基于GA和MP的信号稀疏分解算法的改进

信号的稀疏表示在信号处理的许多方面有着重要的应用,基于MP的稀疏分解是目前信号稀疏分解的最常用方法,也是几乎所有稀疏分解算法中速度最快的,但其存在的关键问题仍然是计算量十分巨大。基于利用MP（Matching Pursuit）方法实现的信号稀疏分解算法,采用遗传算法（GA）快速寻找MP 过程中每一步分解的最佳原子。并针对基本遗传算法存在的未成熟收敛和易陷入局部最优解的问题,提出了对基于GA和MP的信号稀疏分解的一种改进算法,实验结果证实了改进算法的有效性。     

基于稀疏编码的手指心电信号身份识别算法

研究了心电(ECG)信号在身份识别中的应用,提出了基于过完备字典下稀疏编码的手指心电身份识别认证算法.在预处理阶段,对ECG信号进行预处理消噪,去除心电信号里的噪声、基线漂移和心率变异的干扰.在特征提取阶段,提取单周期心电信号构成特征向量并构建字典模型,用核奇异值分解(KSVD)训练成冗余字典,然后对每一部分特征向量进行稀疏编码,实现在该字典上的稀疏表示.在分类识别阶段,利用得到的稀疏系数矩阵构建特征模板向量作为特征参数.通过欧氏距离匹配输出个体身份信息,实现个体身份识别认证.通过两个手指心电信号数据库对该算法进行了性能测试,获得了较高的识别率.     

基于改进稀疏分解的心电信号波形特征点检测及识别

心电信号波形特征点的检测及识别是实际中开展心电监护与评价的基础。本文提出了一种基于稀疏分解及其改进的心电数据分析算法,将检测与识别一体化,具有可靠性较高、易于操作的优点。该算法中原子集由离散化的心电信号典型特征波段经拉伸、平移变换形成,并采用匹配追踪投影寻优。经PhysioNet心电数据库检验,该算法的QRS波群检测灵敏度率达到98.5%,T波和P波的波检测灵敏度也达到93.2%和83.8%。     

利用禁忌遗传和原子特性实现信号稀疏分解

阻碍信号稀疏分解运用于信号处理产业化的主要原因,是由于信号的稀疏分解的计算量十分巨大。利用基于Matching Pursuit（MP）方法实现的信号稀疏分解算法,采用遗传算法（GA）和禁忌搜索（TS）相结合,快速寻找MP过程中每一步分解的最佳原子,最后再利用原子的特性进一步的优化。实验结果表明,该算法提高了信号每一步MP分解中寻找最佳原子的能力,并由此提高了信号稀疏分解的速度。     

粒子群优化在心电信号稀疏分解中的应用

心电信号的稀疏分解能得到稀疏表示形式,便于心电信号的压缩、波形检测识别等.但稀疏分解计算非常复杂,是一个NP问题.粒子群优化是群体智能优化算法,算法简单易于实现,且搜索效果好,已在很多实际应用中得到验证.把粒子群优化算法用于心电信号稀疏分解的最优匹配原子的搜索,用这种群体智能优化搜索算法代替全局搜索能降低稀疏分解复杂度,同时减少稀疏分解的超完备字典对存储空间的占用.实验结果表明,该方法切实可行.     

利用FFT实现语音信号稀疏分解的改进算法

研究基于Matching Pursuit（MP）方法实现的语音信号稀疏分解问题,通过对语音信号稀疏分解中使用的过完备原子库结构特性的分析,提出了一种改进的信号稀疏分解算法。该算法针对语音信号的特点,以FFT算法实现的稀疏分解为基础缩小了原子的搜索范围,从而不仅进一步提高分解速度,还能以更稀疏的形式表示语音信号。算法的有效性为实验结果所证实。     

稀疏原子分解算法在AR模型参数估计中的应用

针对自回归(Autoregressive,AR)模型阶数和系数的估计问题,提出一种基于稀疏表示的原子分解新算法。首先,根据AR模型自相关函数特征构造一个过完备稀疏字典;其次,针对含噪观测信号,通过引入松弛变量,建立关于AR模型特征根稀疏恢复的优化模型;最后, 将定阶和参数估计问题转化为求解稀疏最优基问题,并提出一种改进的变尺度变换算法来求解该优化问题。实验结果表明,无论是对模拟信号,还是真实的脑电信号,该算法在定阶和系数估计两方面均优于传统估计方法,具有更好的预测精度和鲁棒性。     

一阶实值多项式相位信号快速稀疏分解算法

针对稀疏分解运算量巨大的问题,提出了一种针对一阶实值多项式相位信号(PPS)运算量较小的稀疏分解算法,从而实现了稀疏分解的快速性。该算法采用如下策略：首先采用级联字典的方式,即字典D由Df和Dp级联而成,其中字典Df的原子主要考虑一阶实值多项式相位信号的频率成分,不考虑相位因素,而字典Dp的原子主要考虑一阶实值多项式相位信号的相位成分,不考虑频率因素;其次对字典Df的原子与信号进行匹配测试,测试采用群测试算法搜索匹配的原子,并采用二次测试的方法来达到测试的准确性;最后根据测得的匹配频率原子,构造字典Dp,并通过匹配追踪（MP）算法搜索到匹配的相位原子,从而完成了信号的稀疏分解。仿真结果表明该算法的效率约为匹配追踪算法的604倍和遗传算法的139倍,具有运算量小、稀疏分解快的特点,复杂度仅为O(N),而且不具有智能计算的随机性。     

小波自适应滤波器在DCG去噪中的应用

设计一种新的小波自适应滤波器。首先对原始信号进行小波分解,然后去除含噪多的小波系数,将重构后的数据作为滤波器的原始输入信号,而将含噪多的小波系数作为滤波器的参考输入信号。实验结果表明,该算法信噪比较高,去噪效果较好。此外,该算法的运算量小,很适合动态心电信号这种大量数据的运算。     

基于时空稀疏模型的穿戴式心电信号压缩感知方法

基于时空稀疏模型,提出一种穿戴式心电信号的压缩感知方法,利用信号的时间相关性和空间相关性,来实现心电信号的重构.同时,还提出了一种"分-合"式字典学习算法,通过利用心电信号内在的聚类结构,对训练样本进行字典学习,从而构造出符合心电信号特点的字典,并对其进行稀疏表示.从而进一步提高了心电信号的重构性能.为了验证提出的心电信号压缩感知方法的有效性,采用OSET数据库中的心电数据,将其与其他两种基准算法进行了对比.仿真实验结果表明,所提出的心电信号压缩感知方法能有效地提高心电信号重构的质量.     

基于自适应重采样的雷达信号压缩算法

针对实际应用中雷达采集的信号数据量较大、难以实时传输和存储的问题,提出一种基于自适应重采样的雷达信号压缩算法。对雷达信号进行分段处理,根据每段信号频谱的特点自适应地确定一个重采样率,通过对信号的重采样实现对雷达信号的压缩,利用零插值和低通滤波实现对信号的重构。实验结果证明了该算法的有效性。     

基于三态信号的测试数据相容压缩方法

针对超大规模集成电路（VLSL）的发展过程中测试数据量增加的问题，提出了一种基于三态信号的测试数据压缩方法。首先，对测试集进行优化预处理操作，即对测试集进行部分输入精简和测试向量重排序操作，在提高测试集中无关位X的比例的同时，使各测试向量之间的相容性提高；随后，对预处理后的测试集进行三态信号编码压缩，即利用三态信号的特性将测试集划分为多个扫描切片，并对扫描切片进行相容编码压缩，考虑多种相容规则使得测试集的压缩率得到提高。实验结果表明，与同类压缩方法相比，所提的方法取得了较高的压缩率，平均测试压缩率达到76.17%，同时测试功耗和面积开销也没有明显增加。     

基于调制宽带转换器的低频射电天文信号采集电路设计及实现

针对射电天文信号观测中传统的信号采集电路存储数据需较大的存储空间的问题,提出一种基于调制宽带转换器（MWC）的低频射电天文信号采集的硬件电路设计方法。首先,将观测信号与4路伪随机周期信号相乘后分为4路,并将这4路信号分别进行二阶巴特沃兹低通滤波器滤波;然后,对4路滤波后的信号进行采样,数据传输至现场可编程门阵列（FPGA）中进行存储;最后,用正交匹配追踪（OMP）算法进行信号重构。理论分析和实验测试结果表明,重构信号与观测信号的均方误差为1.27×10^-2,数据存储空间压缩率为20%,该硬件电路设计方法降低了电路设计成本,也释放了存储空间。     

物联网技术在医院的应用

医院是特殊的社会性行业,具有开放性,内部机构繁多,进出人员复杂,是一个相对复杂的环境。为了更好地改善医院的医疗环境,加强安全监管力度,文中给出了具有医院安全监控管理和自动报警能力,同时可免接触监护、免接触探视的现代化多功能医院管理系统的设计方法。     

小波变换极大值在数据压缩中的应用

传统利用小波变换进行数据压缩的方法是基于小波变换的多分辨率滤波技术。结合小波变换的多分辨率特性,提出利用二阶样条小波变换模极大值压缩数据的方法。并在此基础上采用设定阈值消除幅值比较小的模极大值点的方法对信号进一步压缩。理论和仿真表明,利用小波变换模极大值压缩比率大、重构精确,对于平稳信号更是可以获得传统方法无可比拟的极大压缩比。     

基于三态信号的改进游程编码压缩方法

为提高集成电路测试效率,提出一种结合三态信号的改进游程编码压缩方法.先对原始测试集进行部分输入精简处理并填充测试集的无关位,再对经过预处理的测试集根据游程长度进行变长分段处理找出最优段长.按照游程长度的出现频率对最优段长下的参考位设置编码表进行编码压缩,使用三态信号编码标志位并将编码压缩后的测试集存入自动测试设备(AT...     

基于DM7520的在线漏磁信号采集系统

对一种基于工控机PC104和数据采集卡DM7520的在线漏磁信号采集系统进行了研究，并提出了相应的滤波算法和基于小波多分辨率分析的数据压缩算法。通过系统的实际应用，在现场试验中取得快速、精确、可靠的测试效果。     

基于离散Hermite多项式的图像压缩

图像压缩编码能有效地减少图像像素间的信息冗余,并同时保证图像重构质量和较低的计算复杂度。基于变换域的图像压缩编码是目前最常用且性能最优的压缩技术之一,但基于离散正交多项式变换的图像压缩方法还未被深入研究。在研究JPEG的编码解码流程基础上,提出基于离散Hermite多项式的图像压缩算法,通过变换核的信息熵与DCT变换核的信息熵比值确定量化表,最后对量化结果进行熵编码,最终实现了基于离散Hermite多项式的图像压缩和重建全过程。与主流的图像压缩标准JPEG进行了比较,实验结果表明,两种算法的压缩率相似,性能相近,压缩后图像的PSNR相差很小。     

一种用DSP实现的H.26L视频编码方案

提出了一种以TI公司的TMS320C6711 DSP为核心处理器的H.26L视频编码实时实现方案，主要包括视频前端处理、视频缓存、编码及码流传输等，并对于系统实现中所涉及的资源分配、代码优化等进行了讨论,最后对于本方案的特点进行了分析。     

压缩感知的量化率失真分析

压缩感知理论表明稀疏信号能由少量的随机测量值恢复,从信息理论的角度来看,随机测量值能否有效表示稀疏信号仍是一个值得探讨的问题。针对压缩感知测量值的量化,将率失真理论作为工具研究压缩测量值的量化带来的平均失真度,包括均匀量化和非均匀量化两种情况,并进一步得到由量化测量值重构信号的率失真性能极限。理论分析和实验结果表明,相对于信号的自适应编码随机观测过程会引起较大的失真,但是压缩感知能利用信号的稀疏度来减小量化后的重构失真,这说明量化压缩感知适用于低稀疏度的信号。