基于压缩感知理论的WSN微震源定位节点设计

提出了一种基于压缩感知的WSN微震源数据压缩算法.利用WSN微震信息的可稀疏化表示,设计出与稀疏基相关性低的稀疏观测矩阵,保证了压缩数据的可重构性,介绍了整个WSN微震源定位节点的系统设计,包括采集、存储以及无线传输方式等.将该压缩感知算法在硬件系统中实现,可利用较少的数据采集实现微震源定位,从而大大提高了存储、采集及WSN的效率.实验结果表明,该算法的硬件实现在保证微震信息完整性的基础上,数据压缩率达到60％,具有十分重要的研究意义.     

基于稀疏表示的阵列声波测井仪数据无损压缩传输方法

交叉多极子阵列声波测井仪在井下信号采集的同时,采用无损压缩提升单位时间内上传数据量,是目前主流的仪器上传带宽增加方式。针对传统压缩方法压缩率较低,导致仪器在单位深度地层工作时长过长的问题,从信号稀疏表示的角度出发,对采集的多路声波波列采用预先构建的稀疏变换矩阵进行稀疏变换,将求解的稀疏表示系数和其重构信号与原始信号的误差进行压缩编码上传;地面系统通过相同的稀疏变换矩阵进行信号重构,实现解码;其中,稀疏变换矩阵采用K-SVD算法进行预训练,提升稀疏变换系数的稀疏度与重构信号精度,进一步降低上传的压缩编码长度。在HB油田3口井实际测井资料的实验中,本方法与目前主流的测井数据压缩方法相比,压缩率平均提升约17.3%;在4口井的阵列声波实际测井作业的应用测试中,作业效率平均提升约20.2%。结果表明,数据压缩传输算法极大地提升了阵列声波测井时效,在保证数据采集质量的同时,实现了阵列声波仪器的高速测量。     

基于TMS 320VC5402的三维振动信号采集和处理系统

提出了一个基于TMS320VC5402定点DSP的三维运动物体振动信号采集与处理系统。该系统在数据采集方面的最大特点是利用了DSP本身所具有的直接存储器访问（DMA）和多通道缓冲串口（McBSP），最大程度地减小了数据采集对CPU造成的负荷，对所采集到三维振动信号用多子带ADPCM算法进行压缩，数据压缩倍数达到六倍，被采集和处理的信号的动态范围达到72DB。     

随钻声波测井仪井下信号采集与处理系统设计

针对随钻声波测井信号的特点,设计了一种基于"DSP+ADC"的井下信号采集与处理系统。介绍了电路的硬件结构和软件设计流程,重点描述了6通道模拟信号的高精度同步采样方法及数据压缩算法。设计中充分利用了DSP的丰富资源,实现各种控制及数据传输接口,并完成相应的数据处理。实验结果表明,该电路的设计满足随钻声波测井的实时性、低功耗要求,在井下高温高压恶劣环境中能够可靠地长时间工作。     

基于线性结构的几种特殊矩阵的压缩存储

数据压缩技术是计算机软件领域中一个重要的研究课题,在图像、视频、音频等多媒体信息处理方面都需要进行数据压缩存储,而矩阵又是工程设计中一个常用的数学对象。以数组作为存储基础,采用Java编程语言,实现三角矩阵、对称矩阵、稀疏矩阵等特殊矩阵的压缩存储算法,抛砖引玉、以飨读者。     

多通道GPS原始数据采集系统设计与实现

介绍了基于FPGA实现的多通道GPS原始数据采集系统的实现,完成了系统下变频模块、数字化模块和数据存储模块的设计;在分析信号捕获算法的基础上,对系统进行了试验验证.结果表明,系统采集的原始数据通过软件接收机处理后能够得到GPS卫星信号的捕获、跟踪和数据解调结果.同时该系统具有通道多、存储速率高、采样率可配置和数捂格式可转化等优点,适合不同后处理软件对数据的要求.     

煤矿四旋翼飞行机器人环境信息数据压缩算法

针对四旋翼飞行机器人在煤矿巷道中的飞行路径与轨迹多变,导致其在动态空间中采集的环境信息数据有较大冗余的问题,提出了一种煤矿四旋翼飞行机器人环境信息数据压缩算法。采用小波分析中的默认阈值降噪方法对原始数据进行降噪处理,以提高信噪比;以甲烷监测为例介绍数据压缩算法,将巷道空间沿巷道方向拆分成若干个截面,选取每个拆分截面的甲烷浓度有效值,并通过有效值对甲烷浓度检测数据进行重构。实验结果表明,通过算法压缩和重构的甲烷浓度信号与人工检测结果相比误差很小,数据压缩算法能够提取出甲烷浓度数据有效值,去除机器人采集到的冗余环境信息,从而提高数据传输的有效性和实时性。     

动态压缩感知综述

动态压缩感(Dynamic compressed sensing, DCS)知由视频信号处理问题引出, 是压缩感知(Compressed sensing, CS)理论研究领域中新兴起的一个研究分支, 旨在处理信号支撑集随时间发生变化的时变稀疏信号, 较为成功的应用范例是动态核磁共振成像. 本文首先介绍动态系统模型, 给出时变稀疏信号支撑集缓慢变化的定义、 时变稀疏信号的稀疏表示和感知测量的方法; 其次, 建立一个统一的时变稀疏信号重构模型, 基于该模型对现有算法进行分类, 简要综述时变稀疏信号的重构算法, 并且对比分析算法的性能; 最后, 讨论动态压缩感知的应用, 并对其研究前景进行展望.     

基于DSP的三维测姿系统硬件设计和算法实现

对于微小型无人直升机系统,本文介绍了基于DSP的三维测姿系统的硬件电路设计和四元数解算算法的实现及验证.该系统的硬件部分由角速率陀螺、滤波电路和DSP系统板等组成.角速率陀螺输出信号经过硬件滤波后由AD通道采集,经过数字滤波后,利用四元数算法解算出姿态数据.文中提出了硬件设计和实现及解算算法实现中需要注意的问题和相应的解决方案,测试结果表明该系统是有效的.     

基于二次迭代稀疏重构的跳频信号参数估计

为了解决现有参数估计方法中时频聚集性不强,低信噪比下估计精度不高问题,提出了一种基于二次迭代稀疏重构的跳频信号参数估计方法。根据跳频信号的时频稀疏性进行稀疏重构,获取信号的时频分布矩阵;通过分析时频分布矩阵的特点,对信号进行二次迭代稀疏重构,获取二次时频分布矩阵。为了提高在低信噪比下算法性能,采用二值形态学滤波对时频图进行处理,进而实现信号的良好参数估计。仿真结果表明:该算法能够有效地提高参数估计精度,在低信噪比下有良好的估计效果。     

一种新的高分辨率常规声波测井系统

高分辨率声波测井对于划分薄油气储层具有重要作用。为解决通过增加声波接收探头提高常规声波测井仪器分辨率这种方法带来的工作模式复杂、投入成本高等问题,根据信号稀疏表示理论,在分析常规声波响应信号采集原理的基础上,构建相应的信号稀疏变换矩阵,在实际测量值构成的观测矩阵的约束下,采用基追踪优化算法,求解稀疏表示系数,得到反映原始薄地层的高分辨率声波测井信号。地层模型仿真与SL油田4口井实际资料处理的结果表明,高分辨率声波信号与地层模型的平均误差为2.41%,且与裸眼井微电极曲线具有良好的薄层对应性。同时,将软件算法植入SL6000型的地面数据采集处理DSP模块,形成新的高分辨率常规声波测井系统。结果表明,此方法较传统方法在不添加任何硬件装置的情况下,同样具备较强的薄层分辨能力,因此具备更大的推广应用价值。     

基于块稀疏贝叶斯学习的体域网心电压缩采样

为有效提高体域网的实时性和降低体域网的功耗,提出一种基于块稀疏贝叶斯学习的体域网心电压缩采样方法。该方法在体域网框架下,利用压缩采样理论,在体域网的传感节点利用二进制随机观测矩阵对心电信号进行压缩采样,远程监护中心获得采样值之后,利用块稀疏贝叶斯学习重构算法和离散余弦稀疏变换矩阵对心电信号进行重构。实验结果表明,当心电信号压缩率在70%~90%时,基于块稀疏贝叶斯学习的重构算法要比其他重构算法的重构信噪比高出3 dB~21 dB。该方法能有效减少数据采样,减轻后续的数据存储、数据传输压力,提高体域网的实时性。同时该方法具有功耗低,易于硬件实现的优点。     

联合智能优化和分簇CS的WSNs稀疏数据采集

为提高无线传感器网络（Wireless Sensor Networks,WSNs）数据处理效率和降低网络能耗,提出了一种基于自适应智能优化和分簇压缩感知的WSNs稀疏数据采集方案。首先,建立分簇WSNs稀疏数据通信模型,通过定量分析节点密度与网络数据通信总跳数的关系,给出网络自适应分簇结果,并采用簇内观测矩阵测量数据获取和簇间多跳通信方式完成WSNs压缩感知数据采集;其次,采用StOMP算法进行稀疏信号重构,针对网络节点数据包丢失等链路不可靠情况,引入相关性矩阵变换策略,以降低错误数据传输对数据重构的影响,针对数据稀疏度未知特性和StOMP算法参数配置难的缺陷,将一种新型自适应智能优化（Improved Adaptive Intelligent Optimization algorithm,IAIO）算法应用于CS重构算法中,在理论分析IAIO全局寻优能力的基础上,实现对稀疏数据的可靠重构。最后,仿真结果表明,该方案能够实现稀疏信号的精确重构,而且降低了网络通信总量,提高了网络生存时间。     

基于超声相控阵的聚乙烯管道缺陷信号重构方法研究

在对聚乙烯管道缺陷进行超声检测的过程中,由于聚乙烯材料中传播的声速小,散射噪声强,信噪比极低,并且仪器设备本身会受到电信号干扰,从而影响缺陷成像的结果。因此针对A扫信号进行数据处理以提高检测图像的质量尤为重要。另一方面,采用阵元数较多的超声相控阵探头进行不同类型的聚乙烯管道缺陷的数据采集时,将会得到大量的缺陷数据,对存储、传输和处理带来各种困难。而针对传统方法进行压缩感知时,如果信号的信噪比较低而重构均方误差较大,则很难保留信号中重要信息,在低码率下更容易产生细节丢失的问题。所以本文提出一种基于K-SVD超完备字典学习的稀疏表示缺陷信号压缩重构方法,借助该学习算法训练过完备字典,并选择高斯随机矩阵为观测矩阵和正交匹配追踪算法(OMP)为重构算法对聚乙烯管道缺陷回波信号进行压缩感知,同时分析字典元素个数与迭代次数等参数变化对重构信号与成像效果的影响。     

无线体域网节点数据压缩节能方法

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.     

Compressive sensing of underground structures using GPR

Feature detection in sensing problems usually involves two processing stages. First, the raw data collected by a sensor, such as a Ground Penetrating Radar (GPR), is inverted to form an image of the subsurface area. Second, the image is searched for features like lines using an algorithm such as the Hough Transform (HT), which converts the problem of finding spatially spread patterns in the image space to detecting sparse peaks in the HT parameter space. This paper exploits the sparsity of features to combine the two stages into one direct processing step using Compressive Sensing (CS). The CS framework finds the HT parameters directly from the raw sensor measurements without having to construct an image of the sensed media. In addition to skipping the image formation step, CS processing can be done with a minimal number of raw sensor measurements, which decreases the data acquisition cost. The utility of this CS-based method is demonstrated for finding buried linear structures in both simulated and experimental GPR data.     

分布式光纤振动传感信号的采集与处理

以分布式振动传感在周界安防中的应用为研究对象,简述了一个全光纤扰动传感与定位系统。分布式光纤传感与定位系统主要由光发射模块,传感光路模块,光接收模块,信号采集模块,信号传输模块及信号处理模块构成。振动信号的采集与处理决定着系统报警及定位的实时性和准确性,主要研制了振动传感系统中的数据采集与处理系统。