THz-TDS信号的相似性度量及其应用

太赫兹(Terahertz, 简称THz)波段位于微波和红外线之间,属于远红外线和亚毫米波范畴。太赫兹时域光谱(Terahertz time domain spectroscopy,简称THz-TDS)信号脉冲具有宽频带特性,其中蕴含了丰富的信息,但同时也给THz-TDS信号的分析和处理带来了困难。太赫兹时域光谱信号的处理和分析还处于起步阶段。基于几何代数理论,本文首先将在频率域上的THz-TDS信号表达为高维实矢量空间中的矢量,并对这些矢量使用几何代数中的超复数来进行描述。针对THz-TDS信号的特点,本文引入矢量外积定义了THz信号矢量的相似性函数,以此来度量THz信号的差异。同时本文还使用几何代数语言定义了矢量间的欧几里德距离,并且分别推导欧氏距离和相似性函数的具体计算方法。最后,本文具体地将这两种度量应用于THz-TDS信号的分类和辨识中,并和传统的欧氏距离进行了对比实验。本文给出的实验验证了这两种度量的可行性和有效性,并且表明本文提出的相似性函数相比于欧氏距离具有更好的抗干扰能力;特别的,在待辨识的物质种类较多和信号集波形出现混杂的情况下,本文提出的信号矢量间相似性函数能更好地度量THz信号之间的差异。      

基于梯度阈值的太赫兹时域信号自适应稀疏算法

胶接结构广泛应用于航空航天等国防领域,但在工艺制作及使用过程可能会产生胶接界面脱粘缺陷和损伤,由于太赫兹无损检测技术对非金属材料良好的穿透性能,已被广泛应用于复合材料的无损检测中,太赫兹无损检测技术在多层胶接结构样件胶层内部缺陷的无损检测方面具有较大优势。利用反射式太赫兹时域光谱系统检测多层胶接结构样件,得到的具有样件内部材料信息的太赫兹时域信号,但信号中还包含了大量的冗余特征和噪声等无效信息,这些无效信息大大降低了信号处理和分析效率。针对这一问题,文中提出了基于二阶梯度法提取太赫兹时域信号有效特征,以飞行时间误差为限制条件基于信号的时域特征自适应确定阈值,稀疏太赫兹时域信号,减少信号中冗余无效信息,实现太赫兹时域信号的有效压缩。然后,通过二值化图像分割识别多高斯恢复信号和太赫兹时域光谱系统检测信号的太赫兹图像缺陷区域。最后,制备具有脱粘缺陷的多层胶接结构样件,开展太赫兹无损检测实验。结果表明：文中算法的数据压缩率达到了81%,相比传统压缩算法离散余弦变换提高了59%,相比主成分分析算法提高了75%,相比K-SVD字典学习算法提高了26%,缩短了约80%的数据计算时间,减小了约95%数...     

基于信号稀疏表示的Chirp信号参数估计方法

单自由度多分量线性调频信号的参数估计是SAR/ISAR成像中的重要问题。文中在一组含参数的过完备基上展开信号,提出了一种基于信号稀疏表示估计单自由度多分量线性调频信号参数的新方法。并将该方法应用于目前流行的BP算法、FOCUSS算法和稀疏贝叶斯学习算法中,分析比较了以上算法的估计性能。仿真实验结果验证了该方法的有效性,并表明稀疏贝叶斯学习算法具有更好的稀疏表示能力,从而可以更有效地估计信号参数。     

水声信号处理中的稀疏表示理论及应用

稀疏表示研究信号简洁表示与重构的本质问题,能够更好地揭示、分辨和提取信号中所蕴含的信息特征,在水声信号处理的许多应用方面都显示了巨大的优势和潜力.本文综述了水声信号处理中的稀疏表示理论及有关应用问题.首先介绍了稀疏表示模型和典型的稀疏分解算法;然后,研究了自适应过完备字典设计、离网格处理等稀疏表示的关键问题;接着,探索了稀疏表示理论在水下信号处理中的一些重要应用,包括高分辨波达方向(Direction Of Arrival,DOA)估计、水下体目标微多普勒特征提取、运动目标角度-多普勒声成像、水声信号压缩感知与重构;最后,指出稀疏表示理论在水声信号处理中的发展趋势.进行了必要的计算机仿真,提取了水下目标时、频、空域多维度信息特征,并实现了两类典型通信信号的有效压缩和精确重构.     

THz信号处理与分析的研究现状和发展展望

本文对THz信号的特点、THz信号的产生技术、THz信号的探测技术、THz时域光谱(THz-TDS)技术、THz信号的处理技术,以及THz 信号应用技术等当前的研究现状进行了综述,并对未来可能的发展做了展望.     

基于峰值变换的信号稀疏表示及重建

压缩感知(CS)近年来的出现引起了学术界的极大关注,其要求信号本身是稀疏的或者在某种正交基下可以稀疏的表示。该文针对信号本身及小波变换下均不稀疏的情况(如线调频信号),结合峰值变换(PT),提出了PTCS的信号压缩感知算法,对于PT变换产生的峰值变换点序列采用可逆数字水印中的数值扩展方法,将峰值变换点序列嵌入测量信号中,避免了由于引入PT变换而额外增加测量点。通过PT变换,可以将不稀疏的小波系数变为稀疏系数,从而大大提升信号重构效果。仿真结果表明,该文提出的PTCS算法恢复信号与已有的基于正交匹配追踪算法的CS算法相比较,恢复信号质量有着较大的提高。     

基于自适应冗余字典的语音信号稀疏表示算法

基于冗余字典的信号稀疏表示是一种新的信号表示理论,当前的理论研究主要集中在字典构造算法和稀疏分解算法两方面。该文提出一种新的基于自适应冗余字典的语音信号稀疏表示算法,该算法针对自相关函数为指数衰减的平稳信号,从K-L展开出发,建立了匹配信号结构的冗余字典,进而提出一种高效的基于非线性逼近的信号稀疏表示算法。实验结果表明冗余字典中原子的自适应性和代数结构使短时平稳语音信号稀疏表示具有较高的稀疏度和较好的重构精度,并使稀疏表示算法较好地应用于语音压缩感知理论。     

基于稀疏贝叶斯学习的稀疏信号 表示ISAR成像方法

作为一种新的稀疏信号表示算法,SBL(稀疏贝叶斯学习)方法没有BP方法的结构错误,也比FOCUSS方法具有少的多的局部最小点.ISAR成像问题可以转化为稀疏信号表示的问题,因此本文首次将SBL用于ISAR成像.真实数据的成像结果表明SBL是一种比BP和FOCUSS更有效的ISAR成像算法.     

利用改进的稀疏表示处理FBG传感信号

基于 压缩感知(CS)的正交匹配追 踪 ( OMP ) 算法,须以稀疏度 确定 为先验条件, 在 实际 应用 中稀疏度 不 易 确定 的情况下, 本文 提出了 稀疏度确 定方法和 二次正交匹配追踪 (TOMP)算法。 先 引入熵权法 采用 多指标融合并结合饱和值点法确定稀疏度 , 然后利用所提 方 法 对实验信号进行重构 。 实验 仿真结果表明: 与同类算法相比,本文所提 TOMP 算法增加 0.1s 运行时间降低了 12～ 22% 的重构误差,更好折中处理了重构误差和时间;与不同类算法相比,本文 所提方法重构的信号信噪比(SNR)最大可提升 22 dB ,且均方根误差(RMSE)降低 0.7,因此去噪效果更优。     

基于图像块整体稀疏性与流形投影的压缩成像

如何利用自然图像本身固有的先验知识来提高重构图像质量是压缩成像系统的一个关键问题.本文在压缩成像系统中融合图像块整体稀疏性与流形特性,提出了一种高质量压缩成像算法.在该算法中,图像块由字典稀疏表示,同时还可由一组与图像块位于同一低维流形上的近邻点线性逼近,从而使稀疏重建信号分布在原始信号所处的流形附近.另外本文充分利用了图像中任意位置处图像块的稀疏性先验知识,使得压缩成像算法在低采样率下能重构出质量较高的图像.     

面向内容的语音信号压缩感知研究

压缩感知理论依据信号的稀疏性质进行压缩测量,将信号的获取方式从对信号的采样上升为对信息的感知,是信号处理领域的一场革命。本文提出一种基于非确定基字典（Uncertainty Basis Dictionary, UBD）对语音信号进行稀疏表示的方法,将压缩感知理论应用于对语音信号稀疏表示的压缩,并提出了基于求解线性规划问题的方法重构语音信号的算法。通过语音识别、话者识别和情感识别实验,从面向内容分析的角度,研究这种基于压缩感知理论的信息感知方法是否保留了语音信号的主要内容。实验结果表明,语音识别、话者识别和情感识别的准确率,与目前这些领域研究方法得到的结果基本一致,说明基于压缩感知理论的信息感知方法能够很好地获取语音信号的语义、话者和情感方面的信息。      

基于压缩感知的信号重构研究

按照Nyquist采样定理,信号的采样率必须为信号最高频率的2倍以上,这会产生大量的冗余数据。压缩感知是一种新兴的采样理论,对于可以稀疏表示的信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过优化算法实现重构。介绍了压缩感知的基本理论,并分别选取时域稀疏、频域稀疏和图像信号进行了仿真分析,实验结果显示,压缩感知理论能较好的重构原始信号。     

基于同一性的健壮CS分类算法

针对利用压缩感知(CS)进行信号分类识别的问题,提出了一种联合欲分类信号和样本信号的健壮CS分类算法。该方法通过引入“同一性”的概念,克服了信号过完备字典传统构造方式的不足,增强了信号稀疏表示与信号类别间的关联性,提升了基于压缩感知的信号分类算法性能。仿真实验证明了所提方法的正确性,并进一步表明:在非最优过完备字典下,该方法较之传统CS分类算法更具有分类准确度。     

宽带协方差矩阵的多字典联合稀疏表示DOA估计

为了直接处理相干宽带信号和提高其波达方向估计的分辨率,提出一种基于宽带协方差矩阵的多字典联合稀疏分解估计方法。首先,利用多个频率点处的过完备基对其协方差矩阵进行稀疏表示,然后形成多个字典的多测量矢量稀疏表示模型,最后通过多字典稀疏表示系数的联合稀疏约束以求解稀疏反问题的形式实现宽带信号的波达方向估计。对于均匀线阵结构,多字典协方差矩阵稀疏表示系数的联合稀疏性使其不再受空域采样条件的限制,既可通过增大阵元间距提高分辨率,而又无空域混叠现象。通过对噪声功率的预估计抑制噪声,提高了波达方向估计的稳健性。另外,该方法与信号协方差矩阵的秩无关,对相干信号和不相干信号都适用。仿真实验验证了该方法的有效性。      

运动补偿预测残差稀疏重构的压缩视频传感

针对低复杂度视频编码需求,基于压缩传感(Compressive Sensing,CS)理论,提出了一种分布式压缩视频传感算法。低复杂度的编码器独立随机投影关键帧和CS帧,采集压缩视频数据;在解码端进行运动补偿预测以利用帧间相关性,对预测残差稀疏重构实现CS帧重建。仿真测试表明,与现有的3种压缩视频传感算法相比,所提算法重建的视频质量更好,适合无线视频监控及无线视频传感网络等应用。     

基于稀疏表示的频控阵MIMO雷达多目标定位

针对频控阵多输入多输出（MIMO）雷达,提出了一种基于压缩感知稀疏表示思想的目标定位算法。首先回顾了 MIMO 雷达和频控阵的特点,进而研究了频控阵 MIMO 雷达的性质,它不但可以具有MIMO 雷达的优点,而且能够感知目标的距离维信息,同时针对频控阵 MIMO 雷达接收数据模型进行数学建模,并把目标定位问题表示成稀疏表示框架下的代价函数。最后利用凸优化工具对代价函数进行优化求解,由所得稀疏权向量中的非零元素索引映射出目标的方位和距离信息。与现有的经典 MUSIC 算法相比,具有更好的定位性能,计算机仿真结果证明了所提算法的有效性。     

基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法

针对含光照、表情、姿态、遮挡等误差或被噪声污染的人脸图像的识别问题,本文提出一种基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法。该方法首先用低秩矩阵恢复算法求得训练样本图像对应的误差图像;然后,对每一个训练样本图像及其对应的误差图像进行Gabor变换,得到相应的Gabor特征向量,并将这些Gabor特征向量组成一个Gabor特征字典;进而,计算测试样本图像Gabor特征向量在该Gabor特征字典下的稀疏表示系数,并用该稀疏表示系数和Gabor特征字典,对测试样本图像的Gabor特征向量进行类关联重构,同时计算相应的类关联重构误差。最后,根据测试样本图像Gabor特征向量的类关联重构误差,实现对测试样本图像的分类识别。在CMU PIE、Extend-ed Yale B和AR数据库上的实验结果表明,本文提出的人脸图像识别方法具有较高的识别率和较强的抗干扰能力。     

运动补偿预测残差稀疏重构的分布式压缩视频传感

针对低复杂度视频编码需求,基于压缩传感(CS：Compressive Sensing)理论,提出了一种分布式压缩视频传感算法。低复杂度的编码器独立随机投影关键帧和CS帧,采集压缩视频数据;在解码端进行运动补偿预测以利用帧间相关性,对预测残差稀疏重构实现CS帧重建。仿真测试表明,与现有的三种压缩视频传感算法相比,所提算法重建的视频质量更好,适合无线视频监控及无线视频传感网络等应用。     

随机稀疏调频步进信号距离像抗混叠方法研究

传统步进频率波形不模糊距离窗大小受载频步进量制约,将会导致距离像混叠等问题.针对此问题,基于压缩感知理论,研究了一种随机稀疏调频步进信号距离像抗混叠方法.首先对子脉冲进行脉压（Dechirp）处理,将处理后的回波信号看作为具有等效带宽线性调频信号回波的量测数据;其次根据子脉冲随机发射方式构造相应的量测矩阵,得到随机稀疏调频步进信号的压缩感知重构模型,并采用压缩感知重构算法得到高分辨一维距离像.最后,对该方法不模糊距离窗大小进行了分析,并给出了影响不模糊距离窗大小的因素和参数设置原则.所研究方法通过将随机稀疏调频步进信号的距离像合成处理等效为LFM信号的距离像合成过程,既降低了载频步进量对不模糊距离窗大小的限制,克服了距离像混叠问题,又提高了距离像合成性能.仿真实验进一步验证了本文方法的有效性.