基于压缩感知的HIFU回波信号降噪研究

由于传统的降噪处理方法很难干净地去除高强度聚焦超声(HIFU)信号中的噪声,提出利用压缩感知(CS)对HIFU回波信号进行降噪。在观测矩阵的设计中将传统的高斯随机观测矩阵改进为稀疏循环结构化矩阵,减少了构造观测矩阵和重构信号的时间。仿真实验表明,与带通滤波器、小波降噪方法和经验模态分解(EMD)降噪方法相比,该方法得到的信号的重构信噪比(RSNR)更高,重构均方差(RMSE)和最大误差(ME)更小。用不同方法对不同温度下获得的HIFU回波信号进行去噪并提取二次谐波激发效率,发现采用该方法得到的二次谐波激发效率曲线方差和波动更小,验证了该降噪方法在实测信号中的优越性。     

基于STM32的可穿戴式无线体域网信息监测系统设计与实现

针对传统疾病诊疗模式中疾病监护实时性差的缺点,以低功耗、高速STM32处理器为核心,设计一款可穿戴式无线体域网信息监测系统.系统由无线传感网络、中央监测模块和手机终端组成,具有实时采集、数据存储、无线传输和监测人体生命体征信 息的功能.测试结果表明,系统运行稳定,性能指标均达到系统设定要求,应用于医疗监测可起到实时监护、早期预防的作用.     

压缩感知在无线传感器网络目标跟踪中的应用

针对无线传感器网络的目标跟踪要考虑准确性但又受到能耗约束的问题,对压缩感知理论（CS）进行研究,综述了CS理论及其关键技术,并着重介绍了CS理论在资源受限传感器网络及目标跟踪等方面的应用和发展.根据分布式无线传感器网络目标跟踪框架,通过压缩域的数据融合,解决计算与通信能耗、数据丢包问题,为提高无线传感器网络目标跟踪技术提供新思路.     

基于压缩感知的静止无功补偿器信号降噪

针对静止无功补偿器在工作过程中容易引起噪声的问题,文中提出了一种基于压缩感知的静止无功补偿信号噪声修正算法。压缩感知算法可以提供多个不同的映射字典基的特性,识别静止无功补偿器产生多种噪声信号的分量。通过在变换域进行阈值判断和重新赋值,实现噪声干扰的修正及消除,噪声消除效率是小波软阈值方法的数倍。     

基于压缩感知的架空线路舞动波形重构方法

针对高压输电线路时常发生的线路舞动灾害,提出了一种基于压缩感知的架空线路舞动波形重构方法.传统的基于传感器的舞动监测系统需要一定数量的传感器才能确保重构波形的准确度,而过多监测节点会增加输电线路的载荷,改变其力学特性.针对这一问题,将线路舞动数学模型进行稀疏变化,构建便于传感器布置的测量矩阵,并运用正交匹配追踪(Ort...     

基于压缩稀疏融合的动作识别方法

在无线体域网动作识别中,稀疏分类识别阶段待测向量稀疏表示系数的计算复杂度是影响其实时性的一个关键因素。提出一种基于压缩稀疏融合的动作识别方法,首先,对各对象动作矩阵进行训练;然后,通过稀疏融合得到融合稀疏向量;最后,将其重构后与待测动作向量做残差处理,比较残差,得到识别结果。该方法在识别阶段勿需对待测向量求解稀疏表示系数,使识别阶段算法的复杂度降低一半,实时性得到提高。实验结果表明,在降低复杂度的同时,本方法能对8种不同的人体动作进行有效识别。使用基追踪（BP）算法时,识别率与传统方法持平;使用正交匹配追踪（OM P）算法时,识别率比传统方法效果好。     

准稀疏信号的压缩感知重构

压缩感知(CS)理论是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编解码的新理论.信号的稀疏性是使用压缩感知的前提,而处理的准稀疏信号在目前压缩感知框架下不满足稀疏性,但可通过预处理使其满足该特性.采用OMP重构算法,通过对信号直接进行压缩感知重构、经某个域上分解后的压缩感知重构和预处理的压缩感知重构3种...     

基于光场的分布式压缩感知

针对光场渲染提出了一种分布式压缩感知重建算法——同时正则化的正交匹配追踪算法(simultaneous regularized orthogonal matching pursuit algorithm,SROMP)。光场相机阵列属于分布式信源,其获取的光场图像序列不仅具有图像内部相关性,还具有极强的图像间的相关性。验证了光场相机阵列信源特征符合分布式压缩感知第二联合稀疏模型。提出的SROMP算法,能利用信号间和信号内的相关性,高概率的同时重建多幅图像。并通过实验验证了算法的准确性。     

基于压缩感知的电力设备状态感知技术

为解决电力设备状态参量数据采集过程中的数据冗余问题,准确获取电力设备的运行状态以及运行过程中的故障信息,将压缩感知技术引入电力设备状态感知中,提出了一种具有原子数自适应性的稀疏字典建立方法;改进了传统观测矩阵的建立方法,实现了最大稀疏化的等时间间隔采样;提出利用稀疏化采样数据,建立设备状态生理健康曲线的方法;探讨了通过对生理健康曲线的模式识别与状态时序分析,实现设备故障诊断的方法。最后,对某500 kV变电站电抗器油温的实测数据的应用结果表明,压缩感知技术可在完整保留设备状态参量变化特征的前提下,有效降低电力设备状态参量数据采集的"时间密集性",并利用"时间稀疏化"的采集数据,能够较好地识别设备潜在运行故障。该研究对电力设备状态数据采集的时间间隔给出了科学指导,避免了实际中盲目追求采集时间密集性所带来的系统资源及成本的浪费,同时也为如何在设备状态参量数据采集欠缺的情况下,获取设备状态的完整信息以及故障提供了新的技术思路。     

基于压缩感知的语音加密

语音通信是人们获取和交换信息的一种重要方式.随着社会信息化的发展,语音通信的机密性越来越受到重视.传统的语音加密方式都遵循经典的香农-奈奎斯特采样定理,在采样时会采集一些冗余语音数据,浪费了采样资源.为了节约采样资源并简化语音加密流程,采用压缩感知理论对语音进行加密.该方法不仅可以对语音进行加密而且也同时实现了语音的有...     

基于坐标变换的风电变流器电压信号CS压缩方法

为了解决直接利用压缩感知(CS)理论对风电变流器输出端三相电压监测数据存储空间的资源浪费以及重构性能差等问题,提出了一种基于坐标变换的风电变流器电压信号CS压缩方法。该方法的关键是利用dq0变换、空间矢量变换将三相电压信号转换为一维信号;然后将传统的多频带融合思想用于CS稀疏表示中,构造稀疏字典矩阵,并分析了稀疏字典与测量矩阵的不相关性;最后利用高斯随机矩阵进行压缩测量,使用追踪算法实现一维信号的恢复,将其转化为两相信号并作坐标反变换,即得到重构的三相电压信号。仿真结果表明,与直接对监测的三相电压数据进行CS处理相比,该方法可有效的压缩原始三相电压数据,使得运行时间降低,重构误差减小,并且节约了测量数据的存储空间,因而更加具有实际应用价值。     

压缩感知在电能质量扰动信号去噪中的应用

针对电能质量信号去噪中阈值去噪存在信号失真,去噪效果不理想,阈值选取影响重构质量的问题,提出了一种基于压缩感知理论(compressed sensing,CS)的电能质量信号去噪新方法。CS去噪将扰动信号映射到低维空间,利用电能质量信号具有稀疏性可以重构,噪声信号不具备稀疏性不可重构的特点,应用正交匹配追踪(orthogonal matching pursuit algorithm,OMP)重构算法重构电能质量信号达到去噪目的。实验表明,CS电能质量信号去噪法优于传统的基于小波去噪的阈值去噪法,且信号不失真,具有扰动信号采集与压缩的同时完成去噪和易于实现的特点,为电能质量信号去噪提供了一种新的方法。     

压缩感知在分段式双反馈预失真器的模型简化研究

针对预失真器中模型参数过多的问题,从压缩感知(compressed sensing, CS)的理论出发,提出了一种用于宽带射频功率放大器(power amplifier, PA)的预失真器模型简化方法。在稀疏度自适应匹配追踪(sparsity adaptive matching pursuit, SAMP)算法的基础上进行改进,提出了基于频域陷波的相关支集选择SAMP算法(RSS-FNSAMP)。该算法能够对PA行为模型进行简化,而后将其运用在提出的分段式双反馈DPD系统中,以补偿被带内残差所掩盖的带外失真,在增强了系统稳定性的同时降低了其复杂度,提升了DPD线性化效果。为了验证该方法,使用20 MHz LTE信号驱动一个35 dBm的F类功率放大器。实验结果表明,归一化均方误差(normalized mean squared error, NMSE)与ILA-SAMP、ILA-DOMP和分段式双反馈-DOMP相比提升了3～5 dB,相邻信道功率比(adjacent channel power radio, ACPR)改善了25 dBc,表明该方法能够在降低模型参数数目的同时,提升功放...     

心电信号降噪及R波提取技术研究

心电信号中R波的准确定位是其他波形定位的基础,在心电信号特征波形的研究中处于首要位置。本文根据R波在整个心电波形中幅值最为明显的特点,提出了一种基于小波理论提取R波的方法。首先选择合适的方法去除心电信号中的噪声,其次对去噪后的心电信号做5层小波分解得到各阶近似信号与细节信号,再次将得到的第3、4阶细节信号叠加,将叠加信号的均值作为搜索的阈值,并确定搜索起点,最后将搜索起点的横坐标映射至纯净的心电信号中,并使用逐点比对幅值的方式向后搜索,直至找到R波。使用MIT-BIH数据库中的数据进行多次实验验证,实验结果表明此算法能够准确的定位R波,检验的准确率为99.65%,召回率为99.86%。     

改进的压缩感知红外图像去噪算法

红外成像系统因其在信号的传输和信号转换环节中会受到外界环境中的各种干扰,使红外成像系统生成的红外图像中产生多种噪声,导致红外图像的信噪比降低.针对红外图像受到多类噪声影响的问题,基于压缩感知理论的迭代加权最小二乘算法设计了新的加权系数,并结合中值滤波算法设计了新的重构算法.首先利用中值滤波对信号进行红外图像的粗去噪,然...     

基于压缩感知的智能电能表信号压缩

需求响应与功率分解等复杂任务对于高采样率功率信号的精确获取提出了更高的要求。针对这一问题,设计一种基于压缩感知(Compressed Sensing,CS)的智能电能表功率信号压缩方法,以支持智能电能表的窄带宽、低能耗条件下的信号传输。分析了各类负载的特性,提出了对于智能电能表功率信号的经验模型,作为信号压缩的基础。通过实验验证了经验模型的有效性,并得到了适用于压缩感知方法的最优表示矩阵与投影矩阵生成方案,说明了压缩感知方法相比基于小波变换的压缩方法在信号重建效果上的优势。     

采用长短期记忆网络与压缩感知实现电物理量轻型化方法

为进一步提升信息化电网性能,提出一种基于长短期记忆网络(LSTM)与压缩感知(CS)实现电物理量轻型化方法。将时间序列变化的电物理量采样数据作为LSTM模型的输入量,稳定结果作为输出量,通过时间反向传播(BPTT)算法训练LSTM模型参数,训练后的模型能充分利用循环架构的特征进行模式识别,并根据LSTM模式识别结果,将信号选择原子库进行CS,来确定测量采样频率。实例结果表明,LSTM+CS方法比常用传统方法采样频率低,传输参数少,可大幅节省存储容量和减轻网络流量。     

基于压缩感知的稀疏度自适应超高次谐波检测算法

近年来,越来越多运用电力电子器件的电气设备接人电力系统,配电网中超高次谐波发射水平的持续上升已经成为电网中亟需解决的电能质量问题之一.文中提出了一种基于压缩感知的稀疏度自适应超高次谐波检测算法,该方法基于快速傅里叶变换系数和狄利克雷核函数,结合插值因子,构建高精度的压缩感知模型;同时,文中引入了稀疏度自适应的概念,提出通过稀疏度自适应的匹配重构算法获得待检信号中超高次谐波的频率和幅值.改进算法提高了超高次谐波重构幅值的精度,减小了无法预估待检信号稀疏度而造成的误差.仿真结果证明了改进算法的准确性和有效性.     

非侵入式居民电力负荷监测与分解技术

随着压缩感知(compressed sensing,CS)在智能电网中的应用不断深入,其在非侵入式负荷监测(non-intrusive load monitoring,NILM)领域的研究表现出滞后性。为此,在分析NILM中的CS应用必要性后,该文针对CS在NILM中的应用研究进行展望和探索。首先,对CS原理与NILM流程进行融合分析,提出压缩感知在非侵入式负荷监测中的3种应用模式;然后,针对3种应用模式的具体流程,展望各应用模式的研究方向和适用场景。在此基础上,从CS要素和负荷分析两个方面,重点探讨CS在NILM中应用所需解决的关键技术,设计适应NILM的测量矩阵、稀疏基和重构算法等CS要素的改进思路,提出在CS框架下事件探测、负荷分解、负荷识别、特征提取等负荷分析方法的实现思路。该文所做工作旨在探索CS在NILM中的应用,以期为后续研究提供指导。

     

压缩感知理论在谐波检测中的运用

运用传统的奈奎斯特定理对电力系统中的谐波信号进行采样将会产生极其庞大的数据量,而全新的压缩感知理论突破了传统采样定理的限制,在信号满足稀疏性的前提下,只需要较少的数据就可以实现信号的重构。文中在对现有的贪婪匹配追踪和自适应算法分析总结的基础之上,结合谐波信号自身的特点,提出了一种新的稀疏度自适应压缩采样匹配追踪算法。此算法可在信号稀疏度未知的情况下,通过信号代理和回溯的思想自适应调节步长逐步逼近原始信号,从而实现以较少采样数据进行谐波检测的目标。MATLAB中的仿真实验表明,运用所提出的算法进行谐波检测的效果理想。