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.     

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。     

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。     

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。     

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。     

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.     

基于峰值变换的信号稀疏表示及重建

压缩感知(CS)近年来的出现引起了学术界的极大关注,其要求信号本身是稀疏的或者在某种正交基下可以稀疏的表示。该文针对信号本身及小波变换下均不稀疏的情况(如线调频信号),结合峰值变换(PT),提出了PTCS的信号压缩感知算法,对于PT变换产生的峰值变换点序列采用可逆数字水印中的数值扩展方法,将峰值变换点序列嵌入测量信号中,避免了由于引入PT变换而额外增加测量点。通过PT变换,可以将不稀疏的小波系数变为稀疏系数,从而大大提升信号重构效果。仿真结果表明,该文提出的PTCS算法恢复信号与已有的基于正交匹配追踪算法的CS算法相比较,恢复信号质量有着较大的提高。     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

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。     

基于小波变换模极大值重构原理的HRTFs平滑逼近预处理

空间听觉的研究以及虚拟听觉空间的实现中,与头相关传递函数(Head-Related Transfer Functions, HRTFs)或与头相关冲激响应(Head-Related Impulse Responses, HRIRs)的高效建模对于隐含在HRTFs中的特征模式的识别有着极其重要的作用。作为建模前的一个重要环节,该文通过对HRTFs的时域奇异性特征分析和全部测量空间方位上HRIRs分布特点的统计判断,采用具有平移不变特性的多孔小波变换和相应的模极大值重构原理提出了一种HRTFs非线性平滑逼近预处理的方法。仿真实验结果表明,在设置的阈值门限一致的情况下,该文方法较PCA(Principal Component Analysis)和基于小波变换Mallat算法的逼近处理的性能分别提高了8.3dB和2.4dB。     

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。     

基于稀疏表示的超分辨率图像重建

针对单幅低分辨率图像的超分辨率重建,提出一种基于稀疏表示的改进算法。通过联合输入低分辨率图像块和对应生成的高分辨率图像块,求解其在高低分辨率字典对上的稀疏表示系数,再将系数与高分辨率字典结合,修正输出的高分辨率图像块。仿真实验表明,文中提出的算法有效提升了重建图像的质量。     

基于反对称双正交小波分解系数的模极大值的信号快速重构

因为反对称双正交小波具有近似微分算子性质,该文用它对信号作无下采样(Un-decimated)的小波变换,以此获得信号在各尺度下与信号的边缘点相对应的局部模极大值。在只保留这些局部模极大值(即边缘)点信息的条件下,利用高斯函数直接拟合各级小波系数,然后再作小波逆变换就可恢复原信号。实验表明,与现有的采用二进小波变换的方法比较,该方法更加简便快捷。