基于主成分分析的MWC采样数据压缩方法

调制带宽转换器(Modulated Wideband Converter,MWC)是针对稀疏多频带信号提出的一种有效的亚奈奎斯特采样方法。实际的MWC设计过程中需要考虑硬件实现、重构精度等问题,不可避免地会导致采样数据中存在一定的冗余。该文首次对MWC系统产生采样冗余的原因以及采样数据特点进行深入分析,并提出了一种基于主成分分析(principal component analysis, PCA)的MWC采样数据压缩方法。该方法首先对MWC采样数据进行PCA变换,将其中的大部分能量集中在少量的主成分中,进而通过保留少量主成分,并对其进行进一步量化编码的方式来实现对MWC采样数据的压缩。实验结果表明,PCA变换对MWC采样数据的能量集中效果优于小波变换和离散余弦变换,且该压缩方法能够在保证重构精度高于90%的前提下将MWC系统的采样数据量压缩至原来的1/8以下。     

基于部分支撑集的L1范数稀疏重构算法

针对压缩感知理论中,现有的优化L1范数稀疏重构算法在重构源信号时,当且仅当稀疏度小于等于观测信号长度一半时才能够正确重构源信号的问题,提出了部分支撑集的L1范数稀疏重构算法。改进算法采用线性规划方法最小化源信号"尾部"支撑集的L1范数,能够在稀疏度大于观测信号长度一半时正确重构出源信号。仿真结果表明,在不同信噪比和稀疏度条件下,所提算法的重构精度优于现有的优化L1范数的稀疏重构算法和正交匹配追踪的稀疏重构算法。     

基于时空相关性的分布式压缩感知多假设预测重构算法

综合考虑到视频序列本身的不同特性以及时空相关性, 将传统视频编码中的多假设预测运动估计思想引入到分布式压缩感知视频编码系统中, 提出一种新的基于时空相关性的分布式压缩感知多假设预测重构算法。在编码端增加CS帧的块模式判别, 在解码端CS帧根据模式判别进行相应的基于块的多假设预测估计和残差稀疏重构。仿真实验表明, 与传统的分布式压缩感知多假设预测重构算法相比, 所提出的算法能够较好地改善视频序列的重建质量。     

基于Jacobi ADMM的传感网分布式压缩感知数据重构算法

针对无线传感网中分布式数据收集及应用,采用分布式压缩感知理论中的JSM-1 (joint sparse model-1)模型,提出了一种基于Jacobi ADMM (alternating direction method of multipliers)的分布式压缩感知数据重构算法.该算法通过在簇头节点间交换公共信息以挖掘关联数据集的公共部分,并在各个簇头节点内部更新各自的独立部分,从而实现无线传感网中相关感知数据的分布式压缩重构.首先,将无线传感网中的数据收集问题抽象为一个分布式优化问题.然后,为了能够有效地解决分布式计算过程中产生的不收敛问题,在优化目标函数中引入了近似项,从而使得子优化问题具有严格凸性,并利用交替方向乘子法求解压缩感知数据的重构问题.最后,分别利用合成数据集和真实数据集进行验证.实验结果表明：与现有其他数据重构算法相比,基于Jacobi ADMM的分布式压缩感知数据重构算法具有更高的数据重构精度.     

预调制多陪集采样系统

目前,压缩采样系统主要有随机解调器、调制宽带转换器和多陪集采样3种,其中,多陪集采样的系统框架简单、重构成功率高,但用硬件实现时面临两个难题,一是低速模数转换器(ADC)的输入模拟带宽存在上限,二是难以实现各通道上的精准时延.借鉴调制宽带转换器在采样前先对输入信号进行预调制的思想,将预调制与多陪集采样结合,提出了预调制...     

基于压缩感知的后退型自适应匹配追踪算法

基于压缩感知理论的重建关键在于从压缩感知得到的低维数据中精确恢复出原始的高维稀疏数据。针对目前大多数算法都建立在稀疏度已知的基础上,提出一种后退型固定步长自适应匹配追踪重建算法,能够在稀疏度未知的条件下获得图像的精确重建。该算法通过较大固定步长的设置,保证待估信号支撑集大小的稳步快速增加;以相邻阶段重建信号的能量差为迭代停止条件,在迭代停止后通过简单的正则化方法向后剔除多余原子保证精确重建。实验结果表明,该算法在保证测量次数的条件下可以获得快速的精确重建。     

用于图像重构的基于行间支撑集相似度的CoSaMP算法

压缩采样匹配追踪(CoSaMP)算法的性能受初始支撑集选择的制约,初始支撑集选择不准确不仅影响重构精度,还会降低重构速度。针对该问题,将图像在稀疏域的结构特性引入到CoSaMP算法中,提出了支撑集相似度的概念;利用数字图像相邻行之间原子支撑集的相似性,提出了基于行间支撑集相似度的CoSaMP算法。实验结果表明,在同等采样率的条件下, 与传统的CoSaMP算法相比,所提算法在不增加算法时间复杂度的同时提高了重构质量 ,峰值信噪比提高了0.6~2.5dB。     

基于分布式压缩感知的联合检测与跟踪算法

多基雷达系统对隐身目标的检测与跟踪具有良好的效果,但是在集中式融合框架下应用于 多基雷达的检测与跟踪算法具有计算复杂、计算量大的缺点.对此,提出一种应用于 多基雷达系统的基于分布式压缩感知的联合检测与跟踪算法.首先,应用分布式紧凑感知 矩阵追踪算法直接重构出表征目标状态空间信息的稀疏网格反射向量;然后,应用检测 前跟踪算法得到精确的目标运动状态和轨迹.仿真实验表明了所提出算法的有效性.     

基于变步长序贯压缩的频谱快速感知算法

对信号稀疏度未知甚至时变的频谱感知应用 场景,将自适应思想与序贯压缩频谱感知技术相结合,提出了一种可变步长序贯压缩频 谱快速感知算法。新算法建立了下一次判决所需观测值数目步长因子与当前对数似然比距门 限距离之间的函数关系,克服了现有的序贯压缩检测算法以固定步长增加观测值的不足。分 别以分段函数和抛物线函数为步长因子调整规则进行理论分析和仿真实验。仿真结果表明： 与现有的序贯压缩检测算法相比,变步长算法具有检测速度快、观测值数目少和计算复杂度 小等优点。     

基于边信息的分布式视频压缩感知重建

WZ视频编码系统中的虚拟信道会因信道模型参数估计的不稳定导致系统性能下降,为了克服该问题,提出不带有虚拟信道的分布式视频压缩感知重建算法,仅靠解码端获得的压缩感知观测值对非关键帧的错误进行纠正,并利用平滑投影Landweber迭代求解联合重建模型.实验证明本文所提出算法获得了更好的率失真性能和更低的重建时间.     

基于自适应采样的多假设预测残差重构算法研究

为保证遥感视频序列的高质量重构,本文结合视频序列的高时空冗余特点,在基于块的分布式视频压缩感知（Distributed video compressed sensing,DVCS）框架的基础上提出了一种基于自适应采样的多假设预测残差重构模型及基于变采样率的多假设预测残差重构算法.首先对目标帧进行预测,根据各块预测精度的不同自适应地分配采样率;然后用变采样率多假设预测残差重构算法重构出目标帧;最后利用双向运动估计对重构结果进行修正.仿真结果表明该算法能够在降低采样率的同时保证良好的主客观重构质量;相同采样率条件下,重构精度比MC-BCS-SPL算法提高大约7dB,比MH-BCS-SPL算法提高大约1dB.     

基于压缩传感的宽带频谱协方差感知算法

宽带感知需要超宽的射频前端,非常快的数字处理设备,传统的频谱检测机制承受着巨大的压力.利用宽带频谱中信号频谱的稀疏特性以及实际稀疏数据观察值成组出现,即组稀疏的特性,将压缩传感算法应用于宽带频谱感知,通过阈值判断,对欠采样下的信号进行重构,进而进行频谱感知,提出了基于压缩传感的频谱协方差感知算法,当压缩比为0.1时系统...     

基于双边信息的残差分布式压缩视频感知

压缩感知(CS)是在低于奈奎斯特率条件下获取和重构稀疏信号的新兴技术,在图像和视频获取和处理中有巨大的发展潜力.为了有效提高被测信号的稀疏性和重构效率,本文提出一种基于双边信息的残差分布式压缩视频感知(RDCVS-DSI)编解码模型.该模型利用了图像自身的频域特性和邻近帧之间的相关性,以低质量的视频帧作为编解码的第一边信息,解码端利用关键帧运动估计和运动补偿技术生成非关键帧的第二边信息.通过性能分析和仿真测试表明,该RDCVS-DSI模型能够在较低复杂度条件下,高保真地重建视频序列.与以前的压缩视频感知工作对比,重构帧的平均峰值性噪比达到1-5dB的增益,重构速度接近于复杂度最低的DCVS.     

基于稀疏重构框架下剪切波的SAR图像去噪

SAR图像很容易被乘性噪声多污染,进而影响SAR图像后序的分析与处理。本文中提出了一种基于剪切波稀疏编码的SAR图像移除乘性噪声的新模型。首先通过压缩感知理论建立SAR图像去噪模型;其次通过剪切波变换获得剪切波系数,每个尺度的系数视为一个单元;对于每个单元,通过剪切波域的贝叶斯估计对稀疏系数进行迭代估计。重现的单元最后结合起来构造去噪后的图像。SAR图像去噪效果显示了该算法有良好的表现性,对噪声具有鲁棒性;本文提出的算法不仅有较好的去噪效果,而且还保存了更多的边界信息。     

基于改进CoSaMP算法的图像重建

重构算法是压缩感知的核心技术之一,直接决定着压缩感知能否可以在实际系统中进行应用。为提高压缩感知的重构精度同时缩短处理时间,本文引进加权与矩阵分块技术,与压缩采样匹配追踪(Compressive Sampling Matching Pursuit, CoSaMP)算法相结合,使原始算法更加完善。仿真结果表明,当稀疏条件同等的情况下进行重构,改进的算法与原始算法相比重构质量有所提高。     

基于压缩感知的电能质量压缩采样重构算法

针对电能质量扰动信号的重构问题,在压缩采样匹配追踪(Compressive sampling matching pursuit,CoSaMP)算法的基础上,为解决原算法的不足,提出一种改进的压缩采样匹配追踪(Modified compressive sampling matching pursuit,MCSMP)算法,并将其应用在电能质量信号的重构上。该算法在候选集的选择阶段采用模糊阈值的方式代替原算法固定个数的选择方式,并以相邻迭代感知矩阵与残差之间的相关度变化量作为算法的停止条件,为回溯过程的剪裁减轻了负担,避免了不必要的迭代,提高了算法的运行效率。仿真实验结果表明:无论是重构性能指标或是重构速度,MCSMP算法的重构结果都优于CoSaMP算法。     

基于改进 CoSaMP 算法的图像重建

重构算法是压缩感知的核心技术之一,直接决定着压缩感知能否可以在实际系统中进行应用。为提高压缩感知的重构精度同时缩短处理时间,本文引进加权与矩阵分块技术,与压缩采样匹配追踪（ Compressive Sampling Matching Pur-suit, CoSaMP）算法相结合,使原始算法更加完善。仿真结果表明,当稀疏条件同等的情况下进行重构,改进的算法与原始算法相比重构质量有所提高。