基于线性预测分析和差分变换的语音信号压缩感知

在压缩感知研究中,信号在不同变换下的稀疏域好坏是影响信号重构性能的重要因素。该文基于语音信号的线性预测分析(LPC),提出一种结合了LPC分析和差分变换的语音稀疏化联合变换方法,通过正交匹配追踪算法(OMP)优化算法重构语音信号,与FFT和LPC两种稀疏化方法进行了对比分析。实验表明,在压缩比大于0.4时,联合变换法重构的语音信号性能明显优于另外两种方法。也即在相同重构性能并兼顾语音质量的情况下,联合变换法具有较小的压缩比,因而具有较好的压缩性能。采用PESQ语音质量评测方法对3种稀疏化算法重构的语音进行平均意见值(MOS)对比,联合变换法也具有较好的性能。     

基于匹配追踪算法的电能质量研究

为了解决电能质量信号采集数据量大的问题,提出基于匹配追踪重构算法的压缩感知方法,并首次应用于电能质量信号压缩采样研究。文中通过采用不同的稀疏基和重构算法的方法,来提高原始电能质量信号重构效果。当采样数据空间稀疏基分别选取傅里叶变换基和小波变换基,重构算法分别采用正交匹配追踪(OMP)和压缩采样匹配追踪(CoSaMP)时,仿真结果表明,压缩采样比为20%时,两种重构算法的均方误差都低于3%,重构信噪比大于30dB,为电能质量信号压缩采样研究提供了一种新的思路。     

改进的正交匹配追踪语音增强算法

本文根据语音信号在离散余弦变换（discrete cosine transform,DCT）域上的近似稀疏性,将压缩感知（compressed sensing,CS）应用于语音增强。提出了一种基于压缩感知的语音增强新算法。算法采用对语音信号具有一定鲁棒性的行阶梯矩阵,对含噪语音进行压缩观测,通过改进的正交匹配追踪OMP（orthogonal matching pursuit,OMP）算法重构语音信号,最后用低通滤波器对重构语音进行平滑滤波,实现语音增强。实验结果表明:本文所提语音增强算法在提高输出信噪比的同时,减少了重构时间,具有较强的鲁棒性。      

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.     

应用于电能质量的压缩感知稀疏基的研究

为了解决基于傅里叶变换基的压缩感知对电能质量干扰信号压缩采样丢失时变信息的问题,本文进行了基于小波变换基的压缩感知电能质量研究。首次提出采用不同小波基的小波变换基作为稀疏基,来提高压缩感知对电能质量干扰信号的重构效果,为电能质量研究提供了一种新的研究方向;并通过实验仿真对比了基于傅里叶变换基和基于小波变换基的压缩感知重构效果。在压缩感知重构算法分别采用正交匹配追踪算法和压缩采样匹配追踪算法下,仿真结果表明,压缩感知应用于电能质量时,基于小波变换基的压缩感知重构效果优于基于傅里叶变换基的压缩感知重构效果;当压缩采样比是20％,稀疏基采用db3小波变换基时,均方误差均低于0．1％,良好地完成了原始电能质量干扰信号的重构。     

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。     

基于压缩感知的信号重构

压缩感知是针对稀疏或可压缩信号,在采样的同时即可对信号数据进行适当压缩的新理论,采用该理论,可以仅需少量信号的观测值来实现精确重构信号。文中概述了CS理论框架及关键技术问题,介绍了信号稀疏表示、观测矩阵和重构算法。最后仿真实现了基于压缩感知的信号重构,并对正交匹配追踪(OMP)重构算法性能作了分析。     

基于小波基的压缩感知重构算法设计

针对传统重构理论下对硬件设备的高要求和高损耗问题,提出基于小波基的压缩感知重构算法,利用小波变换在图像压缩重构上的优势,选取合适的小波基作为稀疏基,对一维信号和二维图像采用正交匹配追踪(OMP)算法,进行信号的压缩和重构,并对算法进行相应的改进。实验表明,压缩感知理论用于数字信号和数字图像处理有着显著的优势。     

基于压缩感知的OFDM系统信道估计方法

针对无线信道的时域稀疏性以及稀疏度未知的问题,文章将压缩感知技术应用到正交频分复用(OFDM)系统信道估计中,提出了一种稀疏度自适应正交匹配追踪信道估计算法。算法利用离散傅里叶变换(DFT)信道估计算法对循环前缀内和外的噪声进行处理,估计得到的信道频率响应作为正交匹配追踪(OMP)算法稀疏迭代终止的判断条件,实现稀疏度自适应信号重建。同时在原子预选阶段,采用Dice系数准则代替内积准则作为相关性度量准则,可达到更优的估计性能。仿真结果表明,该算法相比于传统的压缩感知信道估计算法具有较好的性能,可以提高系统的归一化均方误差(NMSE)和误码率(BER)性能。     

频谱互质重排亚奈奎斯特率采样方法

本文提出了一种基于频谱互质重排的超低速率信号采样方法.该方法将稀疏傅里叶变换从离散时间域拓展到连续时间域,首先通过互质结构傅里叶展开采样对频域稀疏信号的频谱分量进行重排和压缩,然后通过基于中国余数定理的亚线性算法对信号进行了重构.实验结果表明,本文所提的采样方法可进一步降低频域稀疏信号的采样速率.     

自适应小波包的光纤传感器信号压缩感知

在由分布式光纤传感器构成光纤周界报警系统中 ,针对大规模、高分辨率的光纤振动信号在采样、传输、存储和重 构过程中会受到网络带宽、存储容量等限制问题,提出基于自适应小波包的光纤传感器信号 压缩感知方法。首先,采用小波 包对光纤振动信号进行多层稀疏变换,通过求取小波包系数的数学期望来选取初始置零阈值 ;然后,对光纤振动信号进行重 构并求取重构信号精度,再根据信号的重构精度采用迭代计算方法求取小波包系数的最佳置 零阈值,使光纤振动信号在满足 重构精度的前提下具有最高稀疏度,实现信号的自适应压缩感知;最后,根据光纤振动信号 的特征,采用K-SVD算法训练 得到过完备字典,结合正交匹配跟踪方法完成光纤振动信号的高精度重构。大量实验证明, 与传统压缩算法相比较,新方法的各方面性能均得到较大程度 提高。     

A distributed compressed sensing approach for speech signal denoising

Compressed sensing, a new area of signal processing rising in recent years, seeks to minimize the number of samples that is necessary to be taken from a signal for precise reconstruction. The precondition of compressed sensing theory is the sparsity of signals. In this paper, two methods to estimate the sparsity level of the signal are formulated. And then an approach to estimate the sparsity level directly from the noisy signal is presented. Moreover, a scheme based on distributed compressed sensing for speech signal denoising is described in this work which exploits multiple measurements of the noisy speech signal to construct the block-sparse data and then reconstruct the original speech signal using block-sparse model-based Compressive Sampling Matching Pursuit (CoSaMP) algorithm. Several simulation results demonstrate the accuracy of the estimated sparsity level and that this denoising system for noisy speech signals can achieve favorable performance especially when speech signals suffer severe noise.     

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.     

基于改进正交匹配追踪的FBG传感信号处理方法

针对光纤布拉格光栅(FBG)传感信号易受外界噪声干扰从而导致信号丢失的问题,提出了一种改进型正交匹配追踪(OMP)算法。围绕FBG传感信号波长随应力漂移的本质特征,在压缩感知理论的框架下,通过去除稀疏系数中的虚部,并利用指数饱和法对非零元素进行拟合与排序,从而获取FBG信号的有效稀疏度。在此基础上,通过改进经典OMP算法迭代过程中的原子选择策略与终止条件,有效降低算法复杂度并提高信号的重构精度。对比实验结果表明,所提出的算法在时间复杂度、信噪比与信号重构精度等方面均具有突出的优势。     

基于块A*正交匹配追踪的多传感器数据联合重构算法

 针对A*正交匹配追踪(A*OMP)算法计算复杂高,且不能利用信号的结构稀疏性这一缺陷,该文提出了块A*OMP算法并将其用于解决分布式压缩感知中的信号联合重构问题。该算法用原子块取代单个原子作为搜索树中的节点,在计算路径代价时用搜索树中所有路径的最大长度取代信号的稀疏度。然后在块A*OMP算法的基础上,选择与残差矩阵投影误差最小的原子块作为新的节点,得到了一种用于解决MMV(Multiple Measurement Vector, MMV)问题的块A*OMP算法,并利用该算法对相邻区域内的多个传感器所测的温度信号进行了联合重构。实验结果表明,该算法的重构性能优于MMV正交匹配追踪(OMPMMV)算法。     

语音重构的DCT域加速Landweber迭代硬阈值算法

重构信号的最基本理论依据是该信号在某个变换域是稀疏的或近似稀疏的。基于语音信号在DCT域的近似稀疏性,可以采用压缩感知(Compressed Sensing, CS)理论对其进行重构。压缩感知理论中的迭代硬阈值(Iterative hard thresholding, IHT)算法以其较好的性能被广泛用来重构信号,但其收敛速度比较慢,如何提高收敛速度,一直是迭代硬阈值算法研究的重点之一。针对压缩感知理论中的IHT算法收敛速度相当慢的问题,提出了语音重构的DCT域加速Landweber迭代硬阈值(Accelerated Landweber iterative hard thresholding, ALIHT)算法。该算法对原始语音信号做DCT变换,然后在DCT域将每一步Landweber迭代分解为矩阵计算和求解两步,通过修改其中的矩阵计算部分实现Landweber迭代加速,最后通过迭代硬阈值对信号做阈值处理。实验结果表明,加速Landweber迭代硬阈值算法加快了收敛速度、减少了计算量。      

一种稀疏重建的多基地雷达多目标定位算法

采用距离和信息的多基地雷达多目标投影定位算法中,距离向脉冲压缩后分辨率降低,需要已知空间中目标个数.针对此问题,提出了一种稀疏重建的多基地雷达多目标定位方法.该方法利用多个接收机中目标稀疏度相同的特点,通过构造平均重构残余误差变化率和平均散射系数变化率作为正交匹配追踪(OMP)算法迭代终止判定条件,自适应地终止OMP算法的同时获得稀疏重建信号以及信号稀疏度的估计值,提高了距离向分辨率,获得了对空间中目标个数的估计.仿真实验表明所提算法有效抑制了距离向主瓣展宽和旁瓣串扰,提高了距离向分辨率.同时,所提算法在不同噪声环境下能准确估计空间中目标个数并提取其空间位置,实现对空间中目标的准确定位.