基于原子库结构特性的信号稀疏分解

在matching pursuit(MP)方法的基础上，利用信号稀疏分解中使用的过完备原子库结构特性，提出了一种新的信号稀疏分解算法。新算法兼顾了稀疏分解过程中计算量和存储量，信号稀疏分解的速度是常规的MP方法的15．9倍．实验结果证明了算法的有效性．     

信号过完备稀疏表示的唯一解及其边界条件

在探讨应用冗余字典寻找信号稀疏表示算法的基础上，简介信号过完备表示产生的背景和发展过程，认为信号表示的稀疏性与冗余字典的非相干性存在某种必然联系；结合正在进行的信号过完备稀疏表示理论与应用研究的专项课题，理论上讨论了满足基追踪算法和匹配追踪算法精确重构条件以及多个正变基级联字典的非相干系数与精确重构条件的某些研究进展，并提出对于非正交基联合而成的级联字典有待进一步研究的相关问题．     

基于压缩感知的道路交通图像处理及重构算法研究

在现代道路交通图像处理的研究中,由于传统图像数据压缩采样受到带宽限制,导致重构图像数据含的有用信息量偏少.为此,提出一种压缩感知的道路交通图像处理方法,提高了重要信息含量且大大减少了交通图像数据存储空间.首先,在采样率为0.6的情况下,在dbN系列小波基变换下以分段正交匹配追踪(StOMP)算法对原图像进行重构仿真,研究了不同阶数消失矩的小波稀疏表示与重构图像性能的关系.其次,研究了不同采样率对图像重构性能的影响,包括重构时间、重构误差、峰值信噪比.最后,用BP,OMP,StOMP算法对图像重构进行研究,为道路交通图像数据存储和图像重构提供了理论基础.     

超声导波检测公路护栏立柱信号处理研究

由于超声导波多模态、易频散的特性,导致其在检测高速公路护栏立柱时会产生复杂的回 波信号,现有方法很难从中提取出有效的特征信号。为了解决该问题,首先提出了一种改进的子空间匹配追踪算法(ISMP)。它是将回波信号的先验信息在过完备Chirp 原子库上逐次迭代,得到 强相关原子集,然后对其再次进行迭代得到待匹配信号的最佳时频原子,从而实现对护栏立柱回波信号的特征提取。利用中心频率为128kHz和64kHz的检测信号进行实验验证,结果表明,ISMP可以有效提取出超声导波回波信号的特征原子,立柱检测长度与实际长度误差小于1%,满足工程检测要求。此外,还提出了一种基于离散傅里叶变换的相位检波算法,通过设置相位检测误差减少噪声带来的干扰。实验表明,在128kHz 和64kHz 检测信号下,可以得到设定相位的有用回波信息,满足工程检测要求。     

稀疏表示的人脸识别及其优化算法

稀疏表示的本质就是稀疏正规化约束下的信号分解。提出一种改进的正交匹配追踪算法,使运算量较高的矩阵求逆运算转变为轻量级的向量运算或向量与矩阵的运算,可以加快逆矩阵和大矩阵乘积的求解。将此算法应用于稀疏表示的人脸识别,探讨并验证了稀疏阀值的设置和训练字典的选择对人脸识别率和识别速度的影响。     

基于高斯牛顿法的DEM匹配算法

为提升DEM(digital elevation model)匹配效率,建立了一种基于高斯牛顿法的快速DEM匹配算法.该算法采用高斯牛顿法替代最小二乘法来进行DEM匹配模型的目标方程求解,加速了目标方程求解的迭代过程.新算法匹配过程中,匹配参数沿梯度最大方向逼近目标值,迭代次数大幅度减少,具有更稳定的迭代收敛性,显著提高了算法的执行效率.通过多组模拟试验对新算法进行了测试,并与具有代表性的最近点迭代算法进行了比较.结果表明:新算法对匹配参数的收敛速率平均提高了42.1%,完成匹配所需的总时间平均减少了74.9%.     

基于压缩感知的滚动轴承故障信号提取技术研究

针对目前奈奎斯特采样方式对信号进行采集所产生的数据量较大的问题,提出一种基于压缩感知并结合神经网络的滚动轴承故障信号检测方法,通过K-奇异值分解算法构造冗余字典,利用神经网络以映射后观测矩阵的前一部分值预测全部观测值,实现信号的二次压缩,最终利用子空间追踪算法基于预测出的观测矩阵对信号进行重构,通过重构信号频谱可获得轴承故障信息.经过对测量矩阵、算法参数及神经网络等内容的分析,可在较少的数据量下以较高精度实现对滚动轴承故障信息的提取,并通过仿真对比实验证明了方法的有效性,在总压缩比为0.72～0.92时,此方法能够保证信号匹配度约为0.83,明显优于传统方法,且对于轴承内圈、外圈和滚动体故障信号皆有较好的重构效果.     

一种对称小波重构算法及其在突变信号检测中的应用

分析了在奇异信号检测等问题中，使用Mallat算法对信号小波系数做单支重构波形存在失真的原因．通过调整Mallat算法的运算流程，得到了小波变换的一种基于共轭正交滤波器组的重构算法．理论分析与仿真试验结果表明，文中算法使上述失真现象得到了改善，同时具有正交性、对称性和有限支撑性等优良性质，可用于对信号作精确的分析。     

基于简化差分相干积累的北斗B1频点信号精捕获算法

北斗卫星信号的捕获速度、灵敏度及精度将直接影响接收机的性能指标.本文提出了一种提高北斗导航卫星B1频点信号检测信噪比的精捕获算法,该算法基于简化差分相干积累（SDCI）的短时匹配滤波器（STMF）和快速傅里叶变换（FFT）运算（STMF-FFT）.为了保证在降低FFT运算量和提高信号检测概率的条件下,获得更精确的多普勒频率估计,采用逼近效果较好的切比雪夫线性最小二乘曲线拟合法得到多普勒频移的精确化估计值.理论分析和仿真验证表明：本文提出的SDCI算法比非相干积累算法获得的检测信噪比高约3.2 dB.     

基于粒子滤波联合算法的地磁室内定位

室内地磁场受钢结构与其它铁磁材料的影响,造成磁场区域局部异常,使室内地磁场具有特异性. 受益于此种现象,室内地磁定位技术得以实现. 然而在大型建筑中地磁场的特异性会减弱,这导致定位结果出现模糊现象. 针对这一现象,文中提出了基于路径匹配的室内地磁定位技术,通过增加匹配特征数量来解决此问题. 使用基于动态时间规整（dynamic time warp,DTW）算法与粒子滤波（particle filter,PF）算法的新型联合算法,并以路径匹配的模式对目标进行追踪. 在匹配过程中又通过计算斯皮尔曼等级（Spearman）相关系数确定路径之间的相似度,使之作为辅助定位. 最后用装载了磁传感器的测量机器人进行实验验证,结果表明:路径匹配具有足够的地磁特征数量,能够解决特异性减弱情况下定位结果模糊现象,且定位精度优于1 m.      

基于原子分解的辐射源信号二次特征提取

提出了基于原子分解的辐射源信号二次特征提取方法.在过完备多尺度Chirplet原子库基础上,首先用匹配追踪(MP)方法进行信号时频原子分解,并通过改进的量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的最佳Chirplet原子.在此基础上,降低特征参数的维度,提取最具分类意义的原子特征向量.对5种典型雷达辐射源信号的特征提取实验表明,提取的原子特征类内聚集性强、类间分离度大,证实了本文方法的可行性和有效性.     

基于FFT的MP信号稀疏分解算法的改进

针对基于FFT的MP信号稀疏分解算法中存在的计算量过大的问题,提出了改进算法.改进算法充分利用了当FFT算法的变换长度是2的整数次幂时运算速度最快的性质,用基2 FFF实现信号稀疏分解中的相关运算.理论分析显示,当数字信号长度为1 024采样点时,用FFT算法计算互相关的速度为直接计算的10.6倍.仿真实验结果表明,改进算法的计算速度为直接计算的8.05倍,为原基于FFT的MP算法的3.64倍.     

基于量子遗传优化算法的图像稀疏分解

为了减少图像稀疏分解的计算量,提出了一种基于量子遗传算法与匹配追踪相结合的图像稀疏分解快速算法.量子遗传算法能用较小的种群规模实现较大的空间搜索,全局寻优能力强,基于匹配追踪的图像稀疏分解是最优化问题,因此可用量子遗传算法快速实现.仿真结果表明,每步分解所需计算的图像或图像残差与原子的内积仅4 000次,由分解结果重建的图像具有较好的主观质量.     

Chaff cloud jamming suppression based on wavelet transform

Radar target signals and chaff cloud jamming signals have different characters by the wavelet transform. The wavelet coefficients of radar target signals are highly correlated with its near-and-near-scale wavelet coefficients, however the correlativity between the wavelet coefficients of chaff cloud jamming signals and its near-and-near scale wavelet coefficients is less significant. Based on the binary-base discrete wavelet transform and the correlation algorithm, the method of target entropy to estimate standard variance of the jamming signals and each scale is proposed to ensure reasonable threshold, to suppress chaff cloud signals and finally to reconstruct mixed signals by the improved spatially selective noise filtration (ISSNF) method. The extensive simulation results show that the proposed method can availably suppress chaff cloud jamming and decontaminate target echo.     

Preliminary Application of Scale Transformation Stochastic Resonance in Dual-Sequence Frequency Hopping System

Aiming at the detection failure of strong noise interference in the dual channel of the dual-sequence frequency hopping(DSFH), the scale transformation stochastic resonance(STSR) is applied for the first time,and the output signal to noise ratio(SNR) is raised effectively, at the same time, the symbol reception is completed for DSFH at low input SNR. Firstly, the radio frequency(RF) and intermediate frequency(IF) signals are analyzed based on the super-heterodyne reception of DSFH; secondly, the equations of probability density function(PDF), output power spectrum and SNR of the STSR output are derived for the IF signal; finally, the algorithm of the optimal matching STSR is proposed with the optimal matching parameters. The simulation results show that the algorithm can effectively solve the detection failure, as the global output SNR of DSFH is strongly improved that the output SNR can reach-17.72 d B when the input SNR is-20 d B after the processing of the optimal matching STSR.     

基于压缩感知理论的时变信号压缩技术

机械设备在线状态监测与故障诊断系统中,为实现采集数据的远程传输和实时处理,需对数据进行压缩和滤波处理.通过分析机械振动信号时变性的特点,以压缩感知理论为基础,构造了满足受限等距性质(restricted isometric property, RIP)的稀疏变换矩阵和压缩感知矩阵;提出了基于压缩感知的时变信号压缩算法,并利用Lasso算法对压缩信号进行稀疏重构,恢复原始信号.采用不同类型的时变仿真信号和实测信号进行实验,对比了提出算法与现有算法的压缩与去噪效果.实验结果表明,新算法有更好的压缩去噪效果,当压缩比为40%时,能量保持率达到了95%以上,能满足工程实际需求.      

基于MSP430单片机的多路信号采集系统

根据微弱模拟信号的检测需要,利用AD7706具有低功耗、高精度A/D转换的特点,以MSP430F149为控制器,设计了一种多路信号采集系统,编制了A/D转换以及MSP430F149与PC机之间的串行通信软件,实现了采集到的数据能在PC机上显示、存储、绘制曲线,同时PC机能给单片机发送控制命令等功能.实践表明该系统能可靠运行.     

多尺度稀疏电能质量扰动识别方法

针对传统电能质量扰动识别中存在数据量大、扰动特征依赖主观选择的问题，提出一种多尺度稀疏电能质量扰动深度识别方法. 首先，构建电能质量的多尺度稀疏模型，通过对扰动信号平稳小波多尺度变换获得扰动的低高频信息；然后，对其压缩采样获得降维的测量数据，并在此基础之上，应用正交匹配追踪算法求取各层稀疏系数组成稀疏向量，将稀疏向量输入深度置信网络，实现扰动的智能识别；同时，为进一步提高网络识别的准确性，采用交叉熵算法完成对网络隐含层数、学习率等参数寻优；最后，为验证所述方法的有效性，针对几类典型的单一扰动和复合扰动信号进行大量仿真试验. 结果表明:在理想环境和噪声环境下，针对七类典型单一扰动，平均识别率达到99.0%和96.71%以上；针对13类多重扰动，平均识别到达97.69%和94.62%以上.