多阶采样原理及其应用

介绍了用滤波器组重构多阶采样信号的原理，并且利用多阶采样特殊的重构原理以及在降低采样率上的优势，介绍了多阶采样在频率选择上的应用。本文利用“频率特性解析关系”确定采样参数，利用采样参数的变化控制选取频带。实验证明，用滤波器组重构多阶采样信号能达到较高的精度，用多阶采样实现频率选择能达到用硬件滤波器选频的效果。     

过采样NPR DFT调制滤波器组设计

提出了一种具有不同分析和综合原型滤波器的过采样几乎完全重构（NPR）DFT调制滤波器组的更为简单的设计方法。按照滤波器组的通带、阻带、系统失真要求,以系统整体失真误差作为目标函数,分析和综合原型滤波器的阻带能量作为约束条件,同时引入了更简单的通带平坦性约束。与目前的设计方法相比,该方法可以得到性能更好的滤波器组,仿真的结果也证实了这点。     

非下采样图滤波器组的设计方法

针对图滤波器组中难以准确定义一般图信号下采样运算的问题,提出了非下采样图滤波器组的设计方法。首先,采用样条滤波器作为分析滤波器组。然后,通过两种不同的方法设计综合滤波器组,其中,算法一利用顶点域的完全重构条件,构造出综合滤波器组;算法二从子带滤波器的频谱特性考虑,采用带约束优化算法设计综合滤波器组。两种方法可设计得到完全重构的两通道非下采样图滤波器组。最后,在两通道非下采样图滤波器组的基础上,采用级联的方式构造出具有多分辨分析特性的多通道非下采样图滤波器组。仿真结果表明,所提出的非下采样图滤波器组具备完全重构特性。并且,与已有的图滤波器组相比,设计所得的多通道非下采样图滤波器组具有更好的去噪性能。     

改进的时钟偏斜误差校正方法的FPGA实现

利用改进的完美重构方法对多A/D采样系统的时钟偏斜误差校正方法进行了FPGA实现。采用自顶向下和模块化的设计方法,实现了多路采样数据的相位同步模块、数据位置映射模块、并行多相滤波器组模块以及多路数据合成模块。对完美重构方法中的滤波器组运用多相分解技术将其化为并行结构滤波器组,对输出数据采用流水线结构加法器组进行处理,降低了系统运算延迟,提高了系统的实时性。在MATLAB和Model Sim中进行仿真,结果表明了该实现的正确性和有效性。     

基于余弦调制的二维LP-NPR滤波器组设计

二维滤波器组通常用于图像处理中,而图像子带编码希望滤波器组同时也具有线性相位（LP）特性。提出了一种基于一类新余弦调制系统的二维线性相位-近似完全重构（LP-NPR）滤波器组的设计方法,设计过程分为两个步骤：首先采用Parks-McClellan算法来计原型滤波器,再经过余弦调制能到一系列的线性相位分析和综合滤波器,从而可以构造一维LP-NPR滤波器组;然后利用树状结构来结合两个一维LP-NPR滤波器组,并运用单位模变换,可以得到二维不可分离LP-NPR滤波器组。实验结果表明此方法是可行的,所设计的滤波器组可达到令人满意的重构精度。     

诊断多智能体重构过程的系统描

在引入可重构故障诊断系统及诊断智能体单元组概念的基础上，提出了可重构故障诊断系统的体系结构和应用系统模型，探讨了被诊断问题的特征以及被诊断问题之间的相似性，构建了基于决策理论的多智能体诊断系统的评价方法．在分析诊断智能体重构过程的基础上，研究了可重构故障诊断系统的重构类型、重构层次和重构步骤．借鉴生物免疫中的调节理论，提出了一种重建故障诊断智能体的算法．最后分别就智能体单元组（AFDS）的物理重构和逻辑重构两种形式进行了举例说明．     

分段迭代匹配追踪图像重构算法

目的 压缩采样匹配追踪（CoSaMP）算法虽然引入回溯的思想,但其原子选择需要大量的观测值且在稀疏度估计不准确时,会降低信号重构精度,增加重构时间,降低重构效率。为提高CoSaMP算法的重构精度,改善算法的重构性能,提出了一种基于广义逆的分段迭代匹配追踪（StIMP）算法。方法 为保证迭代时挑选原子的精确性和快速性,对观测矩阵广义逆化,降低原子库中原子的相干性;原子更新结合正交匹配追踪（OMP）算法筛选原子的准确性与CoSaMP算法的回溯性,将迭代过程分为两个阶段：第1阶段利用OMP算法迭代K/2次;第2阶段以第1阶段OMP算法迭代所得的残差和原子为输入,并采用CoSaMP算法继续迭代,同时改变原子选择标准,从而精确快速地重构出稀疏信号。结果 对于1维的高斯随机信号,无论在不同的稀疏度还是观测值下,相比于OMP、CoSaMP、正则化正交匹配追踪（ROMP）算法和傅里叶类圆环压缩采样匹配追踪（FR-CoSaMP）算法,StIMP算法更加稳健,且具有更高重构成功率;对于2维图像信号,在各个采样率下,StIMP算法的峰值信噪比（PSNR）均高于其他重构算法,在采样率为0.7时,StIMP算法的平均PSNR值比OMP、CoSaMP、ROMP和FR-CoSaMP算法分别高2.14 dB、1.20 dB、3.67 dB和0.90 dB,平均重构时间也较OMP、CoSaMP和FR-CoSaMP算法短。结论 提出了一种改进的重构算法,对1维高斯随机信号和2维图像信号均有更好的重构效率和重构效果,与原算法和现有的主流图像重构方法相比,StIMP算法更具高效性和实用性。     

三相电压源型PWM逆变器相电流重构策略研究

基于直流电流、开关状态及三相电流之间的关系，提出用直流电流和开关状态重构逆变器相电流的新方法．歼关状态由改进型电流滞环数字控制器产生．为减小测量噪声和重构相电流误差，设计了IIR（Infinite Impulse Response）数字滤波器．以感应电机矢量控制系统为例进行了仿真研究，结果表明新方法是有效的、准确的．该方法仅需一个直流电流传感器，降低了电机驱动系统成本，提高了系统的容错能力．该方法与电机模型参数及负载变化无关，适用于所有三相平衡电流的交流电机驱动系统．     

一种估计模拟分解滤波器组系数偏差的算法

模拟器件工艺偏差是制约混合滤波器组模拟数字转换器系统信号重构精度的主要原因,准确地得到模拟分解滤波器组传递函数是完成信号重构的首要条件.为解决上述问题,本文提出一种估计传递函数系数偏差的算法.该算法根据输入信号的信息以及信号通过模拟滤波器组后的采样数据,便可以准确地估计出偏差范围在±20%的模拟滤波器传递函数系数的偏差值.实验中分别采用2阶和3阶模拟滤波器传递函数模型,其谐振频率的估计值与理想偏差值的标准偏差分别为1.10%和0.56%.将估计值应用于单通路滤波混合滤波器组系统进行仿真,输出信号可以达到14位精度,完成了系统重构功能,仿真验证了该算法的可行性.     

用快速傅立叶变换法设计FIR滤波器

本文介绍一种用快速傅立叶变换设计FIR滤波器的新算法。这个算法在每一次迭代中进行一次快速傅立叶正变换和一次快速傅立叶反变换，交替满足频域约束条件和时域约束条件，使所设计的滤波器在频域中H（e^jw）逼近所需要的频率响应Hid（e^jw），在时域中h（n）逼近理想单位冲激响应序列hid（n）。此算法直观和简单。     

利用信息熵的岩心图像自适应压缩感知重构

针对BCS-SPL算法对岩心图像进行压缩感知重构的细节模糊的问题,提出一种利用信息熵的岩心图像BCS-SPL压缩感知重构算法.采用小波变换对岩心图像进行稀疏表示,对各子带进行多尺度分块,依据信息熵的大小自适应分配采样率并确定观测矩阵,通过维纳滤波结合Landweber迭代操作实现重构.实验结果表明,在相同采样率下,与原始的BCS-SPL算法相比,该算法的重构质量提高了2-4 dB.     

基于改进CoSaMP算法的图像重建

重构算法是压缩感知的核心技术之一,直接决定着压缩感知能否可以在实际系统中进行应用。为提高压缩感知的重构精度同时缩短处理时间,本文引进加权与矩阵分块技术,与压缩采样匹配追踪(Compressive Sampling Matching Pursuit, CoSaMP)算法相结合,使原始算法更加完善。仿真结果表明,当稀疏条件同等的情况下进行重构,改进的算法与原始算法相比重构质量有所提高。     

Lp范数压缩感知图像重建优化算法

目的 压缩感知理论中的重构算法作为关键技术之一,在科学研究方面起到了关键的作用。常用的重构算法包括L₀范数的非凸优化算法和L₁范数的凸优化算法,但它们的缺点是重构精度不高,运算时间很长。为了克服这一缺陷,提高现有基于L_p范数的压缩感知图像重构算法的重建精度和算法效率,本文提出改进算法。方法 针对拉格朗日函数序列二次规划（SQP）方法中海瑟（Hesse）矩阵不正定导致计算量很大的问题,引入价值函数,修正Hesse矩阵的序列二次规划方法并结合图像分块压缩感知技术,提出了一种基于L_P范数压缩感知图像重构算法。结果 在采样率同为40%情况下,本文算法下的信噪比为34.28 dB,高于BOMP（block orthogonal matching pursuit）算法信噪比2%,高于当罚函数作为修正方法时的13.2%。本文算法计算时间为190.55 s,快于BOMP算法13.4%,快于当罚函数作为修正方法时的67.5%。采样率同为50%的情况下,本文算法下的信噪比为35.42 dB,高BOMP算法信噪比2.4%,高于当罚函数作为修正方法时信噪比12.8%。本文算法的计算时间是196.67 s,快于BOMP算法68.2%,快于81.7%。在采样率同为60%的情况下,本文算法的信噪比为36.33 dB,高于BOMP算法信噪比3.2%,高于当罚函数作为修正方法时信噪比8.2%。本文算法计算时间为201.72 s,快于BOMP算法82.3%,快于当罚函数作为修正方法时86.6%。在采样率为70%的情况下,本文算法信噪比38.62 dB,高于BOMP算法信噪比2.5%,高于当罚函数作为修正方法时信噪比9.8%。本文算法计算时间为214.68 s,快于BOMP算法88.12%,快于当罚函数作为修正方法时的91.1%。实验结果显示在相同的采样率的情况下,本文改进算法在重构精度和算法时间上均优于BOMP算法等其他算法。并且采样率越高,重构图像精度越来越高,重构算法时间越来越短。结论 通过实验对本文算法、BOMP重构算法等其他算法在信噪比和算法计算时间进行对比,在不同采样率下,本文算法都明显优于其他两种算法,而且在采样率仅为20.5%时,信噪比高达85.154 3 dB,重构图像比较清晰。本文算法的最大优点在于采用了分块压缩感知技术,提高图像重构效率,降低了重构时间,缺点是在图像采样率比较低的情况下,存在图像干扰块效应。接下来研究方向是如何在采样率低的情况下,高精度地还原图片,消除图像干扰块效应。     

Towards interval-based non-additive deconvolution in signal processing

Reconstructing a signal from its observations via a sensor device is usually called “deconvolution”. Such reconstruction requires perfect knowledge of the impulse response of the sensor involved in the signal measurement. The lower this knowledge, the more biased the reconstruction. In this paper, we present a novel method for reconstructing a signal measured by a sensor whose impulse response is imprecisely known. This technique is based on modeling the relationship between the measurement and the signal via a concave capacity and extending the convolution concept to a concave set of impulse responses. The reconstructed signal is interval-valued, thus reflecting the poor knowledge of the sensor impulse response.     

多阶导数自适应视频超分辨率重建

传统视频超分辨率重建算法在去除噪声的同时,很难有效保持图像边缘细节信息。针对该问题,构建了一种结合多阶导数数据项和自适应正则化项的视频超分辨率重建算法。在正则化重建模型的基础上,该算法对数据项进行改进,引入能更好描述噪声统计特性的噪声多阶导数,并利用去噪效果较好的全变分(TV)和非局部均值(NLM)正则化项对视频超分辨率重建过程进行约束。此外,为了更好地保持图像细节信息,采用区域空间自适应曲率差分算法提取结构信息,从而对正则化系数进行自适应加权。实验结果表明:在噪声方差为3时,与核回归算法和聚类算法相比,该算法重建视频主观效果边缘更加锐化,局部结构更加正确、清晰;重建视频的均方误差(MSE)平均下降幅度分别为25.75%和22.50%;峰值信噪比(PSNR)分别平均提升了1.35 dB和1.14 dB。所提算法能够在去除噪声的同时有效保持图像的细节特征。     

基于TV准则的图像分块重构算法的研究

利用压缩感知理论进行图像重构时,基于分块思想进行可有效提高重构速度,但同时会带来较强的块效应。为了解决该问题,提出了一种基于TV准则的图像分块重构算法。该算法将基于整幅图像时梯度计算方法进行改进,充分利用已重构块的边界像素信息,从而有效消除了图像的块效应。实验结果表明,提出的算法能够有效消除图像的块效应,提高重构图像的主客观质量,与TVAL3算法相比,重构图像的PSNR值最多提高了0.84 dB,时间最高可节省24.38%,算法尤其适用于低采样率的情况。     

一种适用于图像信号的压缩感知测量矩阵

矿井无人工作区监控图像信息量较大,在图像的传输、存储阶段对硬件性能要求较高,造成传感器节点耗能增大、寿命骤减等问题,目前Gause、Bernoulli等压缩感知测量矩阵在重建矿井监控图像信号时精度较低。针对上述问题,设计了一种新的基于帕斯卡矩阵的块状压缩感知测量(BPCSM)矩阵。BPCSM矩阵利用时域非均匀采样与分块思想,将多个相同的小尺寸帕斯卡矩阵以对角线方式排列,同时结合联合正交匹配追踪算法实现矿井监控图像信号的压缩采样与重建,利用帕斯卡矩阵行元素有序排列的特点加强对图像信号低频段的采样,提高重建精度。实验结果表明:BPCSM矩阵对矿井监控图像信号的重建精度远高于Gause、Bernoulli等常用测量矩阵,当采样率为0.3时,基于BPCSM矩阵重建的矿工图像的峰值信噪比(PSNR)约为26 dB,矿工面部轮廓较为清晰;当采样率为0.5时,基于BPCSM矩阵重建的矿工图像的PSNR已达30 dB,几乎可以恢复矿工图像的全部细节,表明BPCSM矩阵具有较好的重建性能;通过选择合适的帕斯卡矩阵尺寸能够进一步提高图像信号的重建性能,满足矿井环境应用要求。     

基于自适应采样的多假设预测残差重构算法研究

为保证遥感视频序列的高质量重构,本文结合视频序列的高时空冗余特点,在基于块的分布式视频压缩感知（Distributed video compressed sensing,DVCS）框架的基础上提出了一种基于自适应采样的多假设预测残差重构模型及基于变采样率的多假设预测残差重构算法.首先对目标帧进行预测,根据各块预测精度的不同自适应地分配采样率;然后用变采样率多假设预测残差重构算法重构出目标帧;最后利用双向运动估计对重构结果进行修正.仿真结果表明该算法能够在降低采样率的同时保证良好的主客观重构质量;相同采样率条件下,重构精度比MC-BCS-SPL算法提高大约7dB,比MH-BCS-SPL算法提高大约1dB.     

过抽样情况下的交织抽样效应

光电成象系统的抽样过程引起图象频谱分布在频谱空间无限重复，如果抽样过程满足系统的Ｎｙｑｕｉｓｔ条件，即无频谱混叠，交织抽样可消除奇数阶频谱项，对于宽频响应的重建过程，能有效地消除高阶残余频谱项产生的假响应，并且保持零阶频谱以减小图象的模糊效应。本文用光学传递函数方法对过抽样情况下的交织抽样效应进行了分析。     

电力线通信系统中基于OFDM/OQAM的时频结合消噪算法

针对电力线通信（PLC）系统中存在严重影响传输性能的脉冲噪声,传统的消噪算法大都不能有效抑制脉冲噪声的问题,提出一种时频结合的消噪算法。首先,通过选择合适的门限对时域接收信号中峰值较大的脉冲噪声进行检测和置零处理;然后,在频域根据已判决的符号来重构时域尚未消除完的峰值较小的脉冲噪声,并通过迭代来提高噪声重构的准确性;最后,从频域接收信号中减去重构的脉冲噪声。在电力线多径信道下进行仿真实验,相比传统的时域消噪和频域消噪算法,所提算法在误比特率为0.01时可以分别实现2 dB和0.5 dB的性能提升,而随着误比特率的降低,它们之间的性能差距将会更大。仿真结果表明,所提出的时频结合消噪算法能够提高电力线通信系统对脉冲噪声的抵抗能力。