Adaptive interference suppression for DSSS communications based on compressive sensing

The existing interference suppression algorithms for direct sequence spread spectrum (DSSS) communications are confined to the high sampling rate. The compressive sensing is addressed to solve the problem in this paper. Firstly, the mathematical model of interference suppression in compressed domain is introduced; the DSSS signal and interference sparse dictionary is built. Secondly, according to the difficulty in obtaining the prior information of the interference signal sparse degree, the adaptive interference suppression algorithm is proposed by setting the reasonable control threshold. A comprehensive analysis and comparison of the algorithm are presented and discussed. The numerical experiments are provided to demonstrate the effectiveness of the proposed algorithm. The results show that the algorithm could suppress the interference effectively; the interference suppression performance does not change with the interference intensity and interference quantity. This will provide an effective method for the reconstruction of the compressed DSSS signal under the scenario of interference. The results obtained here may also be applicable in alternative spread spectrum technologies, like code division multiple access system.     

一种基于局部拓扑与l1/2范数的解析字典分类的人群事件检测

所提方案在传统解析字典算法基础上,加入局部拓扑项用以描述数据之间的结构信息,同时用l_1/2范数代替 l₁范数作为稀疏约束,从而提高表示系数的稀疏度。在特征提取上,融合了包含丰富运动信息的相互作用力直方图与包含纹理信息的梯度方向直方图,然后用改进的字典对特征数据进行训练,最后通过计算测试样本在该字典下的重构误差来判断测试样本是否为异常样本。在标准行为库UMN（University of Minnesota）数据库上进行的实验证实了算法具有较高的性能。与传统的算法相比,提出的改进的解析字典分类算法在针对人群异常事件中取得了更为有效的检测。     

基于小波变换与压缩感知的脉冲星TOA估计

脉冲星导航是一种新型的自主式导航。为提高其精度与实时性,提出一种小波变换与压缩感知结合的脉冲星到达时间(Time of Arrival,TOA)估计的方法。该方法对标准脉冲轮廓使用小波变换构造多级冗余字典,通过信号恢复算法估计出实际脉冲星的TOA。该方法的算法复杂度低于传统的TOA估计方法,并且随着脉冲星信号周期内bin数量的增加,算法的实时性越好。该方法改变了传统的先去噪再估计TOA的思路,其可以嵌入到信号去噪的过程中,还可以和小波去噪的阈值处理并行计算。仿真结果显示文中方法耗时分别为两种传统TOA估计方法的0.87%和21.35%,并且随着数据时长的缩短,文中方法的TOA估计精度的相对优势越发明显。该方法不但可以提高TOA估计精度,而且降低了对数据时长的依赖。     

一种基于局部排序的约束稀疏编码的图像分类方法

图像分类作为计算机视觉分析领域一个重要的研究方向,其分类性能很大程度上取决于图像的特征表示.为了能够更好地进行图像分类,本文提出了一种基于局部约束稀疏编码的神经气算法（Neural Gas based Locality-constrained Sparse Coding,NGLSC）用来实现图像分类.引入局部排序适配器作为距离正则化约束项已经应用在神经气（Neural Gas,NG）的算法矢量量化中,旨在通过软竞争学习算法来弥补K均值聚类（K-means）算法的不足.在稀疏编码阶段此算法可求解得到封闭解.此外,字典更新一般由目标函数的误差项来决定,已有一些经典的算法采用这种方式更新字典.本文使用ORL数据库和COIL20数据库将所提出算法和现有算法局部约束线性编码（Locality-constrained Linear Coding,LLC）,脸元数据学习方法（Metaface Learning,MFL）进行比较.实验结果证明本文所提出的算法在图像分类上准确率可达95%以上.可以看出,本文为计算机视觉图像分类工作提供了一种有价值的解决思路.     

Incoherent dictionary learning and sparse representation for single-image rain removal

The incoherent dictionary learning and sparse representation algorithm was present and it was applied to single-image rain removal.The incoherence of the dictionary was introduced to design a new objective function in the dictionary learning,which addressed the problem of reducing the similarity between rain atoms and non-rain atoms.The divisibility of rain dictionary and non-rain dictionary could be ensured.Furthermore,the learned dictionary had similar properties to the tight frame and approximates the equiangular tight frame.The high frequency in the rain image could be decomposed into a rain component and a non-rain component by performing sparse coding based learned incoherent dictionary,then the non-rain component in the high frequency and the low frequency were fused to remove rain.Experimental results demonstrate that the learned incoherent dictionary has better performance of sparse representation.The recovered rain-free image has less residual rain,and preserves effectively the edges and details.So the visual effect of recovered image is more sharpness and natural.     

Negative asymptotic topological dimension, a new condensate, and their relation to the quantized Zipf law

We introduce the notion of weight for the asymptotic topological dimension. Planck’s formula for black-body radiation is refined. We introduce the notion of negative asymptotic topological dimension (of hole dimension). The condensate in the hole dimension is applied to the quantized Zipf law for frequency dictionaries (obtained earlier by the author).     

采用压缩感知的直扩测控信号处理

鉴于扩频测控系统宽带化带来的高速采样压力和高数据率问题,研究了基于压缩感知的直扩测控信号处理方法。通过深入分析直扩测控信号稀疏性,构造了延时-多普勒基字典,提出了基于压缩感知直扩测控信号处理框架,并针对直扩测控信号特点给出了改进正交匹配追踪重构算法,最后针对该信号处理方法的可行性和性能分别进行了仿真实验。仿真结果不仅验证了方法的可行性,同时表明可以在不影响解调性能条件下大幅度降低采样率或数据率,并具有一定的降噪效果,这将为直扩测控通信系统提供一种高效的模数转换和同步解调处理方式。     

一种数据库加密系统的研究与实现

主要是从数据库管理系统这个层次框架对OS层、DBMS内核层和DBMS外层三不同层次对数据库数据的加密技术进行了简单介绍.通过对数据库和加密技术的研究,确立了基于记录和字段的密钥生成函数.并在最后提出了基于DBMS外层的一种数据库加密系统的实现方案.     

基于IWT和FCM的曲线矢量数据压缩方法

矢量数据压缩对于GIS数据的存储、网络传输以及在移动设备中的使用都具有重要意义。在此通过对曲线矢量数据特点的分析,提出基于整数小波变换的矢量数据压缩方法。压缩方案包括3个主要流程：矢量数据整型化。曲线矢量数据具有相邻坐标点间坐标值大小差别不大的特点,将坐标点间的差值转换为整型的偏移量,用偏移量表示矢量数据的坐标点,利用整数小波变换处理偏移量序列。实验表明,偏移量序列经过整数小波变换得到的小波系数序列在空间分布上更加集中,适合使用高效的编码压缩方法;对变换后的小波系数进行编码压缩。在此使用模糊C均值聚类字典法编码实现了曲线矢量数据的有损编码。通过实验和其他压缩算法结果的对比,该方法具有压缩比较高,失真小的特点。     

匹配追踪算法及其在MI-EEG的应用

介绍了采用随机时频函数词典的匹配追踪法（Matching Pursuit，MP）的基本原理，及其在运动想象脑电（Motor Imagination EEG，MI—EEG）分析中的应用。该算法可将信号分解成一系列时频原子函数的线性组合，并在每次分解前自适应地初始化时频原子的参数，它具有较高时-频分辨率和信号微观结构的参数化表示的优点。模拟信号分析表明MP算法可在强噪声背景下表达信号的基本时-频特征。在MI—EEG应用中，MP算法分析出脑电特定频率成分（如α波、β波）的一些规律，它们符合运动相关的mu节律的结论，且发生了事件相关EEG现象。