基于稀疏分解的轨道移频信号去噪算法研究

随着我国铁路的高速发展,轨道移频信号的检测译码技术受到广泛关注;然而实际采集的轨道移频信号不可避免地会混入大量的背景噪声和干扰,因此译码前需要去噪以提高译码的准确性;提出一种基于稀疏分解的轨道移频信号去噪算法,利用移频信号特点构建过完备原子库,采用粗细二阶段匹配追踪算法实现移频信号的噪声去除;将文章算法应用到主流的ZPW-2000轨道移频信号中,结果表明,该算法具有比小波阈值、经验模式分解算法更好的去噪性能,能够有效地去除低信噪比移频信号的噪声,且去噪后译码信噪比可提高10 dB,另外,采用粗细二阶段原子搜索算法显著降低了匹配追踪的运算量,满足实时性要求。     

基于张量非负稀疏分解的偏振图像插值算法

分焦平面偏振成像系统具有结构紧凑、体积小和实时性高等优点,而且一次成像可以获得多个偏振方向的光强响应,已是目前偏振成像的研究热点之一,但该系统的分焦平面结构会降低图像的空间分辨率.为了重构全分辨率的偏振图像以及减弱瞬时视场误差的影响,偏振图像的插值必不可少.为了保护偏振图像的张量结构,提出一种基于张量非负稀疏分解的偏振...     

稀疏正交联合约束多通道非负矩阵分解声信号分离算法

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过迭代更新规则设计,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。最后基于多通道信号空间特性,进行了非负矩阵分解基聚类以获得多通道非负矩阵分解声信号的分离结果。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提算法在性能指标信号失真比(SDR)上提高了0.84dB,对于直升机声源数据,所提算法在SDR上提高了4.53dB。     

面向稀疏波分复用系统的超大带宽硅基光子滤波器

大带宽光子滤波器被广泛应用于稀疏波分复用系统中,而在硅基芯片上实现结构紧凑、性能优良的超大带宽滤波器仍然是该领域研究的重点。提出一种基于光栅辅助反向耦合器的超大带宽硅基光子滤波器。利用窄波导更低有效折射率和更分散电场分布的性质,实现了带宽为92.9 nm、器件长度为250.6μm的超大带宽滤波器。该滤波器具有矩形度高、带宽大、损耗低等优势,能满足稀疏波分复用系统中解复用等需求。     

基于字典学习的稀疏角度采样光声信号重建

光声成像兼具光学成像的高对比度和超声成像对深层组织的高分辨率等优点,在生物医学成像领域具有巨大的潜力,而且发展十分迅速;光声成像通过在多个角度进行光声信号的采集,可以获得生物组织的二维或三维光学吸收分布图像;但实际的光声成像往往因硬件条件和成像时间的制约而难以采集角度足够多的光声信号;在信号采样不足的情况下,光声图像的重建质量会严重下降,出现大量伪迹。针对该问题,提出了一种基于字典学习与稀疏表示的恢复重建算法,采用该算法对光声信号进行预处理,并进行仿真实验。结果表明:与不经过光声信号超分辨率重建的时间反演法图像重建结果相比,经所提算法处理后的光声重建图像的伪迹显著减少,细节更加清晰,峰值信噪比提高了8 dB左右;不同信噪比下的仿真实验验证了所提出算法具有良好的稳健性。     

基于稀疏信号重构的阵元位置误差校正方法

阵元位置误差的存在会严重影响水听器阵列的测向性能,为此在使用阵列之前需对该误差进行校正。针对这一需求,提出了一种对任意阵型适用的高精度阵元位置有源校正方法。结合远场阵列模型以及位置误差\     

基于集合经验模态分解和奇异值分解的激光雷达信号去噪

为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.05~0.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB~6.921 5dB,相应的EEMD方法提高了1.446 1dB~3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果.     

基于聚类的自适应图像稀疏表示算法及其应用

提出了一种针对一类图像进行稀疏表示的字典训练方法,并证明了该算法的收敛性.该算法的几何解释是,以最少的超平面来逼近样本所在的一小块球冠.算法流程为聚类每一步迭代所产生的余项,将聚类中心作为新的字典原子,令字典能够更适应于样本的稀疏表示.该算法与传统的字典训练方法相比具有适应性强,对训练样本规模和字典规模要求低,收敛速度...     

稀疏分解在钢水红外图像去噪中的应用

基于辐射测温原理,介绍了红外测温理论和稀疏分解去噪原理,为了提高钢水的测温精度,对钢水的红外图像噪声进行处理。搭建钢水红外测温的实验平台,获得不同实验条件不同温度下的钢水红外图像,利用稀疏分解对钢水红外图像进行去噪处理。与维纳滤波图像去噪结果进行比较,实验结果表明,稀疏分解更好地去除了钢水红外热图像中的噪声,图像的峰值信噪比提高了10 dB。     

基于谱图分解的宽带通信信号智能检测算法

对于宽带通信信号检测问题,针对目前基于深度学习的信号检测算法不适应于处理大带宽和大时宽的宽带信号以及对信号时频参数估计存在的固有偏差问题,提出基于谱图分解的宽带通信信号智能检测算法,完成对大带宽接收信号中窄带信号的高效准确检测。首先将由宽带信号转化而来的灰度时频谱图通过谱图分解得到适合于目标检测网络输入大小的子谱图,然后使用改进的无锚框YOLOx目标检测算法对子谱图中的窄带信号进行检测,最后将子谱图的信号检测结果融合得到窄带信号的时频参数等检测结果。经过实验测试得出,该算法能够适应复杂的噪声环境,与其他深度学习算法和传统算法相比,具有较高的信号检测概率,较低的虚警概率,较小的信号参数估计平均误差,其检测精度更高,鲁棒性、实用性、通用性更强。     

Features of underwater echo extraction based on signal sparse decomposition

In order to better realize sound echo recognition of underwater materials with heavily uneven surface,a features ion method based on the theory of signal sparse decomposition has been proposed.Instead of the common time frequency dictionary,sets of training echo samples are used directly as dictionary to realize echo sparse decomposition under L₁ optimization and a kind of energy features of the echo.Experiments on three kinds of bottom materials including the Cobalt Crust show that the Fisher distribution with this method is superior to that of edge features and of Singular Value Decomposition （SVD） features in wavelet domain.It means no doubt that much better classification result of underwater bottom materials can be obtained with the proposed energy features than the other two.It is concluded that echo samples used as a dictionary is feasible and the class information of echo introduced by this dictionary can help to obtain better echo features.     

Features of underwater echo extraction based on the stationary wavelet transform and singular value decomposition

A feature extraction method of underwater echo is proposed, which uses the redundancy property of SWT (the Stationary Wavelet Transform) and the steady property of SVD (Singular Value Decomposition). Since using singular values of SWT coefficients matrix as feature vectors, with the K-L transform to multi-subspace signal obtained from SWT, it is a feature compression method essentially. In contrast to the method of sub-bands energy feature based on discrete orthogonal wavelet transform (DWT), better results of lake trial data are acquired with this method: (1) Under the same sample and distance within-class, distance between-class is larger than former; (2) Correct recognition rates are also higher than former, whether the training and testing samples are chosen from the same lake trail or not; (3) Sample sets varying, the variation range of correct recognition rates is far less than the former. Thus this method can obtain more robust, effective features and better correct recognition results.     

基于平稳小波变换及奇异值分解的湖底回波分类

提出一种水下目标回波的特征提取方法。该方法根据平稳小波变换的冗余性和奇异值的稳健性,将湖底回波信号的平稳小波变换系数矩阵的奇异值作为特征向量。它本质上是利用平稳小波变换将信号分解到多个子空间,再采用K-L变换实现对子信号的特征压缩。实测数据分析表明,本文方法与子带能量特征法相比:(1)在相同的样本集和类内距条件下,得到的类间距大于后者,(2)不论所选测试样本和训练样本是否属于同次湖试所得,分类正确识别率均高于后者,(3)随样本集的变动,其正确识别率抖动程度远小于后者。因此,该方法能得到更加稳健、有效的特征以及更好的分类效果。     

Chaotic signal denoising algorithm based on sparse decomposition

Denoising of chaotic signal is a challenge work due to its wide-band and noise-like characteristics. The algorithm should make the denoised signal have a high signal to noise ratio and retain the chaotic characteristics. We propose a denoising method of chaotic signals based on sparse decomposition and K-singular value decomposition(K-SVD) optimization. The observed signal is divided into segments and decomposed sparsely. The over-complete atomic library is constructed according to the differential equation of chaotic signals. The orthogonal matching pursuit algorithm is used to search the optimal matching atom. The atoms and coefficients are further processed to obtain the globally optimal atoms and coefficients by K-SVD. The simulation results show that the denoised signals have a higher signal to noise ratio and better preserve the chaotic characteristics.     

基于奇异值分解的随机共振特征提取研究

针对强背景噪声下信噪比极低的微弱特征信号的识别问题,提出了基于奇异值分解的随机共振特征提取方法.该方法首先利用奇异值分解对实际采样信号进行预处理和重构,然后寻找到特征信号分量与噪声强度相匹配的分量信号.此分量信号再经过非线性双稳系统的随机共振处理,可实现从强噪声背景中检测极微弱的特征信号.     

基于经验模式分解的混沌干扰下谐波信号的提取方法

由混沌信号和谐波信号组合而成的复杂信号的分离方法一直受到关注.利用经验模式分解方法,依据任何信号由不同的固有简单振动模态组成的概念,将由混沌信号和谐波信号组合而成的复杂信号分离为不同的内在模态函数,并从中分解出谐波信号.通过利用Duffing方程产生的混沌信号进行的仿真实验,结果都表明该方法在一定参数范围内非常有效. 关键词： 经验模式分解 混沌 信号处理     

Time-domain noise reduction based on an orthogonal decomposition for desired signal extraction

This paper addresses the problem of noise reduction in the time domain where the clean speech sample at every time instant is estimated by filtering a vector of the noisy speech signal. Such a clean speech estimate consists of both the filtered speech and residual noise (filtered noise) as the noisy vector is the sum of the clean speech and noise vectors. Traditionally, the filtered speech is treated as the desired signal after noise reduction. This paper proposes to decompose the clean speech vector into two orthogonal components: one is correlated and the other is uncorrelated with the current clean speech sample. While the correlated component helps estimate the clean speech, it is shown that the uncorrelated component interferes with the estimation, just as the additive noise. Based on this orthogonal decomposition, the paper presents a way to define the error signal and cost functions and addresses the issue of how to design different optimal noise reduction filters by optimizing these cost functions. Specifically, it discusses how to design the maximum SNR filter, the Wiener filter, the minimum variance distortionless response (MVDR) filter, the tradeoff filter, and the linearly constrained minimum variance (LCMV) filter. It demonstrates that the maximum SNR, Wiener, MVDR, and tradeoff filters are identical up to a scaling factor. It also shows from the orthogonal decomposition that many performance measures can be defined, which seem to be more appropriate than the traditional ones for the evaluation of the noise reduction filters.     

基于分数阶傅里叶变换的水下目标宽带回波精确提取

线性调频信号可能将成为水下目标强度宽带测试的一种主要信号形式。本文在分析水中目标回声构成特点的基础上,探讨了一种滤除界面反射精确提取目标回波的方法。利用线性调频信号在一定分数阶傅立叶域呈现高度聚集的特性,将线性调频信号作为收发合置换能器的发射信号,在适当的分数阶傅立叶域中,目标回波和界面反射波如果表现为两个可分离的谱峰,就可以用窄带滤波的方法去除界面反射。本文给出了算法仿真及水池试验结果,即使对于和线性调频回波相距很近的界面反射,仍然可以有效去除,精确提取出目标回波。     

倒谱参数稀疏分解下的汉语音谎言检测

为了提高汉语语音的谎言检测准确率,提出了一种对信号倒谱参数进行稀疏分解的方法。首先,采用小波包滤波器组对语音信号进行多频带划分,求得子频带对数能量并进行离散余弦变换以提取小波包频带倒谱系数,结合梅尔频率谱系数得到倒谱参数;其次,依据K-奇异值分解方法分别利用说谎和非说谎两种状态下的语音倒谱参数集训练得到过完备混合字典,在此字典上根据正交匹配追踪算法对参数集进行稀疏编码提取稀疏特征;最终进行多种分类模型下的识别实验·实验结果表明,稀疏分解方法相比传统参数降维方法具有更好的优化性能,本文推荐的稀疏谱特征最佳识别率达到78.34%,优于其他特征参数,显著提高了谎言检测识别准确率。     

基于盲解卷积的水声信号恢复技术

信号在环境复杂多途严重的水声波导中传输后,接收到的信号时间长度被拉长,信号是失真的。在许多实际应用中,常常希望从已失真的接收信号中把原始信号波形恢复出来。本文利用盲解卷积技术对水声信号恢复进行研究。理论推演表明,在垂直阵条件下用人造的格林函数可成功地代替水声信道真实的格林函数,可以把非线性关系化解为线性关系,从而推导出依靠基阵记录下的信息去确定声源宽带信号原始波形和环境传播特征的公式和步骤。声场数值计算对6种海底类型进行,恢复后的宽带信号与原始信号的归一化相关系数均大于0.945,对硬海底多途严重的情况,收效特别明显,证明该方法的有效性。在青岛海试中恢复后信号的相关系数平均值为0.933,在青岛海试中利用这种解卷积技术去恢复信号是成功的。