Tetrolet域卫星云图分块压缩感知(英文)

针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文提出了一种基于Tetrolet变换的卫星云图分块压缩感知方法。该方法将Tetrolet变换引入压缩感知的稀疏表示环节,以刻画卫星云图细节丰富,纹理复杂的特性,而且将分块压缩感知与平滑投影Landweber迭代方法结合用于云图重构,以提高计算效率。同时,为了进一步提高重构云图的质量,本文对云图的稀疏表示提出了另一种改进方案,首先对原始云图进行拉普拉斯金字塔分解,将得到的低频分量和高频分量分别进行分块及采样,并对低频及高频分量分别进行离散小波变换(DWT)及Tetrolet变换以实现稀疏表示,此不仅可以发挥不同稀疏变换各自的优点,而且充分利用了Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明,在相同采样率下,本文方法的重构结果明显优于直接用Tetrolet,DWT,Contourlet和DCT变换对卫星云图进行稀疏表示的重构结果。  

压缩感知重建离轴菲涅耳全息图

针对基于传统数字全息重建算法对待测物体的不同纵向深度截面进行聚焦重构时，聚焦面物体会受到共轭像及背景离焦物体的干扰，本文提出基于压缩感知理论，构建单幅离轴菲涅耳数字全息图层析成像的算法框架。该方法通过自适应空间滤波技术对全息图进行处理，基于压缩感知理论重构不同纵向深度截面图像，并有效抑制背景离焦物体的干扰，最终达到层析成像的目标。计算机数值模拟以及三维待测物体实验结果表明该方法的有效性和可行性。  

基于压缩感知的水声数据压缩与重构技术

在水声信号处理中,数据量大造成的数据处理压力不容忽视。为了有效地提取水声数据中的有用信息,同时缓解数据量大带给水声数据传输的压力,研究压缩感知（Compressed Sensing,CS）的基本原理及其关键技术,综述了CS理论框架并着重介绍了稀疏变换、观测矩阵设计和重构算法三个方面。通过仿真实验表明了压缩感知技术能够有效地用于模拟数据的压缩与重构。重点对水声舰船噪声信号进行了基于CS的压缩与重构仿真实验,验证了压缩感知技术运用于水声数据处理的有效性,从而达到提高水声数据传输速率的目的。  

离散余弦小波包变换及语音信号压缩感知

针对语音信号压缩感知问题,在研究语音离散余弦变换（Discrete Cosine Transform,DCT）系数和小波包变换（Wavelet Packet Transform,WPT）特性的基础上构造了离散余弦小波包变换（Discrete Cosine Wavelet Packet Transform,DCWPT）。DCWPT首先获取语音信号的DCT域系数,结合语音频谱特性选取部分DCT系数进行WPT变换,从而得到比DCT系数更加稀疏的DCWPT系数。为将此变换直接用于压缩感知,构造了DCWPT的正交稀疏分解矩阵并分析了其稀疏表示性能。结合稀疏表示基优化了正交匹配追踪重构算法,提出了基于DCWPT的语音信号压缩感知框架。通过压缩重构对照实验,采用主客观评价指标,得出该方法优于传统基于DCT的语音压缩感知方法的结论。  

基于压缩感知的OFDM水声通信信道二次估计算法

该文主要研究OFDM水声通信信道二次估计技术，针对传统信道二次估计算法跟踪估计缓慢时变水声信道存在误码遗传的缺点，提出了一种基于压缩感知的信道二次估计算法。该算法结合水声信道的稀疏特性，利用经过编码校验后的大多数可靠信息，二次匹配追踪信道频域响应，作为系统均衡器的反馈输入信息和次时段信道初始信息，有效地抑制了系统的误码遗传。通过Matlab仿真实验和水池试验，验证了基于压缩感知的信道二次估计算法的可靠性和高效性。  

多载波水声信道估计技术及其研究进展

简述了水声信道与正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统之间的必然联系,概述了基于导频符号的信道估计算法、自适应信道估计算法、子空间信道估计算法以及压缩感知稀疏信道估计方法在水声通信中的应用现状,总结了各种算法的特点,比较了各种算法的优缺点,并指出了未来水声信道估计的发展方向。  

一种改进的无线信道中压缩视频码流的错误隐藏算法

无线信道传输环境不稳定,容易产生随机和突发误码,这对码流相关性很强的压缩视频信号将产生很恶劣的影响,并将在解码端扩散.本文分析了传统错误隐藏算法的原理和局限性,针对信源语义错误隐藏技术计算量大、可能不能得到目标片的缺点,提出一种新的算法,根据无线信道误码的特点,产生与信道情况相关的候选片,利用压缩感知技术的模糊匹配特性,用解析方式得到目标片,并可在此基础上对信道恶劣的情况提出重传建议,计算简单,客观恢复质量较好.  

采用双树轮廓波及压缩传感的多聚焦图像融合(英文)

为了拓展压缩传感(CS)的应用潜力,提出一种结合双树轮廓波(DT-Contourlet)及CS的多聚焦图像融合方法.该方法首先采用DT-Contourlet对源图像进行分解,提取图像的多尺度信息及方向信息,克服传统轮廓波变换不具平移不变性的缺点.接着,在DT-Contourlet域,将分解系数看成包含稠密和稀疏两部分:对稠密成份,根据散焦的表现形式,采用邻域梯度作为清晰度指标,用选择法实现融合处理;对稀疏成份,则在CS框架下,通过少数线性测量的融合,依据L1范数最小化,采用两步迭代收缩的重构算法,得到融合结果.实验表明,该方法重构时收敛速度比正交匹配追踪法快,且融合结果无论在视觉质量及定量指标上都明显优于传统方法.  

基于迭代收缩法和三维复数小波的视频压缩传感重构

分析了压缩传感逐帧重构视频信号的不足.针对这种方法的缺点,提出了一种多帧按组重构的压缩传感视频重构算法.在观测阶段对视频帧逐帧进行随机观测,在重构阶段利用视频信号帧内、帧间的相关性,将多帧视频信号看作三维信号,采用迭代收缩法在每步的迭代过程中用残差来更新重构信号,并利用三维变换,如三维双树复数小波变换等对每步选代后的重构信号进行阈值处理.实验结果表明,能通过随机观测值精确的重构原始视频,达到较高的信噪比,说明有效地利用了视频帧问的相关性,消除了逐帧重构时的帧间抖动现像.  

基于压缩感知的癌症基因表达数据分类

提出了一种基于压缩感知原理的分类方法.把癌症基因表达数据分类问题归结为求解测试样本对于训练样本的稀疏表示问题,通过求解L1范数意义下的最优化问题来实现.提出的方法与Bagging神经网络和SVM的识别效果做了对比和分析,实验证明基于压缩感知的分类取得了相对较好的效果.