基于信号稀疏表示的信源数目和DOA联合估计算法

波达方向估计是阵列信号处理的一个重要问题.基于阵列信号的联合稀疏表示模型,首先根据阵列结构建立过完备原子库,然后将阵列接收数据分解到最佳原子上,实现了空域信号DOA的高分辨估计;通过将阵列接收数据进行奇异值分解和采用粗略搜索与精细估计相结合两种方法提高了运算速度.相对于传统算法,本文算法不需要已知信源数目的先验信息,同...     

基于余弦过完备原子库的语音信号MP稀疏分解

本文以语音信号为研究对象,根据语音信号具有类周期的结构特性选用余弦过完备原子库,在其上进行基于MP的语音信号稀疏分解.该方法在保证重构语音信号质量的同时较大幅度地缩小了原子库,进而节省了存储空间和计算时间.通过计算机仿真证明了余弦过完备原子库对于具有类周期特性的信号比Gabor原子库在分解重构上更为有效.     

彩色图像的稀疏分解

图像稀疏分解是基于过完备原子库的一种图像表示方法,主要在灰度图像中应用.本文在分析灰度图像稀疏分解的基础之上,将其应用到彩色图像处理之中,实现了在RGB和YUV两种颜色模型下的匹配追踪稀疏分解.实验表明,YUV颜色模型更适合低码率彩色图像稀疏分解.     

一种冗余字典下的信号稀疏分解新方法

针对目前冗余字典下信号稀疏分解常用算法计算复杂度高的问题,提出一种分组匹配追踪算法．该算法首先利用多组正交基构造冗余字典,然后采用迭代式分组匹配追踪,每次迭代从字典中选出一组和原始信号或残余最匹配的正交基,采用正交分解快速算法进行正交分解得到少量重要系数,多次迭代后逐渐稀疏逼近原始信号．实验结果表明,基于小波正交基级联冗余字典进行信号稀疏分解时,在同等稀疏条件下,与匹配追踪(MP)算法相比,该算法的计算速度提高了大约30倍,而且可避免过匹配现象．     

由矢量水听器阵反演海底地声参数

矢量水听器能同时测量声压和质点振速信号,为了对这些信息在海底地声参数反演中加以充分利用,根据声传播理论研究了不同号简正波对声矢量场的影响,并在此基础上提出了一种将声压和质点振速相联合的地声反演方法.理论与实验研究表明,对声压和质点水平振速而言,低号简正波往往占主要贡献,而对于质点垂直振速,高号简正波的贡献更大.海底地声参数反演的数值仿真与实验结果表明,基于矢量水听器阵的地声反演方法可以有效降低海底声学参数反演的不确定性.这为矢量水听器应用于海洋环境监测提供了一种新方法.     

基于压缩感知理论的二维DOA估计

二维波达方向(direction of arrival,DOA)估计在雷达探测、电子对抗、医学成像等领域有着广泛的应用.针对现有算法估计精度不足、计算量巨大的问题,在基于压缩感知理论的背景下提出一种二维均匀L型阵列信号的DOA估计算法.该算法首先对阵列信号的俯仰角和方位角构建空间合成角,并对空间合成角构建过完备冗余字典;再利用正交化高斯随机矩阵构造观测矩阵;最后通过改进RM-FOCUSS算法和求解三角函数的方法还原出方位角和俯仰角.理论研究表明,该方法在高信噪比、多快拍条件下比传统算法具有更高的估计精度和分辨力,且通过压缩采样降低了运算量.仿真实验验证了上述结论.     

信号稀疏分解降噪在DOA估计中的应用

提出了一种基于稀疏分解的阵列信号降噪方法。该算法是通过匹配跟踪（MP）的稀疏分解对阵列接收信号进行降噪,然后结合一般的MUSIC算法实现DOA估计。首先将对阵列接收数据分阵元通道独立进行基于MP分解的降噪处理,在不改变阵列流型的前提下,达到了对阵列信号降噪的效果,且在实际算法中分析了MP分解迭代终止阈值的确定。通过仿真分析证实了信号MP分解降噪的方法应用于DOA估计中的可行性。仿真结果显示,在低信噪比环境中,基于MP分解降噪后的MUSIC估计方法取得了更好的估计性能,因此证实了该算法的有效性。     

基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计

原始的压缩采样匹配追踪算法依赖于已知稀疏度,因此本文研究了一种稀疏度和稀疏信道联合估计算法。首先提出了一种新的稀疏向量的替代,能够在有限长度的训练序列下,达到较好的稀疏度和信道估计效果。然后通过对稀疏信道估计中的噪声分量的分析,提出了一种稀疏度估计算法,结合信道估计最终给出了一种稀疏度和稀疏信道联合估计算法。仿真结果表明：新的稀疏向量的替代在稀疏度和信道估计方面都有明显的优势,并且提出的稀疏度和稀疏信道联合估计算法在性能上好于mCoSaMP算法。     

应用FRFT的矢量水听器阵方位估计

采用FRFT方法研究矢量水听器阵的宽带信号多目标方位估计问题.进行了与FRFT的二维矢量水听器线阵方位估计算法相结合的理论推导与仿真实验.研究证明,采用二维矢量水听器阵可以实现全空间无模糊定向,该方法在处理多源信号时可以避免交叉项的干扰,对于宽带信号的处理,不需要进行频率搜索或频率聚焦变换就可以进行方位估计.该方法在信噪比不低于-10 dB时都具有较好的估计精度.     

信号稀疏表示的研究及应用

针对传统的信号分解方法中所存在的一旦信号的特性与基函数不完全匹配时,所分解的结果不一定是信号的稀疏表示的问题,在分析传统信号分解方法不足的基础上,从确定性信号与随机信号两方面探讨了基于过完备原子库的信号稀疏表示算法的特点及其应用,就国内外信号稀疏表示研究的发展状况,进行了对比性分析,指出基于过完备原子库的信号稀疏表示方法不但能有效实现数据的高效压缩,而且可以提高变换域的分辨率,相对于传统方法具有独特优越的性能,该方法对运用高分辨遥感影像进行油气勘探的数据表达将产生积极作用。     

基于MP稀疏分解的心电身份识别

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...     

基于稀疏重构的窄带弱信号时延估计算法

提出了一种基于稀疏重构的窄带弱信号时延估计算法.利用信号的互相关谱构造数据矩阵,然后建立时延参数的冗余字典,最后通过矩阵奇异值分解在信号子空间中利用正交匹配追踪算法得到高精度时延估计.理论分析和仿真实验验证了算法的正确性和有效性.相比于传统方法,该算法可将窄带弱信号时延估计精度提高约1倍.     

一种优化的gOMP稀疏OFDM信道估计方法

无线多径信道多呈现稀疏特性,即信道时延扩展大,但是路径的个数少,利用信道先验稀疏信息的稀疏信道估计方法可以提高稀疏信道的估计准确性。针对贪婪算法选择字典原子在残余误差最小意义下的非最优性,及广义正交匹配追踪算法gOMP利用含噪信号估计稀疏信道过程中过多的选择字典原子导致gOMP算法重建性能下降的问题,提出优化的广义正交匹配追踪算法（optimized generalized orthogonal matching pursuit,OgOMP）。在OgOMP算法原子选择阶段,采用使残余误差最小化的原子选择标准代替残差与字典内积绝对值最大化的原子选择标准以选择原子。为删除多余的误选原子,添加原子精炼步骤对每一步迭代后选择的字典原子进行二次选择,选择对应最大信道衰落系数的原子,选择的原子数与信道稀疏度相同,删除错选原子以保证重建信号与原始信号的稀疏性一致。本文仿真对比了gOMP和OgOMP算法的信道估计均方误差、误码率、残差收敛速度以及不同导频数、不同原子选择数对算法的影响。仿真结果表明：相同的误码率下,OgOMP算法比gOMP算法在估计稀疏信道时最大可以节省4 dB的信噪比,信噪比为20 dB时均方误差最大可以减小5 dB;两种算法的残差收敛速度均优于MP算法;导频数的增加可以减小两种算法的信道估计均方误差,相同信道估计性能下OgOMP算法具有更小的导频开销;每步迭代选择的原子数目不同时,相比于gOMP算法,OgOMP算法性能基本不变,具有更好的稳定性,仿真结果验证了改进算法的有效性。     

基于MUSIC算法的矢量水听器阵源方位估计

矢量水听器阵的每个阵元同时测量声场中的声压量和质点振速的3个正交分量,相对于声压水听器阵来说,矢量阵获取声场中更多的信息.利用矢量阵所获得的速度场的信息可去除目标方位估计中的180°模糊.多重信号分类(MUSIC)算法是通过对数据协方差矩阵进行本征分解获得信号空间谱估计的方法.本文采用矢量水听器均匀线阵研究了利用MUSIC算法对声源进行方位估计,以提高对源方位的估计精度.仿真结果表明,在SNR=10dB的条件下,相对于常规波束形成器输出,MUSIC空间谱的主波束宽度锐化了30°左右,旁瓣降低了16dB左右,利用MUSIC算法可提高对源的定向精度及对多目标的分辨能力.     

基于交替下降求解的稀疏信号重建算法

压缩感知理论（CS）是现代信号处理领域中一个崭新的研究方向,信号的快速优化重建是该理论的研究热点。实际工程应用中,由于各种误差不可避免,信号重建过程中字典矩阵只是近似知道,因此降低了信号重建质量。为有效解决字典矩阵和观测数据同时含有噪声的多测量矢量（MMV）稀疏重建问题,基于多测量矢量欠定系统正则化聚焦求解（RM-FOCUSS）算法,提出一种交替下降稀疏重建算法,迭代过程中在稀疏解和字典误差之间交替下降求得最优稀疏解。仿真结果表明,文章算法较大程度地提高了信号的重建质量。     

基于矢量阵的自初始化MUSIC方位估计算法

MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计.探讨了MUSIC算法在矢量阵上的应用,给出了矢量线阵MUSIC噪声子空间谱估计表达式,利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰实现目标的方位估计,用以提高目标方位估计的精度.对单目标和双目标方位估计进行了仿真研究,在文中的仿真条件下,当满足信噪比大于5dB的条件时,可对目标方位进行较好估计.研究结果表明,通过单个矢量阵元阵簇得出的目标方位估计精度较差,而迭代搜索MUSIC谱峰方法提高了方位估计精度.     

基于ESPRIT算法的L-型矢量阵源方位估计

建立了水平L-型矢量水听器阵列的数据模型,研究了利用ESPRIT算法同时对目标的水平方位角和仰角进行高分辨率角度估计,仿真L-型矢量水听器阵对单个源和多个源的方位估计情况,并和相同阵型的声压阵方位估计性能进行比较,结果表明,相对于声压阵,矢量阵可以在不增加阵孔径的前提下提高对单源方位估计的精度,获得的增益为6dB左右,同时提高了对多目标方位的分辨能力。     

基于稀疏冗余字典学习的图像去模糊算法

为了解决中度和重度污染的模糊图像去模糊效果差、边缘细节恢复难的问题,提出一种基于压缩感知理论的去模糊算法,即引入数字水印中的Zig-Zag变换,加入信号转换过程中的位置关系信息,对K-奇异值分解(K-singular value decomposition,K-SVD)算法进行改进,以优化稀疏系数的稀疏度。实验结果表明,对于中重度模糊图像,新算法的提高信噪比(Improve Signal to Noise Ratio,ISNR)优于K-SVD算法。     

两种基于SVD的稀疏重构解相干改进算法

针对稀疏重构中正交匹配追踪(OMP)算法解相干问题,利用接收数据构造目标矩阵奇异值分解(SVD)后的大特征值对应的特征矢量,提出了两种改进解相干算法(NSO算法和MNSO算法).首先根据稀疏重构的框架下的阵列DOA估计模型,理论上分析了经典OMP算法、NSO算法和MNSO算法的运算量和重构精度,然后给出了算法性能的仿真结果.仿真结果表明,相对于经典OMP算法,两种改进算法的运算速度更快,稀疏重构效果更优.理论分析和仿真结果验证了两种改进算法的良好性能.