基于压缩感知的分布式语音压缩与重构

本文首先阐述了压缩感知(CS)的理论框架,然后分析了语音信号的特点--短时平稳性、离散余弦(DCT)基下的稀疏性,最后提出了基于CS理论的分布式语音压缩重构的框架.基于此框架采用基追踪(BP)和正交匹配追踪(OMP)算法对已压缩的语音信号进行重构,得出结论:每帧语音信号选取的帧长的大小,基于CS理论压缩得到的观测数的多少,都对重构性能有影响.     

基于压缩感知OMP改进算法的图像重构

正交匹配追踪(OMP)算法中迭代次数严格依赖信号的稀疏度K值,迭代次数选取适当会重构出高精确的图像,反之则会对图像重构质量造成严重影响.针对这一问题,提出了一种根据残差值的相对极差来确定最佳迭代次数的新方法.该方法要求在同一次迭代中对一幅图像的所有列同时进行迭代计算,根据极差的相对差值与门限值比较来确定最佳迭代次数,从而达到提高重构精度,消除对稀疏度K值依赖的目的.理论分析和仿真结果表明,改进的OMP算法比原有算法有更理想的重构效果,有更高的重构精度.     

基于压缩感知的信号重构研究

按照Nyquist采样定理,信号的采样率必须为信号最高频率的2倍以上,这会产生大量的冗余数据。压缩感知是一种新兴的采样理论,对于可以稀疏表示的信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过优化算法实现重构。介绍了压缩感知的基本理论,并分别选取时域稀疏、频域稀疏和图像信号进行了仿真分析,实验结果显示,压缩感知理论能较好的重构原始信号。     

基于差分变换的语音信号压缩感知

信号在某种变换下可以稀疏表示是压缩感知研究的先验条件,正交傅里叶变换则是应用非常广泛的一种稀疏变换。但是,由于语音信号是准周期信号,对其进行傅里叶变换会造成频谱泄漏,因而引起信号重构性能的降低。本文基于语音信号准周期性的特点,提出了一种基于差分变换的语音稀疏化变换矩阵,在此基础上采用OMP优化算法来重构语音信号。实验表明,与采用正交傅里叶变换方法对语音信号进行稀疏化变换、OMP算法对语音信号进行重构的方法相比,差分变换方法的性能明显优于正交傅里叶变换的方法,即在相同重构性能时,差分变换的压缩比小于正交傅里叶变换,因而差分变换的方法大大提高了信号的压缩性能。PESQ对重构语音质量评测的结果表明差分变换方法重构的语音信号MOS得分较高,这也说明对于语音信号这一特殊信号,差分变换法具有很大的优越性。      

信号压缩重构的正交匹配追踪类算法综述

压缩感知(Compressed sensing, CS)技术是近几年出现的一种新兴的信号采样和压缩技术,基于该理论所获得的原始信号采样值,不仅数量大大低于基于传统的Nyquist准则的采样值,而且CS技术还具有对未知信号边感知边压缩的特性。重构算法的设计是CS技术的核心,成为学者研究的重点。本文在对国内外已经出现的重构算法进行系统地研究后,在深入地研究了贪婪追踪算法和其重构模型的基础上,给出了正交匹配追踪(Orthogonal Matching Pursuit, OMP)类算法的基本原理、优缺点及针对各种算法的缺点的改进方案。此外,为了读者更好地定位OMP类算法,本文还简要介绍了其他几种经典的重构算法。最后,把各种算法应用于图像重构,通过仿真实验分析了各种算法的重构性能、鲁棒性和复杂度,并进一步验证了各种算法的优缺点。      

基于压缩感知的空间谱估计

以多重信号分类（Multrple Signal Classification,MUSIC）算法为代表的现代空间谱估计方法,估计的信源数受限于阵列形式,并且需要的采样数据量巨大.文章从压缩感知的基础理论出发,利用目标信号空间分布的稀疏性,建立了基于压缩感知的阵列信号空间谱估计模型.利用压缩感知方法,可以使用较少的阵元数对空间信号进行采样测量,并准确重构信号.相比传统的MUSIC空间谱估计算法,该方法所需阵元数少,采样数据量小,并且能同时进行信号强度和角度的估计.所提方法对推动压缩感知理论在阵列信号空间谱估计中的应用具有一定意义.     

基于压缩感知理论的图像重构技术

通过CS理论在工程应用上典型的正交匹配追踪算法,实现了一维信号和二维图像的精确重构,针对该方法中出现对整幅图像进行采样计算时需要大量的观测矩阵存储空间,并且重构过程中耗费了大量的时间等问题,提出了一种基于OMP算法的改进方案,将图像进行分块压缩感知。通过实验分析,以上问题得到了解决,重构图像的质量在没有增加计算复杂度的前提下也得到了提高。     

基于OMP的非合作宽带脉冲压缩雷达信号的压缩感知研究

压缩感知技术可以用来实现对非合作宽带信号的欠采样快速处理。宽带脉冲压缩雷达能够有效解决雷达探测距离和距离分辨力的矛盾,在探测领域得到了广泛应用,为实现对非合作宽带脉冲压缩雷达信号的快速欠采样接收处理,本文首先开展了信号稀疏分解与重构算法研究,通过对贪婪算法、凸松弛类算法、组合类算法三大算法进行对比分析,选用了运行速度快且重构精度高的正交匹配追踪(OMP)算法针对非合作宽带脉冲压缩雷达信号进行压缩感知仿真分析。仿真结果表明:在一定信噪比条件下,OMP算法完全能够实现对非合作宽带脉冲压缩雷达信号的欠采样和信号重构,从而实现了对非合作宽带雷达信号的欠采样处理,为处理非合作超宽带雷达信号提供了很好的理论指导。     

基于压缩感知的信道反馈重构

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,基于压缩感知技术(Compressed Sensing,CS)开发高效的信道状态信息(Channel State Information,CSI) 反馈方案是现在研究的热点。针对现有的基于CS的信道反馈重构算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法存在重构时间长、数据量大可能会无法适用的不足,提出了一种改进的OMP算法,即广义正交匹配追踪(Generalized OMP,GOMP)算法对CSI进行高效重构。仿真结果表明,GOMP算法在重构精确度上高于OMP算法,特别是在较低的压缩比下优势更为突出;而且由于迭代次数减少,需要的重构时间也显著减少。     

基于正交匹配追踪算法的语音信号重构研究

压缩感知理论是近年来提出的一种新兴的基于信号稀疏性的采样理论。正交匹配追踪算法是其中一种典型的重构方法,文中针对语音信号重构中存在的不足,采用正交匹配追踪算法对语音信号进行信号重构,相比于传统的压缩感知的重构算法更加地适用于对含噪语音、重构语音质量会更高,去噪效果也会更明显。为语音信号CS性能的基础性的研究提供了参考。     

基于压缩感知的高光谱遥感影像重构方法研究

高光谱遥感影像包含丰富的空间、辐射以及光谱信息,同时海量的数据也引发了高光谱成像技术在传输和存储方面的诸多问题。针对这一问题,根据高光谱遥感影像谱间相关性强的特性,提出了一种结合谱间多向预测的基于压缩感知的高光谱遥感影像重构方法。首先,根据高光谱遥感影像的谱间相关性对高光谱遥感影像的波段进行分组,每组确定一个参考波段,使用平滑l_0范数算法重构每组的参考波段。其次,根据重构恢复的相邻组内的参考波段,建立了一个非参考波段预测模型,用来计算非参考波段的预测测量值;然后,计算实际测量值与预测测量值的差值,使用SL0算法重构该差值得到差值向量;最后,利用得到的差值向量迭代更新预测测量值,直到恢复该波段原始图像。仿真实验结果表明,该方法提高了高光谱遥感影像的重构效果。     

基于光谱稀疏模型的高光谱压缩感知重构

提出了一种基于光谱稀疏化的压缩感知采样与重构模型,通过从训练样本中构建光谱稀疏字典提升光谱稀疏化效果,同时在重构时兼顾空间图像的全变分约束进一步提升重构精度.对200波段AVIRIS高光谱场景进行压缩感知重构的实验表明,利用构建的光谱稀疏字典与传统的DCT字典和Haar小波字典相比光谱稀疏化效果明显提升,同时在25%采样下基于光谱稀疏字典几乎无差别重构出了高光谱图像,同样条件下在空间和光谱的精度与现有常用方法相比有较大的提升.     

基于压缩感知的红外遥感图像重构算法分析

随着航天遥感技术的飞速发展,遥感图像采集数据耗时长、图像数据量大等问题的出现对采样设备和存储设备提出了更高的性能要求。为了解决以上问题,在气象卫星的红外遥感图像的处理中采用了压缩感知理论。通过Matlab建模和仿真,分析了正交匹配追踪算法、梯度投影算法、子空间追踪算法、平滑l0范数算法的性能,并对大量红外图像以不同的采样率进行采样压缩,然后使用多种重构算法重构图像。对比试验显示,几种算法都能以较低的采样率得到完整的红外图像,但平滑l0范数算法在重构精度和运行时间方面都优于其余几种算法,证明了压缩感知在红外遥感图像的处理中具有较大的实用价值。     

基于小波域的压缩感知超分辨率重建方法

为了提高超分辨率图像的重构效果,提出了一种基于小波域的压缩感知超分辨率重建方法.首先采用小波变换对低分辨率图像进行分解,得到低分辨率图像的低频子带与高频子带,然后采用压缩感知技术分别对低频子带和高频子带进行重建,并通过小波逆变换得到最终重建图像,最后在MATLAB 2012平台上进行仿真实验.结果表明,相对于其他图像重建方法,本文方法的重建图像视觉效果更加理想,不仅提高了低分辨率图像重建精度,而且提高了图像重建效率,可以满足图像处理的实时性、在线性要求.     

放大同轴全息图压缩传感层析重建

文中对放大方式下同轴全息图压缩传感重建开展了实验研究,目的是实现分层物体放大方式下的同轴全息图的层析重建。首先,对同轴全息图压缩传感重建进行了理论介绍,并给出了实现步骤,包括全息图频域减采样模式、两步迭代算法流程等;其次,建立了点源放大同轴全息图记录实验系统和显微物镜放大同轴全息图记录实验系统,以双层样本为例开展了实验工作,所记录的同轴全息图基于压缩传感理论进行了层析重建,同时基于传统的卷积算法也进行了反衍射重建。实验结果表明:两种放大方式下获得的全息图,通过压缩传感层析重建技术能够实现物体的层析重建,并且比传统卷积反衍射重建具有更好的结果,显示了压缩传感层析重建的能力和优势。     

基于压缩感知稀疏信号重建的迭代硬阀值算法

Nyquist采样速率条件下的信号采样,采样系统表现良好并且信号可以被稀疏向量近似表示时,信号可以被有效而精确地重构。针对无噪声信号,利用确定的稀疏基和随机的观测矩阵,研究迭代硬阀值算法的有效性。若观测矩阵满足有限等距性质（RIP）,且稀疏基与随机观测矩阵不相干时,通过该算法,原始信号的稀疏投影可以被高概率重构。最后,利用哈达码正交矩阵作为稀疏基,高斯随机矩阵作为观测矩阵,对原始信号的稀疏投影进行重构,结果验证了该算法的有效性。     

离散余弦变换和全息技术相融合的图像压缩感知重构

为了获得理想的图像重构效果,提出一种基于离散余弦变换和全息技术相融合的图像重构算法。首先采用离散余弦变换对图像进行分解保留少数的低频分量,从而构建压缩感知的稀疏基加快重构速度,然后采用全息技术对图像重构结果进行处理,提高图像重构效果,最后采用仿真实验测试算法的性能。实验结果表明,相对于当前经典图像重构算法,本文算法不仅提高了图像重构质量,而且加快了图像重构速度,具有较好的实际应用价值。     

基于压缩感知的高压输电铁塔图像压缩及重构研究

高压输电铁塔在线监测系统采用移动通信网络进行数据的传输,系统的运行成本与系统传输数据的流量成正比,为了降低系统的运行成本,提出了将压缩感知技术用于高压输电铁塔的图像压缩和重构。在高压输电铁塔状态监测终端对采用压缩感知对图像进行压缩,在监控中心对图像进行重构,在保证一定的高压输电铁塔图像质量的前提下,对传输的图像信息进行压缩,降低传输图像信息所需数据流量,进而降低系统运行成本。     

压缩感知图像融合

目前图像融合的方法大多数都是基于小波变换的图像融合方法,通过对小渡变换之后的低频系数和高频系数分别采用不同的融合准则,来达到所需要的图像以进行下一步处理,这些方法需要知道原始图像,也就是对硬件要求较高。采用压缩感知图像融合,即,将压缩感知用于图像融合,使得只知道原始图像在某个变换下的投影值的情况下,通过对已知的投影值使用融合规则得到融合后的投影值,然后用重构算法重构出图像,大大降低了对硬件的要求。在此给出了压缩感知融合方法与基于小波变换的图像融合方法的实验结果,融合结果表明,在不降低融合效果和视觉效果的基础上,该方法能够极大地降低硬件成本。采用熵作为衡量融合效果的指标,并对用两种方法融合的结果图像做了对比,研究结果表明,CS融合方法要优于基于小渡变换的图像融合方法。     

基于压缩感知的多光谱图像去马赛克算法

针对目前多光谱图像去马赛克算法存在计算量大、效率低的缺点,本文提出一种基于压缩感知的多光谱图像去马赛克算法。首先,分析去马赛克与压缩感知问题的等价性,建立基于压缩感知的去马赛克模型;然后,采用离散余弦变换构建压缩感知的稀疏基,将去马赛克问题转化为压缩感知的信号重构问题;最后,采用改进的光滑0范数和修正牛顿法的重构算法求解去马赛克问题,得到重构的多光谱图像。仿真实验表明,相对于基于克罗内克压缩感知和组稀疏两种算法,本文算法提高了重构的多光谱图像的峰值信噪比,能有效减少对比算法重构多光谱图像中出现的锯齿现象,改善了重构图像具有更好的视觉效果。实验结果验证了本文算法的有效性。