基于压缩感知的大功率半导体激光器1／f噪声参数估计

根据1／f噪声结构,基于压缩感知（cs）的正交匹配追踪去噪（OMPDN）算法,以小波树结构为分解条件,提取大功率半导体激光器（LDs）中的白噪声及1／f噪声。以小波基作为稀疏基,高斯随机矩阵作为测量矩阵对信号测量并进行CS的重建,滤除白噪声后准确提取1／f噪声信号进行器件参数估计。实验结果表明,本文方法对高斯白噪声混杂...     

一种基于小波分解和压缩感知的冲击声学无损检测方法

压缩感知理论对稀疏信号的采样与重构十分有效,该文将对携带信息量少的冲击声信号利用压缩感知理论进行采样,提出一种基于小波分解和压缩感知的冲击声学无损检测方法。首先,对冲击声信号进行小波分解构建观测矩阵,求解l1最优化问题,完成类别的稀疏表示,然后对表示误差进行分类,得到检测结果。仿真及实验结果表明,该方法实用有效,其检测系统性能稳定,在信噪比3 dB时可达到90%以上的正确率。     

基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在1/f噪声中的有用信号恢复问题,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法,并设计出多尺度Wiener滤波器.首先,利用双正交小波变换将带有1/f噪声的信号分解成多尺度的子带信号,通过小波变换对1/f噪声的白化作用,消除了1/f噪声的非平稳性、自相似性和长程相关性.其次,在小波域内,利用Wiener滤波,实现了噪声和有用信号的分离,估计出了各子带中的有用信号.最后,利用双正交小波的精确重构性,较好地恢复出淹没在1/f噪声中的有用信号.仿真实验表明,该滤波器能有效的抑制分形噪声,显著地提高信噪比.     

基于混沌压缩感知的稀疏时变信号在线估计

混沌压缩感知是一种利用混沌系统实现非线性测量的压缩感知理论。针对稀疏时变信号的混沌压缩感知,该文提出稀疏时变信号的在线估计架构,构建一种递归最小二乘准则下的稀疏约束目标函数;通过利用迭代加权非线性最小二乘算法求解目标函数最小化问题,实现稀疏时变信号的参数估计。以Henon混沌系统为例仿真分析了频域时变稀疏信号的估计性能,数值模拟证明了该方法的有效性。     

基于压缩感知的高分辨频率估计

压缩感知是信号离散表示的新理论.本文将该表示理论用于正弦信号的频率估计,提出一种新的高分辨率的频率估计方法.该方法根据信号的稀疏表示,利用一个随机的压缩矩阵先对信号进行压缩,再在压缩域中通过对l1模优化重构该稀疏信号,获得信号的频率估计.模拟分析了新方法性能,并与直接l1模优化算法、Pisarenko、MUSIC等算法进行了比较.结果表明本文方法分辨性能明显优于Pisarenko和MUSIC等算法;具有直接l1模优化算法相当的性能,但计算量大大降低.     

分布式压缩感知实现宽带频谱感知的方法

频谱感知的第一步就是采集无线信号进行分析,越来越高的采样率成为宽带频谱感知研究中的难点。实际通信中主用户占用频谱具有稀疏特性,符合压缩感知理论的前提条件。因此,本文利用分布式压缩感知实现宽带频谱感知,提出基于差分信号分布式压缩感知（DS_DCS）的加权宽带频谱感知算法。该算法针对宽带频谱采样率高的问题,利用压缩感知技术降低采样率,同时引入差分处理方法降低计算复杂度;又针对单点检测带来的深衰落、隐节点以及抗噪声能力差等问题,采用分布式感知系统进行多节点协同检测并利用信噪比的估计对信号进行加权处理。仿真证明,该算法能有效降低各节点采样率,大幅提高系统检测概率,显著改善系统对噪声的鲁棒性。      

基于硬阈值迭代的电力线载波通信脉冲噪声抑制方法

在电力线载波通信系统中,由于脉冲噪声的存在,系统性能会受到严重影响。考虑到脉冲噪声在时域上具有稀疏性,基于压缩感知的脉冲噪声估计方法被广泛采用。提出了一种基于硬阈值迭代的压缩感知方法来估计脉冲噪声。该方法通过迭代求解更新阈值,然后利用阈值函数对脉冲噪声进行估计,最后在接收信号中减去脉冲噪声的估计值,完成对脉冲噪声的抑制。仿真结果表明,该方法能够准确估计脉冲噪声幅值点,同时在均方误差与估计信噪比的性能上都有提高。     

非平稳分形随机信号波形估计的最优门限方法

本文用基于最小均方误差准则的最优门限方法估计叠加高斯白噪声的分形布朗运动,并给出其离散小波变换分解级数确定方法.与多尺度维纳滤波相比,本方法不需估计1/f类分形信号的方差,且其离散小波变换分解级数可预先确定,因此有着更好的实用性和可操作性.     

小波模极大值点的信号稀疏表示及重建

作为压缩感知理论的前提,稀疏表示要求信号本身是稀疏的或者在某种正交基下可以稀疏表示。本文针对信号本身及小波变换后均不够稀疏的情况,提出一种基于模极大值点的信号稀疏表示算法。该算法在小波变换的基础上,利用小波分解的结构,对各层高频小波系数通过寻找其模极大值点的方法进行稀疏化,然后通过测量矩阵得到它的测量值,对测量点数进行熵编码以实现数据压缩传输。解码时,采用正交匹配追踪算法得到模极大值点的估计值,最后通过交替投影法重构出原信号。仿真结果表明,与经典压缩感知算法相比,该算法恢复信号的质量有较大提高,且由于稀疏度增大,所以信号具有更好的可压缩性,实验表明本文算法对复杂信号效果更明显。      

基于压缩感知的相关干涉仪测向算法

针对相关干涉仪测向系统,提出了一种基于压缩感知的测向算法.该算法将相关干涉仪的测量矢量分解为以测向数据库为基底的含有噪声的稀疏表示,采用再加权的l₁范数凸优化算法,迭代更新加权矢量,以逼近最优的l₀范数.所提算法和传统的计算相关系数最大值方法相比,额外利用了辐射源信号在空域上的稀疏性,可以对同频多信号进行测向.采用计算机仿真对所提算法的性能进行了验证.     

一种压缩感知电力线信道估计机制

通过分析电力线信道传输特性,建立相应的数学模型,研究了电力线信道的多径特性,并结合一种新颖的压缩感知处理技术,提出了一种基于压缩感知的电力线信道估计方法。通过分析研究电力线信道传输特征,利用其稀疏性,只需采集、提取、存储少量的噪声与信道特征有效参数,大大降低了数字信号处理模块的数据处理量,降低了对存储硬件的要求与硬件成本。     

基于压缩传感的红外或毫米波无源高分辨率成像

设计了一种基于压缩传感理论的红外或毫米波无源成像系统。 压缩传感是一种利用稀疏或可压缩的先验信息进行信号获取和重建的技术,它能以远低于奈奎斯特采样率的速率对信号 进行采样,并可实现高精度的重建。针对传统系统的固有缺点设计的上述毫米波无源成像系统,能在压缩传感理论的指导下进行成像。仿真结果表 明,该系统具有良好的成像性能,提高了峰值信噪比,改善了分辨率,并大大压缩了数据存储量。     

基于压缩感知的SAR抑制旁瓣技术研究

压缩感知技术其数学本质是一种基于稀疏约束的欠定方程求解技术。该文提出了一种基于压缩感知的旁瓣抑制的方法,该方法在高信噪比的条件下不但可以利用场景目标散射系数稀疏先验信息抑制旁瓣,在场景目标散射系数足够稀疏的情况下还可以通过增加采样率且利用文中所介绍的方法提高分辨率且此分辨率能够突破系统能够达到的最高的物理分辨率,达到超分辨的效果;在低信噪比条件下不但较好地抑制了旁瓣,同时还抑制了噪声的影响。最后通过1维,2维成像仿真以及实际数据处理验证了此算法的有效性。     

冲击噪声下基于混合LL2 -L1 优化求解的CSR 参数估计

针对冲击噪声环境下压缩感知雷达参数估计性能急剧下降的问题,提出一种新的鲁棒性参数估计方法。首先,根据压缩感知雷达参数估计的稀疏线性模型,基于Lorentzian 范数和L1 范数稀疏正则化构造冲击噪声背景下稀疏重构的混合LL2-L1 范数优化模型;然后,利用迭代加权最小二乘法和阈值收缩函数推导上述模型优化求解的一步迭代公式;最后,从理论上对文中算法的收敛性进行证明,并给出算法计算复杂度的定量分析。计算机仿真实验表明,文中算法在冲击噪声下支撑集的重构更精确、重构信号的精度更高、重构的计算量更小。     

基于压缩感知的线性调频信号频率估计

基于压缩感知理论,测量了在不重构情况下线性调频信号的频率。算法根据信号的稀疏表示建立原子库,利用AIC(Analog-to-Information Conversion)技术完成对信号的压缩采样,在压缩域利用正交匹配追踪的算法进而优化重构稀疏系数,寻找出系数最大值所在的位置,而原子库中该位置原子的频率参量即为线性调频信号的频率参量。该方法在保证频率估计高成功率的前提下,大大减少了采样过程中的冗余和浪费,节省了存储空间,实验仿真验证表明该方法的可行性。     

基于卡尔曼滤波的压缩感知弱匹配去噪重构

现有的贪婪迭代类压缩感知重构算法均基于最小二乘对信号进行波形估计,未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出了一种基于线性Kalman滤波的压缩感知弱匹配去噪重构算法.该算法不需已知稀疏度先验,通过引入Kalman滤波,在最小均方误差准则下,每次迭代都获得最佳信号估计;并以弱匹配的方式同时筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KFCS算法.     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

压缩传感方位估计

信源方位估计是阵列信号处理的一个重要问题。基于信源空间分布稀疏的本质,利用压缩传感理论,构造出一种稀疏信源方位估计模型,仿真结果表明,在不考虑噪声的理想情况和满足压缩传感的条件下,不仅可以准确的恢复出原始信源的方位,而且精确的得到各个信源信号的强度,并且,这种新的模型只需要一次时间采样,从而大大降低了成本。