基于追踪算法的信号稀疏分解方法

信号稀疏分解是获取非平稳信号本质属性的有力工具。原子库的紧致性和最佳原子的搜索方式是分解算法的关键问题。在给出稀疏分解算法基本模型的基础上,阐述了匹配追踪和基追踪算法的基本原理,着重分析了两类算法的融合思想和智能优化在信号稀疏分解中的应用。最后指出了不同稀疏分解算法的异同与发展方向。     

基于改进的Cabor 原子结构的快速稀疏分解

针对稀疏分解过完备字典中原子数量庞大导致稀疏分解计算复杂的缺点,文中提出了一种基于改进的Gabor 原子结构的快速稀疏分解。该稀疏分解根据Gabor 原子本身的特点,通过理论推导,证明了位移因子和频率因子的变化会导致Gabor 原子本身相位的变化,其变化范围包含了Gabor 原子相位因子的变化。所以它的相位因子在稀疏分解中可以不用考虑,从而减少了计算量,提高了稀疏分解速度。仿真结果表明,对比采用没有去掉相位因子的Gabor 原子构建的过完备字典,基于改进的Gabor 原子结构的稀疏分解速度提高了11. 7 倍,并且该算法没有智能计算的随机性缺陷。     

利用遗传算法实现基于MP的跳频信号稀疏分解

在目前的通信领域中,跳频信号的应用越来越广泛,而信号的稀疏表示在信号处理的许多方面都有着重要的应用.将跳频信号稀疏分解后得到的稀疏表示可以方便的应用到跳频信号的参数估计及后续处理中去.本文针对目前基于MP (Matching pursuit)的跳频信号稀疏分解中运算量巨大的问题,采用遗传算法(GA)快速地寻找MP算法中每一步分解的最佳原子,提高了信号稀疏分解的速度.仿真分析验证了此方法的有效性和适用性.     

基于数据驱动字典和稀疏表示的语音增强

本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法。首先在训练阶段采用干净语音基于K奇异值分解(K singular value decomposition, K SVD)算法训练过完备字典,然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值,采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解,最后利用系数稀疏表示重构语音信号,从而达到语音增强的目。该方法不像传统语音增强方法那样减少或消去噪声,而是从字典中选取适当的原子表示纯净信号,从而把纯净信号从含噪信号中分离出来。对白噪声和有色噪声环境下重构语音进行了主客观评价。仿真结果显示:该方法能有效去除加性噪声,并且改善了语音质量。      

基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构

该文基于多通道脑电信号时空特性构建非正交变换过完备字典,准确稀疏表示蕴含时空相关性信息的多通道脑电信号,提高基于时空稀疏贝叶斯学习模型的多通道脑电信号压缩感知联合重构算法性能。实验选用eegmmidb脑电数据库的多通道脑电信号验证所提算法有效性。结果表明,基于过完备字典稀疏表示的多通道脑电信号,能够为多通道脑电信号压缩感知重构算法提供更多的时空相关性信息,比传统多通道脑电信号压缩感知重构算法所得的信噪比值提高近12 dB,重构时间减少0.75 s,显著提高多通道脑电信号联合重构性能。     

基于迭代自适应稀疏分解的雷达信号去噪

稀疏分解能有效分离信号和噪声,因此适用于信号去噪.文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数.针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度.仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比.     

基于模拟退火的信号稀疏分解研究

信号稀疏分解广泛应用于图像和信号处理领域,特别是在教据压缩和数据存储、特征提取领域应用广泛.但信号稀疏分解本身是典型的NP困难问题,要成功的进行信号稀疏分解是十分困难的.文中利用模拟退火算法来快速寻找Matching Pursuit(MP)过程每一步的最优原子,提出了一种基于模拟退火的信号稀疏分解算法.仿真结果表明该算法能有效和快速地进行信号稀疏分解.     

图像过完备稀疏表示理论及应用综述

超完备字典稀疏表示作为一种有效表示模型,广泛应用于各种信号和图像处理任务中。介绍了稀疏表示的理论框架以及主要研究方向,分别从稀疏表示的可重构性和区分性两方面对其在图像处理及图像分析领域的应用进行综述。     

基于分块过完备稀疏表示的多聚焦图像融合

提出一种基于分块过完备稀疏表示的多聚焦图像融合算法。该方法将多聚焦源图像对应分块,采用稀疏模型进行分解,得到每个块的稀疏表示系数。考虑到稀疏系数向量的l1范数越大,带的信息量就越多,采用此因子对稀疏系数加权,求得融合系数,结合过完备字典重构融合图像。实验结果表明该图像融合方法取得较好的融合效果且优于传统小波分解融合方法。同时探讨了字典维数对所提出方法的影响。     

基于稀疏分解的猝发信号解调技术研究

猝发信号是一类突发通信信号,有着持续时间短暂和出现时刻随机的特点,对于这类信号,传统方式解调存在一定困难。提出了一种新的非合作猝发信号的解调方法,利用通信信号在一定的变换域上能够变现出稀疏特性,将稀疏分解理论应用于信号的解调技术中,经过一系列的处理,能够将猝发信号的频率、幅度、相位等参数反映在稀疏分量中。计算机仿真结果验证了此方法的可行性。     

截断效应下平滑信号的稀疏分解方法

存在截断效应时,DFT基下进行平滑信号稀疏分解得到的逼近误差较大,针对此问题,提出一种有效快速的实现方法。该方法根据截断平滑信号的频谱信息确定其所处子空间的位置和个数,然后对信号子空间进行高度冗余扩展生成与之相对应的子字典,将所有子字典级联形成整个字典。构造的冗余字典自适应于待分解信号,相比DFT基和DFT框架,能够更好地反映信号的内在特征;在该字典的基础上,利用其固有的树状结构,改进传统匹配追踪算法,每次迭代中将追踪分成两个层次进行,第一层为粗略搜索,目的在于寻找与信号相对应的子字典,第二层为精确搜索,在相应子字典中寻得与信号最为匹配的原子。改进算法在获得相同精度和收敛性的同时,缩小了搜索空间,降低了计算复杂度。最后,仿真验证了理论分析的正确性和方法的优越性。      

分块自适应图像稀疏分解

针对图像稀疏分解的计算时间复杂度非常高这个问题,提出了分块自适应图像稀疏分解算法。该算法根据稀疏分解计算时间复杂度和待分解图像大小之间的关系。把待分解图像分成互不重叠的小块。然后对每个小块图像进行稀疏分解。根据每一块的复杂程度。自适应地决定稀疏分解的结束。实验结果表明。在分解原子个数相近或相同的条件下。新算法对稀疏分解后重建图像比在整幅图像上进行稀疏分解重建的图像质量下降0．5dB。但计算速度提高了约15倍。     

基于稀疏分解的可伸缩图像编码

 图像编码技术的新的突破可寄希望于信号表示的深刻变革.采用基于冗余原子库的快速匹配追踪算法对图像进行稀疏分解,在分析和总结原子空间位置分布规律的基础上,提出与之相适应的块划分编码方法,节约了用于表示原子参数和投影系数的比特数.实验结果表明,本文编码器在计算复杂度、编码效率和伸缩性能等方面都优于当前同类型编码器,特别是在前两方面,其优势十分明显.比如对512×512测试图像,编码率为0.5bpp时本文编码器的平均PSNR增益达1.73dB.特别地,凭借原子库的几何特性,该编码器提供了较传统方法更灵活的伸缩性,允许通过简单的参数变换来获得任意分辨率大小的重建图像.     

稀疏分解在雷达一维距离像中的应用

雷达一维距离像成像本质上是对雷达目标散射特性进行信号表示的过程,它以其获取的简单性及有效性,在雷达成像及目标识别方面得到了广泛的应用。针对雷达目标几何绕射参数化模型,利用稀疏分解方法,研究了高分辨一维距离像的重构及特征提取问题。以此可以避免奈奎斯特采样定理的弊端,以更贴近信号本质特征的方法处理雷达回波信号。通过匹配追踪算法,寻找最佳匹配原子的位置,以此估计雷达目标散射点参数。实验结果表明该方法在信号重构及特征提取方面的有效性。     

基于A*OMP算法及其改进算法的宽带雷达信号稀疏分解

传统稀疏分解算法正交匹配追踪(OMP)算法里采用内积最大值来寻找最优原子,该方法容易陷入局部最优,为了弥补这一缺点,采用了新的算法:A*OMP算法,该算法使用A*搜索(即最佳优先搜索技术)寻找最优原子,该搜索方式寻找的最优原子具有全局最优性。实验表明相比传统OMP算法而言,该算法有效地提高了信号的重构精度。     

基于信号稀疏表示的形态成分分析:进展和展望

 有效的信号和图像分解(分离)技术在信号和图像的分析、增强、压缩、复原等领域起着重要的作用.虽然目前研究者提出了很多方法来解决这个问题,然而处理效果并不完美.形态成分分析(Morphological Component Analysis,MCA)是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法.该方法的主要思想是利用信号组成成分的形态差异性(可以由不同的字典稀疏表示)进行分离.本文详细描述了形态成分分析方法的理论思想,并介绍了形态成分分析的最新研究进展及其存在的问题,最后指出了进一步发展的方向.