一种新的基于压缩感知的稀疏音频水印算法

提出了一种基于压缩感知的音频水印算法.该算法利用数字水印和音频宿主信号在离散余弦变换域下都具有稀疏性,将水印经过压缩感知处理后,嵌入于音频载体信号的离散余弦变换系数中;在水印提取时,利用压缩感知的去噪原理和重构方法,在不利用原宿主信号情况下,将水印提取出来,此提取完全是盲提取.计算机仿真实验表明,这种算法能提高水印在高斯噪声攻击下的鲁棒性.     

基于压缩感知的自适应数据融合算法

为了降低数据融合本身的能量开销和数据传输能耗,将压缩感知理论应用到无线传感器网络的数据融合中,提出了一种自适应的数据融合算法,在路由过程中收集、融合无线传感器网络中相关节点的感知数据,使传输能耗和融合能量开销接近最小.     

电力线扩频通信中窄带干扰的自适应抑制

利用电力线进行扩频通信时,需要抑制信道中的多个大功率、ＳＳＢ调制的窄带干扰。本文提出了两种能够有效抑制上述窄带干扰的自适应算法。一种是时域的自适应非线性滤波算法,它以自适应线性预测为基础,同时针对预测噪声呈非高斯分布的特性引入一个非线性修正算子,使得收敛时的"额外均方误差"小于传统的线性预测算法;另一种则是基于ＳＴＦＴ（短时付立叶变换）的频域自适应滤波算法,它遵循了变换域自适应滤波的基本思想,结合了频域限幅器与时域自适应滤波两者的优点,具有比时域处理更快的收敛速度。     

基于压缩感知的FDA-MIMO雷达波束形成算法

为保证FDA-MIMO雷达具有较高的距离维分辨率,充分利用信号在空间的稀疏特性,提出了基于压缩感知的FDA-MIMO雷达自适应波束形成算法.该算法只需对少量阵元接收通道的信号在角度-距离二维上进行压缩采样,就可以精确地恢复出满阵接收的原始信号,然后再进行自适应波束形成对主瓣干扰进行抑制.仿真结果表明,与稀疏阵相比,该算法不仅形成了高角度和高距离分辨率的点状单峰值波束,提高了目标回波能量,去除了栅瓣,并且干扰零陷更深,主瓣干扰抑制性能更好.     

基于线性预测的自适应语音压缩感知

该文介绍了压缩感知在语音信号处理中的应用,利用语音信号经过线性预测分析,其残差信号近似认为是稀疏的特性,因此语音信号的稀疏变换基可由线性预测系数构成.同时根据语音帧之间的相关性,该文提出了自适应LP基.实验结果表明该文构造的自适应LP基与非自适应LP基相比,减少了传输量,同时保持重构性能基本一致,且优于DCT基.     

变换域信号处理在窄带干扰抑制中的应用

采用变换域信号处理方法解决窄带干扰抑制问题。通过采用变换域滤波方法可以从宽带舰船噪声中抑制目标舰船发射的窄带声纳脉冲信号,从而解决声纳抗窄带干扰问题。     

基于光滑0范数的图像分块压缩感知恢复算法

结合维纳滤波器的光滑PL分块压缩感知恢复算法(BCS-SPL)可以去除图像分块压缩感知块效应,但是收敛速度慢,尤其是在低采样率条件下,为此将BCS-SPL算法与光滑0范数压缩感知算法(SL0)相结合提出一种基于光滑0范数分块压缩感知算法(BCSSSL0PL)。通过对不同图像对比BCS-SPL和BCS-SSL0PL算法的恢复效果和恢复时间、信号恢复迭代次数,可以证明BCS-SSL0PL在较低采样率条件下能以较少的迭代次数,较快的恢复时间获得与BCS-SPL相当的恢复效果,而且与BCS-SPL相比,BCS-SSL0PL对不同的采样率恢复时间变化不大,方便于不同场合的应用。对比两种算法恢复图像的细节,BCSSSL0PL算法还能改善低采样率条件下恢复图像的块效应。     

基于干扰抑制的自适应MBSFN资源分配算法

针对传统多播/广播单频网（MBSFN）资源分配算法主要以降低资源块使用数量为目标,并未考虑MBSFN的干扰抑制问题,提出了一种基于干扰抑制的自适应MBSFN资源分配算法（IS-ARAAM）.该算法对MBSFN区域拓扑关系进行数学建模,同时结合基站发射功率对MBSFN间同频干扰的影响,给出了完善的资源复用距离计算公式.仿真结果表明,IS-ARAAM算法在系统覆盖和速率上较传统算法均有明显改善,且能够通过调整资源复用距离来控制资源块消耗数量.     

自适应分块压缩感知的图像压缩算法

均匀分块压缩感知对图像信号进行压缩采样,无法有效地分离出重要区域和背景区域．为此, 给出一种基于图像内容的自适应分块算法,以图像内相邻像素间的灰度差值作为块大小分割的依 据,利用四叉树算法进行图像自适应块大小的划分;并将分块结果根据相邻像素ＤＣＴ系数的差值 大小分成快速变化块、缓慢变化块和过渡块３类,适时分配相应采样率．实验结果表明：给出的算法 对仿真实验选取的图像重构质量高于均匀分块方法１～３ｄＢ,且重构时间减少２０～４０ｍｓ;在重构 质量近似的情况下,重构时间比基于图像块像素方差的块分类方法减少４０～６０ｍｓ．     

基于自适应重启方法的快速压缩感知算法

NESTA是一种解决压缩感知问题的快速准确一阶优化算法.提出了一种自适应重启方法来提高NESTA算法的收敛速度.新方法自动检测目标函数在优化过程收敛速度减缓的趋势,重置算法的参数,并使算法从当前步骤重新开始运行.实验结果表明该方法能够显著提高经典算法的收敛速度,从而提升算法运行效率.     

基于压缩感知的语音信号编码算法

针对语音信号在离散余弦变换基上的稀疏性,提出了一种基于压缩感知的语音压缩编码算法。算法在编码端采用随机高斯矩阵直接对语音波形进行观测,并采样均匀量化技术对随机观测进行量化。解码端利用未饱和的观测值通过Lasso算法实现语音信号的重构。仿真结果表明,该算法具有良好的重构性能。     

基于分布式压缩感知的宽带协作频谱感知算法

针对认知无线电中传统的宽带压缩频谱感知算法计算复杂度高、检测实时性差的缺点,提出基于分布式压缩感知信道能量观测差值的宽带协作频谱感知算法。该算法无需重构T+1时刻的信号频谱,只需重构T+1时刻与T时刻的信道能量差值,进而得到T+1时刻的信道能量;另外,为减少深衰落、阴影衰落等不利因素的影响,采用多个次用户协作频谱感知。数值分析表明,该算法所需的平均感知时耗为直接重构T+1时刻的信道能量算法的50%左右,且获得了检测概率大于0.95的检测性能。     

一种贪婪自适应压缩感知重构

为了优化压缩采样匹配追踪算法的性能,提出一种压缩采样修正匹配追踪贪婪自适应算法.该算法采用了具有理论保证的模糊阈值预选方案以避免预选时使用信号的先验信息,设置了初次裁剪门限以减少不必要的迭代,改进了裁剪方式以尽可能地提高重构精度,同时避免了裁剪阶段使用先验信息,最终实现了可压缩信号的自适应重构.仿真结果表明:在同等稀疏条件下实现了精确重构,该算法与原算法相比运算速度提高了2倍,所需观测值个数少1%,并且在稀疏度较高的情况下,该算法对噪声的抗干扰能力也优于原算法.     

压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.     

地波超视距雷达高频通信干扰抑制

工作在高频段的地波超视距雷达,受到高频频段无线电严重干扰．分析了高频通信干扰的产生及特点,提出了虽然高频通信干扰对高频地波雷达所有探测距离单元均有影响,但目标距离单元只占全部距离单元一部分,利用这一特点,通过无目标距离单元干扰样本值估计出干扰的统计特性,并利用特征分解及投影的方法抑制高频通信干扰．对实测数据的处理结果表明,该方法能有效地抑制高频通信干扰．     

基于Curvelet稀疏和共轭梯度法的压缩传感图像重构

压缩传感以低采样率、抗干扰性强等特点备受关注。在图像能够稀疏表示的先验条件下,可以通过较少的随机投影,就能对原始图像进行精确重构。本文将Curvelet阈值收缩和共轭梯度相结合进行压缩传感重构,克服了正交小波方向选择性差,传统重构算法需要内存大、收敛速度慢、重构图像的细节与平滑不能兼备的缺点。实验结果表明,该算法提高了重构图像的峰值信噪比,加快了收敛速度,平衡了图像的细节与平滑成分。     

一种快速的基于压缩感知的多普勒高分辨方法

利用雷达目标在多普勒域的稀疏性,基于压缩感知的目标多普勒估计方法,能够在有限的相干积累时间内实现多普勒的高分辨.然而,即使采用压缩感知中的一种高效算法——正交匹配追踪算法,其运算复杂度也相对较高.为了进一步降低运算复杂度,对接收脉冲进行分组,将一维的多普勒估计问题转化为一个二维的稀疏信号重构问题,进而利用一种针对二维稀疏信号优化的低复杂度正交匹配追踪算法对其进行估计.仿真表明,该方法具有较高的运算效率,并能够获得接近直接应用传统的正交匹配追踪算法的多普勒分辨率.     

Support driven recovery algorithm for non-convex compressed sensing

A novel method is presented for the purpose of recovering sparse high dimensional signals from few linear measurements, especially in the noisy case. The proposed method works in the following two steps: ①The support of signal is approximately identified via Thresholded Basis Pursuit(TBP), the weighting matrix and parameters needed for the next step are also computed; ②The Iteratively Reweighted Lp Minimization(IRLp) procedure is used to solve the non-convex objective function. As theoretic interpretation and simulation results show, lower computational complexity is required for the proposed Support Driven IRLp(SD_IRLp) algorithm for high probability recovery, in comparison to 7 analogous methods(including an oracle estimator).     

仿射变换在压缩感知跟踪中的应用

针对跟踪中目标尺度变化和旋转问题,将仿射变换和应用到压缩感知跟踪中.首先,以上一帧的跟踪结果为均值,以一定的标准差按照高斯分布,随机生成不同尺度和旋转角度的候选框;然后,通过仿射变换将其转换至直角坐标系中,通过多尺度滤波得到目标在不同尺度下的高维特征向量,采用压缩矩阵将高维特征向量降维至低维空间;最后,将低维特征向量通过贝叶斯分类器选取具有最大响应的候选位置作为目标的跟踪位置.在此基础上分别提取正负样本来更新分类器参数,从而实现持续稳定的跟踪.实验结果表明,该算法能够较好地解决压缩感知跟踪中的目标旋转和尺度变化问题.