基于联合稀疏特性的信号距离像重构方法.pdf
书生****66
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于联合稀疏特性的信号距离像重构方法.pdf
本发明公开了一种基于联合稀疏特征的信号距离像重构方法,该方法包括以下主要步骤:(1)首先生成随机稀疏频率步进信号回波;(2)基于回波信号联合稀疏信息建立随机稀疏频率步进信号距离像联合重构模型;(3)按照子脉冲随机方式不同对每组子脉冲信号构建不同的量测矩阵,并利用傅里叶基作为回波信号稀疏基矩阵;(4)在寻找回波信号支撑集时利用所有信号支撑集相同的信息,并利用DC-OMP算法对距离像进行联合重构。
基于压缩感知的自适应确定稀疏度的信号重构方法.pdf
本发明公开了一种基于压缩感知的自适应确定稀疏度的信号重构方法,包括步骤:输入原始稀疏信号,构造观测矩阵,得到观测向量,寻找观测矩阵与观测向量内积及相关系数降序排列后的拐点,并拐点作为初始步长进行多次迭代稀疏度逐渐逼近,更新索引集,通过加权函数控制步长变化实现“大步长快速接近,小步长精确逼近”,利用索引集中原子逼近原始信号;最后,判断迭代停止条件,跳出循环,实现信号重构。其显著效果是:避免了现有SAMP算法凭经验估计步长而盲目地逐个尝试的主观性;保证了信号重构的精度,提高了重构速度。
基于稀疏重构的阵列信号方向估计算法研究.docx
基于稀疏重构的阵列信号方向估计算法研究一、概述阵列信号处理是无线通信、雷达和声纳等领域的关键技术之一,其核心问题之一在于如何准确估计信号的方向。随着现代通信系统的复杂性和需求的增长,传统的信号方向估计算法在某些场景下已无法满足精度和效率的要求。基于稀疏重构的阵列信号方向估计算法研究成为了当前研究的热点。稀疏重构理论是一种利用信号稀疏性进行信号恢复和重建的方法。在阵列信号处理中,信号的稀疏性体现在信号在空间或频率域的分布上。通过稀疏重构技术,我们可以从接收到的阵列信号中恢复出信号的稀疏表示,进而实现信号方向
一种基于变换域联合稀疏表示的图像重构方法.pdf
本发明公开了一种基于变换域联合稀疏表示的图像重构方法。属于数字图像处理技术领域。它是一种将变换域稀疏表示与联合稀疏约束相结合的图像重构方法。首先通过相似图像块匹配寻找相似图像块集合,并在变换域对相似图像块集合进行小波和离散余弦变换,得到稀疏系数,然后通过非局部加权平均和最大后验概率的贝叶斯估计来分别求得稀疏系数的非局部估计值和联合约束参数,最后利用伯格曼迭代算法来对稀疏模型进行高效求解得出最终估计结果;本发明对变换域的稀疏系数进行联合稀疏约束,使得到的图像能保留更多细节的同时更有效地还原真实图像丢失的信息
分块大小未知的块稀疏信号的盲重构方法.pdf
分块大小未知的块稀疏信号的盲重构方法,它涉及压缩感知技术领域,它解决了目前块稀疏信号的重构方法需要分块大小以及块稀疏度作为先验知识的问题。该方法通过初始化块稀疏度和分块大小,对每一个分块大小,算法进行块稀疏度自适应迭代,找到每一个分块大小对应的重构信号。随着算法不断迭代,分块大小随之增加,直至算法得到的重构信号0-范数小于测量矩阵行数时算法结束,把此重构信号作为算法输出。若不满足此条件,则算法运行至:在分块大小小于等于信号长度一半时,分块大小和块稀疏度的乘积大于等于信号长度,迭代结束,得到一系列重构信号,