用卷积运算实现反卷积

本文首先简介了用卷积运算实现反卷积的原理、方法和实例;其次,提出了该方法的病态问题,并给出了解决的办法;最后,给出了这种方法的估计误差及实例.     

一种有效的阈值反卷积算法

本文研究时域反卷积算法的实现问题．利用阈值方法，提出了一种时域迭代反卷积算法．该算法与向量卷积的运算量一致，回避了传统的时域反卷积算法出现的病态问题．同V．Cittest算法、Gold算法等算法相比，该算法运算量小，占有的计算机内存较少．而且，它使得任意两个向量的反卷积可以实现．     

时域分段反卷积算法

卷积和反卷积运算是信号处理中的两种重要手段，它们在频域分析中有完美的对应关系，而在时域中尚不完善．本文根据离散信号分段卷积的重叠相加法，提出了反卷积的分段算法，这为反卷积的实时处理提供了理论依据，且能用较简单设备实现这种运算。     

多通道盲反卷积算法综述

本文阐述了多通道盲反卷积（Multichannel Blind Deconvolution-MBD）的发展历程、基本模型及假设、数学原理以及通用求解过程,讨论了目前MBD几个研究方向的发展现状与面临的问题。在分析了MBD研究进展的基础上,从时域、频域、时频域、子空间、子带技术及其他算法六个方面分类综述和比较了MBD典型算法的特点与方法思路,说明了各类算法的优缺点以及主要问题。最后指出了目前多通道盲反卷积算法研究存在的不足,并提出了MBD未来理论和应用研究中可继续深入的开放课题。      

结合反卷积和扩张卷积的信道估计算法

信道估计作为无线通信的关键,近年来成为相关领域的研究热点。本文针对正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统下传统信道估计算法性能难以满足复杂场景的通信需求、受噪声影响大等问题,提出了一种基于反卷积网络及扩张卷积网络信道估计的深度学习方法。该方法利用信道的相关性构建了一个轻量级的反卷积网络,利用少数几层反卷积操作来逐步实现信道插值与估计,在较低的复杂度下较好地实现了信道估计。为改善估计性能,进一步构建了一个扩张卷积网络来抑制信道噪声,提高信道估计的准确度。仿真结果表明,在不同信噪比条件下,本文提出的基于反卷积及扩张卷积的深度学习方法比传统方法具有更低的估计误差,且复杂度较低。      

正则化超声Lanczos反卷积的NCB成像分析

Lanczos方法是求解大尺度逆问题的一种有效方法,这种方法的特点是可以把大尺度问题转化为小尺度问题,而且可以把解严格限制在Krylov子空间,只是它存在的半收敛性问题需要进一步克服.为了确保算法的有效性、稳定性和精确性,Lanczos混合法(Lanczos-hybrid)试图通过正则参数的适当选取来解决这个问题.文章在Hansen提出的正则化参数选取的NCP方法基础上,设计了一种新的算法NCB,即利用Burg功率谱代替NCP中的经典周期图谱,较好地克服了Lanczos的半收敛性问题,降低了解对迭代次数的敏感性,得到了大尺度反卷积病态问题的稳定解;并以超声RF信号为例进行仿真,结果表明,NCB的成像效果比GCV要好.     

基于光谱采样率的反卷积算法分析

反卷积方法是提高光谱仪分辨率的重要手段。采用空域迭代反卷积和频域维纳滤波对多纵模激光器光谱进行数据仿真,并在不同光谱仪采样率条件下,比较了迭代反卷积和维纳滤波结果。仿真结果表明,迭代反卷积和维纳滤波可以有效消除光谱仪仪器响应函数引起的光谱展宽,提高光谱仪分辨率。在光谱仪采样率低的情况下,迭代反卷积的分辨率增强效果优于维纳滤波。随着采样率的增加,维纳滤波的误差小于迭代反卷积。实验分别测量了单纵模和多纵模632.8nm He-Ne激光器光谱,并对测量结果进行反卷积处理。结果表明,低分辨率光谱仪测量的激光器光谱经反卷积处理后与高分辨率光谱仪直接测量结果一致。     

频域反卷积滤波器的因果性的研究

本文首先介绍了成功应用于现代时域测量中的几种频域反卷积滤波器.并说明了这些反卷积滤波器元旦是非因果的.显然,滤波器非因果化要影响反卷积的估值,因此,对反卷积滤波器进行因果化是很必要的.进而,介绍了将这些反卷积滤波器因果化原理和方法,并给出了因果化的流程图.最后,对常用的反卷积滤波器的因果化进行了仿真研究,分别给出了这些反卷积滤波器困晨化前后的滤波效果.仿真结果表明,因果化的滤波器可改善反卷积的估值.     

一种改进的数字反卷积方程

本文首先阐明,在惯用的数字反卷积算法中所采用的离散化矩形公式将导至零时刻误差这一重要事实,进而提出一种改进的数字反卷积方程,它等效于连续卷积离散化梯形公式,可令人满意地克服惯用方程的欠缺。     

卷积窗及其在电力系统参量估计中的应用

利用矩形窗的多重卷积,导出一类新的窗函数,称其为卷积窗,并研究其在电力系统的参数估计中的应用.误差分析和数值模拟表明: 若采用k阶矩形卷积窗(矩形窗的k重卷积),各电气参量测量值的误差正比于相对频偏的k次方.在电力系统中,只需取4阶窗函数,便可将因非同步采样引起的测量误差降低到10^-7的量级,而不必采用任何同步采样措施.     

信号频率的卷积窗比值新算法

针对传统窗函数的特性引起经典频谱校正法测频精度较低这一技术瓶颈,给出了运用卷积运算构造新窗函数的方法。以矩形卷积窗函数为例,在长度相同的条件下说明了新窗函数的优良特性;针对该新窗函数提出了基于最小二乘逼近的比值新算法,对实际的多频率信号进行频率测量研究。结果表明：该新算法可以实现信号频率的高精度测量,这种通过最小二乘逼近将复杂窗函数应用到比值校正法中的思路具有理论与工程应用价值。     

基于矩形卷积窗的声频测量系统谐波分析方法

研究卷积窗在声频测量系统高精度谐波分析中的应用,并将卷积窗与多种常用的经典窗函数进行比较.结果表明:与具有相同宽度的其他窗函数相比,当采样同步误差较小时,卷积窗的主瓣最窄,旁瓣衰减速率最大,具有更小的频谱泄漏效应,因此更适于声频测量系统的高精度谐波分析.通常声频测量系统的测量频率已知,通过选择合适的窗长,可以保证采样同...     

基于压缩卷积神经网络的图像超分辨率算法

为了有效提高深度图像的分辨率,文中借鉴经典SqueezeNet网络结构,提出一种基于Fire Module的卷积神经网络模型。该算法实现了直接从低分辨率图像到高分辨率图像的映射和转化,其中Fire Module作为网络的非线性映射模块,在减少参数的同时可学习图像的深层特征。为了避免插值预处理,在网络的输出层引入反卷积层,实现3倍上采样和高分辨率图像的输出。实验表明,采用该基于Fire Module的卷积神经网络模型的反卷积算法得到的超分辨率图像细节更加丰富,客观指标PSNR值和SSIM值的评价也明显优于其他算法。     

多输入多输出盲解卷问题的最大熵解法

本文研究的问题是从观察信号中分离出两个(或者更多个)输入信号,其中每一组信号分别通过不同的未知多输入多输出线性系统.本文证明了当输入信号是两两相互独立的独立同分布信号时可以分离出输入信号,并导出了基于最大熵的多输入多输出盲解卷新算法.这个算法不需要任何关于输入信号和混合滤波器的先验知识.