语音自适应压缩采样匹配追踪重构算法

基于小波分解下的语音压缩编码与重构框架,研究分析了含噪情况下贪婪算法的重构性能和抗噪性能,提出了一种改进的自适应压缩采样匹配追踪算法(ACoSaMP).该算法可在稀疏度未知的情况下,通过设置可变步长分阶段实现对稀疏度的逼近.同时,在每次迭代过程中,用最小二乘法对残差信号进行估计,代替传统CoSaMP算法对整个信号的估计.最后用小波去噪法对合成语音进行处理.实验结果表明:不同压缩比下,该算法的主客观重构效果均优于现有同类算法,对噪声有较强的鲁棒性.     

基于压缩采样匹配追踪算法的混合场信道估计方案

针对现有的远场和近场信道估计方案不能直接用于精确估计混合场信道状态信息的问题,提出了一种有效的基于压缩采样匹配追踪(compression sampling matching pursuit, CoSaMP)算法的混合场信道估计方案。通过精确建模混合场信道模型来捕捉其远场和近场区域可能存在不同的散射体这一特征,分别对其远场和近场路径分量进行估计。结果表明,所提方案与现有其他信道估计方案相比,在相同低导频开销情况下,该方案能获得更高的归一化均方误差性能和更高的系统和速率,计算复杂度较低。可见,所提出的方案具有很好的参考价值。     

截断奇异值分解的生物发光断层成像重建问题

目的 研究生物发光断层成像重建问题的求解方法,通过生物体表面检测到的光学信号准确、稳定地重建出生物体内部荧光光源的分布.方法 将截断奇异值分解TSVD正则化技术用于已知光源可行区域的生物发光断层成像逆问题求解中,并利用广义交叉验证法结合一维搜索来选择合适的正则化参数.结果 数值仿真表明,TSVD法可以快速有效地进行单光源和双光源的重建.结论 TSVD方法在BLT重建中是可行和有效的,与常用的Tikhonor正则化方法相比,TSVD法的抗噪性能更好,重建时间也较少,且正则化参数的选取及调整更为方便.     

多光谱生物发光断层成像的光源形状重建

生物发光断层成像(bioluminescence tomography,BLT)是一种利用生物体表面光强测量值重建内部光源分布的光学分子影像技术,为研究常用光传输模型对BLT重建光源形状的影响,该文在相同的模拟测量值条件下,对比研究了辐射传输方程的三阶简化球谐近似(third-order simplified spherical harmonics,SP3)模型和扩散近似(diffusion approxima-tion,DA)模型对光源形状的拟合能力。此外,为了减小重建问题的不适定性,重建中结合了多光谱测量数据和稀疏正则化方法。数字鼠模型上的仿真实验结果表明,基于SP3模型的多光谱BLT重建方法,在不同深度下的不同尺寸的单、双光源重建中均可以更为准确地重建光源的中心位置和形状。     

基于压缩感知的自适应加权匹配追踪算法

压缩感知（compressed sensing,CS）技术通过减少发射导频数来提高频谱的利用率。将CS技术应用于导频辅助的稀疏度未知的正交频分复用（orthogonal frequency division multiplexing,OFDM）信道估计中,提出一种自适应加权匹配追踪（CS-based adaptive weighting &matching pursuit,AWMP）算法。该算法使用自适应加权、匹配追踪的方法估计信道时域脉冲响应,按照估计信噪比和匹配原则,利用多次迭代进行自适应加权和寻找最佳稀疏度,实现未知信道稀疏度与信噪比的情况下,准确估计信道信息。仿真验证表明,与传统的信道估计算法相比,采用基于AWMP的信道估计方法,能够利用较少的导频信息获得更低的误码率和均方误差。     

基于截断完全最小二乘法的生物发光断层成像

提出了一种基于截断完全最小二乘法(TTLS)的生物发光断层成像(BLT)重建算法,并在扩展广义交叉验证(GCV)的基础上,设计了一种用于确定最佳截断水平的混合广义交叉验证方案(HGCV).与现有的只考虑测量噪声的重建算法不同,这种TTLS结合HGCV的重建算法可将模型离散、解剖结构获取以及光学参数测定中的误差与表面测量误差同时处理,仿真及物理仿体实验验证了该算法的有效性和鲁棒性.     

基于图像特征改进的正交匹配追踪算法

将压缩传感理论应用于成像是光场成像理论的热门研究方向,由此可以设计出更简单、便宜、小巧的光学系统.正交匹配追踪算法是压缩传感理论的重要重构算法,它在重建图像时隐含着整幅图像权重相同的思想,没有体现出图像的固有特征,例如行列突变的剧烈程度,以及经过快速傅里叶变换基、离散余弦变换基、离散小波变换基作用得到的小稀疏系数代表图像的细节、大稀疏系数代表图像的轮廓的特点.使用上述3种变换基作用图像时,可以针对正交匹配追踪算法的固有缺点,提出合理选择逐行或者逐列重构图像和使用自适应迭代次数重构图像两种改进方法.仿真结果表明,改进算法明显提高了图像的质量,能够得到更好的图像视觉效果.     

一种改进的变步长自适应匹配追踪算法

压缩感知是利用信号的稀疏性和可压缩性进行信号处理的新理论.针对压缩感知中信号稀疏度未知的问题,提出了一种改进的变步长自适应匹配追踪(MVss AMP)算法.该算法通过计算余量与测量矩阵的相关性,自适应地选择候选集原子,并且通过可变步长更新支撑集,实现信号的精确重建.该算法通过设置一个参数来控制步长变化.仿真结果表明:该算法在误差范围内实现了信号精确重建,并且重建性能优于其他同类算法.     

基于多方向正交匹配追踪的压缩感知图像重构算法研究

针对压缩感知中图像信号的压缩比较大、重构效率较低的问题,提出一种基于正交匹配追踪的压缩感知图像重构算法。该算法在图像压缩阶段,利用测量矩阵对目标图像进行二次测量,进一步缩小压缩比。在图像重构阶段,将单次循环的正交匹配对象由一维向量拓展到二维矩阵,利用多方向正交投影对压缩数据进行图像重构。仿真实验结果表明,在缩小压缩比的情况下,可较准确地重构出原始图像;并且显著提高重构效率。     

基于ATmega128的连续信号压缩感知实现方法

为了解决硬件对高频模拟信号采集困难的问题,根据连续信号可以在特定的频域有稀疏的特性,在采样节点,根据伯努利观测矩阵分布特点设计采样间隔,利用压缩采样方法采集数据,降低收发芯片CC1000所需发送的数据量,从而降低传感器节点在通信传输时所损耗的能量,延长节点的使用时间;在汇聚节点使用压缩采样匹配追踪算法(Compressive Sampling Matching Pursuit, CoSaMP)对接收到的稀疏数据进行重构,将重构的数据通过串口助手导出到终端,使用Matlab软件绘图分析,验证压缩感知实现方法的可行性。实验结果表明：该方法能够很好的在ATmega128芯片上实现压缩观测。在压缩率达到68%时,通过分析计算原始信号波形和重构信号波形,二者具有99.30%的相似度,显然将压缩感知理论可应用到局域网中,能减少网络传输的数据量,降低网络传输的能耗。     

一种混合优化的匹配追踪生态声音识别方法

针对生态自然环境中噪声对声音识别产生干扰的问题,提出利用混合优化的匹配追踪(MP)进行生态声音识别的方法.首先,使用萤火虫算法(GSO)和粒子群算法(PSO)对匹配追踪算法进行混合优化,加快匹配追踪有限次稀疏分解的速度并重构声音信号,保留高相关成分,滤除低相关噪声;其次,根据所选最优原子的时频信息结合MFCCs提取复合抗噪特征;最后,结合支持向量机(SVM)对40种生态声音在不同背景噪声与信噪比的情境下进行分类与识别.实验表明,优化后的匹配追踪算法去噪性能优于谱减法和小波去噪法.与常用的MFCCs方法相比,本方法对生态声音在不同信噪比下的识别性能有不同程度的改善,并且具有较好抗噪性.     

线性回归的分布式压缩采样算法

为减少无线传感器网络数据传输量,进而延长网络的生命周期,研究了一种联合线性回归和压缩感知的分布式采样方法。依据节点数据的相关性对网络进行分簇,将感知数据显著线性相关的传感器节点划分到同一簇中。以此为基础,提出了一种基于线性回归的分布式压缩采样算法,该算法联合运用线性回归和压缩感知理论重构节点数据,实现了低速率采样条件下节点数据的高精度重构。对实测温度数据进行仿真实验,结果表明,与等间隔采样相比,该算法减少了71%的采样值个数。     

基于树型冗余字典正交匹配追踪的信号稀疏分解

结合树型结构和正交匹配追踪算法,提出一种信号稀疏分解的新方法.该方法的基本思想是在基于树型结构的匹配搜索过程中引入正交化过程,其中树型结构可以快速有效地实现稀疏分解,正交匹配追踪算法提高了信号分解的收敛速度和稀疏性.对语音和地震信号的测试实验结果表明,该算法能以较快的速度收敛到零.     

基于匹配追踪的叠前道集吸收补偿和频散校正

基于匹配追踪算法,对地震道集吸收和频散进行补偿。首先,运用匹配追踪算法对叠前道集作匹配分解,以零偏移距匹配子波建立随子波中心时间和中心频率乘积值变化的振幅衰减曲线,进而得到不同匹配子波衰减振幅的增益系数;然后,基于射线路径获取零偏移距吸收衰减与非零偏移距吸收衰减间的关系,运用零偏移距振幅增益系数与道集角度计算各个角度地震道的匹配子波振幅增益系数;最后,用振幅增益系数对不同匹配子波衰减振幅分别进行吸收补偿,并重构地震信号;对于频散影响,通过匹配子波求取品质因子进行频散校正。数据资料测试发现,深部吸收衰减能量得到有效补偿,同时消除了吸收对振幅随偏移距变化特征的影响。     

OFDM系统中基于匹配追踪的稀疏信道估计算法研究

针对OFDM系统,利用信道冲激响应的稀疏特性,提出了一种新的OFDM稀疏信道估计算法。它分两步完成：首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的二次估计,从而通过减少信道估计参数的个数降低算法复杂度。该算法具有较好的归一化均方误差性能,但在剩余向量更新上还不是很精确,通过改进剩余向量的更新方式,得到了另一种性能更优的OFDMMMP算法。仿真结果验证了该算法的有效性。     

基于遗传算法优化匹配追踪的自然环境声音分类

针对自然环境中各种背景噪声下的声音事件识别问题,提出一种基于遗传匹配追踪算法将自然环境音频信号稀疏表示进行分类的方法.首先,利用匹配追踪(MP)算法稀疏表示信号的主体结构,以消除噪声影响,其中利用采用精英策略的遗传算法(GA)优化MP的分解重构速度;接着,提取MFCCs作为音频信号的特征参数;最后,使用分类器支持向量机(SVM)和高斯混合模型(GMM)对4大类19种声音进行分类与比较,分类效果明显优于未进行稀疏表示的声音信号.实验表明,SVM模型分类效果优于GMM,提出的方法对实地采集的自然环境音频信号能有效识别.     

基于匹配追踪的MB-OFDM时域信道估计

针对超宽带信道的稀疏特性,基于MB-OFDM系统提出一种基于匹配追踪的时域信道估计算法(MP-TD).首先利用OFDM数据块的循环卷积特性建立一种时域模型,然后采用匹配追踪(MP)算法探测出非零抽头的位置,最后利用非零抽头位置信息降低了估计维数并通过时域方法估计出信道.仿真证实了算法的有效性.     

基于匹配追踪时频LBP谱图的内燃机气门故障诊断方法

为直接对内燃机振动时频图像进行诊断识别,引入图像纹理特征提取技术,提出一种基于振动信号匹配追踪时频局部二值模式谱图的内燃机气门故障诊断新方法。首先,为清晰刻画内燃机时频图像中的各分量信息,利用匹配追踪算法(MP)获取无交叉项干扰项且时频聚集性良好的信号时频表示;然后引入局部二值模式(LBP)生成MP时频表示的LBP谱图,并将LBP谱图的灰度直方序列作为特征参数,利用支持向量机(SVM)对故障状态进行模式识别。在内燃机4种不同气门状态的诊断识别实验中,该方法最高识别率可达99.17%,表明基于MP时频LBP谱图识别的故障诊断方法具有较强的故障特征描述能力,能够准确诊断内燃机气门故障。     

基于对应点匹配插值算法的电阻抗三维图像重建

为了对电阻抗成像二维重构图像结果进行三维重建,笔者使用对应点匹配插值算法对二维电阻抗图像进行插值,形成三维重建模型。根据电阻抗成像重构数据的特点,改进了插值算法的梯度和梯度方向角计算公式,从而较好地重现层间数据,最后由原始数据和插值数据形成三维体数据。实验的模型是浸泡在圆柱体水槽中电导率为2.1S/m的圆柱体异物。将笔者所提算法与线性算法以及形状插值算法进行了对比。结果表明:笔者算法能够在确保计算精度的同时,兼顾计算效率,满足电阻抗成像的实时监护要求。