基于压缩传感理论的重构算法研究

针对国内压缩传感理论(CS)尚处于起步以及理论研究阶段,为深入阐述该理论及对其实践应用性进行探索,将压缩传感理论从信号的稀疏表示、编码测量以及重构算法3个方面展开了较为详细的论述,并深入地阐述了重构算法中具有代表性的匹配追踪、正交匹配追踪、正则化正交匹配追踪算法。并进一步介绍了最小均方差线性估计(MMSE)算法,通过与常用重构算法的仿真对比,突出了MMSE算法在低采样率下的优越性。研究结果表明,该算法在实践中具有较好的应用潜力。     

应用压缩传感理论的单像素相机成像系统

采用稀疏二进制矩阵作为测量矩阵完成了单像素相机对不同场景的拍摄。基于压缩传感理论设计的单像素相机,利用数字微镜阵列和单个探测元件实现高分辨率图像的拍摄,将图像采集和压缩合二为一,减少了数据,降低了系统规模、复杂度和成本。对测量矩阵进行了分析,给出了二进制测量矩阵精确重构条件。搭建了硬件实验平台,采用稀疏二进制测量矩阵,对笔划复杂度不同的"中"字、"国"字和复杂实物这3种不同的场景进行了拍摄实验,利用梯度投影重构算法重构出目标图像,图像分辨率为数字微镜阵列大小。实验结果显示,对于3种不同场景,在测量次数为目标图像像素总数的20%～30%时,能精确重构出目标图像,表明单像素相机能实现高分辨率图像的拍摄。     

随机等效采样算法在数字存储示波器上的实现

由于受Nyquist采样定理的制约,数字示波器的测量信号带宽受到一定的限制。文中介绍了一种基于低速器件的高速数据采集技术——随机等效采样在数字示波器上的实现。给出了随机等效排序算法,提出了一次等效采样结束的判断方法。在开发400MHz高速数字存储示波器上,等效采样率达到10GSPS,时间测量分辨率达到100ps。文中给出了实时采样波形图和等效后的波形图。     

一种新型随机等效采样的实现方法

随着现代电子技术的发展,测试手段的提高,开发人员对数字存储示波器的采样率提出了更高要求。为了解决高速数据采集成本高的问题,提出了随机等效采样技术,并利用游标卡尺原理实现对触发时刻与下一采样时钟的时间测量,完成了等效采样率为10 G的采集模块的设计。该模块主要由触发时钟产生模块、采样时钟产生模块、等效采样测时模块与数据存储模块组成。该技术具有较高的实用性,并已应用于产品中。     

基于稀疏信号重构的无线传感网络目标定位

提出了一种新的基于稀疏信号重构的无线传感网络目标定位方法.针对目标定位问题,将多目标位置表示为离散化测量空间上的稀疏向量,则多传感节点声音信号能量测量值向量可分解为测量矩阵、稀疏矩阵与稀疏向量的乘积,通过稀疏信号重构方法可以恢复目标位置稀疏向量,实现多目标定位.传统L1范数稀疏信号重构法要求测量矩阵和稀疏矩阵乘积满足受限等距性条件,在目标定位问题中难以满足.采用贪婪匹配追踪算法重构稀疏向量,基于噪声信号能量幅值终止迭代搜索,进行多目标定位.实验表明,基于贪婪匹配追踪稀疏信号重构目标定位方法能准确实现多目标定位,定位精度优于基于正交匹配追踪的稀疏信号重构目标定位方法和基于单纯形搜索的最大似然估计目标定位方法.     

基于Bandelet稀疏的移动机器人环境视觉纹理图像的压缩传感与重构

压缩传感技术为移动机器人环境视觉的实时高效处理与传输提供了一种新的解决方法。结合Bandelet变换自适应跟踪图像正则方向的特点,进行了基于Bandelet稀疏和正交匹配追踪(OMP)算法的环境纹理图像压缩传感重构分析研究。结果表明：在较大观测值下,Bandelet稀疏重构与传统小波稀疏重构效果差别不大;在较小观测值下,传统sym8小波稀疏重构出现不稳定状态,出现块状信息缺失,不能有效重构,而Bandelet稀疏重构效果相对稳定;在给定观测值下,Bandelet稀疏重构的边缘细节表达能力优于sym8小波,说明Bandelet变换在压缩传感采样高压缩比下恢复重构具有有效性和稳定性。     

基于ARM的等效采样示波表的设计

为了满足实验过程中对一些电参数高精度测量的要求．同时也为了降低整个系统成本和功耗，介绍了一种基于ARM的等效采样示波表系统的总体方案和软硬件设计，示波表选用了ARM控制的A／D转换器ADS1211。整个系统的精密时钟发生电路对高频信号（6．25MHz-100MHz）进行等效采样，经测量其精度可达10^-6。大大提高了示波表的性价比。     

基于等效采样原理的数字示波器

本作品以单片机和FPGA为控制核心,实现了基于等效采样技术的数字示波器。具有实时采样和等效采样方式,其实时采样速率不大于1MSa/s,并采用顺序等效采样的方式使等效采样速率达到200MSa/s。系统输入频率范围为10Hz～10MHz,输入幅值范围为16mV～8V,垂直灵敏度有1V/div、0.1V/div、2mV/div三档,水平灵敏度有20ms/div、2ms/div、1ms/div、40μs/div2、0μs/div、2μs/div、200 ns/div、100 ns/div八档。信号幅度测量误差小于5%,周期测量误差小于5%。采用内部软件触发方式,触发电平可调。具有单次触发,波形存储,自动档,校准信号输出等功能。     

随机等效采样抑制探地雷达RFI的研究

超宽带探地雷达应用中,射频干扰的抑制是一个重要的研究课题.射频干扰是影响目标检测和合成孔径成像效果的关键因素之一.针对无载波脉冲探地雷达,本文分别在3种信息数据采集方式:实时采样、周期等效采样和随机等效采样下,对均值滤波后的射频干扰特征进行了分析.分析指出采用随机等效采样,在不影响目标回波获取的情况下,可将射频干扰变为零均值随机信号,进而用经典的均值滤波方法进行干扰抑制.实验结果验证了本文分析的正确性和随机等效采样对射频干扰抑制的有效性.     

基于FPGA的等效采样存储示波器设计

提出了一种应用于便携式数字存储示波器等效采样的实现方案.详细讲述了FPCA和微处理器LPC2138对高频信号随机等效采样的处理过程,利用一种全新的方法即主要利用FPGA内部逻辑单元完成对触发时刻到与下一采样时刻的时间间隔的测量.给出了FPGA对采样点的处理方法和LPC2138数据的处理及波形还原的软件处理过程.实现一个模拟带宽为1Hz～100MHz的手持式数字存储示波器.     

基于压缩感知的新型声信号采集方法

介绍了一种基于压缩感知的声音信号采集方法,特别适合于无线传感器网络的声学监控应用,能够大大降低采样过程中对硬件采样速率和能量的需求,同时减轻了无线通信的负担,从而实现无线传感器的低成本化和实用化.利用声学信号在频域中的稀疏性质,在压缩感知相关理论的指导下设计了一种新型的随机压缩采样方法,实现了信号有用信息的高效获取;同时,利用加权L1 -magic算法对信号进行重构,完成完整的信号采集过程.仿真及实验表明,该方法能够实现在1/10以下标准采样频率下的声信号采集.     

基于轮廓波维纳滤波的图像压缩传感重构

图像压缩传感重构利用自然图像可稀疏表示的先验知识,从比奈奎斯特采样率低得多的随机投影观测值中重构原始图像.为了克服传统的压缩传感重构中正交小波方向选择性差和未利用变换系数的邻域统计特性的缺点,利用了轮廓波维纳滤波去噪算子替代迭代阈值法中的阈值算子,进而提出了基于轮廓波维纳滤波的图像压缩传感的重构算法.实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节,加快了重构算法的收敛速度.     

机械振动信号分块自适应压缩感知算法

为提高振动信号分块压缩感知过程中的信号重构效果,提出了机械振动信号的自适应分块压缩感知算法。首先将信号分割,构造信号矩阵,并利用K-SVD构造与信号矩阵相适应的冗余字典;然后根据不同信号块在冗余字典下匹配追踪系数的衰减速度,定义不同信号块的复杂度权值;最后以复杂度权值为依据,制定自适应的压缩感知采样策略,在保证振动信号的整体采样率不变的同时,自适应分配不同信号块的观测数目。将该算法应用于机械振动信号压缩感知,与传统压缩感知算法以及其他自适应压缩感知算法相比,信号重构的精度得到提高。     

基于压缩感知理论的MEMS陀螺仪信号降噪研究

通过分析传统小波阈值滤波的局限性,将基于压缩感知的小波滤波方法应用于低精度MEMS(micro electro mechanicalsystem)陀螺仪信号降噪中,并与小波阈值滤波方法进行了实验对比,实验结果表明:基于压缩感知的小波滤波方法可以有效地去除MEMS陀螺仪输出信号中的噪声,并且在压缩比较大时基于压缩感知的滤波方法去噪效果优于小波阈值滤波方法,改善了低精度MEMS陀螺仪零偏稳定性,为工程中解决低精度MEMS陀螺仪降噪问题提供了新思路。     

基于序贯压缩感知的自适应宽带频谱检测

信号信息处理的新技术压缩感知,提供了认知无线电中宽带频谱检测的新方案.该方案的一个主要问题是在不知道信号稀疏度的前提下如何确定所需要的随机观测次数.提出一种基于序贯压缩感知的自适应检测方案.次用户利用模拟/信息转换器输出观测序列并进行自相关运算,相邻两次自相关观测向量输入融合中心经由SSAMP协作重构算法估算重构误差,并自适应确定所需的最小观测次数.精确重构的稀疏向量利用基于置信度的DS融合算法对主用户宽带频谱占用做出决策.仿真结果证实了误差估计及自适应协作检测的有效性.同时,SSAMP算法与经典的SOMP算法在重构均方误差和检测时间两方面进行了对比.     

基于NTN校准的等效采样示波器任意频率栅相位响应重构

研究提出了一种通过测量等效采样示波器幅度响应来获得其相位响应的算法.此方法是基于Kramers-Kronig关系式并配以基于NTN校准的相位响应测量实现的.实例证明:虽然Kramers-Kronig变换计算时的截断造成了相位估计上非常大的误差,但是此误差可以通过少量的正交基函数拟合出来.作为一个实例,本文利用NTN校准...     

压缩感知域智能天然气管道泄漏孔径识别

天然气管道泄漏监测正在进入大数据时代,针对传统方法存在的采集数据冗余、特征提取及识别受主观因素影响较大等问题,结合压缩感知与深度学习理论,提出一种在变换域进行泄漏信号的压缩采集、在压缩感知域进行自适应特征提取及识别的智能天然气管道泄漏孔径识别方法。通过随机高斯矩阵获取压缩采集数据,并通过深度学习挖掘测量信号中隐藏的泄漏孔径信息,经稀疏滤波实现特征的自动筛选,最后研究了softmax回归实现孔径的高精度分类识别。实验结果表明,该方法实现了监测数据的压缩,对压缩感知域采集信号的识别性能明显优于传统方法。     

基于过完备线性预测字典的压缩感知语音重构

基于语音信号帧内样值间的相关性和冗余域的稀疏性,针对采用离散余弦转换矩阵及基追踪方法对压缩感知采样语音进行重构时,语音稀疏性不够好导致大压缩比采样后重构效果差的缺点,提出采用过完备线性预测字典做转换矩阵,用基追踪重构算法对压缩感知采样语音进行高质量重构。该方法预先由训练语音的预测系数聚类构造过完备字典,不需要测试语音的预测系数;基于过完备线性预测字典重构信号性能良好。对利用基追踪重构的语音进行了主客观评价,得出结论:同样的观测数目下,基于过完备线性预测字典比基于离散余弦变换矩阵压缩感知采样语音重构信噪比高出3～8 dB。