DCT域的语音信号自适应压缩感知

利用语音信号在DCT域的稀疏特性,提出了一种基于语音信号能量特性的帧间与帧内自适应压缩感知方法。首先根据语音信号各帧能量和各帧所属能量区间自适应分配每帧观测个数,称之为帧间自适应。然后当帧观测个数确定后,根据每帧完全观测各分量的能量自适应选取相应个数的观测,称之为帧内自适应。实验表明,用该算法重构的语音具有较高的平均分段信噪比和平均意见得分。     

基于非负支撑域受限递归逆滤波的自适应图像盲复原

针对原始非负支撑域受限递归逆滤波(NAS-RIF)算法存在的缺点,提出了一种自适应的NAS-RIF图像盲复原算法.首先,在NAS RIF算法的代价函数中加入正则化约束项和空域加权因子,通过自适应地调整正则化参数和空域加权因了来改善算法的抗噪性能,并确保复原的逼真和平滑.然后,在算法的每次迭代中,采用图像分割技术找到准确的目标支持域,并用背景的平均值取代非均匀背景.最后,利用N步重置共轭梯度法优化代价函数,加快了算法的收敛速度.在不同信噪比条件下对两种模糊图像进行了实验,结果显示,采用本文算法得到的信噪比增益(△SNR)分别为6.315 3 dB和8.910 6 dB,表明该算法具有较好的噪声抑制和边缘细节恢复效果.对低信噪比的退化图像,本文算法也能得到更好的复原结果.     

应用投影收缩的压缩感知锥束CT短扫描重建

由于锥束CT成像系统在短扫描方式下无法获得完全投影数据,从而限制了图像重建的质量,本文提出了一种基于投影收缩的压缩感知锥束CT短扫描重建算法。考虑BB(Barzilai-Borwen)梯度投影算法的非单调收敛,分析了投影收缩法的预测校正特性,并将校正过程引入到压缩感知图像重建算法中。结合目标函数下降方向和凸集投影下降方向,校正BB梯度投影算法,改善BB梯度投影算法的非单调特性。应用该算法对模拟投影数据和仿体扫描数据分别进行了重建试验。模拟试验结果表明,在25个采样角度下,用提出算法重建图像的信噪比值比自适应最速下降-凸集投影算法、投影收缩算法和BB梯度投影算法的重建结果分别高出9.487 0、9.802 7、3.615 9dB。仿真试验结果表明:在少量投影角度下该算法重建结果有效抑制了条状伪影,清晰重建出边缘细节,极大提高了少量投影数据重建图像的质量。     

基于ICEEMDAN-ACF的自适应MEMS陀螺信号去噪方法北大核心CSCD

针对基于EMD的MEMS陀螺信号去噪方法中存在模态混叠、Hurst指数筛选法和相关系数筛选法无法准确筛选含噪本征模态函数(IMF)的问题,提出一种基于改进自适应噪声完备集合经验模态分解-自相关函数(ICEEMDAN-ACF)的自适应MEMS陀螺信号去噪方法。首先使用ACF自适应阈值判断信号信噪比,对于包含低能量高频成分的低信噪比信号使用小波软阈值预降噪,之后使用ICEEMDAN算法将陀螺信号分解为多个IMF和一个余项,使用ACF自适应阈值筛选噪声主导IMF,剔除噪声主导IMF后重构陀螺信号。实验表明:文中改进算法在低、中、高信噪比条件下的去噪效果均优于小波软阈值法、EMD-Hurst指数法、EMD-相关系数法和EMD-ACF法。     

压缩感知技术研究及应用

随着信息需求的提高,在超宽带信号处理领域中,奈奎斯特(Nyquist)采样所需硬件成本昂贵、采样获取效率低,且对数据存储先提取后压缩再传输,造成大量资源浪费。压缩感知(Compressive Sensing,CS)把采样和压缩放在一起进行,若信号在某个域上是稀疏的、压缩的,就可以低于奈奎斯特采样频率进行采样。对n维的离散信号取其中少数一些值处理,在接收端采用一些算法进行恢复。本文引入了压缩感知技术以降低系统对采样速率的要求,基于CS理论,介绍了CS三个关键技术:信号稀疏表示、测量矩阵设计、压缩感知重构算法,以及CS技术在具体领域中的应用。     

基于预处理VAD技术和KL变换的语音增强算法研究

语音增强的目的是从带噪语音信号中压缩背景噪声,提取纯净语音,改进通话质量.本文提出了一种基于预处理VAD技术和自适应KL变换的语音增强算法.实验表明,该算法对于单通道输入有色噪声干扰下的带噪语音信号有较好的增强效果.     

电磁层析成像图像重建中的修正共轭梯度算法

通过研究共轭梯度算法,推导出适用于电磁层析成像的修正共轭梯度算法,该方法提高了收敛速度,改善了电磁层析成像重建图像的质量。首先以共轭搜索方向充分下降为充分条件,理论推导出修正共轭梯度算法。然后从相对图像误差、相关系数和收敛曲线几个方面出发,评价了Landweber迭代法、单步Tikhonov正则化方法、共轭梯度法和修正共轭梯度法在电磁层析成像图像重建中的结果,得出结论:修正共轭梯度方法的相对图像误差最小,重建图像和原图像的相关系数最高,收敛情况优于共轭梯度算法。     

基于过完备线性预测字典的压缩感知语音重构

基于语音信号帧内样值间的相关性和冗余域的稀疏性,针对采用离散余弦转换矩阵及基追踪方法对压缩感知采样语音进行重构时,语音稀疏性不够好导致大压缩比采样后重构效果差的缺点,提出采用过完备线性预测字典做转换矩阵,用基追踪重构算法对压缩感知采样语音进行高质量重构。该方法预先由训练语音的预测系数聚类构造过完备字典,不需要测试语音的预测系数;基于过完备线性预测字典重构信号性能良好。对利用基追踪重构的语音进行了主客观评价,得出结论:同样的观测数目下,基于过完备线性预测字典比基于离散余弦变换矩阵压缩感知采样语音重构信噪比高出3～8 dB。     

非均匀磁共振压缩成像的交替方向乘子法

为了缩短磁共振成像的扫描时间、提高成像质量,提出一种在压缩感知框架下的非均匀磁共振压缩图像交替方向乘子算法。该方法联合考虑磁共振成像(MRI)图像在变换域和梯度域下的稀疏性,并使用非均匀傅里叶变换实现插值处理,在此基础上构建出MRI图像重构模型,然后采用交替方向乘子法求解该模型。该算法引入辅助变量,将原始模型中的优化问题分解为更容易求解的子优化问题,再使用交替方向最小化方法分别求解。通过一个乐高积木和一个老鼠心脏的径向MRI压缩成像实验来验证算法的有效性。实验中利用磁共振图像从5%到30%(步进为1%)的欠采样数据进行图像重建,并采用重构图像与原始图像的结构相似度评价重构图像质量,结果显示基于该方法的压缩成像算法重构图像质量显著优于基于回溯线搜索的共轭梯度法的重构图像。同时,以峰值信噪比作为图像质量的评价指标对两种算法下的老鼠心脏重构图像进行比较,依然得到相同的结论。     

基于自适应梯度盲源分离算法的胎儿心电提取

梯度算法是盲源分离信号分析中的主要算法之一.本文首先介绍了算法的基本原理及其自适应改进,并用4种生理信号对改进算法的性能进行了仿真研究;将该算法应用于母体心电等强干扰条件下胎儿心电信号的提取.研究结果表明,相对于传统的批处理算法,自适应梯度盲分离算法具有更好的性能与鲁棒性,能够将采集的混合信号分解为信源统计独立的不同独立分量,最终通过信号重构在体表电极处获得清晰的胎儿心电信号.自适应梯度盲源分离算法在生理信号的分解和重构提取研究中是一种有潜力的工具.