首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 616 毫秒

1.  基于压缩感知的水声数据高效传输及其仿真  
   张斌  徐志京《电子设计工程》,2014年第22卷第20期
   水声数据传输系统中,由于水下信道的资源紧张,传输的数据量非常有限,因此需要传输大数据量时对发送节点的数据处理能力提出了一个非常大的挑战。随着压缩感知(CS)理论的成熟和广泛应用,本文将此应用在水声数据的高效传输上,提出了一种切实可行的传输方案,并在网络时延、信道利用率、误码率等关键参数上和传统系统来比较水声数据传输性能。仿真结果表明,压缩感知理论能够在有效地压缩发送数据量的前提下把数据发送到接收端,并大大改善了传输性能。    

2.  一种利用压缩感知改进的PMF-FFT扩频捕获算法  
   王 凯  吴 斌  汪 勃《电讯技术》,2018年第58卷第6期
   为了实现直接序列扩频(DSSS)信号快速捕获的同时降低数据量和硬件资源消耗,引入了压缩感知理论改进部分匹配滤波-快速傅里叶变换(PMF-FFT)算法,提出了基于压缩感知改进的部分匹配滤波-快速傅里叶变换(CSPMF-FFT)算法。该算法将PMF-FFT算法与压缩感知理论相结合,先对信号进行稀疏性分析和压缩观测,然后从少量压缩观测值中重构信号,并利用输出的峰值信息估算信号的多普勒频移和码相位,从而实现捕获。理论分析和仿真实验表明,相较于PMF-FFT捕获算法,CSPMF-FFT算法能在成功完成捕获的同时有效地减少相关器的数目和FFT变换的运算量,从而降低系统数据量和硬件资源压力,为基于压缩感知的扩频信号处理技术研究奠定了基础。    

3.  基于压缩感知的无线阵列及协同信号处理  
   余恺  印明  宗晓杰  王营冠  王智《计算机研究与发展》,2014年第1期
   传感器阵列信号处理是目标监测重要手段之一,传感器节点向后端数据融合中心发送原始信号不可避免地导致传输延时大、能耗高等问题.为实现低功耗、高精度、灵活部署的目标监测,提出了基于压缩采样的无线阵列.借助新兴的压缩感知理论,解决低功耗低速率无线通信难以满足阵列原始信号的实时传输的问题,并保证阵列测向性能;同时根据相邻节点信号的相关性,设计了基于模型先验知识的信号协同重构算法,以较低的运算负荷完成信号的重构.仿真表明基于压缩感知的无线阵列能实现有效的目标测向,同时在数据量严重受限时性能明显优于传统方法.最后,通过简易实验验证了该方法在低成本平台上的可行性.    

4.  基于两步式融合重构的压缩频谱检测方法  
   闫盛楠《电信科学》,2015年第31卷第3期
   在宽带频谱检测技术中,针对传统分布式压缩感知方法(DCS)数据传输量大、能耗高的问题,提出了一种基于两步式融合重构的压缩频谱检测(TS-CSS)方法.该方法的数据重构过程分为先支撑集信息融合,后信号联合重构两步,通过支撑集信息融合获得的先验信息可指导信号的联合重构.仿真结果表明,联合重构时随机选择50%的用户参与,即可获得与传统DCS接近甚至更优的频谱检测性能,因而,该方法能够有效地降低系统数据传输量,节省频谱检测耗能.    

5.  基于非均匀FFT的压缩感知雷达信号快速重构方法  
   孙进平  田继华  卢松涛  王彦平  张冰尘《信号处理》,2012年第28卷第5期
   雷达信号处理是压缩感知理论重要的应用方向之一,基于压缩感知的雷达信号处理可以降低对回波信号的采样速率要求,并且在部分应用中也可改善处理性能.然而,压缩感知重构算法的计算复杂性限制了压缩感知理论在实际雷达信号处理中的应用,尤其是大尺度雷达数据的处理.本文提出了一种基于压缩感知的雷达信号快速重构方法,利用均匀和非均匀快速傅里叶变换运算实现了常规压缩感知重构算法中的矩阵-向量乘法运算,有效降低了重构算法的计算复杂度,加快了压缩感知雷达信号的重构速度.同时,由于引入了快速傅里叶变换运算,该方法消除了大多数常规重构算法对感知矩阵的存储需求.仿真实验验证了该方法的可行性和高效性.    

6.  WMSNs图像传感器节点节能研究  
   胡延军  俞啸  奚锦锦  刘丽虹《电子技术应用》,2012年第38卷第12期
   提出了一种基于压缩感知理论的低能耗WMSNs图像传感器节点。采用压缩感知(CS)理论,通过对半原始数据稀疏采样来降低后续量化编码的数据量,并能降低节点图像处理复杂度,平衡图像处理和数据传输之间的能量消耗。通过建立能耗模型和Matlab仿真表明,与JPEG相比,采用基于压缩感知理论的压缩编码算法可以有效降低整个节点的能耗。    

7.  一种新型的扩频测控信号压缩采样结构  
   《无线电工程》,2018年第1期
   压缩感知理论能解决航天测控领域中扩频信号高带宽引发的采样压力和数据量过大的问题,压缩采样是压缩感知理论的主要应用之一,为降低前端信号采样压力和后端信号处理压力提供了一种新的途径。针对航天测控领域中最常见的直接序列扩频信号的压缩采样技术展开研究,提出了分段并行式随机重叠采样结构,并推导出采样结构的测量矩阵,结合信号的稀疏基利用匹配追踪算法对采样值进行重构。仿真实验表明,提出的采样结构能很好地适应高带宽扩频测控信号的压缩采样,能以较高的概率从低速的压缩采样值中恢复出原信号,相较于其他压缩采样结构在重构率、计算复杂度及稳定性方面具有较为显著的优势。    

8.  基于压缩感知的多发多收高分辨SAR成像算法研究  
   常俊飞  张顺生《火控雷达技术》,2011年第4期
   压缩感知理论指出,稀疏信号可以通过以低于奈奎斯特采样的测量数据重建出原始信号。针对高分辨率SAR成像在奈奎斯特理论下所面临的高速A/D采样、大数据量存储、传输等问题挑战。本文提出了一种基于压缩感知理论的多发多收高分辨率SAR二维成像算法。该算法减轻了高分辨率SAR成像的压力,采用压缩感知处理降低了A/D采样速率、数据量存储等问题,采用多发多收提高了方位向分辨率和进一步展宽了测绘带,降低了脉冲重复频率,对于高分辨率SAR成像的研究具有重要意义。通过对点目标和分布目标的仿真处理验证了算法的有效性,并且给出了压缩感知降采样倍数与重构效果之间的关系。    

9.  压缩感知在图像去噪和重构中的研究进展  
   《机械制造与自动化》,2017年第1期
   压缩感知理论基于信号的稀疏性在远低于奈奎斯特采样频率下直接采集信号,可以有效地减少信号的采样时间和降低信号的存储及传输消耗。从信号的稀疏化、观测矩阵的设计和信号的重构3个方面阐述了CS理论框架;综述了CS在图像去噪领域和图像重构领域中的研究进展,展示了CS强大的图像去噪和图像重构能力;总结了CS在图像处理中存在的问题,并展望了CS在图像处理中的应用前景。    

10.  基于压缩传感理论的绝缘子泄漏电流数据压缩  被引次数:1
   陈青  黄建才  朱永利《电力科学与工程》,2010年第26卷第7期
   绝缘子泄漏电流数据量大,给监测系统数据存储和传输带来巨大的负担.针对这个问题,提出基于压缩传感理论(Compressed Sensing,CS)的数据压缩方法,CS将采样与压缩合并进行,少量采样就能很好地恢复信号,不仅降低对硬件要求,而且提高压缩效率.将泄漏电流信号进行小波变换的稀疏分解,然后对稀疏的泄漏电流信号进行高斯测量编码,最后应用正交匹配追踪算法(OMP)重构信号.实验结果表明,对绝缘子泄漏电流进行CS数据压缩具很高的压缩比,恢复的信号也比较理想.    

11.  基于压缩感知的信号重构  
   薛男  凌霖  陶晓洋  曹佩佩《电子设计工程》,2013年第21卷第7期
   压缩感知是针对稀疏或可压缩信号,在采样的同时即可对信号数据进行适当压缩的新理论,采用该理论,可以仅需少量信号的观测值来实现精确重构信号。文中概述了CS理论框架及关键技术问题,介绍了信号稀疏表示、观测矩阵和重构算法。最后仿真实现了基于压缩感知的信号重构,并对正交匹配追踪(OMP)重构算法性能作了分析。    

12.  基于遗传压缩感知的无线传感器网络数据压缩方法  
   《计算机应用与软件》,2016年第4期
   考虑到无线传感器网络WSNs能量、通信带宽、计算能力及成本有限,不适合大规模数据传输,同时存在数据冗余,需要进行数据压缩处理,提出一种新的基于遗传算法的压缩感知CS(Compressive Sensing)重构方法,应用于无线传感器网络数据压缩中。详细阐述分布式WSNs数据压缩特点,压缩感知基本理论,基于遗传算法的CS重构新方法以及在WSNs数据压缩中的应用。通过实验仿真证明,从压缩比、节点平均能耗、网络生存时间和网络时延四个方面,与DCCM算法及CCS算法的WSNs数据压缩算法进行比较,提出的算法具有较高的压缩比,提高了采集数据的重构精度,降低了数据冗余度和网络通信量,提高了网络效率。    

13.  基于DS证据理论和压缩感知的WSN数据融合策略设计  被引次数:1
   廖长荣《计算机测量与控制》,2014年第22卷第8期
   为了降低WSN数据量和延长网络生命周期,设计了一种基于DS证据理论和压缩感知的WSN混合数据融合策略;首先,在分簇协议的基础上引入了基于DS证据理论和压缩感知的混合模型,然后,采用改进的DS对所有簇成员节点的基本信度分配函数进行加权处理,在簇头处采用加权和归一化的信度分配函数计算证据对各命题的支持程度,将支持程度较大的若干命题作为DS融合结果,在此基础上采用压缩感知方法通过构造测量矩阵对融合结果进行稀疏化表示,并在基站处对稀疏信号进行重构;仿真实验表明,文中方法能有效地实现数据融合,且和其他方法相比,具有重构误差较小和网络生命周期较长的优点,具有较大的优越性。    

14.  频域稀疏信号可压缩采样方法  
   盖建新  童子权  陈坤  刘志强《哈尔滨理工大学学报》,2013年第6期
   针对宽带频域稀疏信号采样时数据量大、不利于存储和传输问题,结合压缩感知和时间交替采样技术提出一种可压缩的采样方法.基于压缩感知原理提出了由多个并行同步压缩器组成的数据压缩电路,在时间交替采样的基础上,利用压缩电路将多路采样数据流在随机序列所张成的空间中进行投影,实现对数据流的不失真压缩.数值实验结果表明,所提出的采样方法,可以对宽带频域稀疏信号进行低速率采样,从压缩的低速采样值中能够以高概率不失真地恢复出原信号,有效缓解了存储和传输的压力.    

15.  一种合成聚焦的便携式B型超声成像方法  
   杜衍震  孙丰荣  李凯一  《计算机工程》,2014年第1期
   传统合成聚焦超声成像方法在图像重建过程中处理数据量较大,致使其在便携式B型超声设备中应用受限。针对该问题,提出一种基于压缩感知理论和合成聚焦波束形成算法的便携式B型超声成像方法(SFCS)。该方法通过对接收到的射频回波信号进行随机采样得到欠采样的测量信号,将测量信号经过合成聚焦波束形成处理获得欠采样的射频信号线,基于压缩感知的信号重构算法,由欠采样的射频信号线高质量地恢复信号后供后续成像处理使用。仿真实验结果表明,SFCS可有效地解决合成聚焦超声成像过程中数据量大的问题,从而在保证较高成像质量的前提下满足便携式B型超声设备小型化、低成本的技术要求,具有工程应用价值。    

16.  无线体域网节点数据压缩节能方法  
   周岳斌  陈家顺  马贺贺《传感器与微系统》,2017年第36卷第11期
   无线体域网(WBAN)节点通常采用电池供电,能量有限且不易频繁更换.为降低节点能耗,提出了一种数据压缩节能方法,采用稀疏表示分类算法识别正常信号,运用压缩感知(CS)理论进行信号压缩采样,将压缩信号发送至基站并进行重构.对WBAN节点采集的心电图信号进行仿真分析,结果表明:心电图信号经压缩后,具有较好的识别与重构性能,在确保数据传输精度前提下,减少了数据采集量和传输量,有效地降低了WBAN节点能耗.    

17.  压缩感知在ISAR谱图压缩重构中的应用  
   朱丰  张群  冯有前  洪文《信号处理》,2010年第26卷第10期
   针对天基逆合成孔径雷达(Space-borne ISAR)回波信息传输到地面过程中数据量大的问题,本文提出了一种基于压缩感知的ISAR数据压缩与重构方法.该方法是将目标回波变换到谱图域(即距离-慢时间域)后,再利用压缩感知技术将目标谱图压缩后传输,大幅减少了传输数据量.在地面接收端,利用基于正交匹配追踪法的谱图重构方法恢复谱图信息,并重构最终的ISAR像.仿真结果表明,利用本文方法恢复的谱图与压缩前的谱图相比相当逼近,而且重构出了高质量的ISAR像.    

18.  压缩感知雷达成像技术综述  被引次数:7
   刘记红  徐少坤  高勋章  黎湘  庄钊文《信号处理》,2011年第27卷第2期
   压缩感知理论突破了传统Nyquist采样定理的限制,它基于信号的稀疏性、测量矩阵的随机性和非线性优化算法完成对信号的压缩采样和重构.这种全新的信号处理理论为克服传统雷达固有缺陷,解决传统高分辨雷达面临的高采样率、大数据量和实时处理困难等问题提供了可能.本文概述了压缩感知基本理论,详细讨论了基于压缩感知的雷达成像技术,对压缩感知在高分辨雷达成像领域中的研究现状进行了归纳和分析,应用对象包括SAR/ISAR、穿墙雷达、MIMO雷达、探地雷达等,充分体现了压缩感知在简化雷达硬件设计、弥补雷达数据缺陷、改善雷达成像质量等方面的巨大潜力,明确了研究中存在的问题,阐述了有待进一步研究的方向,并总结了压缩感知用于雷达成像的优势和缺陷.    

19.  基于FFS的压缩感知算法研究  
   韩忠辉《自动化技术与应用》,2016年第4期
   传统的频谱感知方式因其自身的局限性而难以满足处理速率的更高要求。压缩感知的优势在于前端传感器采样数据量远远小于传统采样方法所获的数据量,从而有效提高频谱感知的速度。本文给出了一种新颖的压缩感知算法——快速傅里叶采样算法,该算法能采集较少的点数,较快地重构信号。算法分为频率分离、比特测试和系数估计三个主要步骤。文中对FFS算法进行了详细分析及实现,给出了仿真信`号重构结果 ,并将该算法的运算量与快速傅里叶变换进行了对比分析。仿真结果表明,该算法具有较好的重构精度,并且信号长度的剧烈增加对运算量的影响较小,在大信号处理时运行时间远远低于FFT。    

20.  压缩感知在超宽带雷达成像中的应用  被引次数:1
   黄琼  屈乐乐  吴秉横  方广有《电波科学学报》,2010年第1期
   利用信号的先验稀疏性,通过压缩感知(Compressive Sensing,CS)方法可以实现从少量的非适应性随机测量数据重建原始信号。将压缩感知理论应用到超宽带雷达高分辨率成像中,提出基于CS理论的二维方位-距离向成像算法,可以显著减少数据采集时间、数据量、处理时间以及节省信号带宽,并利用矢量网络分析仪(Vector Network Analyzer,VNA)测量的实验数据验证了采用时间和空间减采样数据的CS算法可以实现与传统的延迟-求和波束形成方法(Delay-Sum Beamform-ing,DSBF)相当的成像质量和分辨率。    

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