面向可穿戴生理信号的压缩感知实时重构

传统的迭代式压缩感知重构算法由于计算复杂度高,数据处理实时性差,难以在实际的可穿戴设备中发挥作用.该文结合深度学习中的一维扩张卷积和残差网络,提出了一种适用于可穿戴健康监护的非迭代式压缩感知实时重构算法.该方法基于大量生理信号数据训练一个用于压缩感知重构的网络模型,该模型可以对生理信号进行快速精确重构.通过在两个公开的...     

基于压缩传感的图像过完备字典设计

压缩传感(CompressedSensing,CS)能够通过对信号的观测得到待采集的信号,由于观测频率远低于奈奎斯特采样频率,这个方法特别适合于高数据量的图像采集和处理.压缩传感理论中过完备字典的设计对图像信号的稀疏程度和重建效果有重要影响.主要研究图像信号过完备字典的自适应设计方法,将K-SVD算法与MP,BP和FOCUSS等稀疏编码算法结合使用,加快算法收敛速度.测试图像的实验结果显示,采用本方法训练的过完备字典在丢失像素的补偿方面得到了很好的实验效果.与基于离散余弦变化(DCT)的过完备字典设计方法相比,训练的字典可以更好的去除图像噪声,保留图像细节信息.     

基于压缩感知理论的二维DOA估计

二维波达方向(direction of arrival,DOA)估计在雷达探测、电子对抗、医学成像等领域有着广泛的应用.针对现有算法估计精度不足、计算量巨大的问题,在基于压缩感知理论的背景下提出一种二维均匀L型阵列信号的DOA估计算法.该算法首先对阵列信号的俯仰角和方位角构建空间合成角,并对空间合成角构建过完备冗余字典;再利用正交化高斯随机矩阵构造观测矩阵;最后通过改进RM-FOCUSS算法和求解三角函数的方法还原出方位角和俯仰角.理论研究表明,该方法在高信噪比、多快拍条件下比传统算法具有更高的估计精度和分辨力,且通过压缩采样降低了运算量.仿真实验验证了上述结论.     

基于稀疏冗余字典学习的图像去模糊算法

为了解决中度和重度污染的模糊图像去模糊效果差、边缘细节恢复难的问题,提出一种基于压缩感知理论的去模糊算法,即引入数字水印中的Zig-Zag变换,加入信号转换过程中的位置关系信息,对K-奇异值分解(K-singular value decomposition,K-SVD)算法进行改进,以优化稀疏系数的稀疏度。实验结果表明,对于中重度模糊图像,新算法的提高信噪比(Improve Signal to Noise Ratio,ISNR)优于K-SVD算法。     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

基于压缩感知的超分辨率重建研究综述

为了克服终端设备硬件条件限制或传输过程中带宽限制而导致的获取图像和视频分辨率质量较低的问题,图像超分辨率技术作为计算机视觉领域中提升图像质量的重要技术,利用已知的低分辨率图像可恢复出高分辨率图像,现已广泛应用于卫星遥感、数字娱乐、视频监控等多个方面.围绕基于压缩感知理论的超分辨率方法,详细介绍将压缩感知应用于超分辨率的...     

基于交替下降求解的稀疏信号重建算法

压缩感知理论（CS）是现代信号处理领域中一个崭新的研究方向,信号的快速优化重建是该理论的研究热点。实际工程应用中,由于各种误差不可避免,信号重建过程中字典矩阵只是近似知道,因此降低了信号重建质量。为有效解决字典矩阵和观测数据同时含有噪声的多测量矢量（MMV）稀疏重建问题,基于多测量矢量欠定系统正则化聚焦求解（RM-FOCUSS）算法,提出一种交替下降稀疏重建算法,迭代过程中在稀疏解和字典误差之间交替下降求得最优稀疏解。仿真结果表明,文章算法较大程度地提高了信号的重建质量。     

基于信号稀疏表示的信源数目和DOA联合估计算法

波达方向估计是阵列信号处理的一个重要问题.基于阵列信号的联合稀疏表示模型,首先根据阵列结构建立过完备原子库,然后将阵列接收数据分解到最佳原子上,实现了空域信号DOA的高分辨估计;通过将阵列接收数据进行奇异值分解和采用粗略搜索与精细估计相结合两种方法提高了运算速度.相对于传统算法,本文算法不需要已知信源数目的先验信息,同...     

基于分布式压缩感知的宽带协作频谱感知算法

针对认知无线电中传统的宽带压缩频谱感知算法计算复杂度高、检测实时性差的缺点,提出基于分布式压缩感知信道能量观测差值的宽带协作频谱感知算法。该算法无需重构T+1时刻的信号频谱,只需重构T+1时刻与T时刻的信道能量差值,进而得到T+1时刻的信道能量;另外,为减少深衰落、阴影衰落等不利因素的影响,采用多个次用户协作频谱感知。数值分析表明,该算法所需的平均感知时耗为直接重构T+1时刻的信道能量算法的50%左右,且获得了检测概率大于0.95的检测性能。     

基于压缩感知的自适应数据融合算法

为了降低数据融合本身的能量开销和数据传输能耗,将压缩感知理论应用到无线传感器网络的数据融合中,提出了一种自适应的数据融合算法,在路由过程中收集、融合无线传感器网络中相关节点的感知数据,使传输能耗和融合能量开销接近最小.     

一种基于信息熵的压缩感知流量恢复算法

以校园无线局域网为实验环境,采集大量真实用户流量数据集。利用信息熵,提出一种基于时间空间相关的压缩感知采样机制,并以此做为压缩感知的输入条件,提出一种压缩感知网络流量恢复算法,并与最近邻算法进行比较,实验证明本算法能准确恢复全网用户流量,从而更好地均衡网络负载,提高网络性能。     

基于压缩感知的双连续超松弛迭代算法研究

压缩感知理论是在已知信号具有可压缩性或通过变换具有稀疏性的条件下,对其信号进行采集,稀疏和重构的新理论.其中稀疏信号重构算法是其中关键的一部分,对信号恢复的精确性及时效性验证有着重要的意义.该文在总结目前已有的重构算法的基础上,提出了一种新的基于压缩感知的双连续超松弛迭代重构算法.该算法通过参数估计自适应的寻找合适的稀...     

基于遗传模拟退火算法的压缩感知重构方法

将压缩感知的信号重构归结为求解最优l0范数问题,设计了基于遗传模拟退火算法的压缩感知信号重构方法,构造了该信号重构方法的具体算法流程.提出的信号重构方法采用遗传迭代与模拟退火的思想进行问题优化,可精确重构出原信号,避免了遗传算法局部搜索能力差的缺陷.将该信号重构方法应用于一维信号和二维图像信号,实验结果验证了该重构方法的可行性和有效性.与基于遗传算法、卡通-纹理分解的信号重构方法相比,提出的信号重构方法的信号重构精度较高.     

基于压缩感知和DNA编码的图像加密算法

采用后稀疏化方案对待加密的明文图像做压缩感知处理,利用DNA编码规则与帐篷映射产生的混沌矩阵做规则运算,将单一编码多元化,对图像进行像素扩散,最后将扩散矩阵进行分割合并处理形成密文图像. 实验结果表明,提出的图像加密方案具备强的抗攻击特性和较好的重构效果.     

基于自适应重启方法的快速压缩感知算法

NESTA是一种解决压缩感知问题的快速准确一阶优化算法.提出了一种自适应重启方法来提高NESTA算法的收敛速度.新方法自动检测目标函数在优化过程收敛速度减缓的趋势,重置算法的参数,并使算法从当前步骤重新开始运行.实验结果表明该方法能够显著提高经典算法的收敛速度,从而提升算法运行效率.     

基于斜投影算子的压缩采样匹配追踪算法

斜投影匹配追踪算法较正交匹配追踪算法针对非正交字典的重构能力有了大幅提高,但受噪声影响大。该文通过投影矩阵迭代公式导出斜投影匹配追踪算法,并引入回溯的思想,提出基于斜投影算子的压缩采样匹配追踪算法,有效降低了噪声的影响和非正交投影产生的误差,提高了重构精度。仿真结果表明,算法的重构效果优于其它同类算法。     

Block Compressed Sensing Image Reconstruction Based on SL0 Algorithm

By applying smoothed l₀ norm (SL0) algorithm, a block compressive sensing (BCS) algorithm called BCS-SL0 is proposed, which deploys SL0 and smoothing filter for image reconstruction. Furthermore, BCS-ReSL0 algorithm is developed to use regularized SL0 (ReSL0) in a reconstruction process to deal with noisy situations. The study shows that the proposed BCS-SL0 takes less execution time than the classical BCS with smoothed projected Landweber (BCS-SPL) algorithm in low measurement ratio, while achieving comparable reconstruction quality, and improving the blocking artifacts especially. The experiment results also verify that the reconstruction performance of BCS-ReSL0 is better than that of the BCS-SPL in terms of noise tolerance at low measurement ratio.     

基于优化内积模型的压缩感知快速重构算法

针对压缩感知理论中现有重构算法耗时过长的问题,提出一种基于优化内积模型的快速重构算法,且理论推导了迭代停止条件.该算法在重构的每次迭代过程中,仅在第1次迭代时采用传感矩阵与余量的矩阵求内积运算,在后续的迭代中则通过向量运算代替矩阵求内积的运算,迭代停止时只需进行一次最小二乘法即可获得重构信号.仿真结果表明,提出的快速重构算法在保证重构信号性能的基础上,大大减少了重构时间.     

基于改进稀疏度自适应匹配追踪算法的压缩感知DOA估计

由于传统子空间类算法在少快拍数、低信噪比(signal noise ratio, SNR)、信源相干等条件下波达方向(direction of arrival, DOA)估计精度低甚至无法估计,因此,研究压缩感知理论在DOA估计中的应用.针对稀疏度自适应匹配追踪算法在噪声环境下无法有效估计以及选择大的初始步长会导致过估计的问题,在该算法的基础上进行改进,利用迭代残差的变化规律优化算法的迭代终止条件,同时通过对步长大小进行自适应调整来快速准确逼近信源稀疏度.仿真结果表明,所提算法具有估计精度高、运行速度快、对噪声有较好的鲁棒性等优势,促进实际情况下压缩感知与DOA估计的进一步融合.     

基于最佳联合稀疏表示的分布式压缩感知算法

通过探索无线传感器网络节点感知数据的时空相关性,可以构建适用于不同应用情形的联合稀疏模型。利用联合稀疏模型,提出了一种适用于无线传感器网络的分布式压缩感知算法。该算法采用联合编码联合解码的方式,充分利用了信号内部和信号之间的相关性,从而可以用更少的观测值实现信号群的精确重构。与单独编码单独解码相比,采用联合编码联合解码的方法,在保证信息可靠传输的前提下,减少了整个网络的数据流量,节约了宝贵的能量资源,以能量有效的方式满足了传感器网络的应用。