利用FFT实现对LFM信号的快速稀疏分解

针对传统稀疏分解算法致使冗余字典中原子数量巨大的缺陷,提出一种线性调频信号的快速稀疏分解算法。这种算法根据线性调频信号本身的特点构建冗余字典中的原子,构建了两个冗余字典,通过级联的方式,完成了线性调频信号的快速稀疏分解。通过分析,采用这种级联的方式使得总的原子数量远小于一个冗余字典中的原子数量。在利用第一个冗余字典进行稀疏分解时,该算法通过快速傅里叶变换寻找最大值在另一个冗余字典中同时得到最匹配的原子。实验结果证实这种算法比其他3种采用单一冗余字典的稀疏分解算法,不仅加快了稀疏分解速度,而且具有更好的收敛性。     

基于多路欠采样的多分量LFM信号参数估计

针对多分量线性调频(Linear frequency modulated,LFM)信号,提出了一种基于多路欠采样的参数估计方法。采样过程由多个采样速率相同、采样时刻不同的模数转换器实现,总采样率可以低于信号的奈奎斯特采样率。基于欠采样序列乘积型模糊函数的单频特性,可以通过峰值检测实现调频斜率的估计。根据估计出的调频斜率对各路欠采样序列进行解线调处理,可得到多频正弦信号。结合矩保持问题的求解方法以及对超定方程组的求解,可以根据解线调后的各路序列估计出原始LFM信号各分量的初始频率。本文方法能够根据亚奈奎斯特采样样本实现LFM信号的参数估计,并且运算简单、易于实现。仿真实验验证了其有效性和准确性。     

基于分数阶Fourier变换的多分量LFM信号检测与参数估计

介绍了分数阶Fourier变换的基本原理和基本性质，提出了基于分数阶Fourier变换的多分量LFM信号检测和参数估计方法。为了解决多个LFM分量之间的相互影响问题．特别是强分量掩盖弱分量的问题．本文还提出了一种结合逐次消去思想和分数阶Fourier变换的多分量LFM信号检测和参数估计算法，它可以解决强度相差较大的多分量LFM信号中检测和估计弱LFM分量参数的问题。仿真实验结果证明了该算法的有效性。     

基于MPI并行计算的信号稀疏分解

在研究信号稀疏分解理论及其最常用的匹配追踪算法的基础上,针对MP算法存在的计算量过大的问题,提出一种基于并行计算系统实现信号稀疏分解的方法。该方法利用8台微机,采用MPI消息传递机制,以100 M高速以太网作为互联网络,构建了一套Beowulf 并行计算系统,在此系统上通过编制并行程序来实现MP算法。实际测试表明这种方法具有很高的并行计算效率,分解时间从单机75 min左右下降到8机并行11 min左右,大大提高了信号稀疏分解的速度。     

信号稀疏分解的人工蜂群-MP算法

研究过完备原子库信号分解优化算法问题,信号的稀疏表示在信号去噪、信号压缩等方面有明显的优势。但因稀疏分解计算量巨大需要较长的计算时间,难以满足实时性要求,在实际应用中受到极大的限制。为此提出人工蜂群算法,具有需要设置的参数少、收敛速度快、鲁棒性强等优点,快速寻找匹配跟踪过程中每一步的近似最佳原子,对信号进行有效地稀疏分解。改进传统迭代的终止条件,以克服传统的迭代终止条件难以选择合适迭代终止阈值的问题,实现信号快速稀疏分解。实验结果表明,改进算法对信号的稀疏分解质量与粒子群算法和遗传算法相当,但运算速度均优于粒子群算法和遗传算法。     

语音信号稀疏分解的FOA实现

信号的稀疏表示在信号处理的许多方面有着重要的应用,但稀疏分解计算量十分巨大,难以产业化应用。利用果蝇优化算法实现快速寻找匹配追踪（MP）过程每一步的最优原子,大大提高了语音信号稀疏分解的速度,算法的有效性为实验结果所证实。     

基于粒子群优化算法的LFM信号参数估计

在相同时宽范围内,恒定能量的线性调频信号频谱幅度平方与调频斜率呈反比。基于该特性,将信号解调后幅度平方最大值对应的参考信号调频斜率作为其估计值,进而估计其他参数。但该参数估计算法存在高估计精度与大运算量之间的矛盾,为此,将粒子群优化算法引入信号参数的搜索估计过程中。对搜索区间进行高精度划分以提高参数估计的精度,逐步改变参数值,并利用粒子群优化寻找解调后信号幅度平方的最大值,从而估计出相应参数。仿真实验结果证明,该算法运算量较少,且具有更高的估计精度。     

基于MP算法的语音信号稀疏分解

语音信号稀疏分解是一种新的语音信号分解方法,可以将语音信号分解为很简洁的近似表达形式。在语音信号稀疏分解的基础上,可应用于语音处理的多个方面,如语音压缩、语音去噪和语音识别等。研究利用Matching Pursuit（MP）算法实现语音信号的稀疏分解,实验结果表明基于MP算法的语音信号稀疏分解具有较好的重建精度和较高的稀疏度。     

一种改进多分量LFM信号时频分布估计方法

传统时频分布方法在估计多分量线性调频信号时,交叉项影响导致时频估计精度低。因此,提出建立信号调频斜率因子库,对时频分布核函数进行改进,使核函数能有效抑制由多分量信号引起的交叉项干扰。通过分析核函数与信号模糊函数交叉项及自身项的关系,将时频估计问题转化为求解最优调频斜率因子库来对核函数进行改进,使信号的广义模糊函数能量最大。以多分量线性调频信号为例进行仿真,结果证明与传统时频分布方法相比,改进的时频估计方法可以在有效抑制交叉项干扰的同时保留大部分自身项,提高了多分量信号时频估计的精度和抗噪声能力。     

基于多次广义解调的多分量信号分解方法

在广义解调时频分析方法的基础上提出了基于多次广义解调的多分量信号分解方法。对于分量较多的多分量信号,经过一次广义解调后,在小波包时频空间中将某个分量的时频曲线与其他分量的时频曲线分开,然后将该分量分离出来,再循环进行广义解调直到所有分量都分离出来。采用多次广义解调方法对仿真信号进行了分析,并与其他的方法进行比较,结果表明了该方法的有效性。     

利用人工鱼群算法实现基于MP的信号稀疏分解*

人工鱼群算法（AFSA）是一种新的智能优化算法,具有鲁棒性强、全局收敛性好,及对初值的不敏感性等特点。将人工鱼群算法运用到信号的稀疏分解中,可快速寻找匹配追踪(MP)过程中每一步分解的最佳原子。此方法提高了信号稀疏分解的速度,算法的有效性为实验结果所证实。     

基于GA的心电信号稀疏分解MP算法改进

基于遗传算法(GA)的信号稀疏分解算法运算量较大。为解决该问题,提出一种基于 GA 的心电信号匹配追踪改进算法。结合心电信号的特征,根据信号特征波形建立窗函数,将信号分为能量集中和稀疏部分,分别采用不同的算法流程和参数。实验结果表明,该改进算法的运算量较原算法降低了1/3,能提高心电信号稀疏分解的运算速度和压缩处理性能。     

基于改进的Ricker子波的地震信号MP稀疏分解

对Picker子渡进行了改进,增加了相位参数和尺度参数。相位参数用来控制原子的相位变化,而尺度参数用来控制原子的衰减速度变化。实验结果表明,用这种改进的RAcker子波作为原子库,对实际采集到的地震信号进行稀疏分解,分解后的残差信号的MSE（Mean Square Error）要比采用一般的Picker子波作为原子库降低了近46％。     

一种新的线性调频信号的瞬时频率估计方法*

基于HHT（HilbertHuang transformation）是一种能分解出信号的任何频率分量的主成分分析法以及线性调频信号（LFM）的瞬时频率是关于时间的直线,将LFM 信号先作HHT得到其瞬时频率,然后利用该瞬时频率中间部分的时频点作最小二乘（LSM）直线拟合。这种改进的LSM直线拟合方法不仅剔除了HHT固有的边界效应在瞬时频率斜线两端产生的高频谐波,从而有效地抑制了这种边界效应对瞬时频率估计的影响,而且直接得到了较为准确的LFM 信号的瞬时频率参数估计值。与通过改变HHT算法来减小HHT边界