压缩感知

摘要： 背景:目前压缩感知技术用于踝关节MRI应用的报道较少。目的:探讨不同加速因子的压缩感知技术对踝关节常规2D-MRI图像质量和扫描时间的影响。方法:对24名健康志愿者(38个踝关节)在3.0T MR行常规2D-TSE序列扫描,基于敏感编码SENSE并行成像(S组)和压缩感知技术(CS组),分别获取轴位T1WI(加速因子分别为S1.3、CS1.3、CS1.9、CS2.7)、矢状位PDWI加速因子分别为(S1.8、CS1.8、CS2.6、CS3.2)、冠状位PDWI(加速因子分别为S1.3、CS1.3、CS1.6、CS2.0)序列图像,每个序列的其他扫描参数保持一致。对踝关节图像的肌腱、软骨、韧带和肌肉结构进行5分主观评分,测量骨、软骨、韧带、肌腱、肌肉、积液、脂肪结构的背景噪声标准差和信号强度,计算其信噪比和对比噪声比,对不同加速因子成像的主观评分和客观评价进行统计学分析,每个序列图像质量以SENSE组(S组)为标准参考。结果与结论:(1)当加速因子相同时,常规序列S组和CS组的主观评分、信噪比和对比噪声比差异均无显著性意义(P>0.05);(2)当CS(轴位T1WIA)、CS(矢状位PDWI)、CS(冠状位PDWI)序列的加速因子分别在1.9、2.6、1.6时,软骨、肌腱、韧带等踝关节主要观察结构的图像质量均无明显差异(P>0.05),扫描时间分别是1 min 32 s、1 min 42 s、1 min 48 s;当CS(轴位T1WI)、CS(矢状位PDWI)、CS(冠状位PDWI)序列的加速因子分别增加至2.7、3.2、2.0时,所有解剖结构的主观评分分数仍大于3分,但每个序列均出现信噪比和对比噪声比显著下降(P<0.05);(3)结果提示,当加速因子相同时,CS组获取的图像质量总体高于S组;当加速因子增大时,CS序列的扫描时间逐渐减少,图像质量也随之降低;在3.0T MR仪上,压缩感知技术应用在常规2D序列轴位T1WI、矢状位PDWI和冠状位PDWI时,分别推荐1.9、2.6、1.6加速因子,整体时间可减少约27%(1 min 53 s)。

摘要： 针对分段弱正交匹配追踪(SWOMP)算法使用内积匹配准则完成原子筛选时存在丢失原子的现象,造成重建语音信号质量差的缺点,提出了一种基于广义Jaccard系数的SWOMP算法.该算法利用广义Jaccard系数相似性的匹配准则代替内积匹配准则,在保留原子信息的同时放大了相关性,解决了以内积准则求向量相似度造成原子丢失的问题,优化了原子筛选.在相同条件下,对重建语音信号从平均帧信噪比和主观语音质量评估两个方面进行评价.仿真评价结果表明,与SWOMP算法相比,基于广义Jaccard系数的SWOMP算法能有效提高对语音信号重建的性能.

摘要： 压缩感知可以在低于Nyqiust采样率条件下实现稀疏信号的精确恢复.重构算法是压缩感知的主要研究内容之一.本文基于子空间基追踪算法的回溯思想与共轭梯度法,提出了共轭梯度子空间基追踪算法.通过仿真实验验证了算法的有效性,并讨论了该算法利用几种常见测量矩阵对稀疏信号的重构效果.结果显示,当测量矩阵为部分Fourier矩阵时,该算法具有最优的重构效果.

摘要： 近年来,深度学习在图像处理中表现显著,因此研究者开始将深度学习用于磁共振成像的重构.现有的深度学习模型需要依赖大量数据进行训练,而医学图像很难获得大量数据,因此,为有效的提高MR成像重构的质量,本文提出一个在小数据集上表现良好的深度学习MRI重构方法.本文对U-Net模型进行改进,结合GoogleLeNet和ResNet的优势,提出了UGR-Net模型,并与数据一致性层结合得到级联的UGR-Net.在多种加速因子下使用3种欠采样模式对脑部复数数据进行欠采样,并对级联CNN网络、级联U-Net模型、新提出的级联UGR-Net重构模型的重构性能进行了比较.实验结果表明,级联UGR-Net在视觉和定量指标上均优于级联CNN模型和级联U-Net模型.

摘要： 因信号的重构效果受到稀疏矩阵选取或设计的影响,传统压缩感知技术在处理冲击波信号时要求信号在某个变换域上满足稀疏先验性。为了避免稀疏矩阵不易选取的问题,提出了一种基于深度卷积生成网络与压缩感知技术相结合的算法。该算法将固定的随机信号作为网络输入值,网络的输出结果为重构信号,利用文中设计的损失函数对网络中的参数进行优化,实现信号端到端的恢复,并通过仿真验证了重构结果误差的减少。在15 psi和5 psi传感器实测冲击波信号的实验结果中表明,本文算法相比于传统压缩感知技术具有更好的重构结果,重构误差在稳定时约为DFT-OMP算法和DCT-OMP算法在M为2400时误差值的0.5倍。

摘要： 目的探讨压缩感知技术中不同加速因子在耳蜗3D-DRIVE水成像中的应用价值。方法采用MRI的3D-DRIVE序列对30例健康志愿者耳蜗进行扫描,分别使用SENSE技术及压缩感知技术(CS)的5种不同的加速因子:SENSE、3.5、4.0、4.5、5.0及5.5,扫描时间分别为237 s、212 s、185 s、166 s、147 s及135 s。由诊断经验丰富的2位医师分别在耳蜗三个层面勾画感兴趣区(ROI),测量各层面ROI的信号强度及标准差,以此计算耳蜗的信噪比(SNR)及对比度噪声比(CNR);并使用5分制评分法主观评价耳蜗的图像质量。6组耳蜗图像质量的客观定量参数和主观评价的数据采用SPSS 25.0统计软件进行统计分析。结果2位医师间的主观评分和客观定量参数的一致性评价均达到了好(ICC>0.75),CS5.0序列的主观评分达到了4.61±0.80,且一致性检验得分最高(ICC=0.832),图像质量可以较好地满足诊断要求。6组间的SNR分别为8.76±1.52、8.45±1.62、8.48±2.22、7.98±2.85、7.60±2.56及7.11±2.01,差异有统计学意义(P0.05)。6组间的CNR差异无统计学意义(P>0.05)。结论随着压缩感知加速因子的增加,扫描时间逐渐缩短,图像质量也会不同程度的下降,当加速因子为5.0时,能在保证图像质量的前提下使扫描时间缩短约38%,效率提高约61%,可推荐其为耳蜗检查的最佳扫描方案。

摘要： 目的评价不同加速因子(AF)对脑压缩感知(CS)磁敏感加权成像(SWI)质量与灰质核团相位值(PV)的影响。方法纳入40名健康志愿者,分别采集AF为0、2、4、6、8及10的SWI。对图像质量进行主观评价,测量PV并计算信噪比(SNR)及对比噪声比(CNR)。采用Cohen’s Kappa检验评价观察者间评价的一致性;以组内相关系数(ICC)评价观察者内测量PV结果的一致性。比较不同AF下主观评分及各参数测量结果的差异。结果观察者间主观评分一致性较好(Kappa均>0.60,P均0.80,P均0.05)。结论利用CS技术可有效缩短SWI时间,AF=2时对大脑图像质量无明显影响,但对部分核团PV测值存在一定影响,尤其是幕下核团。

摘要： 为了提高X射线焊缝图像缺陷分类识别的成功率,提出利用对数极坐标变换(LPT)的距离及角度不变特性解决实际缺陷识别中因缺陷图像位置、形状及方向变换导致的识别准确率下降问题。同时,为降低噪声的影响,提出基于压缩传感技术的缺陷识别,将待检测图像视为一组样本图像的线性组合,通过求取系数向量确定待检测图像的类型。由于缺陷的信息存于一组系数向量中,而非依赖于某几个特定的特征值,因此任一图像的变化对最终识别结果不会造成影响。实际试验表明,LPT结合压缩传感技术可以实现较高的X射线焊缝图像缺陷识别率,极大地降低了噪声误报率。

摘要： 广义频分复用(Generalized Frequency Division Multiplexing,GFDM)技术是在正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术基础上发展而来的一种新的多载波调制技术,其特点是子载波非正交以及具有灵活的时频资源配置.GFDM作为目前研究的主流波形,有望成为B5G(Beyond Fifth-Generation)或者6G(Sixth-Generation)时代移动通信技术的新的波形设计.本文提出了基于GFDM信号的高精度载波测距方法,其主要包括GFDM信号粗同步、导频检测、多径提取、首径获取、延迟跟踪和载波相位测距等步骤.在此基础上,利用GFDM信号测距信息进行了室内定位性能评估.在典型室内会议场景下搭建了实测平台并对上述方法进行了验证.测试结果表明,通过所提方法,利用GFDM信号测距精度达到1.1 m(95%),定位精度优于2 m,相比于相同带宽的OFDM信号测距性能提高了21%.本文研究将为下一代移动通信室内定位技术提供有益参考.

摘要： 针对在支撑集未知的情况下重构多频带信号的问题,本文提出了一种基于压缩采样结构的盲多带信号预失真模型,即将多频输出信号视为单个宽带信号,经下变频和低通滤波器处理后,送入A-MWC(Alternate Modulated Wideband Converter)结构进行盲压缩采样,而后通过基于随机支撑挑选的变步长稀疏度自适应匹配追踪算法(Sto-VSSAMP)盲重构信号,减小反馈回路带宽,降低信号采样速率,提升重构的线性化效果。本文利用双频信号进行实验测试,结果表明该方法在提高重构信号精度的同时,功率放大器输出信号的ACPR(Adjacent Channel Power Radio)较无预失真时约改善了21 dBc,NMSE(Normalized Mean Squared Error)较传统2D-DPD(Two Dimensional Digital Predistortion)约提升了2~3 dB,获得了良好的线性化性能。

摘要： 基于压缩感知的干扰测向技术由于对相关干扰不敏感,测向所需数据量少,成为当前卫星导航干扰对抗研究中的新技术之一.然而工程应用中,如果部分天线阵元出现显著幅相特性偏离,将恶化压缩感知测向性能.本文基于M-估计和箕舌线曲线特性提出一种稳健的压缩感知干扰测向技术.使用加权循环迭代,降低乃至消除存在显著偏离误差阵元对干扰测向的影响.仿真结果表明,基于M-估计的压缩感知干扰测向稳健性高,在部分阵元出现显著幅相特性偏离仍能得到高精度的测向结果.

摘要： 地震在孕育和发生的过程中往往伴随着地下介质状态的变化,利用气枪震源具有能量转换效率高,高度可重复性等优势,通过重复测量地震波走时来监测地球内部介质波速微弱变化(波速/走时的相对变化量在10-3量级),为研究地震孕育和发生过程及寻找地震发生前兆提供可能.为了保证数据的连续性和质量，在数据缺失或受干扰严重的情况下，本文利用压缩感知方法尽可能不失真的重构地震数据，保证波速测量的精度，这对开展相关的地震科学研究而言意义重大。

摘要： 在三维SAR成像中,稀疏重构算法相比传统的匹配滤波算法能有效提高成像质量,但是稀疏重构算法效率低,占用内存大,限制了稀疏重构算法的应用,针对这一问题,本文提出一种基于自适应阈值的压缩感知三维SAR成像方法.该方法采用模糊聚类的思想对SAR回波信号进行聚类分析,根据SAR回波信号幅值信息,利用使非相似性代价函数最小准则自适应产生一个阈值,将高于阈值的信号构造测量矩阵,与传统的利用整个回波数据来构造测量矩阵的稀疏重构方法相比,大大降低了测量矩阵维数,减少了算法运算量.与目前成像质量较高的基于迭代最小化稀疏贝叶斯重构(SBRIM)方法相比,仿真和实测数据的处理结果都表明本文所提方法在提高了成像质量的同时提高了算法运行效率.

摘要： 针对双基SAR系统的稀疏成像分辨率不高问题,提出采用基于结构配对贝叶斯学习(PC-SBL)的压缩感知算法进行块状稀疏信号恢复,将雷达成像问题转化成稀疏信号表示问题,通过建立雷达稀疏观测模型,对雷达成像问题进行求解.通过仿真实验可以证明,这种基于结构配对贝叶斯学习的块稀疏成像算法比传统双基地后向投影算法的成像分辨能力更高,同时与正交匹配追踪算法相比,基于结构配对贝叶斯学习的压缩感知成像算法的适用性更强.

摘要： 将逆合成孔径雷达成像原理应用于激光波段和机载平台,在千公里级别探测距离上实现了对空间锥形目标的稀疏微动成像,对应距离/方位分辨率均为厘米级.通过建立机载逆合成孔径激光雷达成像模型,分析了平台和目标复合运动条件下的目标斜距和雷达回波构成,验证了机载逆合成孔径激光雷达对微动目标探测的可行性.针对激光波段方位向重复频率高、系统复杂和数据冗余等问题,提出了一种基于空间域压缩感知的微动目标稀疏成像算法,在方位向稀疏观测条件下,建立微动目标线性观测模型,并利用基于l1范数的优化方法进行稀疏信号求解,实现微动目标图像重构.基于电磁计算数据的实验结果验证了所提方法的有效性.

摘要： 相比于传统双基地合成孔径雷达(BiSAR),星机双基地线阵合成孔径雷达(SA-BiLASAR)具有多视角灵活三维成像的重大优势,可实现前视及下视三维传成像探测.但由于受到雷达分辨率瑞利准则限制,传统成像算法难以利用SA-BiLASAR有限线阵天线长度实现高分辨率成像能力.针对此问题,结合三维空间目标稀疏特性,本文提出了一种基于后向投影及压缩感知稀疏联合的SA-BiLASAR高精度三维稀疏成像算法.首先,推导了目标稀疏条件下SA-BiLASAR的原理和信号模型,并将SA-BiLASAR三维成像表示为求解线性方程的稀疏解;其次,利用后向投影算法对稀疏强散射目标进行位置预测,提取其对应的SA-BiLASAR回波数据子集;然后,用正则化L1范数最小化算法对各强散射目标位置区域及回波数据子集进行稀疏成像;最后,合并各区域成像结果获得最终SA-BiLASAR高精度三维稀疏成像图像.仿真数据验证了本文算法的有效性,并说明相对于传统成像算法该算法可获得更好的成像质量,而相对经典稀疏成像算法却具有更好的效率.

摘要： 万物互联互通技术的蓬勃发展导致无线频谱资源日益匮乏,传统无线电频谱固定分配方式的弊端越来越明显,认知无线电能有效解决频谱的稀缺;频谱感知是实现认知无线电技术前提条件,传统频谱感知技术在低信噪比环境下感知性能与系统、算法复杂度存在矛盾,如何解决这方面的问题仍然是频谱感知技术中的难点.重点对当前窄、宽带频谱感知技术的原理及研究现状进行综述并归纳总结其算法的优缺点,最后对频谱感知技术中存在的问题和未来发展方向进行了讨论.

摘要： 万物互联互通技术的蓬勃发展导致无线频谱资源日益匮乏,传统无线电频谱固定分配方式的弊端越来越明显,认知无线电能有效解决频谱的稀缺;频谱感知是实现认知无线电技术前提条件,传统频谱感知技术在低信噪比环境下感知性能与系统、算法复杂度存在矛盾,如何解决这方面的问题仍然是频谱感知技术中的难点.重点对当前窄、宽带频谱感知技术的原理及研究现状进行综述并归纳总结其算法的优缺点,最后对频谱感知技术中存在的问题和未来发展方向进行了讨论.

摘要： 万物互联互通技术的蓬勃发展导致无线频谱资源日益匮乏,传统无线电频谱固定分配方式的弊端越来越明显,认知无线电能有效解决频谱的稀缺;频谱感知是实现认知无线电技术前提条件,传统频谱感知技术在低信噪比环境下感知性能与系统、算法复杂度存在矛盾,如何解决这方面的问题仍然是频谱感知技术中的难点.重点对当前窄、宽带频谱感知技术的原理及研究现状进行综述并归纳总结其算法的优缺点,最后对频谱感知技术中存在的问题和未来发展方向进行了讨论.

摘要： 万物互联互通技术的蓬勃发展导致无线频谱资源日益匮乏,传统无线电频谱固定分配方式的弊端越来越明显,认知无线电能有效解决频谱的稀缺;频谱感知是实现认知无线电技术前提条件,传统频谱感知技术在低信噪比环境下感知性能与系统、算法复杂度存在矛盾,如何解决这方面的问题仍然是频谱感知技术中的难点.重点对当前窄、宽带频谱感知技术的原理及研究现状进行综述并归纳总结其算法的优缺点,最后对频谱感知技术中存在的问题和未来发展方向进行了讨论.

摘要： 本发明公开了一种基于压缩感知原理的卷积神经网络压缩方法及解压缩方法，其中压缩方法包括：预处理步骤、将卷积神经网络中的每一层的权值预处理为一系列矩阵；压缩步骤、将预处理步骤得到的预处理结果进行压缩处理得出压缩后的权值；训练步骤、对压缩后的权值进行训练；编码步骤、对训练步骤训练后的已压缩权值进行编码；模型生成步骤、根据经编码步骤得到的编码结果生成压缩后的卷积神经网络模型文件。本发明基于压缩感知原理的卷积神经网络压缩方法，相比其他方法，会比现在较为流行的直接剪枝量化方法有更高的压缩率，而且可以通过在频域中保留低频信息来防止过多的信息损失。

摘要： 本发明涉及一种信号时频特性提取及压缩感知融合的高效协作频谱感知方法，通过以下步骤完成：步骤一，接收信号x(t)，利用短时傅里叶变换(STFT)提取信号时频特性，得到x(t)的时频特性矩阵，分别对矩阵每个元素求模及平方，得到时频图矩阵：步骤二，构造检测统计量，并检测主用户(PU)信号；步骤三，利用压缩感知(CS)压缩SU中的θ(w)，并传输到融合中心，因现实通信中PU信号具有稀疏性；步骤四，融合中心利用正交匹配追踪(OMP)方法，重构和量化θ(w)，再用K秩序准则，实现协作感知；本发明能同时检测多个频段内的PU信号，从而减少了所需滤波器的数量，且利用CS减少数据传输量，及协作感知技术提高频谱感知的检测概率。

摘要： 本发明公开了一种基于压缩感知和支持向量机的高效频谱感知方法，包括以下步骤：S1：输入待感知的接收信号；S2：对待感知接收信号通过压缩感知采样处理得到测量矩阵Y，并对测量矩阵Y的采样协方差矩阵对角线元素判决，并取均值得到特征统计量Tk；S3：通过特征统计量与门限对比获取待感知接收信号的标签，并将获取到的标签和特征统计量组成的样本训练集；S4：将样本训练集输入到支持向量机SVM分类器中训练，得到频谱分类器；S5：将收集的数据输入至频谱分类器中处理，得到分类结果。本发明无需重构原信号，只需通过协方差对角线元素作为判决统计量，极大降低复杂度，且提高检测概率。

摘要： 本发明公开了一种基于特征感知的视频压缩感知方法，主要解决现有技术重构视频时空相关性弱及视觉效果差的问题。其实现方案是：制备训练数据集及测试数据集；设计时空视频压缩感知网络的结构；设计精细感知损失的计算方法；根据设计的网络结构及精细感知损失编写网络结构文件、网路训练文件及模型测试文件；利用网络训练文件及训练数据集对网络进行训练，获得训练好的网络模型；利用模型测试文件及测试数据集对测试视频处理，获得相应的重构视频。本发明设计的利用精细感知损失训练的时空视频压缩感知网络能够增强重构视频的时空相关性，提升了重构质量，且能产生视觉效果更好的重构视频，可用于实现视觉效果更好的视频压缩感知重构。

摘要： 本发明公开了基于感知哈希算法的分布式视频压缩感知自适应分组方法，针对在分布式视频压缩感知系统中当视频序列变化剧烈或发生场景切换时，采用固定的图像分组将导致参考帧选择的不准确进而严重影响非关键帧的重构质量，如果非关键帧与相邻关键帧的重构质量相差过大，解码端将产生视频闪烁效应的问题，本发明首先利用感知哈希算法评估图像的时域相关性大小，并根据时域相关性大小将图像分级，然后进行自适应图像分组；在自适应图像分组基础上，采用一种新的帧采样率分配模型进一步提高总体重构质量。本发明在保持总采样率不变的前提下，有效降低了解码视频中视频闪烁程度，为分布式视频压缩感知系统进一步提高提高服务质量和用户体验提供了可能。

摘要： 本发明公开了量测矩阵扰动时压缩感知感知矩阵构建方法、系统及介质。所述方法包括：生成随机矩阵作为期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据；对所述期望量测矩阵进行优化处理，获取实际量测矩阵的最优估计值；根据所述实际量测矩阵的最优估计值，构建感知矩阵；通过所述感知矩阵对所述实际量测数据进行重构，恢复出原始信号。本发明通过对干扰环境下的实际量测矩阵的估计，构造感知矩阵，利用接收到数据准确恢复出原始数据。

摘要： 本发明公开了一种基于压缩感知原理的卷积神经网络压缩方法及解压缩方法，其中压缩方法包括：预处理步骤、将卷积神经网络中的每一层的权值预处理为一系列矩阵；压缩步骤、将预处理步骤得到的预处理结果进行压缩处理得出压缩后的权值；训练步骤、对压缩后的权值进行训练；编码步骤、对训练步骤训练后的已压缩权值进行编码；模型生成步骤、根据经编码步骤得到的编码结果生成压缩后的卷积神经网络模型文件。本发明基于压缩感知原理的卷积神经网络压缩方法，相比其他方法，会比现在较为流行的直接剪枝量化方法有更高的压缩率，而且可以通过在频域中保留低频信息来防止过多的信息损失。

摘要： 本发明公开了一种毫米波大规模MIMO系统中基于自适应感知矩阵的压缩感知信道估计算法及装置，用于实现大规模MIMO系统中，针对混合波束赋形架构的欠维度特性导致的信道估计问题。该算法根据毫米波信道的稀疏性采用压缩感知算法进行信道估计；同时根据接收导频信号自适应的构建感知矩阵，有效地提高了在低信噪比下的信道重构概率，减小了重构信道的归一化最小均方误差。

摘要： 本发明涉及一种信号时频特性提取及压缩感知融合的高效协作频谱感知方法，通过以下步骤完成：步骤一，接收信号x(t)，利用短时傅里叶变换(STFT)提取信号时频特性，得到x(t)的时频特性矩阵，分别对矩阵每个元素求模及平方，得到时频图矩阵：步骤二，构造检测统计量，并检测主用户(PU)信号；步骤三，利用压缩感知(CS)压缩SU中的θ(w)，并传输到融合中心，因现实通信中PU信号具有稀疏性；步骤四，融合中心利用正交匹配追踪(OMP)方法，重构和量化θ(w)，再用K秩序准则，实现协作感知；本发明能同时检测多个频段内的PU信号，从而减少了所需滤波器的数量，且利用CS减少数据传输量，及协作感知技术提高频谱感知的检测概率。

摘要： 本发明公开了一种基于压缩感知和支持向量机的高效频谱感知方法，包括以下步骤：S1：输入待感知的接收信号；S2：对待感知接收信号通过压缩感知采样处理得到测量矩阵Y，并对测量矩阵Y的采样协方差矩阵对角线元素判决，并取均值得到特征统计量Tk；S3：通过特征统计量与门限对比获取待感知接收信号的标签，并将获取到的标签和特征统计量组成的样本训练集；S4：将样本训练集输入到支持向量机SVM分类器中训练，得到频谱分类器；S5：将收集的数据输入至频谱分类器中处理，得到分类结果。本发明无需重构原信号，只需通过协方差对角线元素作为判决统计量，极大降低复杂度，且提高检测概率。