基于压缩感知的网络编码算法

针对网络编码导致信息传输复杂性增加的问题,提出一种基于压缩感知的网络编码算法.利用优化的压缩感知技术在信源处对即将进行网络编码的彩色图像信息进行压缩优化,以减少冗余信息的传输,提高编码效率,并利用稀疏信号的少量投影值重构出原始信号.仿真结果表明,该算法能减小网络编解码计算开销和所占内存空间,并保证重构信息的高还原性.     

基于压缩感知的稀疏线性预测语音编码

目前的VoIP技术已无法满足宽带语音服务的高清语音质量和安全性,文中对这一问题,做了初步的探索和研究。在现有的压缩感知理论基础上,针对语音信号提出了一种新的稀疏域,构造了将压缩感知技术应用于语音信号压缩的基本框架。     

基于自适应多尺度压缩感知的语音压缩与重构

本文针对语音信号的压缩感知问题,在系数总长度不超过原信号长度的前提下,推导了Sym小波分解合成的矩阵形式,提出了语音信号多尺度压缩感知(MCS)框架.进一步分析语音信号在小波基下不同级的稀疏性,提出了自适应多尺度压缩感知(AMCS)方法,把该方法运用到语音压缩与重构中,对重构语音进行了主客观评价,并进行了说话人识别验证...     

面向内容的语音信号压缩感知研究

压缩感知理论依据信号的稀疏性质进行压缩测量,将信号的获取方式从对信号的采样上升为对信息的感知,是信号处理领域的一场革命。本文提出一种基于非确定基字典（Uncertainty Basis Dictionary, UBD）对语音信号进行稀疏表示的方法,将压缩感知理论应用于对语音信号稀疏表示的压缩,并提出了基于求解线性规划问题的方法重构语音信号的算法。通过语音识别、话者识别和情感识别实验,从面向内容分析的角度,研究这种基于压缩感知理论的信息感知方法是否保留了语音信号的主要内容。实验结果表明,语音识别、话者识别和情感识别的准确率,与目前这些领域研究方法得到的结果基本一致,说明基于压缩感知理论的信息感知方法能够很好地获取语音信号的语义、话者和情感方面的信息。      

一种基于压缩感知的视频编解码与传输方案

压缩感知是近几年信号处理理论的重大突破,它打破了传统的奈奎斯特采样定理的限制,采用一种数学投影的方法对信号进行整体的测量,从而能够以较少的采样值来进行原始信号的恢复。将压缩感知应用于视频编解码中,并结合均匀量化和编码将出来的码流在无线信道中传输,进而得到了比现有编码方法好的特性,即收到的视频质量随着无线信道误码率增大的而呈均匀的下降。     

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.     

基于压缩感知的信号检测方法

提出了一种基于压缩感知思想的信号检测方法。该方法首先将信道估计转化为非完全信号重构,实现了信道估计的动态可调整,降低了信道估计的复杂度;然后利用信道估计的结果对压缩采样后的信号进行压缩Rake合并,使得Rake合并的实现复杂度更低;最后对压缩相关且合并后的数据进行判断。理论分析和仿真结果表明了该方法的有效性和可靠性。     

基于小波变换的语音压缩感知处理

文章首先简单介绍了压缩感知(CS)理论框架,然后根据语音信号小波变换系数的特点,提出了改进的压缩感知算法,对高频系数进行压缩处理,低频系数不变.采用基追踪算法重构出高频系数,再利用小波反变换得到原始语音信号.实验结果表明,在相同的测量点数下,本文的算法比原有CS算法在重构语音的信噪比和MOS分上都有较大的提升.     

基于块压缩感知的SAR层析成像方法

基于压缩感知(Compressive Sensing, CS)的SAR层析成像方法(SAR Tomography, TomoSAR),虽然实现了对目标的3维重构,但对于具有结构特性的目标其重构性能较差。针对这一问题,该文提出了采用块压缩感知(Block Compressive Sensing, BCS)算法,该方法首先在CS方法基础上将具有结构特性的目标信号重构问题转化为BCS问题,然后根据目标结构特性与雷达参数的关系确定块的大小,最后对目标进行块稀疏的l1/l2范数最优化求解。相比基于CS的SAR层析成像方法,该方法更好地利用了目标的稀疏特性和结构特性,其重构精度更高、性能更优。仿真数据和Radarsat-2星载SAR实测数据的试验结果验证了该方法的有效性。      

基于压缩感知的分步合作频谱感知方法

在研究自相关矩阵检测理论的基础上,提出一种采用压缩感知的分步合作频谱感知方法.通过压缩感知将海量采样数据量减小,提取能够有效代表原信号的采样点;通过随机选择参与运算的认知用户及其数量进行合作检测,并反馈有益信息,减少了传统合作检测所有认知用户参与检测带来的运算复杂度.仿真表明该方法提高了频谱检测率,缩短了频谱检测时长,...     

基于差分变换的语音信号压缩感知

信号在某种变换下可以稀疏表示是压缩感知研究的先验条件,正交傅里叶变换则是应用非常广泛的一种稀疏变换。但是,由于语音信号是准周期信号,对其进行傅里叶变换会造成频谱泄漏,因而引起信号重构性能的降低。本文基于语音信号准周期性的特点,提出了一种基于差分变换的语音稀疏化变换矩阵,在此基础上采用OMP优化算法来重构语音信号。实验表明,与采用正交傅里叶变换方法对语音信号进行稀疏化变换、OMP算法对语音信号进行重构的方法相比,差分变换方法的性能明显优于正交傅里叶变换的方法,即在相同重构性能时,差分变换的压缩比小于正交傅里叶变换,因而差分变换的方法大大提高了信号的压缩性能。PESQ对重构语音质量评测的结果表明差分变换方法重构的语音信号MOS得分较高,这也说明对于语音信号这一特殊信号,差分变换法具有很大的优越性。      

基于压缩感知的快速运动目标测速方法

为解决合成孔径雷达中快速运动目标指示问题,提出一种新的基于压缩感知的径向速度估计方法。快速运动目标的径向速度由两部分组成,速度模糊数和基带径向速度。速度模糊数的估计利用如下原理,在距离多普勒域中,运动目标的斜距历程的斜率与目标径向速度成正比。基带径向速度的估计采用新提出的 CS 算法。然后,将速度模糊数与基带径向速度的估计结果结合起来,得到精确的无模糊的径向速度。仿真结果验证了算法的有效性。     

含噪语音压缩感知自适应快速重构算法

本文针对含噪语音压缩感知在低信噪比时重构性能差的问题,提出了一种自适应快速重构算法。该算法将行阶梯观测矩阵与一种新型的快速重构算法结合,并根据含噪语音信号的信噪比自适应选择最佳重构参数,使得在重构语音的同时提高了重构信噪比。算法实现简单快速,且不需要预先计算信号的稀疏度。实验结果表明,自适应快速重构算法重构性能优于基追踪算法和自适应共轭梯度投影算法以及快速重构算法,重构速度略慢于快速重构算法,但快于基追踪算法和自适应共轭梯度投影算法。      

基于主分量分析的语音信号压缩感知

压缩感知理论是近年来兴起的一个新的研究热点。寻求适合于语音信号的稀疏基是压缩感知理论应用到语音信号处理领域的前提。本文基于主分量分析理论和大量的块数据,提取语音信号的特征信息,并根据压缩感知理论、字典构造的方法以及语音信号的特点,构造出一种新的适合于语音信号稀疏表示的冗余字典。该冗余字典是由多个正交基级联而成。为了更为客观的说明这种稀疏表示的优势,采用两种稀疏度的衡量标准来分别比较语音信号在DCT基、GABOR基和该冗余字典下的稀疏性,并且分别对男女声语音信号和清浊音进行了分析。实验表明,无论是男声信号还是女声信号,清音还是浊音,在该冗余字典下的稀疏性均优于DCT基,略差于GABOR基,但是由于其原子数远少于GABOR基,其计算的复杂度和存储量均低于GABOR基,因而比GABOR基更具可用性。      

基于非均匀FFT的压缩感知雷达信号快速重构方法

雷达处理是压缩感知理论重要的应用方向之一,基于压缩感知的雷达处理可以降低对回波信号的采样速率要求,并且在部分应用中也可改善处理性能。然而,压缩感知重构算法的计算复杂性限制了压缩感知理论在实际雷达信号处理中的应用,尤其是大尺度雷达数据的处理。本文提出了一种基于压缩感知的雷达信号快速重构方法,利用均匀和非均匀快速傅里叶变换运算实现了常规压缩感知重构算法中的矩阵-向量乘法运算,有效降低了重构算法的计算复杂度,加快了压缩感知雷达信号的重构速度。同时,由于引入了快速傅里叶变换运算,该方法消除了大多数常规重构算法对感知矩阵的存储需求。仿真实验验证了该方法的可行性和高效性。      

基于感知域测量值的自适应压缩采样方法

现有的自适应采样方法需要在采集端获得原始信号,这在实际的蒸发波导相关气象要素压缩感知过程中不易实现。针对这一问题,提出了一种以测量值数据特征为依据的采样率自适应设定方法。该方法以能量表征各信号块的重要性,以观测值能量近似估计原信号块能量,根据感知域中测量值的能量变化自适应地为各块设定采样数目。理论分析和实验表明,该方法的重构性能优于传统自适应方法,相同采样率下可获得更高的重构信噪比。     

基于压缩感知的液晶可调谐滤波器光谱快速采集方法

为提高液晶可调谐滤波器(Liquid Crystal Tunable Filter,LCTF)的光谱采集效率,提出了一种适用于LCTF光谱成像系统的快速采集方法,设计构建了更加完善的观测矩阵,在压缩感知理论框架内实现了光谱超分辨率重建,并通过实验验证了该方法的可行性.实验结果表明,在采样率为18.08％(采样步长30 ...     

基于压缩感知的无线通信信息处理方法

为实现5G通信高速发展,促进无线通信技术,基于压缩感知对无线通信信息处理方法进行研究设计,将压缩感知的采样理论与无线通信的信息相结合,利用其进行信息采样,认知识别相关通信信息,对其进行分类整合,处理列阵信号,对通信信息进行加工后,基于信息的稀疏特征,对其设置稀疏信道估计,以此将通信信息进行进一步处理,使其在通信过程中,保障其信息的准确性。通过实验研究,论证基于压缩感知的无线通信信息处理方法更符合时代的发展,相较传统的处理方法,其处理结果更具有准确性。     

基于快速不动点连续的压缩感知重构算法

不动点连续(FPC)算法是一种凸优化算法,针对该算法收敛速度较慢的现象,提出了一种快速的不动点连续(FFPC)算法,算法引入线性搜索步长,选择合理的步长参数,利用前两次迭代结果的特殊线性组合值作为下次迭代的初始值,提高每次迭代的精度,从而加快收敛速度.FFPC算法的收敛性在实验中得到了验证,同时,仿真实验表明,FFPC算法的收敛速度有所提高,重构质量也比其他算法更好.     

基于自相关观测的语音信号压缩感知

本文基于压缩感知技术,根据语音信号的特点,提出了一种基于自相关特性的截断循环自相关矩阵作为观测矩阵,并在此基础上,从实用的角度出发,提出了基于模板匹配的近似截断循环自相关矩阵作为观测矩阵,并证明其满足RIP特性。由语音信号与截断循环自相关矩阵、近似截断循环自相关矩阵和高斯随机矩阵分别构造相应的观测,采用BP算法来重构原始语音信号。实验表明,由2个模板元素线性组合而成的近似截断循环自相关矩阵重构原始语音信号的性能与截断循环自相关矩阵的重构性能相当,且优于经典高斯随机矩阵,而且在相同的重构性能下,其压缩比远大于高斯随机观测矩阵,对语音信号的压缩性能有了明显地提高。