基于频域小波变换的Fourier去卷积法研究

将小波变换用于对频域信号的处理,提出了用频域小波变换获得的模糊项作为线性函数的Fourier去卷积法.与其他FSD方法相比较,本文提出的方法对不同类型峰形信号如HPLC信号均具有良好的分辨效果.由于不用选择线性函数,该方法还具有通用性较强,操作简便等优点.重叠峰分辨效果好的主要原因是由于从Fourier变换得到的模与其经小波变换获得的模糊项具有相似的线性和峰宽,能较大程度与原始谱峰相符.该方法有望用于不同类型重叠峰信号的分辨.     

基于卷积压缩感知的确定性滤波设计

提出了一类卷积压缩感知下确定性序列构造的滤波设计,相比传统的随机卷积,该方法的系数由具有良好自相关特性的确定序列的离散傅里叶变换给出。理论表明该确定性序列构造的滤波不仅可有效应用于时域稀疏的信号,而且可适用于频域和离散余弦域下的稀疏信号。     

Gabor滤波器二维卷积模板的获取方法

本文给出了直接从频域构造Gabor滤波器二维空域卷积模板的计算方法,回避了在空间域对Gabor滤波器冲激响应函数抽样以获取卷积模板所遇到的采样频率的选择问题。该方法首先对Gabor滤波器冲激响应函数的傅立叶变换进行离散化来获得其离散傅立叶变换,然后采用模板的离散傅立叶变换与滤波器的离散傅立叶变换差之模平方和最小的原则来确定模板数据。织物疵点检测实验验证了该方法的正确性和有效性,该方法可应用于应用Gabor滤波器的场合。     

一种水声多途信号的快速盲解卷积算法

为解决时域和频域盲解卷积算法在时延长的情况下计算量大、不适于水声信道的实时计算问题,本文研究了一种基于二阶统计量的时域与频城相结舍的快速盲解卷积算法.该算法首先对接收数据进行分段,段内数据进行分块处理,并给出一个新的在宽带情况下的代价函数表达范式;然后采用自然梯度法调整自适应权矩阵,进行块内数据离线、段闻数据在线更新的自适应滤波,以获得源信号的估计.仿真结果表明,该方法结合了宽带和窄带算法的优点,对于线性豢积混合的接收数据取得了很好的分离效果,且计算量小,更适于在实时信号处理中应用.     

循环平稳特性检测频域设计及信噪比估计研究

针对现有的循环平稳特征检测时域设计法计算周期较长、系统比较复杂且实时性不高等不足,根据离散傅里叶变换的特性提出了一种循环平稳特征检测频域设计方法。此方法检测性能和时域设计方法相当,但却有效地降低了计算量,提高了系统的实时性,还能够节省存储单元。同时分别在能量检测和循环平稳特性检测中利用多次独立检测所得的方差与信噪比之间的近似线性关系,通过最小二乘法对所得数据进行分析,对未知信噪比进行了有效的估计,从而可以根据信噪比选择合适的信号检测方法。     

图像反卷积边界效应的快速抑制算法

基于频域的图像反卷积算法假设输入信号被周期延拓,但边界处的不连续会导致结果产生严重的振铃效应.为此,提出一种快速有效的边界效应抑制算法.首先在现有基于图像延拓的算法的基础上,将延拓区域的定义简化为3种类型;然后提出一种具有对称系数的卷积金字塔滤波器组模型.基于这种模型,在某种特殊图像上针对每种类型的区域各训练一组滤波器组系数,并将由此训练得到的滤波器组用于求解其他图像相应类型的延拓区域.实验结果表明,该算法避免了求解大型稀疏线性方程组,在不影响图像反卷积精度的前提下,可将延拓区域的计算速度提高2个数量级以上,有效地抑制各种频域反卷积算法的振铃效应.     

离散S变换的频域算法和时域算法比较

在信号处理领域,S变换具有良好的时频结合特性,应用广泛。在实际系统中,S变换通过离散数值方法实现,有频域和时域两种形式,文献中多使用频域形式。在用S变换对一些信号作时-频分析时,频域和时域两种实现形式得到的时-频谱图有明显的差异,但没有文献对此问题进行相关讨论。离散S变换的频域算法使用快速Fourier 变换（FFT）和其逆变换（IFFT）实现,但由于Fourier变换蕴含周期特性,一些信号的S变换时-频谱图在始末两端会出现虚假频率信息,干扰信号的时-频分析结果。在研究S变换理论的基础上,给出离散S变换的时域实现。离散S变换的时域算法克服了频域算法的缺点,能更准确反映信号的时-频分布情况。通过对比实验,验证了时域算法的有效性。将S变换的离散时域算法用于地震数据拓频处理,结果显示方法能有效增强信号分辨率。     

有限长度信号Mallat算法的边界延拓方法

处理有限长度信号时需要对其边界做某种延拓处理.本文在对Mallat算法分析的基础上,研究了有限长度信号Mallat算法中常用的4种边界延拓方法,并详细推导了4种边界延拓方法实现小波变换的一般过程.详细讨论了对称延拓中的2种延拓方式,分别就滤波器长度和信号长度为奇数或偶数的情况进行了研究.在周期延拓和对称延拓中,为了使多级分解与重构顺利进行,引入一个二元标示序列,使得小波变换便于编程实现.最后以bior4.4双正交小波给出实例,计算结果表明,在保持信号长度不变的情况下,按本文延拓方法能实现完全重构.     

基于小波分解的时序预测模型mWDLNet及其应用研究

各种类型的深度神经网络模型已被应用到时序分析中,但基于频域的神经网络与时域的线性模型融合仍然缺乏有效的模型.提出一种基于多级小波分解的深度网络和差分自回归移动平均模型相融合的方法(mWDLNet),时序信号经小波分解到频域,由卷积神经网络和长短期记忆网络提取时序信号的空间和时间维度特征,同时利用差分自回归移动平均模型(...     

一种长序列小波变换的快速实现方法

在对Mallat算法结构进行改进的同时，将长序列快速卷积算法中的重叠保留法引入Mallat算法中，提出了一种适合长序列小波变换的快速算法，给出了数学推导过程和具体实现步骤。该方法大大降低了小波变换的计算量，且并行性很好。仿真实验结果验证了算法的正确性。且运算速度较直接线性卷积实现方法有很大提高。     

声全息重构卷积计算中混迭问题的研究

分析了实空间离散格林函数的特点和平面声全息重构卷积计算的特殊性，推导了在重构条件下二维循环卷积与重构卷积的关系。理论上证明了在全息重构中将二维全息声压序列补零使其成为原序列长度的两倍，而二维格林函数序列无需进行补零处理仍可由二维离散傅氏变换准确地得到全息重构卷积结果，而不会产生循环卷积中的混迭现象，即不存在所谓的重构“卷绕”误差。同时还证明了实空间格林函数的取值不确定性不会影响重构结果，并通过仿真算例进行了验证。     

基于深度卷积神经网络的变换域通信网络抗干扰优化算法

为了有效抑制变换域通信网络干扰信号,改善信噪比,研究了基于深度卷积神经网络的变换域通信网络抗干扰优化算法。应用傅里叶变换方法将信号从时域转换到频域,并以傅里叶变换通信信号获得的参数为依据构建干扰信号模型;嵌入干扰信号模型以形成接收信号,然后对接收信号进行处理并存储在干扰数据库中,利用深度卷积神经网络完成干扰信号的特征学习与干扰估计,并根据干扰估计结果,在接收信号中去除干扰信号,完成变换域通信网络抗干扰优化。实验结果表明：该算法可有效完成变换域通信网络抗干扰优化,优化后通信信号的信噪比改善性能与误码性能均较佳,输出的通信信号几乎无干扰信号存在。     

频域盲解卷积局限性分析及一种改进算法

在频域盲解卷积问题中,时域信号的卷积混合转化为频域信号在有限频点的瞬时混合,使算法复杂度大大降低。但这种算法的局限是分离结果存在次序和幅度上的不确定性,并且窗函数长度和信号非平稳性之间存在相互制约的关系。文中对语音信号频域盲解卷积算法存在的制约因素进行分析并提出一种改进的基于包络相关性的排序方法。在分裂谱法的基础上,通过“分裂”后的多路信号求得“总包络”,再依据“总包络”进行排序,从而克服传统的直接依据输出信号包络相关性进行排序的不足。实验结果表明,采用本方法可获得较高的分离质量。     

基于时频分析方法LPFT的语音处理GUI系统

由于语音的非平稳性及时变性,时频分析方法是处理语音信号的重要工具.然而线性短时傅里叶变换的时频聚集性较差,而双线性维格纳变换在处理多分量信号时会受到交叉项的干扰.为了克服以上两种时频分析方法的缺点,利用短时傅里叶变换的扩展形式即局部多项式傅里叶变换LPFT来处理语音信号,建立了基于LPFT的语音处理GUI系统,实现了在时域、频域和时频域对语音的分析和对比.并给出语音处理的例子,验证了LPFT方法与其它方法相比所具有的优势.该系统简明直观,是语音处理的较好的平台.     

频域盲解卷积局限性分析及一种改进算法

在频域盲解卷积问题中,时域信号的卷积混合转化为频域信号在有限频点的瞬时混合,使算法复杂度大大降低.但这种算法的局限是分离结果存在次序和幅度上的不确定性,并且窗函数长度和信号非平稳性之间存在相互制约的关系.文中对语音信号频域盲解卷积算法存在的制约因素进行分析并提出一种改进的基于包络相关性的排序方法.在分裂谱法的基础上,通过"分裂"后的多路信号求得"总包络",再依据"总包络"进行排序,从而克服传统的直接依据输出信号包络相关性进行排序的不足.实验结果表明,采用本方法可获得较高的分离质量.     

基于双阶段Conv-Transformer的时频域语音增强算法

频域语音增强算法通常存在相位失配问题，而相位信息对于语音增强任务非常重要。时域语音增强算法可以有效解决相位失配问题，但是噪声和语音在频域中更易分离。为了实现时域和频域语音增强算法的优势互补，提出一种基于双阶段Conv-Transformer的时频域语音增强算法。采用编解码结构，将带噪语音经过短时傅里叶变换得到的频域特征和一维卷积处理后得到的时域特征作为输入。考虑到Transformer擅长提取语音序列的全局依赖关系，卷积神经网络可以关注局部特征，为了更好地提取时域和频域中的局部信息和全局信息，设计一种Conv-Transformer模块。在此基础上，联合时域和频域损失函数对模型进行优化，使得模型可以同时学习语音在时域和频域中的分布规律。实验结果表明，与单一域的语音增强算法相比，该算法具有更好的降噪效果，增强后的语音感知质量、短时可懂度、信号失真测度、噪声失真测度、综合质量测度分别为3.04、0.953、4.34、3.55、3.69。     

基于MATLAB的线性卷积及其快速实现方法

MATLAB中实现直接线性卷积通常调用conv()函数指令。对于线性卷积,一般直接比较麻烦。为了提高运算效率和运算工作量的目的,文章采用基于MATLAB实现线性卷积的自编函数clconv()和利用FFT和IFFT实现快速线性卷积的方法。通过实例验证及仿真结果,验证了clconv()函数的有效性,并且快速线性卷积的方法在计算出与直接线性卷积近似解的同时,运算工作量大大减少,运算速度大大提高,验证了利用FFT和IFFT实现快速线性卷积的有效性和优越性。     

运动模糊图像的恢复方法研究

分析了运动模糊图像的退化模型和恢复过程，改进了一种运动模糊图像的恢复方法。先通过图像系统辨识方法求解PSF函数，进而在频域和时域完成运动模糊图像的恢复，并就运动模糊图像进行逆滤波恢复、维纳滤波恢复和时域反卷积恢复进行了理论说明，比较了各自的优缺点。最后给出了几种恢复效果的对比实验结果。     

卷积形态滤波与图像去噪

本文提出的卷积形态变换是一种新的形态变换形式,具有线性卷积的结构和形态变换的性质。这种新的形态变换以乘性结构元素为特征,它不同于具有加性结构元素的普通形态变换,对于它们的性质和结构的研究也是本文的主要工作之一。另一方面的工作是针对卷积形态核提出了一种结构化的自动生成算法。研究表明,卷积形态滤波与卷积积分变换一样,对于图像具有去噪和平滑作用,且在实验效果上具有较通常的形态滤波和线性卷积变换更优的去噪和平滑功能。     

遗传算法在周期信号傅立叶变换中的应用

为了克服周期信号进行傅立叶变换时各次谐波幅度值需要进行复杂的理论计算问题,提出一种利用遗传算法进行周期信号傅立叶变换的方法,介绍了周期信号傅立叶变换和遗传算法的基本原理;给出了使用遗传算法对周期信号进行分解适应度函数的实现方法和确定各次谐波幅值计算的方法。并提供使用遗传算法对周期信号进行分解的具体步骤。仿真实验结果表明:该方法能够满足周期信号傅立叶变换的要求,与周期信号傅立叶变换理论计算方法相比,其突出优点是算法简单,易于实现。