基于差分的稀疏度自适应重构算法

针对压缩感知贪婪迭代重构算法要求给定信号稀疏度或迭代阈值的缺点,提出一种基于差分的稀疏度自适应重构算法.该算法在信号稀疏度未知的情况下,利用测量矩阵Φ与残差的相关系数的变化的不均衡特性,来选择重构信号的支撑集,以此逼近原始信号的稀疏度,达到重构的效果.仿真结果表明,在相同采样率下,文中算法可以获得较好的重构效果,尤其在采样率较低(采样率≤0.5)的情况下,这种优势更加明显.     

基音检测的小波快速算法

文中给出小波变换用于基音周期检测的基本原理及快速算法，实验表明，该方法基其它基音检测方法相比具有明显的优越性。     

电除尘器的发展情况和发展趋势

1、概况、构造及名称电除尘器(1～10)是一种适合于分离很细微的固体和液体微粒的高效除尘装置,其最大的特点是阻力小,20～100N/M~2(近似于2～10mmWS)工作的温度范围至450℃,易磨损部件少,运行管理费用低,但是一次投资很高。除尘器的性能决定其主要的使用范围。总净化气体量大小的次序为:火力发电厂,(在美国约60％是电除尘器),炼铁、化学和水泥工业等烟气的除尘,总的除尘效率在95～99.9％之间。粉尘颗粒度的范围d>0.1(0.01)μm。由除尘效率特性曲线的数据来表示电除尘器所有的特性是有问题的,因为曲线与多种微粒的材料性质有关。     

L2(Rn)空间中的连续小波变换

讨论了L^2(R^n)空间中的连续小波变换，分别得到了原来变换函数与其不同的函数生成的重构公式，获得了这些重构公式在L^2(R^n)中范数收敛意义下成立的条件，后者在L^2(R^n）中范数收敛意义下成立的条件是前者在L^2(R^n)中范数收敛意义下成立的条件的自然推广。当n=1时，便得到一个L^2(R)中与原业变换函数不同的函数生成的重构公式在范数收敛意义下成立的条件。与Daubechies已有的结果相比，减弱了变换函数和生成重构公式的函数条件，拓宽了连续小波变换重构公式的应用范围。     

信号重建的小波匹配算法

给出一种信号重建的新方法－小波匹配算法。利用信号的小波变换模极大值进行匹配，最终得到的匹配信号，即为重建信号。实例表明该方法是令人满意的。     

重构小波系数的分段三次样条播值新算法

利用小波变换模极大值原理对信号去噪之后,如何由保留下来的模极大值点恢复出满意的重构信号,是一个重要课题。本文首先分析模极大值与小波系数之间的内在关系,提出了模极大值实际上是小波系数在特定意义下的离散采样;然后给出了一种对模极大值进行预处理的方法,由此得到了一组新的伪模极大值序列;利用这组伪模极大值序列,提出了一种新的重构小波系数的分段三次样条播值（ＰＣＳＩ）新算法,该算法程序简单,易实现,克服了交替投影（ＡＰ）法计算量大、程序复杂等缺点;最后给出一个应用实例,实验结果表明,与经典的交替投影法相比,本文提出的ＰＣＳＩ算法可获得更高的重构信号信噪比增益和更小的相对均方误差,它是一种实际、有效的算法。     

L2(Rn)空间中的连续小波变换

讨论了L2(Rn)空间中的连续小波变换,分别得到了原来变换函数与其不同的函数生成的重构公式,获得了这些重构公式在L2(Rn)中范数收敛意义下成立的条件,后者在L2(Rn)中范数收敛意义下成立的条件是前者在L2(Rn)中范数收敛意义下成立的条件的自然推广.当n=1时,便得到一个L2(R)中与原来变换函数不同的函数生成的重构公式在范数收敛意义下成立的条件.与Daubechies已有的结果相比,减弱了变换函数和生成重构公式的函数的条件,拓宽了连续小波变换重构公式的应用范围.     

小波模极大值点的信号稀疏表示及重建

作为压缩感知理论的前提,稀疏表示要求信号本身是稀疏的或者在某种正交基下可以稀疏表示。本文针对信号本身及小波变换后均不够稀疏的情况,提出一种基于模极大值点的信号稀疏表示算法。该算法在小波变换的基础上,利用小波分解的结构,对各层高频小波系数通过寻找其模极大值点的方法进行稀疏化,然后通过测量矩阵得到它的测量值,对测量点数进行熵编码以实现数据压缩传输。解码时,采用正交匹配追踪算法得到模极大值点的估计值,最后通过交替投影法重构出原信号。仿真结果表明,与经典压缩感知算法相比,该算法恢复信号的质量有较大提高,且由于稀疏度增大,所以信号具有更好的可压缩性,实验表明本文算法对复杂信号效果更明显。      

用于压缩采样信号重建的回溯正则化自适应匹配追踪算法

正则化正交匹配追踪算法是一种广泛被使用的压缩感知重构算法,但其需要已知信号的稀疏度。针对这一缺点,本文提出一种回溯正则化自适应匹配追踪算法。该算法基于正则化正交匹配追踪算法进行改进,首先采用设置模糊阈值的方式初始化选取一些原子,然后对其进行正则化,最后采用回溯的方式删掉个别错误的原子。在每次迭代中,不断更新支撑集的同时扩大支撑集,以逐步逼近信号的稀疏度。实验结果表明,在相同的测试条件下,改进后的算法与其他贪婪算法相比,无论是对一维稀疏信号还是二维图像,均取得了更好的重建效果,且运行时间也比较适中。      

边缘和方向估计的自适应多尺度分块压缩感知算法

由于多尺度小波变换的分块压缩感知算法(MS-BCS-SPL）将每层子带信息进行分块时,使得每子带中各子块采用相同的采样率;但是,当不同的图像子块含有不同的边缘信息时,对这些子块采用相同的采样率会造成资源不合理的分配。因此在MS-BCS-SPL算法的基础上,利用图像块边缘信息的不同和图像块的方向性,将总的采样率自适应分配给各层子带中的各图像块,实现多尺度分块压缩感知的自适应采样。实验结果表明,在不同采样率,尤其较低采样率时,该算法不仅比MS-BCS-SPL算法采用了较少的采样数目,节约资源;而且比其可重构较高质量的图像。