基于正交匹配追踪的压缩感知信号检测算法

在不重构信号的情况下,利用检测算法直接处理压缩感知信号获得的采样值可以完成信号检测任务。目前的检测算法中,作为判决依据的特征量仅由一次迭代过程决定。在感兴趣信号存在时,算法获得的特征量波动较大,影响检测性能。基于这种原因,本文提出一种改进算法,在每次迭代中基于正交匹配追踪思想修正特征量,降低特征量的波动,提高检测性能。实验结果表明,与原算法相比,本文算法获得的特征量波动小,相同检测阈值下,检测成功率高,相同检测成功率要求下,需要的采样点数少,允许的信噪比低。     

基于压缩感知的多角度观测光声成像方法

在光声成像过程中,由于各种限制因素,往往只能完成有限角度的信号采集.采集到的不完备的信号会在图像重构过程中产生伪迹现象,丢失细节信息.基于光声图像的稀疏特性,提出了基于压缩感知的光声成像算法.该方法通过2个单阵元超声探测器成角度采集光声信号,然后基于压缩感知重构算法进行光声图像重建并进行融合处理.仿真证明采用多个角度观测,选用合适的探头分布角度和测量矩阵可以有效弥补远场成像分辨率和减少测量次数,消除光声图像的伪迹现象,最终实现以较少的数据量和较简单的硬件设备实现高分辨率光声成像.     

基于压缩感知重构算法的关联成像系统研究

通过对关联成像原理的研究,提出了一种基于随机相位板的高效赝热光制备技术和基于压缩感知的图像重构算法,并最终搭建了等臂非预置的关联成像系统.实验结果表明,赝热光制备方法和压缩感知图像重构方法能够满足高质量关联成像系统要求.     

基于奇异值分解的压缩感知噪声信号重构算法

压缩感知是通过对信号信息采样的信号处理新方法,它对可压缩信号可以大大降低采样数据.为提高噪声信号在压缩感知中的重构精度,本文提出了一种基于对观测矩阵奇异值分解的噪声信号重构算法,该算法对随机观测矩阵进行奇异值分解,通过均值算法修改对角矩阵的特征值,产生新的观测矩阵用于线性测量,理论证明了新观测矩阵比原观测矩阵具有更高的重构精度.仿真结果表明,算法重构精度在一维信号提高了3％～5％,二维信号的PSNR值提高1～2 dB.     

基于改进高斯随机测量矩阵的切削力信号压缩感知方法

高速加工过程中,依据传统Nyquist-Shannon采样定理进行信号采集通常会面临海量数据的存储、传输和处理难题.基于压缩感知理论提出了一种切削力信号采集新方法,实现信号压缩式采集.选择高斯随机矩阵作为基础测量矩阵,并结合近似正交三角分解和最小相关系数法对高斯随机矩阵进行重新设计,提高其压缩测量性能,再借助高效的压缩...     

基于压缩感知的荧光成像技术现状及趋势研究

压缩感知成像技术是压缩感知与空间光调制技术结合的产物,其可突破Nyquist-Shannon采样定理限制,实现了亚采样成像,并且具降维探测和高通量测量等优势,具有巨大的发展潜力和应用前景.目前国际上已利用压缩感知成像技术有效地实现了光谱成像、时间分辨成像、相位成像等研究.作为近十几年来发展起来的一种前沿技术,压缩感知成...     

稀疏基阵水下声成像的压缩感知方法

声传感器基阵式成像是水下目标探测的主要方法之一。在保证成像质量的同时,采用稀疏基阵是降低系统复杂性的有效途径。另一方面,成像方法也是关键技术之一,其性能直接决定成像质量的优劣。在前期研究的稀疏阵基础上,提出了压缩感知成像方法用于水下成像。回波经传感器基阵接收并进行信号分离后,获得各虚拟通道信号,利用压缩感知方法进行成像。在提出的成像方法中,采用了自适应块贝叶斯算法,它能够在噪声环境下较为准确地恢复图像。此外,根据声信号特点设计字典,并按算法特性设计了数据排列规则。实验表明:通过自适应块贝叶斯算法的压缩感知成像能够可靠地对水下目标进行成像,目标的几何特征明显。     

采用K-SVD字典训练稀疏基的压缩感知叶尖间隙数据重构方法

航空发动机叶尖间隙是监控其运行状态的有效参数,现有间隙测量方法很难满足超高转速下间隙距离的奈奎斯特采样率,因此无法有效提取精确的叶尖间隙值。本文基于压缩感知原理,针对间隙距离数据特征提出一种采用K-SVD(K-singular value decomposition)字典训练稀疏基的数据重构方法,该方法首先构建出K-SVD字典稀疏基对数据进行稀疏化表示,然后使用m序列高斯随机矩阵对数据进行压缩观测,最后基于压缩欠采样观测值使用正交匹配追踪算法对数据进行重构,进而精确提取叶尖间隙值。实验结果表明,在欠采样条件下间隙距离数据可精确恢复重构,与高采样率下的间隙数据相比,重构误差不超过0.02 mm。     

基于分布式压缩感知重构算法的应用

针对无线传感器网络通信功耗大、导致节点寿命短的问题,引入压缩感知算法进行数据压缩,减小传输数据量、降低通信能耗。通过对无线传感器网络的分布式信号进行分析,提出了针对分布式压缩感知联合稀疏模型1的正交匹配追踪法的改进算法,减少重构算法计算量,使其适用于无线传感器网络。文中把改进算法用于处理温室大棚中所检测的温度信息,并进行性能分析。实验结果验证了理论分析结论,在保证复原信号精确度的前提下减少了计算量。     

基于序贯压缩感知的自适应宽带频谱检测

信号信息处理的新技术压缩感知,提供了认知无线电中宽带频谱检测的新方案.该方案的一个主要问题是在不知道信号稀疏度的前提下如何确定所需要的随机观测次数.提出一种基于序贯压缩感知的自适应检测方案.次用户利用模拟/信息转换器输出观测序列并进行自相关运算,相邻两次自相关观测向量输入融合中心经由SSAMP协作重构算法估算重构误差,并自适应确定所需的最小观测次数.精确重构的稀疏向量利用基于置信度的DS融合算法对主用户宽带频谱占用做出决策.仿真结果证实了误差估计及自适应协作检测的有效性.同时,SSAMP算法与经典的SOMP算法在重构均方误差和检测时间两方面进行了对比.     

基于压缩传感的脉冲超宽带系统窄带干扰估计算法

针对超宽带抗干扰通信中较难实现射频窄带干扰(NBI)估计问题,根据超宽带信号为时域极窄脉冲而窄带干扰为连续波这一主要特点以及窄带干扰的频域稀疏特性,提出了一种基于压缩传感理论的改进正交匹配追踪(OMP)估计算法,该算法以重构误差变化率作为匹配过程的迭代终止条件,在低于奈奎斯特采样率下进行窄带干扰信号频率和幅度估计.理论分析和实验表明,该算法利用射频接收信号的欠采样值,采用较少的迭代次数,可以有效实现超宽带系统中单个或者多个窄带干扰信号估计.     

压缩传感用于极弱光计数成像

为解决灵敏度达到单光子水平的面阵探测器件其单位像素上灵敏度有限和测量数多等问题,研制了具有极高灵敏度的成像系统来实现欠采样的极弱光成像探测。该成像系统基于光子计数成像技术和压缩感知理论,利用数字微镜器件(DMD)完成随机空间光调制,通过单光子点探测器收集光子,以计数形式记录下光强值。然后,利用算法重建出极弱光照明下的图像。文中设计了相关实验,研究了测量数、光强极弱程度和测量时间对成像质量的影响。最后,引入了图像质量评价标准和系统信噪比,分析对比了实验数据。结果表明,当测量数高于信号总维度的19.5%时,系统能完美成像,信噪比可低至2.843 8dB,DMD单位像素上的平均光子数可低于1.106count/s,成像的关键在于信号的波动大于噪声的波动。该成像系统基本满足了极弱光成像探测在光强、灵敏度和采样数等方面的要求。     

基于轮廓波维纳滤波的图像压缩传感重构

图像压缩传感重构利用自然图像可稀疏表示的先验知识,从比奈奎斯特采样率低得多的随机投影观测值中重构原始图像.为了克服传统的压缩传感重构中正交小波方向选择性差和未利用变换系数的邻域统计特性的缺点,利用了轮廓波维纳滤波去噪算子替代迭代阈值法中的阈值算子,进而提出了基于轮廓波维纳滤波的图像压缩传感的重构算法.实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节,加快了重构算法的收敛速度.     

基于压缩传感理论的随机等效采样信号的重构

随机等效采样技术通过对周期信号进行多次随机时间间隔取样,以时间间隔为序排列采样数据,形成具有较高等效采样率的波形。然而,由于时间间隔的非均匀性,很难采集到足够的有效信号重构原始波形。为了克服这种信息不足引起的重构误差,提出了一种基于压缩传感理论的随机等效采样信号重构方法,构造了随机等效采样测量矩阵。该方法能够对周期信号以低于信号奈奎斯特频率的采样率进行随机采样,通过最优化问题从有限的采样值中重构原始信号。最后通过实验对该方法的可行性进行了验证。     

压缩感知域智能天然气管道泄漏孔径识别

天然气管道泄漏监测正在进入大数据时代,针对传统方法存在的采集数据冗余、特征提取及识别受主观因素影响较大等问题,结合压缩感知与深度学习理论,提出一种在变换域进行泄漏信号的压缩采集、在压缩感知域进行自适应特征提取及识别的智能天然气管道泄漏孔径识别方法。通过随机高斯矩阵获取压缩采集数据,并通过深度学习挖掘测量信号中隐藏的泄漏孔径信息,经稀疏滤波实现特征的自动筛选,最后研究了softmax回归实现孔径的高精度分类识别。实验结果表明,该方法实现了监测数据的压缩,对压缩感知域采集信号的识别性能明显优于传统方法。     

基于过完备线性预测字典的压缩感知语音重构

基于语音信号帧内样值间的相关性和冗余域的稀疏性,针对采用离散余弦转换矩阵及基追踪方法对压缩感知采样语音进行重构时,语音稀疏性不够好导致大压缩比采样后重构效果差的缺点,提出采用过完备线性预测字典做转换矩阵,用基追踪重构算法对压缩感知采样语音进行高质量重构。该方法预先由训练语音的预测系数聚类构造过完备字典,不需要测试语音的预测系数;基于过完备线性预测字典重构信号性能良好。对利用基追踪重构的语音进行了主客观评价,得出结论:同样的观测数目下,基于过完备线性预测字典比基于离散余弦变换矩阵压缩感知采样语音重构信噪比高出3～8 dB。     

应用压缩传感理论的单像素相机成像系统

采用稀疏二进制矩阵作为测量矩阵完成了单像素相机对不同场景的拍摄。基于压缩传感理论设计的单像素相机,利用数字微镜阵列和单个探测元件实现高分辨率图像的拍摄,将图像采集和压缩合二为一,减少了数据,降低了系统规模、复杂度和成本。对测量矩阵进行了分析,给出了二进制测量矩阵精确重构条件。搭建了硬件实验平台,采用稀疏二进制测量矩阵,对笔划复杂度不同的"中"字、"国"字和复杂实物这3种不同的场景进行了拍摄实验,利用梯度投影重构算法重构出目标图像,图像分辨率为数字微镜阵列大小。实验结果显示,对于3种不同场景,在测量次数为目标图像像素总数的20%～30%时,能精确重构出目标图像,表明单像素相机能实现高分辨率图像的拍摄。     

基于压缩感知的低速率语音编码新方案

利用语音小波高频系数的稀疏性和压缩感知原理,提出一种新的基于压缩感知的低速率语音编码方案,其中小波高频系数的压缩感知重构分别采用l1范数优化方案及码本预测方案进行,前者对大幅度样值重构效果较好,且不仅适用于语音,也适用于音乐信号,具有传统的线性预测编码方法无法比拟的优势,后者对稀疏系数位置的估计较好,且不需要采用压缩感知重构常用的基追踪算法或匹配追踪算法,从而减少了计算量.两种方法的联合使用能发挥各自的优势,使得重构语音的音质进一步改善.