bounds which provide a good theoretical guarantee to convergence. And compressive sensing （CS） can help us ease the pressure of hardware facility from the requirements of the huge amount in information processing. Therefore, a new video coding framework was proposed, which was based on CS and curvelet transform in this paper. Firstly, this new framework uses curvelet transform and CS to the key frame of test sequence, and then gains recovery frame via CoSaMP to achieve data compress. In the classic CoSaMP method, the halting criterion is that the number of iterations is fixed. Therefore, a new stopping rule is discussed to halting the algorithm in this paper to obtain better performance. According to a large number of experimental results, we ran see that this new framework has better performance and lower RMSE. Through the analysis of the experimental data, it is found that the selection of number of measurements and sparsity level has great influence on the new framework. So how to select the optimal parameters to gain better performance deserves worthy of further study.     

采用Transformer架构的长跨度视频压缩感知重构方法

深度学习的快速发展给视频压缩感知重构提供了新思路。受网络模型限制,现有的基于深度学习的压缩感知重构方法不能充分利用视频的空时特征,且对于超过16帧的视频段重构效果不够理想。采用Transformer网络构建压缩感知重构网络,利用Transformer网络在序列信号处理方面的优势构建空时注意力提取模块,学习视频帧间的空时注意力特征,更好地实现对视频连续帧的建模,从而解决长跨度视频段压缩感知重构问题。实验结果表明：所提方法在处理32张视频帧的视频分段时,能达到30 dB以上的重构精度,在处理96张视频帧的视频分段时,仍能达到27 dB以上的良好性能。     

高强砼偏心受压长柱的受力性能

本文在15根高强砼偏心受压长柱全过程试验的基础上,分析了基本长柱的开裂及变形特点、破坏形态和承载性能。试验表明,高强砼长柱的荷载最大点N_(max)对应于柱非线性稳定状态的荷载上限,而弯矩最大点M_(max)对应于柱临界截面的强度极限。 依据试验结果,由短柱承载力计算公式,通过引入偏心距增大系数η,给出了计算高强砼长柱承载力的计算公式,与试验结果的对比说明,作为工程实用的一种近似方法,对构件设计是合理的。     

基于PSoC的触摸感应控制器设计与实现

针对机械式控制器设计与应用的局限性,采用PSoC（片上系统）作为处理器,开发了一种新型的触摸感应控制器。该系统应用CSD原理,以及独特的设计方法改善了触摸感应控制器设计的灵活性和开发周期,利用I2C-USB Bridge实时调试提高了感应控制器设计的可靠性。调试结果表明,该控制器运行稳定可靠,具有一定的实用性和推广价值。     

多路视频远程传输系统的设计与实现

多路视频远程传输技术是当前多媒体研究领域的热点.讨论了目前开发多路视频远程传输系统模型,并提出了一个新的设计方案.重点研究了一个基于MPEG-4视频监控系统的实现.     

数字影像压缩技术的设计与实现

数字影像压缩一直是计算机图像图形领域的研究热点和攻关难点,针对影像压缩的具体要求,通过JPEG影像压缩算法和理论,实现了BMP影像文件从1到100范围内动态压缩成JPG影像文件.同时,对获取的JPG影像文件又可以还原解码成BMP影像文件.在设计与实现压缩的分析过程中,还对压缩后的影像质量作了比较,当压缩比例为50时,压缩影像质量良好,肉眼很难感知目标影像和压缩影像的差异.     

基于压缩感知的地震观测系统设计及数据重建

在陆上油田,受地表障碍物限制,常规的基于规则采样理论的地震数据采集越来越难以实现,同时为了解决越来越复杂的地质问题,需要更密集的空间采样,造成地震勘探成本急剧上升。为了适应复杂的地表条件和节省勘探成本,本文研究基于压缩感知理论设计随机地震观测系统,利用高维空间低秩约束算法完成随机地震数据的高密度规则化重建,通过理论模型对方法进行了验证,结果表明在同样采样密度下,该方法能获得比规则采样更好的成像效果,为当前东部老油区的高效高密度地震勘探探索一条新途径。     

基于小波变换的数字遥感影像无损压缩编码系统的设计与开发

针对遥感影像的海量数据对其自身应用的影响，指出了研究图像压缩技术的必要性，从实用的角度出发，采用面向对象的技术方法，设计并实现了基于小波变换的数字遥感影像无损压缩编码系统。     

基于网格技术的视频服务系统设计与实现

传统的CDN（Content Delivery Network）技术和P2P（Peer to Peer）技术无法很好地满足大规模视频服务的需求。为此,研究并分析了网格技术在CDN视频服务刚络中的应用,设计出一种具有3层结构的视频服务系统,称为Grid-CDN。归纳总结了Grid-CDN的主要功能和特点,并详细描述了每个层次的各个模块所实现的功能。设计并开发了视频服务的原型系统,对所开发的系统进行压力测试,Grid-CDN单POP节点可以提供超过2000个视频流,通过住广域网环境下分布式布置大量POP（Provider of Point）节点,可以很好地满足大规模视频点播服务的需求。测试结果表明,该系统具有很高的实用价值。