首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 93 毫秒
1.
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。  相似文献   

2.
多测量向量模型中的联合稀疏信号重构是压缩感知理论中的重要研究内容。针对分布式网络中的联合稀疏优化问题,给出了一种基于迭代加权l1正则化的分布式联合稀疏优化算法。该算法采用迭代加权l1正则化算法提高稀疏信号的重构质量,然后将与联合支撑相关的加权向量作为一致性约束,采用交替方向乘子法求解一致优化问题来更新加权向量。该分布式联合稀疏优化算法通过每个节点的稀疏优化以及单跳邻居节点间的信息交换达到集中式优化的性能,避免了数据集中带来的网络通信负担。仿真结果表明,给出的分布式联合稀疏优化算法具有良好的重构性能和较快的收敛速度。  相似文献   

3.
多测量向量模型中的联合稀疏信号重构是压缩感知理论中的重要研究内容。针对分布式网络中的联合稀疏优化问题,给出了一种基于迭代加权l1正则化的分布式联合稀疏优化算法。该算法采用迭代加权l1正则化算法提高稀疏信号的重构质量,然后将与联合支撑相关的加权向量作为一致性约束,采用交替方向乘子法求解一致优化问题来更新加权向量。该分布式联合稀疏优化算法通过每个节点的稀疏优化以及单跳邻居节点间的信息交换达到集中式优化的性能,避免了数据集中带来的网络通信负担。仿真结果表明,给出的分布式联合稀疏优化算法具有良好的重构性能和较快的收敛速度。  相似文献   

4.
针对分布式微震监测环境下微震数据量大的问题,引入分布式压缩感知理论对微震数据进行压缩以减小数据传输量.首先分析微震信号的稀疏性,其次模拟分布式场景,分析了分布式微震传感器节点的空间相关性及其编码与压缩处理过程.基于广义正交匹配追踪算法及稀疏度自适应匹配追踪算法,提出了一种改进的分布式稀疏度自适应正交匹配追踪重构算法,并分析了改进算法的性能.基于MATLAB仿真平台,用改进的算法重构稀疏测量后的分布式微震信号,仿真结果表明:改进后的算法在数据量减少了将近7/10时,依然可以快速精确的重构出原始微震信号.  相似文献   

5.
为了提高在一个移动信标节点下的无线传感器网络节点定位的精度,提出了一种稀疏化的无线传感器网络节点定位算法。该算法通过网格化感知区域把节点定位问题转化为稀疏信号重构问题,并提出了Schmidt正交单位化的预处理方法,对观测矩阵进行预处理,使其有效地满足了约束等距性条件。并针对稀疏定位模型中得到的稀疏信号是近似稀疏信号的问题,采用质心算法来优化算法的定位精度。实验结果表明,相比于MAP类算法,稀疏化的无线传感器网络节点定位算法的定位精度更优,同时所需要的信标节点的广播次数也更少。  相似文献   

6.
根据周期非均匀采样需要多个采样通道的特点,利用联合子空间理论将采样与重构转换为矩阵向量运算。结合最小L1范数算法,提出了一种针对稀疏信号的周期非均匀采样与重构方法,分析了最小L1范数算法在周期非均匀采样系统中的完整重构条件。最后,以多带正弦信号为例,分别从可完整重构概率和系统整体验证两个方面证明了该方法能够实现稀疏信号的采样与重构。  相似文献   

7.
在高维信号处理中,为了有效地估计信号的角度,提出了基于L1范数的二阶锥规划算法(L1-SVD).该算法将稀疏重构用于目标源测向技术,在窄带信号的模型基础上,引进稀疏域模型,将一个高维信号的角度估计问题抽象成欠定方程组求解问题.经Matlab仿真验证,与其他最小范数法以及经典多重信号分类算法相比,该算法在较大的信噪比范围内都能取得较低的重构误差和较高的成功概率,对相关性较大的信号也能进行识别.这证明了该算法能够有效地实现目标源测向.  相似文献   

8.
压缩采样理论突破了采样定理对稀疏信号采样频率的限制,在保证信号重构精度的条件下能够显著降低采样频率,能够在采样过程中对数据进行压缩。在频域稀疏信号的压缩采样中,由于所处理数据长度的有限性,存在频谱泄漏现象,即稀疏表示基失配,从而导致信号重构性能降低。为克服这种表示基失配引起的重构误差,提出一种基于频谱估计的频域稀疏压缩采样信号重构算法。该算法采用root-MUSIC算法对被测信号的表示基进行自适应地构造:用root-MUSIC算法对频率进行估计,用自适应的基向量构造稀疏表示基矩阵。通过实验对该重构算法的可行性进行验证。与传统信号重构算法相比,该重构算法具有更高的信号重构精度。  相似文献   

9.
为了实现稀疏信号的有效采样与完整重构,结合多测量向量模式,提出了一种针对稀疏信号的周期非均匀采样与重构方法。根据周期非均匀采样需要多个采样通道的特点,利用联合子空间理论将采样与重构转换为矩阵向量运算。利用多测量向量确定非零行向量的位置参数并分析了多测量向量模式在周期非均匀采样系统中的完整重构条件并通过插值器实现信号完整重构,使其能在数字系统中应用。最后,分别从可完整重构概率和系统整体验证两个方面证明了该方法能够实现稀疏信号的采样与重构。  相似文献   

10.
压缩感知理论是在已知信号具有可压缩性或通过变换具有稀疏性的条件下,对其信号进行采集,稀疏和重构的新理论.其中稀疏信号重构算法是其中关键的一部分,对信号恢复的精确性及时效性验证有着重要的意义.该文在总结目前已有的重构算法的基础上,提出了一种新的基于压缩感知的双连续超松弛迭代重构算法.该算法通过参数估计自适应的寻找合适的稀...  相似文献   

11.
针对符号速率相同的功率非对称混合信号盲分离问题,提出一种低复杂度盲分离算法。该算法仅需确定强信号最佳采样点,进而消除强信号影响,避免了传统算法波形重构过程,并且通过迭代译码结构来改善强弱信号的分离性能,重点研究了混合信号中强信号的消除以及强弱信号的迭代译码结构。仿真实验表明,对采用(2,1,2)卷积码的QPSK混合信号,强弱信号幅度比为0.5时,可以达到最佳分离性能,混合信号经2次迭代译码后,分离性能提升约1d B。  相似文献   

12.
针对压缩感知理论中现有重构算法耗时过长的问题,提出一种基于优化内积模型的快速重构算法,且理论推导了迭代停止条件.该算法在重构的每次迭代过程中,仅在第1次迭代时采用传感矩阵与余量的矩阵求内积运算,在后续的迭代中则通过向量运算代替矩阵求内积的运算,迭代停止时只需进行一次最小二乘法即可获得重构信号.仿真结果表明,提出的快速重构算法在保证重构信号性能的基础上,大大减少了重构时间.  相似文献   

13.
提出了一种利用信号幅度谱的去噪重构算法,并作了仿真实验研究.该算法利用含噪信号在幅频特性上的特征,通过特征基来进行信号的去噪处理.仿真研究结果表明,采用该种算法作合噪信号的重构,可以明显地去除信号的宽带噪声.该算法可以应用于噪声严重污染信号的离线去噪处理.  相似文献   

14.
以提高带通椭圆球面波函数(BPSWF)重构求解精度为出发点,提出一种快速收敛的BPSWF函数重构求解算法。根据采样定理,由采样信号重构恢复带通信号的带通滤波选择本质,给出基于采样定理的带通椭圆球面波函数重构求解通式;分析了重构求解算法的主要误差因素,提出通过改善重构基函数收敛性,提高BPSWF函数重构求解精度的基本思想;通过频域设计构造了一种时域快速收敛的带通PSWF重构基函数,进而提出一种快速收敛的BPSWF函数重构求解算法。理论和仿真分析结果表明:新重构的求解方法更适合于低频段BPSWF求解,与sinc基函数重构求解方法相比,求解精度高,求得的PSWF函数正交性好,能量聚集性佳。  相似文献   

15.
传统的迭代式压缩感知重构算法由于计算复杂度高,数据处理实时性差,难以在实际的可穿戴设备中发挥作用。该文结合深度学习中的一维扩张卷积和残差网络,提出了一种适用于可穿戴健康监护的非迭代式压缩感知实时重构算法。该方法基于大量生理信号数据训练一个用于压缩感知重构的网络模型,该模型可以对生理信号进行快速精确重构。通过在两个公开的生理信号数据集上的实验表明,相比于已有的基于深度学习的生理信号压缩感知重构算法,该方法有着更高的重构精度,并且该方法在文中所使用的计算机上仅需约0.7 ms即可完成对一个2 s长度信号帧的重构,这比传统的迭代式压缩感知重构算法快了大约2~3个数量级,说明该方法有着出色的实时性能。  相似文献   

16.
一种分布式信号源的参数估计算法   总被引:1,自引:0,他引:1  
在信号源具有分布特性时,使用点源模型进行参数估计会产生较大误差,而广义的高分辨率算法又带有较大的运算复杂度,难以满足实时性很高的要求,且都需要预先知道角度分布的具体函数。该文提出了基于天线阵列的特殊结构,采用阵列之间互相关算法对相干分布式信号源的各项参数进行估计,极大地减小了运算量,同时分析了信号源到达方向的模糊性问题。仿真结果证明该方法对相干式分布源参数估计的有效性。  相似文献   

17.
提出了一种广义半迭代硬阈值追踪重建算法,综合了广义硬阈值追踪重建算法和半迭代思想的优点,修正了目标函数寻求最优解的搜索方向,获得了多项式的加速收敛,且不需要已知信号稀疏度.数值仿真结果表明,该算法在重构概率、峰值信噪比、信噪比、匹配度等方面的性能明显提高,且在"鬼"成像中的应用性能明显优于广义硬阈值追踪算法.  相似文献   

18.
在频率维度对信号进行并行多通道的交替采样是提高系统采样率的一种重要手段,且每个通道均需要设计独立的模拟采样滤波器和数字重构滤波器以实现信号的分离获取及无失真恢复,结构及算法的复杂程度都偏高。该文提出一种基于正交变频的频率交替采样与重构方法,采样过程将输入信号划分为若干个子信道,利用正交下变频和采样滤波器将RF/IF信道分别搬移至基带并完成量化转换;重构过程则利用数字上变频变换将各信道恢复至其原有的载频位置并合成输出以恢复原始信号。该方法总体仅需在满足完美重构条件的前提下设计一个模拟采样滤波器和一个数字重构滤波器,实现简便。最后,通过实验验证对正交变频型频率交替采样与重构方法的有效性进行了阐述。  相似文献   

19.
针对宽带跳频信号的参数进行精确快速的估计,提出一种非重构压缩样值跳频信号时频联合估计算法。首先在非重构原始信号的前提下,通过研究信号的压缩数字特征,发现信号频率发生改变的位置,然后对该位置所在的数据段进行重构得到其频域系数,即可达到估计跳频频率、跳频周期以及跳频跳变时刻的目的。仿真结果表明,当信噪比为10d B,压缩比为1/4时,该算法估计出跳频信号的跳变时刻与Wigner算法达到相同误差条件下,所需处理的采样点个数为Wigner算法的1/4;比完全重构信号后估计算法误差小,所需重构的采样点个数为完全重构的1/4。该算法相对于传统的时频特征算法和基于压缩感知的完全重构估计算法,运算复杂度低,实时性较好。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号