稀疏信号

摘要： 为提高战勤网络信息感知节点状态的监测效率,对经典压缩感知理论进行了改进,构造了一种适合于测量战勤网络状态的行和为零的贝努利测量矩阵,理论证明了原始重构算法依然适用于改进后的目标函数,同时提出了基于压缩感知的战勤网络状态监测模型。将改进后的压缩感知方法应用于提出的检测模型,对Hadoop进度跟踪机制进行改进,并在仿真环境下对解码精度、压缩比率、定位效率进行了测试和分析。测试结果表明:在保持与传统方法相同的监测精度下,新方法有效检测的战勤网络规模可提高约16倍。

摘要： 在雷达成像场景中,由于目标散射点具有稀疏性,针对低采样条件下逆合成孔径雷达(Inverse SyntheticApertureRa⁃dar,ISAR)高分辨率成像问题,文章提出一种基于改进平滑L0(Smoothed L0 norm,SL0)范数的高分辨率ISAR成像算法。首先采用负指数函数作为平滑函数,通过调整控制参数,使得负指数函数趋近于L0范数;通过循环迭代与梯度投影方法,求出最优解。仿真结果证明,本文算法较传统算法具有一定优势。

摘要： 基于非合作信号的时差频差估计是无源探测中的关键技术之一.对于给定信号,为提高时差估计精度,可通过提高采样率或增加采样时长来实现,但是增加了数据存储和传输的成本.因此,针对在频域上稀疏的信号,结合相关函数的性质,本文通过理论分析与推导,给出了一种时差频差联合估计方法.数据仿真结果表明该方法与传统的互模糊函数法相比,在相同的时差频差估计精度下,能显著地压缩原始数据的存储容量,减少数据存储和传输的压力.

摘要： 近年来稀疏相位恢复问题受到了越来越多的关注.本文提出了一种随机交替方法方法求解稀疏相位恢复问题,该算法采用硬阈值追踪算法求解带稀疏约束的最小二乘子问题.大量的数值实验表明,该算法可以通过O(s logn)次测量(理论上最少测量值)稳定的恢复n维s稀疏向量,并且在随机初值下可以获得全局收敛性.

摘要： 压缩感知技术(Compressive Sensing)是近年提出的一种全新的信号采样理论,其充分利用信号在某些变换域可以稀疏表示的先验条件,可以在低于奈奎斯特定理所要求的两倍最高采样频率的条件下完成信号的采样和重建.文章主要以压缩感知技术的专利作为分析对象,对其申请状况、技术发展脉络等进行了详细的介绍.

摘要： 针对正交频分复用(OFDM)系统信道的稀疏性,同时考虑信道的时间选择性和频率选择性,运用压缩感知理论研究了基于组稀疏压缩感知(GSCS)的时变信道估计方法.该方法通过信道系数和基扩展系数的稀疏表示,提出了组稀疏概念以测量、重构信号.在GSCS信号重构过程中,提出了一种新的优化方法,引入一个纠正过程,剔除错误的原子,提高了组稀疏估计方法的信号重构性能.分别在单天线和多天线系统中进行仿真实验,结果验证了本文方法的优越性.

摘要： 针对稀疏信号的重构问题,提出了一种基于反馈神经网络(RNN)的优化算法.首先,需要对信号进行稀疏表示,将数学模型化为优化问题;接着,基于l0范数是非凸且不可微的函数,并且该优化问题是NP难的,因此在测量矩阵A满足有限等距性质(RIP)的前提下,提出等价优化问题;最后,通过建立相应的Hopfield反馈神经网络模型来解决等价的优化问题,从而实现稀疏信号的重构.实验结果表明,在不同观测次数m下,对比RNN算法和其他三种算法的相对误差,发现RNN算法相对误差小,且需要的观测数也少,能够高效地重构稀疏信号.

摘要： 讨论了贝叶斯框架下压缩感知稀疏信号重构的方法，描述了基于非参数方法构建压缩感知字典的过程。实验结果表明：基于贝叶斯方法的压缩感知算法能够对单元脉冲信号进行较好重构，且与其他算法相比具有更小的重构误差。最后对贝叶斯压缩感知的发展进行展望。

摘要： 提高信噪比和分辨率一直是地震勘探研究的两个主要目标,但二者也相互制约.因此,如何权衡信噪比和分辨率往往具有很重要的研究意义.反射系数反映的是地层的特性,在一定程度上可近似为层状稀疏信号.本文讨论了在压缩感知重构信号的过程中，正则化算子稀疏信号提高分辨率与噪声压制提高信噪比的可行性，分析了正则化算子在实际资料处理中的效果，验证了该算子的适用性。

摘要： 阐述了基于压缩感知的合成孔径雷达图像目标识别算法的基本原理.该算法将合成孔径雷达图像目标识别转化为稀疏信号恢复问题,基于压缩感知理论求解稀疏系数,并根据稀疏系数进行目标类别判决.通过实验研究了影响基于压缩感知的合成孔径雷达图像目标识别算法性能的主要因素,包括图像预处理算法、构成字典的样本数量和字典构成方法.最后比较分析了基于压缩感知、基于支持向量机、基于Boosting三种目标识别算法的性能.实验结果表明,在未经姿态校正的情况下,基于压缩感知的目标识别算法取得了较好的目标识别性能.

摘要： 阐述了基于压缩感知的合成孔径雷达图像目标识别算法的基本原理.该算法将合成孔径雷达图像目标识别转化为稀疏信号恢复问题,基于压缩感知理论求解稀疏系数,并根据稀疏系数进行目标类别判决.首先,研究了影响基于压缩感知的合成孔径雷达图像目标识别算法性能的主要因素,包括图像预处理算法、构成字典的样本数量和字典构成方法.然后,比较分析了基于压缩感知、基于支持向量机、基于Boosting三种目标识别算法的性能,实验结果表明,在未经姿态校正的情况下,基于压缩感知的目标识别算法取得了较好的目标识别性能.

摘要： 由目标旋转,振动,锥动和进动等微动引起的周期多普勒调制会产生微多普勒效应.通过提取微多普勒参数进行目标识别已经是比较普遍的做法.本文通过将微动目标的回波信号在微多普勒参数域上投影以获得其稀疏表示,进而将微多普勒参数估计问题转化为稀疏信号重构问题.为了估计所有微多普勒参数,提出了一种新的参数化的基于贝叶斯压缩感知的重构算法,通过离散化的多普勒重复周期和多普勒幅度来构造一个过完备字典,然后通过稀疏贝叶斯推理进行解决.仿真结果验证了所提算法的有效性.

摘要： 本文主要研究最优地选择复近似消息传递(CAMP)算法中的参数.针对不同情况,给出了不同的性能评价准则:若为无噪观测,则选择使相变点最大的参数;若为有噪观测,则选择使系统噪声增益最大的参数.对于感知矩阵为各元素独立同分布(IID)高斯矩阵的情况,首先通过状态演化(SE)进行理论分析,然后仿真验证;对于感知矩阵为其它类型IID矩阵或部分傅立叶矩阵的情况,则主要采用经验分析法,通过仿真实验来确定最佳的参数值.本文的主要贡献包括:给出了CAMP算法中噪声增益的概念;具有“良好”分布的IID矩阵与高斯矩阵具有“等效性”;部分傅立叶矩阵与高斯矩阵对应的最优参数并不相同;当欠采样率较大时,部分傅立叶矩阵要明显优于高斯矩阵.

摘要： 本文主要研究最优地选择复近似消息传递(CAMP)算法中的参数.针对不同情况,给出了不同的性能评价准则:若为无噪观测,则选择使相变点最大的参数;若为有噪观测,则选择使系统噪声增益最大的参数.对于感知矩阵为各元素独立同分布(IID)高斯矩阵的情况,首先通过状态演化(SE)进行理论分析,然后仿真验证;对于感知矩阵为其它类型IID矩阵或部分傅立叶矩阵的情况,则主要采用经验分析法,通过仿真实验来确定最佳的参数值.本文的主要贡献包括:给出了CAMP算法中噪声增益的概念;具有“良好”分布的IID矩阵与高斯矩阵具有“等效性”;部分傅立叶矩阵与高斯矩阵对应的最优参数并不相同;当欠采样率较大时,部分傅立叶矩阵要明显优于高斯矩阵.

摘要： 本文主要研究最优地选择复近似消息传递(CAMP)算法中的参数.针对不同情况,给出了不同的性能评价准则:若为无噪观测,则选择使相变点最大的参数;若为有噪观测,则选择使系统噪声增益最大的参数.对于感知矩阵为各元素独立同分布(IID)高斯矩阵的情况,首先通过状态演化(SE)进行理论分析,然后仿真验证;对于感知矩阵为其它类型IID矩阵或部分傅立叶矩阵的情况,则主要采用经验分析法,通过仿真实验来确定最佳的参数值.本文的主要贡献包括:给出了CAMP算法中噪声增益的概念;具有“良好”分布的IID矩阵与高斯矩阵具有“等效性”;部分傅立叶矩阵与高斯矩阵对应的最优参数并不相同;当欠采样率较大时,部分傅立叶矩阵要明显优于高斯矩阵.

摘要： 本文主要研究最优地选择复近似消息传递(CAMP)算法中的参数.针对不同情况,给出了不同的性能评价准则:若为无噪观测,则选择使相变点最大的参数;若为有噪观测,则选择使系统噪声增益最大的参数.对于感知矩阵为各元素独立同分布(IID)高斯矩阵的情况,首先通过状态演化(SE)进行理论分析,然后仿真验证;对于感知矩阵为其它类型IID矩阵或部分傅立叶矩阵的情况,则主要采用经验分析法,通过仿真实验来确定最佳的参数值.本文的主要贡献包括:给出了CAMP算法中噪声增益的概念;具有“良好”分布的IID矩阵与高斯矩阵具有“等效性”;部分傅立叶矩阵与高斯矩阵对应的最优参数并不相同;当欠采样率较大时,部分傅立叶矩阵要明显优于高斯矩阵.

摘要： 本发明涉及一种用于衡量信号稀疏性的稀疏度量方法，属于信号处理技术领域。本发明包括步骤Step1：对滚动轴承振动信号进行稀疏变换；Step2：对变换后的系数去均值处理；Step3：然后对信号进行幅值归一化处理；Step4：获取最大幅值，并取20%作为阈值；Step5：通过系数中所有大于该阈值数的个数，然后除以系数的总个数，即得到稀疏指标。本发明提供的方法简单、快速，易于实现。本发明方法计算得到的稀疏指标能够使用明确、统一的数值衡量稀疏变换系数的稀疏度，解决了目前信号稀疏表示的结果无明确、统一衡量指标的问题。

摘要： 本发明提出了一种基于信号分解与稀疏重构的混合信号分离方法及装置，所述方法包括如下步骤：在已知混合信号中信源数目和各组成信号瞬时频率的条件下，对各组成信号进行傅里叶分解，获得各组成信号分解的系数；基于组成信号的分解系数和接收信号，建立接收信号的观测模型；基于接收信号的观测模型，将信号分离问题转化成为一个稀疏优化问题，建立稀疏优化目标函数；基于稀疏重构算法求解上述稀疏优化问题，实现对各组成信号分解系数的重构，在此基础上获得分离后各组成信号的时域信号。本发明方法能够实现雷达、通信等信号在空、时、频三域均存在混叠情况下的有效分离。

摘要： 本公开涉及用于信号检测的方法和设备。更具体地，本公开涉及具有稀疏同步信号速率的系统中的信号检测的方法和装置。根据一些方面，本公开涉及一种在无线电网络节点中执行的检测从无线设备发送的至少一个信号的方法，其中所述无线电网络节点以同步信号速率向所述无线设备发送同步信号。该方法包括：确定(S2)从最近一次向所述无线设备发送所述同步信号以来已经经过的时间段；基于所确定的时间段，在所述无线电网络节点中配置(S3)与检测所述至少一个信号有关的至少一个无线电设置。该方法还包括：使用所述至少一个无线电设置来监视(S4)所述至少一个信号的无线电频谱。

摘要： 本发明涉及一种用于衡量信号稀疏性的稀疏度量方法，属于信号处理技术领域。本发明包括步骤Step1：对滚动轴承振动信号进行稀疏变换；Step2：对变换后的系数去均值处理；Step3：然后对信号进行幅值归一化处理；Step4：获取最大幅值，并取20%作为阈值；Step5：通过系数中所有大于该阈值数的个数，然后除以系数的总个数，即得到稀疏指标。本发明提供的方法简单、快速，易于实现。本发明方法计算得到的稀疏指标能够使用明确、统一的数值衡量稀疏变换系数的稀疏度，解决了目前信号稀疏表示的结果无明确、统一衡量指标的问题。

摘要： 本发明提出基于导波信号稀疏分解方法的信号降噪与缺陷检测方法及缺陷信号重构方法。所述方法包括求解最优近似解、提取时间延迟参数、获取候选模式对、依据各个有效模式对的时间延迟以及对应的群速度，估计得到结构内各个反射源的位置；排除边界反射对应的导波模式，便可得到缺陷的位置。本发明所述方法采用基于稀疏贝叶斯学习的稀疏优化求解算法，在处理信号稀疏表示这类病态问题方面具有独特的优势，对噪声的鲁棒性也更好。

摘要： 本发明提出了一种基于信号分解与稀疏重构的混合信号分离方法及装置，所述方法包括如下步骤：在已知混合信号中信源数目和各组成信号瞬时频率的条件下，对各组成信号进行傅里叶分解，获得各组成信号分解的系数；基于组成信号的分解系数和接收信号，建立接收信号的观测模型；基于接收信号的观测模型，将信号分离问题转化成为一个稀疏优化问题，建立稀疏优化目标函数；基于稀疏重构算法求解上述稀疏优化问题，实现对各组成信号分解系数的重构，在此基础上获得分离后各组成信号的时域信号。本发明方法能够实现雷达、通信等信号在空、时、频三域均存在混叠情况下的有效分离。

摘要： 一种块稀疏度未知的稀疏信号压缩感知重构方法，它涉及压缩感知技术领域，具体涉及对块稀疏信号的重构方法。本发明通过初始化块稀疏度

摘要： 本发明公开了一种基于稀疏随机Kaczmarz算法稀疏信号恢复方法、系统、设备和介质，涉及通信信号处理技术领域，建立稀疏信号恢复模型；接收第一信号，并利用所述稀疏信号模型将所述第一信号重构为第二信号，其中，利用改进的随机Kaczmarz算法加快信号的重构过程，改进的随机Kaczmarz算法有效利用迭代次数以及当前迭代解来为本次迭代的行向量的各元素分配不同的权值，从而提高了算法的收敛速率与恢复效果，实现了提高稀疏信号的恢复性能的目的。

摘要： 一种面向块稀疏信号的稀疏分解去噪方法，它涉及块稀疏信号的稀疏分解去噪方法。本发明是要解决现有信号去噪领域中稀疏分解算法计算复杂、未考虑块稀疏信号本身簇类特性的问题。本发明包含如下步骤：设定面向块稀疏信号的稀疏分解去噪过程中各参数的初始状态值；寻找最大相关原子子块；获取稀疏分解的匹配子字典；获取稀疏分解的匹配原子列序号集合；更新残差；判断迭代次数l是否小于预先设定的最大迭代次数iterNum，判断结果为是，则执行步骤八，判断结果为否，则执行步骤七；将迭代次数l的值加1，返回步骤二；估计稀疏分解系数向量；合成去噪信号。本发明可应用于块稀疏信号的噪声消除与抑制技术领域。

摘要： 一种块稀疏度未知的稀疏信号压缩感知重构方法，它涉及压缩感知技术领域，具体涉及对块稀疏信号的重构方法。本发明通过初始化块稀疏度k，对每一个块稀疏信号的迭代，找到信号支撑集的一个子集，随着不断迭代，块稀疏度随之增加，最后找到整个源信号x的支撑集，从而达到重构源信号x的目的，本发明采用多次迭代并修正支撑集的思想来重构信号，重构的精度高，与现有的块稀疏度匹配追踪以及正交匹配追踪方法相比，对块稀疏信号的重构概率大，不存在过匹配现象。且本发明不需要以块稀疏度作为先验知识，尤其适用于块稀疏度未知信号重构领域。