Obtaining Prior Information for Ultrasonic Signal Reconstruction from FRI Sparse Sampling Data

超声信号FRI稀疏采样数据重构中先验信息的获取

宋寿鹏,倪英杰,邵勇华

（江苏大学 仪器科学与工程系,江苏 镇江 212013）

研究目的：

提供一种从超声信号采集的稀疏数据中重构原信号时,回波中脉冲数目获取方法。该方法可以从稀疏采样数据中直接求得脉冲串数目,避免信号重构时预先给出脉冲串数目带来的不足。

研究方法：

论文首先从理论上给出了根据稀疏采样数据获取脉冲数目的方法,然后分析了噪声对该方法的影响,并给出了解决方法,最后通过仿真和实际测试验证了提出方法的有效性。当从超声信号中获取到稀疏采样数据后,将这些稀疏数据转换成离散傅立叶系数,形成Hankel矩阵,实施SVD分解,去除由于噪声产生的分解系数后,剩余的分解系数即为脉冲数目。

结果：

提出一种从超声信号FRI稀疏采样数据中直接估算脉冲串数目的方法,仿真实验分析了噪声水平阈值因子的影响,给出了实验中选取该因子的经验公式。实验结果表明该方法有效可行。

结论：

该方法可有效解决目前利用FRI稀疏采样数据重构信号时人为给定脉冲串数目的弊端,不需要先验脉冲宽度信息,可通过稀疏数据的离散傅立叶变换、构建汉克尔矩阵及奇异值分解得到脉冲串的数目。信号中噪声的影响可有效消除,可用于实际中脉冲超声检测信号的稀疏采样与重构。

关键词：FRI;超声信号;稀疏采样;信号重构;先验信息

     

一种新的MEMS陀螺仪信号去噪方法

为提高MEMS陀螺仪输出信号的去噪效果,将稀疏分解(sparse decomposition)与提升小波变换(lifting wavelet transform)相结合,提出了一种新的信号去噪方法.首先,建立MEMS陀螺带噪信号的误差模型,并利用小波提升正变换计算带噪信号的非稀疏的小波系数;然后,利用稀疏分解理论恢复小波系数的稀疏性;最后,再通过小波提升反变换重构信号,从而达到去噪的目的.考虑到梯度投影(gradient projection)算法具有全局最优解,运算效率更高,将梯度投影思想引入恢复信号稀疏性的过程中,提出了基于梯度投影的稀疏分解算法,给出了利用梯度投影算法进行信号系数分解的具体步骤,大大简化了计算复杂度,同时提升了算法的稳定性.为验证所提方法的性能,进行了MEMS陀螺信号去噪的静态实验和跑车实验.实验结果表明,此种方法在动静态条件下都可以有效地去除MEMS陀螺仪输出信号中的噪声,尤其是在静态条件下的去噪效果要优于小波阈值滤波方法.同时采用的梯度投影算法相比于正交匹配追踪算法和基追踪算法具有更高的运算效率.     

基于压缩采样的宽带跳频信号盲检测算法

为了在非协作情况下,达到对宽带跳频信号进行实时检测的目的,提出一种基于压缩采样值数字特征的盲检测算法.首先分析了不同先验假设条件下压缩采样值的期望和方差,然后讨论了利用这些不同数字特征对高斯白噪声中的跳频信号进行检测的方法.仿真结果显示,该算法能在Eb/N0大于8dB时对高斯白噪声中的跳频信号进行有效的检测.该算法相对于传统基于奈奎斯特采样值的检测算法,运算复杂度低,实时性较好.     

一种基于L1范数的目标源测向算法

在高维信号处理中,为了有效地估计信号的角度,提出了基于L1范数的二阶锥规划算法(L1-SVD).该算法将稀疏重构用于目标源测向技术,在窄带信号的模型基础上,引进稀疏域模型,将一个高维信号的角度估计问题抽象成欠定方程组求解问题.经Matlab仿真验证,与其他最小范数法以及经典多重信号分类算法相比,该算法在较大的信噪比范围内都能取得较低的重构误差和较高的成功概率,对相关性较大的信号也能进行识别.这证明了该算法能够有效地实现目标源测向.     

Signal reconstruction algorithm based on the probabilistic structured sparse model

In order to describe structured sparsity of the signal accurately, a probabilistic structured sparse model is constructed for signal reconstruction in compressive sensing(CS). Based on the structured sparse model, Boltzmann distribution is introduced to describe structured sparsity of the signal support rather than to describe the signal directly. Based on Bayesian CS, the maximum a posterior estimate of signal support is computed with the prior distribution and the Gaussian likelihood model of measurement, and then the signal is reconstructed using signal support. Experimental results show that, for the signal with the support known, the proposed algorithm is obviously superior to BP and OMP and that for the signal with the support unknown, its performance outperforms that of BP and OMP in the condition of a high measurement noise level and low reconstruction error tolerance.     

一种采用协方差矩阵稀疏表示的DOA估计方法

提出一种新的基于样本协方差矩阵稀疏表示的联合波达方向估计方法.该方法对传统的基于协方差矩阵稀疏表示的模型进行改进,仅利用协方差矩阵的部分信息来进行波达方向估计,无须已知噪声功率,以极小的孔径损失换取算法的稳健性.虽然是基于样本统计信息(即协方差矩阵)的波达方向估计方法,但是其原理与传统的角度高分辨估计方法(MUSIC,CAPON)不同,该算法对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度.     

非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

基于时频消噪TFPF和时频分布MBD的轴承早期故障诊断

噪声是影响轴承、齿轮等机械设备早期微弱故障特征正确提取的主要因素,利用新颖的时频峰值滤波技术TFPT有力的噪声消减特性,将PTFT与改进的时频分布MBD相结合,提出了时频峰值滤波TFPT-时频分布MBD的故障识别新方法,即应用TFPF消减振动信号的随机噪声作为时频分析的前置处理,对消噪的故障信号作MBD时频分析来识别故障特征,给出了时频峰值滤波时频分布的故障诊断模型。诊断实例的分析结果表明了与传统的MBD的故障特征提取相比,提出的改进方法更易提取出强噪声背景下的轴承早期的微弱故障,具有明显的可诊断性和实用性。     

基于循环自相关的DOA估计方法研究

为了克服传统信号DOA估计的不足,提高信号的选择性和分辨率,文章给出了基于循环均值阵列信号模型.根据该信号模型,运用最小二乘得到了对源信号方向进行估计的有效算法.该算法利用信号的循环平稳特性去除接收信号中的非循环平稳信号和不同循环频率的循环平稳信号,用循环统计量方法替代传统的二阶统计量方法,得到很好的DOA估计效果.计算机仿真结果证明,该算法在不同角度下具有很好的估计一致性和噪声抑制性.与其他的DOA估计算法相比,计算量较小,同时处理的对象既可以是窄带信号也可以是宽带信号,具有很好的实际应用价值.     

DOA Estimation Method Using Sparse Repres-entation with Orthogonal Projection

In order to reduce the effect of noises on DOA estimation, this paper proposes a direc-tion-of-arrival (DOA) estimation method using sparse representation with orthogonal projection (OPSR). The OPSR method obtains a new covariance matrix by projecting the covariance matrix of the array data to the signal subspace, leading to the elimination of the noise subspace. After-wards, based on the new covariance matrix after the orthogonal projection, a new sparse representa-tion model is established and employed for DOA estimation. Simulation results demonstrate that compared to other methods, the OPSR method has higher angle resolution and better DOA estima-tion performance in the cases of few snapshots and low SNRs.     

基于稀疏表示模型的图像解码方法

为了更好地提取图像信号的稀疏特性,提出了一种多方向自回归稀疏模型及其重建算法.多方向自回归稀疏模型利用图像局部统计相关和纹理方向实现了图像稀疏表示.在基于变换的编码框架下,以编码端的变换矩阵为观测矩阵,用多方向自回归稀疏模型代替解码端的反变换.图像仿真结果表明,所提出的技术能改善JPEG图像的质量.     

微弱正弦信号混沌检测的仿真分析

研究了一种在噪声背景下用混沌振子检测微弱正弦信号的时域处理方法。分析了基于相平面变化进行微弱正弦信号检测的Duffing方程的数学模型,着重对与策动力频率不同的信号进行了仿真分析。结果表明:Duffing振子对与系统策动力频率一致的信号敏感,而对其它频率的信号不太敏感,且对噪声具有一定的免疫力。     

基于加权1范数稀疏信号重建的DoA估计

针对l₁范数下奇异值分解的l₁-SVD稀疏信号重建的波达方向估计方法存在求解量的稀疏性较差且空间谱中存在较多的伪峰,不能准确估计波达方向的问题,对接收信号矩阵进行预处理,并使用信号子空间设计权值矢量得到更好的稀疏性和更好地逼近l₀范数,利用得到的权值矢量对l₁-SVD算法中解矢量的各个元素进行加权,以得到的加权l₁范数作为最小化的目标函数进行优化.仿真结果表明,提出的算法在快拍数、正则化参数和信噪比等条件改变的情况下能有效抑制伪峰,并准确稳定地估计出波达方向.     

多雷达信号模拟器的软件设计

提出了一种用TMS320C6416实现多雷达信号模拟器的方法,建立了雷达脉冲参数描述模型,并通过将脉冲的前沿到达时间映射到存储地址来完成对脉冲的时域排序。给出数字信号处理控制单元的软件设计流程,对同时到达的脉冲信号按优先级别进行处理。根据该设计可生成逼真的密集雷达信号环境。     

微弱高频CW信号的自适应滤波

高频电报(CW)是强噪声背景下战术应急通信的主要工作方式,由于高频信道是典型的随参信道,不可能事先已知干扰噪声的统计特性。该文提出了一种基于ARMA新息模型的CW信号自适应Kalman滤波方法,以解决高斯背景下高频电报系统干扰噪声方差未知的问题。根据CW信号的时频域特征定义状态空间随机信号模型,构造ARMA新息模型,通过在线辨识新息模型参数来估计Kalman滤波增益,实现CW信号的自适应跟踪滤波。仿真结果表明,该方法能够有效估计微弱高频CW信号时域波形,算法可递推实现,实时性强。     

Novel reconstruction method for frequency-hopping signals

The reconstruction of the Frequency Hopping(FH) signal is studied in the noise environment. After analyzing the sparse characteristics of the FH signal at the receiving end, an atomic decomposition is constructed based on the parameters of the FH signal.Then a signal reconstruction method for the FH signal is presented based on the Generalized Regularized FOCUSS Algorithm. By choosing the proper regular parameter, the FH signal is reconstructed in the noise environmet. Simulation results demonstrate that the method is correct and effective.     

基于径向基函数神经网络的自适应滤波器

自适应滤波器在信号检测、信号恢复、数字通信等领域中被广泛应用。传统的自适应滤波器主要在时域中实现。通常采用算法简单、稳健性好的自适应LMS算法。但LMS算法对输入信号的自相关矩阵具有很强的依赖性,因而自适应率不高。本文提出利用RBF神经网络实现的自适应滤波,并将其用于语音除噪和脉象信号的除噪。仿真结果表明该方法具有良好的非线性噪声抑制能力。     

单脉冲互相关累积法在激光脉冲远程测距中的应用

从脉冲激光微弱回波信号的统计特性出发,基于单脉冲自相关法和脉冲串互相关法在远程激光测距中的局限性,提出了单脉冲互相关叠加的方法。即先对回波信号进行互相关运算,然后对某一个时间段内已进行互相关运算的回波信号进行多次叠加运算,直到强度满足阈值要求。通过该方法可以有效抑制噪声,提高信噪比,且提取的信号保留了原始信号的基本细节信息,降低了误警率。通过实验,将原不足300m的激光脉冲测程提高至1000m,有效提高了测程。     

PVDF型脉搏传感器信号处理电路的设计

针对PVDF型脉搏传感器用于脉搏信号的采集,提出了一种脉搏信号处理方法。信号处理硬件电路包括一级放大器、基线校正电路、带通滤波器、50Hz工频陷波电路和二级放大电路等组成,软件去除噪声干扰信号采用数字滤波技术中的中值滤波技术。此方法较好地还原了真实的脉搏信号,有利于脉搏信号的测量和监测.     

一种新的基于EMD模态相关的信号去噪方法

基于模态相关的准则,提出了一种新的信号去噪方法。首先对原信号进行经验模态分解（EMD）,其次根据各阶固有模态与原信号的相关系数曲线中第一个极小值点的位置作为标准定出噪声主导性模态与信号主导性模态的分界点,最后将固有模态函数（IMF）中信号起主导作用的模态成分进行重构来实现去噪。将该方法应用于仿真信号与实际光辐射强度信号的去噪,结果表明该方法在有效去噪的同时能较好地保持原信号的细节信息,具有较好的推广性。