基于RBF网络的小波变换模极大值重构算法

本文根据交替投影的基本思想,提出了一种基于径向基函数网络的小波变换模极大值重构方法.该方法利用径向基函数网络(RBFN)在其基函数宽度很大时具有较好的线性映射这一特性来加快收敛速度,提高重构精度.它不仅能较好地重构信号的边缘,而且能准确地重构出信号的峰值.大量仿真实验表明,该方法对各种信号是普遍适用的,具有收敛速度快,重构精度高的特点.     

基于图像块分类稀疏表示的超分辨率重构算法

 目前基于图像块稀疏表示的超分辨率重构算法对所有图像块都用同一字典表示,不能反映不同类型图像块间的差别.针对这一缺点,本文提出基于图像块分类稀疏表示的方法.该方法先利用图像局部特征将图像块分为平滑、边缘和不规则结构三种类型,其中边缘块细分为多个方向.然后利用稀疏表示方法对边缘和不规则结构块分别训练各自对应的低分辨率和高分辨率字典.重构时对平滑块利用简单双三次插值方法,边缘和不规则结构块由其对应的高、低分辨率字典通过正交匹配追踪算法重构.实验结果表明,与单字典稀疏表示算法相比,本文算法对图像边缘部分重构质量明显改善,同时重构速度显著提高.     

一种改进的稀疏表示人脸算法

为进一步有效提升稀疏表示人脸识别系统的识别率和可靠性,在分析人脸图像稀疏表示系数分类能力的基础上,提出了一种快速正交匹配追踪的脸识别新方法。快速正交匹配追踪算法通过在基本的正交匹配追踪算法中对冗余字典采用Cholesky分解,提高了算法的整体效率。     

利用改进的稀疏表示处理FBG传感信号

基于 压缩感知(CS)的正交匹配追 踪 ( OMP ) 算法,须以稀疏度 确定 为先验条件, 在 实际 应用 中稀疏度 不 易 确定 的情况下, 本文 提出了 稀疏度确 定方法和 二次正交匹配追踪 (TOMP)算法。 先 引入熵权法 采用 多指标融合并结合饱和值点法确定稀疏度 , 然后利用所提 方 法 对实验信号进行重构 。 实验 仿真结果表明: 与同类算法相比,本文所提 TOMP 算法增加 0.1s 运行时间降低了 12～ 22% 的重构误差,更好折中处理了重构误差和时间;与不同类算法相比,本文 所提方法重构的信号信噪比(SNR)最大可提升 22 dB ,且均方根误差(RMSE)降低 0.7,因此去噪效果更优。     

基于自适应逼近残差的稀疏表示语音降噪方法

该文提出一种基于自适应逼近残差的稀疏表示语音降噪方法。在字典学习阶段基于K奇异值分解(K-Singular Value Decomposition, K-SVD)算法获得干净语音谱的过完备字典,在稀疏表示阶段基于权重因子调整后的噪声谱和估计的交叉项对逼近残差持续自适应地更新,并采用正交匹配追踪(Orthogonal Matching Pursuit, OMP)方法对干净语音谱进行稀疏重构。最后结合估计的干净语音谱与带噪语音相位,通过傅里叶逆变换获得重构的干净语音。实验结果表明所提方法在不同噪声和信噪比条件下相比标准的谱减法,稀疏表示语音降噪算法和基于自回归隐马尔可夫模型的降噪方法有更好的降噪效果。     

一种改进的用于稀疏表示的正交匹配追踪算法

稀疏表示理论在军事目标识别、雷达目标参数估计等领域应用越来越广,而目标信号的稀疏表示通常不唯一,因此产生了大量的稀疏表示算法。本文基于现有稀疏表示算法的研究,提出一种改进的正交匹配追踪(OMP)算法。首先采用非线性下降的阈值更快速地选择原子,确定备选原子集,提高了算法速度;其次用正则化的二次筛选剔除备选原子集中能量较低的原子,保证了算法精确度;并设置迭代停止条件实现算法的稀疏度自适应。实验结果表明,本文算法可以实现稀疏表示求解精确度和速度上的平衡,求解速度比基追踪(BP)算法快,精确度比OMP、正则化OMP(ROMP)、基于自适应OMP回溯(BAOMP)算法高。     

由小波变换的模极大值快速重构信号

本文从多尺度分析的思想出发，提出一种由信号小波变换的模极大值快速重构信号的方法，在不同尺度上，以阶跃函数在该尺度上的小波变换作为基函数，利用模极大值拟合信号的小波变换，然后进行小波反演得到重构信号。这种快速算法具有明确而直观的物理意义，实现简单方便。文中还给出了对重构信号的误差修正方法，数值方法的结果表明，这种快速重构算法对不同类型的信号同样有效。     

图像的超小波稀疏表示

图像表示是图像处理领域研究的基础,对后继各种处理具有重要影响。寻找简洁有效的图像表示方法,对于推动图像处理领域的研究发展意义重大。针对二维可分离小波变换在稀疏表达图像中存在的问题,研究了各种超小波稀疏表示方法,并对未来发展进行预见性研究。     

用小波变换的模极大值提取调制信号频率

利用小波变换系数的模值与信号奇异性指数之间的关系,从调频信号中提取出调制信号的频率.其方法是:对调频信号进行小波变换,取适当尺度上的小波系数进行平方,得到小波变换模极大值的分布曲线,对该曲线进行小波强制滤波,得到反映调制信号频率的光滑曲线,计算该曲线的频率,即可得调制信号的频率.经过计算机仿真,证明该方法是可行的.     

基于稀疏表示的杂波建模和微弱运动目标探测

雷达回波中,微弱运动目标会被强杂波掩盖,造成目标探测困难。文中提出基于匹配追踪稀疏表示方法的雷达微弱运动目标探测算法,采用训练的过完备字典线性组合对杂波进行建模并解决稀疏表示问题,提高了杂波建模的准确性,利用杂波模型抑制杂波,可以从杂波背景中有效地探测微弱目标。仿真结果表明:文中提出的算法优于传统的目标探测方法,可以提高杂波抑制和微弱运动目标探测性能。     

Reconstructing Sparse Signals from Dyadic Wavelet Transform Modulus Maxima

The problem of how to recover a signal from its dyadic wavelet transform modulus maxima is considered. Based on the additional assumption that the signal has sparse representations in some transformed domains, a regularization-based reconstruction approach is proposed. The resulting minimization problem can be efficiently solved by iterative thresholding algorithm. Numerical experiments show the effectiveness of the proposed algorithm.     

一种改善小波变换模极大值重构信号的整体变分方法

在小波变换模极大值去噪原理的基础上,通过整体变分法估计模极大值以外、非零值的小波系数,然后经过小波逆变换重构信号.为求解这个极小化问题,采用了改进的次梯度方法.数值计算结果表明:我们提出的方法有效抑制了小波变换中固有的伪Gibbs现象,重构信号的边缘、脉冲位置都十分准确,信噪比也得到明显改善.     

基于子波变换极大值描述的图像压缩编码方法

本文给出了玫种有效的从图像子波变换模局部极大值点链接图像多尺度边缘曲线的跟踪算法。研究了基于基图像子波变换局部极大值描述的压缩编码方法。     

L阶Markov信号的稀疏表示

在现实生活中,很多信号（比如语音信号）都具有有色性,即信号相邻采样点之间具有统计相关性,通常可采用L阶Markov过程进行较好的描述,然而已有的稀疏表示算法并没有充分考虑到这种统计特性。因此,针对L阶Markov信号,采用l（p≤1）-范数的广义平均值作为稀疏度量,并提出了基于重叠采样的稀疏表示算法。仿真结果表明,相比现有的线性规划稀疏表示方法、最短路径法和FOCUSS法,新算法的精度更高。     

一种基于小波变换模极大值的估计 Lipschitz指数新方法

信号的奇异点和不规则部分往往包含丰富的信息,其奇异性行为通常由Lipschitz指数(Lipschitz Exponent,LE)来刻画.Mallat和Hwang在其经典文献[1]中提出采用小波变换模极大值随对数尺度变化曲线的最大斜率作为LE指数的度量.该方法已被学界广泛采用.但是,由于该计算方法只是文献[1]定理4不等式等号成立时的特例,故在噪声的情况下其计算的精确性和鲁棒性往往得不到保证.本文将Mallat的方法进行了改进,将对数坐标系中在小波变换尺度范围内满足文献[1]定理4的直线与小波变换模极大值(Wavelet Transform Modulus Maxima,WTMM)曲线间的面积作为估算LE的目标函数.在此基础之上研究了LE的先验知识,并给出了适于工程计算的估计算法.最后进行了对比仿真实验.实验结果证明本文的方法具有更高的精确性和鲁棒性.     

基于稀疏优化的图像压缩感知重建算法

在信号的稀疏表示方法中,传统的基于变换基的稀疏逼近不能自适应性地提取图像的纹理特征,而基于过完备字典的稀疏逼近算法复杂度过高.针对该问题,文章提出了一种基于小波变换稀疏字典优化的图像稀疏表示方法.该算法在图像小波变换的基础上构建图像过完备字典,利用同一场景图像的小波变换在纹理上具有内部和外部相似的属性,对过完备字典进行灰色关联度的分类,有效提高了图像表示的稀疏性.将该新算法应用于图像信号进行稀疏表示,以及基于压缩感知理论的图像采样和重建实验,结果表明新算法总体上提升了重建图像的峰值信噪比与结构相似度,并能有效缩短图像重建时间.     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的 SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域 SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进 OMP 算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99％,并且在含噪比10％的情况下识别率仍达96％。     

Sampling and Reconstruction of Sparse Signals in Fractional Fourier Domain

Sampling theory for continuous time signals which have a bandlimited representation in fractional Fourier transform (FrFT) domain-a transformation which generalizes the conventional Fourier transform-has blossomed in the recent past. The mechanistic principles behind Shannon's sampling theorem for fractional bandlimited (or fractional Fourier bandlimited) signals are the same as for the Fourier domain case i.e. sampling (and reconstruction) in FrFT domain can be seen as an orthogonal projection of a signal onto a subspace of fractional bandlimited signals. As neat as this extension of Shannon's framework is, it inherits the same fundamental limitation that is prevalent in the Fourier regime-what happens if the signals have singularities in the time domain (or the signal has a nonbandlimited spectrum)? In this paper, we propose a uniform sampling and reconstruction scheme for a class of signals which are nonbandlimited in FrFT sense. Specifically, we assume that samples of a smoothed version of a periodic stream of Diracs (which is sparse in time-domain) are accessible. In its parametric form, this signal has a finite number of degrees of freedom per unit time. Based on the representation of this signal in FrFT domain, we derive conditions under which exact recovery of parameters of the signal is possible. Knowledge of these parameters leads to exact reconstruction of the original signal.     

循环平稳信号的联合稀疏表示DOA估计

基于联合稀疏表示的思想,本文提出了一种利用二阶循环统计量的循环平稳信号波达方向（DOA）估计算法。首先,对传统的谱相关信号子空间拟合算法进行分析研究;然后,通过在循环域构造过完备的阵列方向矩阵字典,建立了联合稀疏表示模型,从而将循环平稳信号的DOA估计问题转化为联合稀疏矩阵的恢复问题;最后,利用联合Ι_2,0范数逼近法求出联合稀疏矩阵的优化解,并根据优化矩阵中非零行的位置估计出循环平稳信号的DOA。与传统的SCSSF算法相比,所提算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合。理论分析和仿真实验结果都表明了算法的有效性。