稀疏分解

摘要： 渤海海域PL油田储层沉积环境以河流相和浅水三角洲相为主,薄互层发育,尤其薄储层处于调谐厚度产生调谐效应后很难分辨,为油气勘探和开发工作带来了很大困难。本文采用的匹配追踪是地震信号稀疏分解的一种方法,对薄储层具有较高的分辨精度,当遇到两层之间的厚度达到调谐厚度时,该方法仍然可以显示地震反射系数的大小和位置,并能有效指证储层延伸方向,因此匹配追踪算法可以作为薄互层地震波阻抗反演的一种有效方法。在对地震信号进行分析时,Ricker小波的波形与实际地震信号相似,因此本文将Ricker小波应用到匹配追踪算法中,在实际地震数据反演应用过程中收敛速度较高,为反演结果的高效性提供了很好的保证,反演结果与实际地下地质特征相吻合度较高。通过对模型和地震资料的计算表明,匹配追踪反射系数反演方法在薄互层发育的油田进行储层研究是有效的,为后续相似地质条件油田进行储层研究提供了一定的参考。

摘要： 噪声对变压器局部放电信号干扰强烈,严重影响最终监测效果。为进一步提高稀疏分解方法在变压器局部放电去噪过程中的收敛速度和去噪效果,文中提出了一种基于改进双链量子遗传算法与正交匹配追踪方法相结合的局部放电稀疏分解去噪新方法。利用该方法对仿真局部放电信号进行去噪,并与传统的小波阈值去噪法和EEMD去噪法的去噪效果进行对比,结果表明,新方法的去噪效果在各项评价指标上都明显优于后两者,同时新方法的收敛速度明显快于传统的匹配追踪方法。通过对实测变压器内部典型局部放电信号的去噪,进一步验证了该方法的有效性和实用性。

摘要： 采用超声导波进行管道缺陷监测过程中混入干扰噪声严重影响缺陷反射回波的提取和识别,提出了一种新的管道缺陷超声导波监测信号匹配追踪去噪方法。将Hanning窗调制的正弦波激励信号经过时间平移和幅值调制作为基本原子形成自定义过完备波形字典,对管道缺陷超声导波监测信号进行匹配追踪稀疏分解,提取其中有效成分进行信号重构,经多次迭代实现信号去噪。对有限元数值模拟和实际管道缺陷监测信号分别采用传统小波阈值和提出的匹配追踪法进行去噪处理,结果表明,当信噪比较低时匹配追踪法明显优于小波阈值法,即使在干扰噪声完全淹没缺陷反射回波的场合,仍然可以提取出清晰干净的缺陷反射回波信号,为正确分析和评估现役管道安全运行状况提供了一条新的途径。

摘要： 对于封闭空间内的声场重放,传统的多点声压匹配方法(Cov-PM)依据在目标声场测得的声压直接使用最小二乘来计算扬声器权重。然而这种方法要求较多的目标声场采样点以实现足够的精度。对于一类特殊的声场景,也就是目标声场是由少量声源辐射产生时,提出一种对目标声场稀疏分解的方法来进行混响环境下多域声场重放以降低对目标声场采样数量的要求。该文给出基于目标声场等效源稀疏分解多域重放方法(Sparse-ESM)理论推导,通过数值计算以及实验测试两种方式对比所提方法与最小二乘等效源分解方法以及Cov-PM的声场重放性能。数值结果表明,在600 Hz以上的频段,Sparse-ESM方法的重放误差性能提升明显。实验结果也得出了与数值计算相同的结论。同时,还通过数值计算和实验测试两种方法证明了当目标声场声源方向波动时,Sparse-ESM仍然可以保持与其余两类方法相近的声对比度,并且实现较高的亮区重放精度。

摘要： 叶端定时技术是近年来兴起的可用于整级叶盘健康监测的非接触式测量技术,为转子叶片振动的在线监测与故障诊断提供了可能。针对转子叶片常见的碰磨故障,分别建立了单叶片与整级叶盘动力学模型,分析了上述两种模型在碰磨故障下的叶尖动态响应;提出了受碰磨影响较为明显的振动指标;阐述了碰磨状态下传感器之间及叶片之间的叶端定时信号特征,通过增强稀疏分解算法对叶端定时欠采样信号进行了特征提取;提出了一套用于诊断碰磨故障的流程。通过自主搭建的碰磨试验台验证了提出方法的有效性。

摘要： 由于噪声音频信号中存在噪声干扰影响因素,导致对音频片段起始和终止时间的识别误差较大,不利于音频信号的智能识别。因此,为了精准识别音频片段起止时刻,提升音频信号的智能识别效果,引入了稀疏分解算法,提出一种新的音频信号智能识别方法。将短时平均过零率作为原始无噪声音频信号结构特征参数,构建音频信号匹配的过完备原子库。引入残差阈值参数作为稀疏分解的终止条件,分解原始无噪声音频信号,实现对含噪音频信号的去噪处理。通过高频内容加权处理对去噪后音频信号进行起止时刻的识别,以信号不同频带能量差异值对其进行差异化赋权,完成音频信号智能识别。分析测试表明,设计方法对中文音频片段起始和终止时刻的识别结果中,误差在±100.0 ms以上的占比为5.72%,对英文音频片段起始和终止时刻的识别结果中,误差在±100.0 ms以上的占比为6.94%,由此表明音频信号智能识别误差较低,设计方法具有较高的识别精度。

摘要： 提出了一种基于多形态卷积神经网络的遥感图像融合方法:将局部离散余弦变换字典和曲波变换字典组合为形态成分分解字典,对全色图像和多光谱图像进行稀疏分解,通过调整阈值大小,分别从待融合的图像中提取出纹理成分和卡通成分,然后利用卷积神经网络进行融合,最终获得具有高分辨率的多光谱图像。通过形态成分分析把源图像视为多种成分对其进行处理,提取其卡通成分和纹理成分,考虑了不同源图像之间具有的差异性,降低了图像处理的复杂度,在避免源图像信息丢失的同时又加强了对输入图像细节的提取,最终将形态成分分解与卷积神经网络相结合,融合结果可获得更加丰富的原始图像信息。实验结果表明,在兼顾空间分辨率提高和光谱保真上,该方法在主观视觉质量和客观评价指标上都获得了比现有融合方法更好的结果。

摘要： 传统的信号处理方法难以对含噪混叠信号进行分析,给旋转机械的运行状况监测和故障诊断带来困难。为此,结合转子振动信号周期性强的特点,提出互相关稀疏分解方法。对仿真信号进行压缩传感,从而实现信号的降维。构造离散傅里叶字典,通过正交匹配追踪算法得出信号的稀疏表示。利用皮尔逊系数计算重构信号与原信号的相关性,选择最合适的稀疏度K完成对仿真信号的降噪重构。将稀疏系数与字典中对应的原子相乘,分离出仿真信号中不同的频率成分;对转子振动信号实例进行分析,提取转子的转频及其倍频成分。结果表明:与传统的信号处理方法相比,所提方法处理的含噪混叠信号更易于分析,有助于旋转机械的运行状况监测和故障诊断。

摘要： 航空装备在巡航、物资运输、军事作战等领域具有重要作用,因此一旦发生故障,造成的损失也是巨大的.在航空装备故障中,机电故障是最难以诊断和修复的.以往在故障检修的故障信号处理环节中,多采用小波变换、盲源分离以及奇异值分解等三种方法,信号去噪能力不足,影响了整体方法的检修效果.针对上述情况,提出一种基于稀疏分解的航空装备机电故障检修方法.该方法首先利用采集装置对航空装备机电故障信号进行采集,然后利用稀疏分解对故障信号进行分解去噪处理,接着利用免疫聚类算法对去噪后的信号进行故障识别,最后对不同类型的故障进行故障修复.结果表明:稀疏分解去噪后,信号信噪比提高1.4dB、5.3dB、9.8dB,去噪效果有明显改善;使得所提方法的漏检率与误检率降低,提高了整体检修质量.

摘要： 针对水平集图像分割模型的分割结果不够准确且对初始轮廓位置和噪声敏感问题,提出了超像素/像素协同约束和稀疏分解的活动轮廓模型.首先引入超像素提取图像块信息构造符号压力函数防止轮廓在演化过程中陷入局部最优;其次,构建了基于超像素/像素协同约束的能量泛函以弥补超像素无法保留局部细节的缺陷;同时,为了解决基于非全局信息的活动轮廓模型演化速度慢的问题,提出模型利用超像素块加速轮廓演化;最后引入了稀疏分解对模型进行优化以减弱局部噪声对分割精度的影响.与多种水平集分割模型的实验结果对比,证明了提出方法的有效性,尤其与原始的二值选择和高斯滤波正则化水平集模型相比,提出方法对噪声和初始轮廓位置不敏感,平均Jaccard相似度系数提升了34％.

摘要： 齿轮箱故障常以齿轮和轴承混合故障形式出现,振动信号中各故障特征成分相互耦合.提出了一种新的基于稀疏分解的齿轮箱混合故障信号分离方法.综合齿轮箱分布型故障和局部型故障的特征规律,构建了物理意义明确、通用性广的平稳调制字典和冲击调制字典.平稳调制字典以余弦函数为原子,同时引入离散频谱比值校正法以提高分离精度;冲击调制字典以单位脉冲响应函数为原子,其物理参数利用相关滤波法自适应识别.信号按照最小特征周期分段,通过匹配追踪算法先后提取各故障成分.针对齿轮和轴承局部损伤冲击规律的差异性,提出了一种齿轮和轴承冲击成分时域分离方法.试验测试验证了该方法能够有效分离齿轮箱混合故障特征和识别故障类型.

摘要： 为了解决低信噪比下雷达高分辨距离像的噪声稳健识别问题,本文提出了一种基于复距离像稀疏分解的目标识别方法.首先分析了复距离像回波的散射中心模型,然后根据强散射中心在复距离像域分布的稀疏性,对含噪的宽带频域回波进行稀疏分解,通过距离像重构实现去噪,恢复出去噪的距离像.基于实测数据的识别实验表明:在较低的信噪比下,提出方法仍可获得较高的识别率.

摘要： 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.

摘要： 针对低信噪比图像,提出基于稀疏分解和K_SVD算法的图像去噪方法.首先将含噪图像在过完备字典下进行稀疏分解,通过稀疏重构图像逼近保留图像信息,以此来减少噪声.再利用K SVD算法最小化目标图像与稀疏重构图像范数,从而更新稀疏分解的过完备字典,通过迭代处理实现图像的去噪.实验结果表明,这种方法是一种有效的图像降噪方法.

摘要： 心电信号在医疗方面的应用有着广泛的研究，然而心电信号反映了人体心脏的生理活动，不同人的心电信号各不相同，因此可以用作身份识别。该文采用Gabor原子库对心电信号进行基于MP的稀疏分解，分解后所得的原子参数和投影值中包含该信号的重要信息，将其作为特征参数，并采用支持向量机对其进行分类。通过对20个人的心电信号进行实验，识别系统的识别率可达95.3％。

摘要： 利用稀疏分解技术对信号进行压缩、重构在信号处理领域具有重要意义并已在工程上得到了广泛应用.这一技术通过构建稀疏字典和重构系数矩阵实现信号的表征,其重构矩阵的稀疏质量与重构结果有着密切的关系.通过对稀疏分解重构矩阵稀疏分布情况与误差的研究,给出了一个能准确度量该矩阵稀疏质量的指标,并通过实验验证了该指标与重构误差的相关性.

摘要： 滚动轴承的局部故障振动信号一般表现为周期的瞬态冲击成分.对轴承振动信号进行瞬态冲击成分分析,可以提取轴承的故障特征.而在强噪声存在的情况下,很难提取冲击故障.提出了基于最大相关峭度去卷积和增广拉格朗日收缩方法对微弱滚动轴承故障进行诊断.首先采用最大相关峭度去卷积进行降噪处理,然后通过最大相关系数法建立Laplace小波字典,最后采用增广拉格朗日收缩来求解稀疏表示系数.通过分析轴承故障仿真信号和实验信号,可以实现强噪声背景下轴承微弱故障的冲击位置特征提取.

摘要： 该文提出一种基于多原子匹配追踪的图像融合算法,算法利用多原子匹配追踪信号分解,在每次迭代时选取多个原子来实现图像的稀疏分解,从而有效地提取原始图像的高频成分,为融合图像提供更丰富的细节特征。同时,该算法极大提高了图像稀疏分解的计算速度。实验结果表明,利用该算法所获得的融合图像能够保留输入源图像中大部分主要边缘特征,效果优于传统的小波图像融合算法。

摘要： 针对旋转机械设备局部故障使测量信号表现出瞬态特性,将图像稀疏重构方法引入到时频流形的理论分析框架中,提出了一种新的时频流形稀疏重构的瞬态特征提取方法.基于时频流形突出的特征增强效果,运用图像稀疏的方法有效地从非线性时频流形结构中学习到时频分量.通过上述构造的时频字典对原始信号的时频分布进行瞬态特征的重构表达分析,实现对原始信号的幅值和相位恢复.该重构方法将图像稀疏重构的稀疏原理同时频流形在瞬态特征增强方面的优点进行了有效的结合,实现了对非线性结果的理论化表达分析,在噪声抑制、故障信息增强的同时重构出原始信号.实验结果和波形对比分析表明该方法能够有效地提取旋转机械瞬态特征.

摘要： 针对旋转机械设备局部故障使测量信号表现出瞬态特性,将图像稀疏重构方法引入到时频流形的理论分析框架中,提出了一种新的时频流形稀疏重构的瞬态特征提取方法.基于时频流形突出的特征增强效果,运用图像稀疏的方法有效地从非线性时频流形结构中学习到时频分量.通过上述构造的时频字典对原始信号的时频分布进行瞬态特征的重构表达分析,实现对原始信号的幅值和相位恢复.该重构方法将图像稀疏重构的稀疏原理同时频流形在瞬态特征增强方面的优点进行了有效的结合,实现了对非线性结果的理论化表达分析,在噪声抑制、故障信息增强的同时重构出原始信号.实验结果和波形对比分析表明该方法能够有效地提取旋转机械瞬态特征.

摘要： 本发明公开了一种基于chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制方法，主要解决K-SVD中存在的效率低和“超出内存”问题。其实现过程是：输入含噪图像，对此图像进行重叠块提取，得到重叠块集合；对重叠块集合进行随机抽样，得到训练样本；对训练样本进行基于chelesky分解和近似奇异值分解的稀疏K-SVD字典训练，得到最终的稀疏字典；根据最终的稀疏字典得到最终的训练字典；在最终的训练字典下对重叠块集合进行基于chelesky分解的OMP稀疏编码，得到稀疏编码系数；根据冗余稀疏表示图像噪声抑制理论，利用最终的训练字典和稀疏编码系数，得到去噪后图像。本发明能够有效的提高执行效率和解决“超出内存”问题，可用于数字图像处理等领域。

摘要： 本发明公开了一种基于chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制方法，主要解决K-SVD中存在的效率低和“超出内存”问题。其实现过程是：输入含噪图像，对此图像进行重叠块提取，得到重叠块集合；对重叠块集合进行随机抽样，得到训练样本；对训练样本进行基于chelesky分解和近似奇异值分解的稀疏K-SVD字典训练，得到最终的稀疏字典；根据最终的稀疏字典得到最终的训练字典；在最终的训练字典下对重叠块集合进行基于chelesky分解的OMP稀疏编码，得到稀疏编码系数；根据冗余稀疏表示图像噪声抑制理论，利用最终的训练字典和稀疏编码系数，得到去噪后图像。本发明能够有效的提高执行效率和解决“超出内存”问题，可用于数字图像处理等领域。

摘要： 本发明提供一种基于上下三角分解的稀疏矩阵并行求解方法，其中，该方法应用于并行计算平台，并行计算平台包括多个处理器，包括：接收输入矩阵，并逐列存储输入矩阵的非零元；对输入矩阵进行重排序，得到重排序矩阵，其中，在重排序矩阵中，LU分解的填入小于第一数量，以及对角线位置非零元的绝对值大于第一阈值；基于重排序矩阵，构造矩阵消去树，并基于矩阵消去树，构造子树和任务队列；基于多个处理器对多个子树和多个任务队列进行并行计算，并基于计算结果得到输出矩阵，其中，输出矩阵为输入矩阵的LU分解矩阵；基于输出矩阵，得到关于输入矩阵的求解结果。通过本发明，提高了基于上下三角分解进行稀疏矩阵的并行求解过程的计算效率。

摘要： 本发明公开一种运用于空间组学高密度信号分解稀疏解读的方法及其应用，该方法将所有靶标分子分为锚定分子和N组稀疏分子，每轮通过连接测序的方式读取全部锚定分子和其中一组稀疏分子，直至N组稀疏分子读取完毕。通过N轮成像，有效地将无法解读的高密度靶标分子信号稀疏成N组低密度信号，再通过锚定分子配准将解读后的N组稀疏分子进行整合，确定高通量高密度的空间分布模式信息。该方法通过增加成像轮数，拆分、稀疏高密度图像，换取空间位置，解决荧光信号点光学拥挤和干扰问题，获取高密度信号点的空间位置，无需通过超分辨显微成像系统在单细胞水平实现高通量、高密度荧光信号的精准空间分辨的解析，打破目前的技术限制。

摘要： 本发明提供了一种提取油气储层瞬时谱异常的地震信号稀疏时频分解方法，该方法在对地震信号进行时频分解时，将求取地震信号的时频谱定义为一个凸优化问题，并采用迭代正则化方法求解该凸问题。在稀疏范数的约束下求解反演问题，使地震信号的时频谱通过正则化迭代求出，得到的结果具有更高的时频分辨率和能量聚焦性，基于本发明的地震信号稀疏时频分解方法，能有效地检测油气储层有关的瞬时谱异常特征，提高油气储层预测的精度，有利于准确地刻画油气储层的位置和空间分布等。

摘要： 本发明涉及一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，包括以下步骤：通过加速度传感器拾取齿轮箱振动信号；对拾取的原始振动信号利用稀疏正则化滤波方法进行滤波；利用自适应稀疏分解方法对滤波信号进行分解，得到高频振荡信号与低频周期性瞬时脉冲信号；利用Hilbert包络解调方法对低频周期性瞬时脉冲信号进行包络解调，提取故障特征频率及其倍频，与理论计算故障特征频率对比，最终确定齿轮故障类型。本发明能够大幅度滤除背景噪声成分，有效提取周期性故障瞬时脉冲序列，可以清晰检测出比较微弱的齿轮故障特征信息，准确性高、稳定性强，适合于齿轮箱在工作状态下实时故障巡检和在线监控避免突发性事故发生。

摘要： 本发明涉及一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，包括以下步骤：通过加速度传感器拾取齿轮箱振动信号；对拾取的原始振动信号利用稀疏正则化滤波方法进行滤波；利用自适应稀疏分解方法对滤波信号进行分解，得到高频振荡信号与低频周期性瞬时脉冲信号；利用Hilbert包络解调方法对低频周期性瞬时脉冲信号进行包络解调，提取故障特征频率及其倍频，与理论计算故障特征频率对比，最终确定齿轮故障类型。本发明能够大幅度滤除背景噪声成分，有效提取周期性故障瞬时脉冲序列，可以清晰检测出比较微弱的齿轮故障特征信息，准确性高、稳定性强，适合于齿轮箱在工作状态下实时故障巡检和在线监控避免突发性事故发生。

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： 本发明公开了基于压缩采样和字典稀疏分解的欠定工作模态分析方法，方法包括：获取目标结构对应的振动加速度响应矩阵；确定所述振动加速度响应矩阵对应的相关函数矩阵，其中，所述相关函数矩阵包括若干相关函数，每一所述相关函数均由一系列衰减的正弦波组成；根据所述相关函数矩阵确定所述目标结构对应的若干组工作模态参数。本发明通过实测时域响应数据可以识别目标结构在实际环境中的多组工作模态参数，解决了现有技术中采用实测频响函数难以识别结构在实际环境中的模态参数的问题。

摘要： 本发明公开了一种基于改进型Laplace基稀疏分解提取结构模态参数的方法，步骤如下：(1)设待分解信号x采样频率为f