基于优化离散差分进化算法的压缩感知信号重构

针对传统压缩感知重构算法严重依赖稀疏度、重构精准度不高的缺陷,提出了一种基于优化离散差分进化(ODDE)算法,对进化种群进行分析,在实现种群有效聚类的同时提高了种群学习进化的针对性和科学性.重新定义了差分进化粒子的编码方式和进化机制,并将优化后的离散差分进化算法应用于压缩感知重构方法中.将稀疏度未知信号等效为粒子编码,通过种群迭代进化实现了稀疏信号的精确重构.仿真结果表明,与StOMP等传统重构算法相比,本文方法可以显著提高重构精度、降低重构时间.     

基于深度卷积生成网络的冲击波信号压缩感知方法

因信号的重构效果受到稀疏矩阵选取或设计的影响,传统压缩感知技术在处理冲击波信号时要求信号在某个变换域上满足稀疏先验性.为了避免稀疏矩阵不易选取的问题,提出了一种基于深度卷积生成网络与压缩感知技术相结合的算法.该算法将固定的随机信号作为网络输入值,网络的输出结果为重构信号,利用文中设计的损失函数对网络中的参数进行优化,实现信号端到端的恢复,并通过仿真验证了重构结果误差的减少.在15 psi和5 psi传感器实测冲击波信号的实验结果中表明,本文算法相比于传统压缩感知技术具有更好的重构结果,重构误差在稳定时约为DFT-OMP算法和DCT-OMP算法在M为2400时误差值的0.5倍.     

一种改进的正则化自适应匹配追踪算法

针对压缩感知中未知稀疏度信号的重构问题,提出了一种改进的正则化自适应匹配追踪算法。它通过自适应变步长迭代对信号稀疏度进行估计,并将其作为初始支撑集长度,然后在分阶段迭代中正则化筛选原子,最终实现信号的精确重构。仿真结果表明,该算法重构信号的性能和效率均优于子空间追踪算法、正交匹配追踪算法和稀疏度自适应匹配追踪算法。     

一种新的基于压缩感知的稀疏音频水印算法

提出了一种基于压缩感知的音频水印算法.该算法利用数字水印和音频宿主信号在离散余弦变换域下都具有稀疏性,将水印经过压缩感知处理后,嵌入于音频载体信号的离散余弦变换系数中;在水印提取时,利用压缩感知的去噪原理和重构方法,在不利用原宿主信号情况下,将水印提取出来,此提取完全是盲提取.计算机仿真实验表明,这种算法能提高水印在高斯噪声攻击下的鲁棒性.     

基于频谱估计的频域稀疏压缩采样信号重构

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。     

步进频率波形参数设置对稀疏重构性能的影响分析

鉴于基于压缩感知理论的步进频率波形稀疏重构性能与信号的参数设置有关,首先构建了步进频率波形稀疏重构模型;然后利用感知矩阵性能作为稀疏重构性能衡量指标,推导出影响感知矩阵互相关性能的信号参数;最后得出在相同合成带宽条件下子脉冲步进方式对重构性能没有影响,增加发射子脉冲个数可以得到更好稀疏重构结果的结论.仿真结果验证了所得到的结论.     

三种线性Bregman迭代重构算法性能分析

针对线性Bregman迭代在压缩感知稀疏信号重构中具有良好的重构性能和抗噪性能,从理论上对三种典型的线性Bregman迭代重构算法进行了分析比较,给出了算法的步骤和应用条件,然后基于CS重构指标进行了综合的仿真与分析,最后给出了三种算法的关系以及相应的结论。     

改进的离散混合蛙跳算法压缩感知信号重构及应用

针对工程离散优化问题特点,定义了具有普遍意义的青蛙编码方式,设计了编码位调换更新机制,提出了自适应权重因子和双模子族群策略。在此基础上,将改进的离散混合蛙跳算法(Discrete shuffled frog leaping algorithm,DSFLA)应用于压缩感知重构算法中,将未知重构信号理解为青蛙编码方式,利用DSFLA算法全局寻优能力得到次最优信号重构信息,从而实现了稀疏度未知情况下的信号重构。最后对典型TSP(Travelling salesman problem)问题算例和WSNs多目标定位问题进行仿真,仿真结果表明:改进的DSFLA具有更强的复杂问题求解能力,基于改进DSFLA压缩感知重构算法的WSNs目标定位精度优于传统信号重构算法,且抗噪能力达到25~45dB。     

高速模拟信号压缩采样实现

压缩传感理论能够有效地降低信号的采样频率,实现对稀疏信号的压缩采样。该文在信号延时多通道采样技术的基础上,提出了一种基于压缩传感理论的模拟信号采样实现方法,根据该采样模型构造了压缩传感测量矩阵。该采样模型能够以低于信号Nyquist频率的采样率对频域稀疏信号进行采样,通过最优化算法准确重构原始信号。仿真结果表明,基于压缩传感理论的模拟信号采样模型能够对频域稀疏信号进行压缩采样,该方法具有可行性。     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

基于交替下降求解的稀疏信号重建算法

压缩感知理论（CS）是现代信号处理领域中一个崭新的研究方向,信号的快速优化重建是该理论的研究热点。实际工程应用中,由于各种误差不可避免,信号重建过程中字典矩阵只是近似知道,因此降低了信号重建质量。为有效解决字典矩阵和观测数据同时含有噪声的多测量矢量（MMV）稀疏重建问题,基于多测量矢量欠定系统正则化聚焦求解（RM-FOCUSS）算法,提出一种交替下降稀疏重建算法,迭代过程中在稀疏解和字典误差之间交替下降求得最优稀疏解。仿真结果表明,文章算法较大程度地提高了信号的重建质量。     

基于动态多模式匹配的视频压缩感知三步重构

相较于奈奎斯特-香农定理所要求的采样数据量,压缩感知理论表明采用较少的测量值就可以实现高维信号的重构,因此压缩感知在视频信号传感中具有很大的潜力.现有的视频压缩感知重构算法是利用多假设预测来得到残差模型,大量文献采用基于最小均方误差的方法挑选多假设匹配块,由此对视频信号进行重构,然而没有考虑最大化重构视频的整体结构相似性,在图像重构的整体质量效果上存在较大改进空间,并且挑选匹配块的模式没有采用自适应的选择机制,挑选匹配块的方式较为单一.通过增加一定的复杂度,本文提出了一种基于动态多模式匹配的视频压缩感知三步重构算法,该算法主要包括三大步骤:第一步,对压缩感知的每一视频帧进行独立的重构;第二步,从参考帧中动态地挑选匹配块进行非关键帧的重构;第三步,基于整体结构相似性对重构帧进行最终挑选,完成多帧重构.实验结果表明,所提算法能够在重建端有效提高多假设过程的预测精度,与当前最优的视频重构算法相比,进一步提升了重构质量.     

基于特征表征的单幅图像超分辨方法

基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可以得到更好的主观视觉评价和客观量化评价。     

压缩感知OMP算法与IRLS算法在计算鬼成像中的对比分析

将压缩感知技术和鬼成像系统相结合,能够大幅度地降低成像所需的测量次数,并能有效地提高重构图像的峰值信噪比。本文将离散余弦变换（DCT）矩阵作为图像稀疏化矩阵,采用正交匹配追踪算法（OMP）和迭代加权最小二乘算法（IRLS）两种压缩感知算法作为压缩感知鬼成像系统图像重构的算法。通过对两种算法在改变稀疏度和测量次数时重构结果的峰值信噪比变化的比较,探究了这两个变量对峰值信噪比的影响。发现IRLS算法重构精度更高,图像质量更好,而OMP算法迭代速度比IRLS更快,重构图像所需的时间较少。     

基于WBAN的生物特征检测重构算法

生物特征检测是无线体域网的关键问题。本文利用信号群的内相关性和互相关性结构,运用分布式压缩感知理论,建立一种新型分布式编码重构算法,即信号群与联合稀疏模型(Joint Sparse Model,JSM-1)。将该模型运用于无线体域网中,提出了联合稀疏信号模型的重构算法,仿真结果验证了该算法的有效性。     

井地地震技术数值模拟及工程应用

井地地震是通过地面激发,井中接收的方式来对目标体进行透视的物探技术,该技术利用地震波走时和能量衰减来反演目标体内部结构,解决实际工程问题.本文首先阐述井地地震独特的观测方式及其原理,然后建立地质模型,采用射线追踪法计算走时,应用同时迭代重建算法(SIRT)进行数值模拟,并分析该算法的效率和精度,总结其优缺点,最后通过某...     

基于优化内积模型的压缩感知快速重构算法

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.     

非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

稀疏图像重构非凸Lp问题的分裂方法

由于稀疏图像重构Lp(0相似文献