利用混沌优化实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面都有重要的应用,但稀疏分解计算量十分巨大,难以被推广而实现产业化.混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,混沌运动能在一定范围内按其自身的规律不重复地遍历所有状态.因此,如果利用混沌变量进行优化搜索,无疑会比随机搜索更具优越性.本文利用变尺度混沌优化方法在优化搜索过程中不断缩小搜索空间,快速寻找匹配追踪(MP)过程中每一步的近似最佳原子,提高信号稀疏分解的速度,算法的有效性为实验结果所证实.     

基于Curvelet变换阈值法的地震数据插值和去噪

成功的信号分离和去噪依赖于所用的变换能否足够稀疏地表达该类信号.事实上,信号在某变换域的系数越稀疏,阈值去噪的效果也就越好.Curvelet变换是一种非自适应的多尺度.多方向性变换,地震数据在Curvelet域有着几乎最优的稀疏表达.最近的研究表明,Curvelet阈值能够得到比小波阈值更好的随机噪声抑制效果,更高的提...     

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.     

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．     

自适应冗余字典学习的高光谱混合像元解混

针对线性稀疏解混模型无法准确识别真实端元造成丰度估计误差较大的问题,本文提出一种基于自适应冗余字典的高光谱混合像元解混算法.该算法根据地物在空间上的连续性,以及高光谱数据中信号成分与光谱库中物质光谱的强相关性,首先保留每个像元在光谱库上投影系数大于设定阈值所对应的光谱,将其作为与每个像元信号成分最匹配的光谱集合;然后合并该集合以构建高光谱数据的自适应冗余字典;最后利用ADMM算法求解高光谱数据在该字典上的丰度矩阵.仿真和实际高光谱数据实验结果表明,本文所提出的算法可减小丰度估计误差,在信噪比为15~35 dB时,其丰度估计准确性高于性能较优的SUnSAL算法约1~2 dB.      

基于MP分解的相干线性调频信号DOA估计

针对具有时变方向向量的相干线性调频信号,本文提出一种基于MP（Matching Pursuit）方法实现的DOA估计算法。根据线性调频信号形式和阵列结构分别建立过完备原子库,通过对阵列接收数据在原子库上的MP分解过程,寻找出每一步分解的最佳原子,进而由最佳原子的参数获得信号的DOA估计,该算法不需要采用空间平滑处理,估计性能优于传统空间时频分布（STFD）方法,尤其在欠采样、低信噪比、多信源情况下算法仍然有较高的估计精度。理论分析及计算机仿真结果验证了算法的有效性。     

基于子空间跟踪的波束形成算法

在期望信号方向发生变化或未知的情况下，为了获得较理想的波束形成，基于ESPRIT(借助旋转不变技术估计信号参数)方法，借助受限摄动子空间跟踪算法，提出了一种改进的波束形成算法．由于该算法采用子空间跟踪技术，对期望信号导向矢量能实时跟踪，从而能抑制时变信号的指向误差．计算机仿真结果表明，该算法获得的结果与已知期望信号方向理想情况下的波束形成结果相近．     

基于状态参数的安全数码相机模型

现有安全数码相机不能识别二次获取图像且必须直接参与含水印数字照片的认证过程.针对上述问题,本文从含水印数字照片的密钥生成与传递方式入手,提出一种基于状态参数的新型安全数码相机模型.该模型通过设计相机密钥设置函数——级联-混沌映射,隐蔽地生成安全数码相机的相机密钥,然后以相机密钥和照片拍摄时相机的取景模式、焦距、拍摄时间等状态参数为明文数据,利用Hash函数计算出含水印数字照片的密钥,讨论分析了该模型中密钥的保密性和难伪造性,建立了相机与密钥的多对一非线性映射关系.实验结果表明,相机密钥或状态参数改变时,密钥的变化量近似均匀分布.      

利用线性预测去除图像椒盐噪声

针对去除灰度图像的椒盐噪声问题,提出一种利用线性预测去除椒盐噪声的算法。算法的优点是利用已知信息预测出未知信息。本文提出的算法根据椒盐噪声的特点,判断图像像素是信号像素还是可能的噪声像素,把图像信号像素作为已知信息,把噪声像素作为未知信息,采用三阶线性预测器,利用信号像素预测出噪声像素。该算法对于可能的噪声像素,采取预测算法进行预测,预测值作为噪声像素处理后的灰度值;而对于信号像素则不做任何处理,因而很好地保留了图像细节。实验结果表明,该算法的运算量小,去噪能力强,尤其在处理噪声高度污染图像时,去噪能力表现更为突出。     

基于四阶累积量自适应时延估计的改进

时间延迟估计在雷达和声纳等方面有着广泛的应用。为了在空间相关或不相关的高斯背景噪声下获得比较精确的时延估计值,提出了一种基于四阶累积量、借助于ETDE(Explicit Time Delay Estimation,利用sinc函数采样FIR滤波器)算法的自适应时延估计算法。此方法可以抑制相关或不相关高斯噪声的影响,可以跟踪时延,从而保证时延的唯一性,进而得到信号准确的时延估计。该算法在较低信噪比下能得到非高斯信号较准确的时延估计。理论分析和仿真结果证明了算法的有效性。