检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于正交字典的全反馈信道函数估计

计算机工程与设计 2021年第1期42卷 1-7页

作者：孙景锋李德识武汉大学电子信息学院湖北武汉430072

为解决传统均衡算法和匹配算法在低信噪比情况下水声稀疏信道估计准确率低和计算量大的问题,提出一种基于正交字典的全反馈信道函数估计方法。通过信道参数估计公式分析,当训练序列与信道函数分量卷积构成正交字典集时,利用匹配算法便... 详细信息

为解决传统均衡算法和匹配算法在低信噪比情况下水声稀疏信道估计准确率低和计算量大的问题,提出一种基于正交字典的全反馈信道函数估计方法。通过信道参数估计公式分析,当训练序列与信道函数分量卷积构成正交字典集时,利用匹配算法便可获得最佳匹配结果,结合全反馈结构将信道参数反馈迭代计算,用数学归纳法证明该结构可进一步提高信道函数估计准确率。仿真结果表明,在低信噪比条件下,相比均衡类算法和匹配类算法,提出的信道估计算法可获得更高的估计准确率,具有更低的时间复杂度。

关键词：信道估计正交字典全反馈结构数字化高斯序列匹配追踪

宽带雷达Chirp回波的正交稀疏表示及其在压缩感知中的应用

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2011年第11期33卷 2720-2726页

作者：高磊宿绍莹陈曾平国防科技大学ATR实验室长沙410073

信号的稀疏表示在信号处理中具有重要意义。该文给出了宽带雷达Chirp回波在一个正交字典上的稀疏表示。利用矩阵形式重新描述宽带雷达中常用的stretch处理,给出了正交字典。将Chirp回波的正交稀疏表示与压缩感知理论相结合应用,得到了Ch... 详细信息

信号的稀疏表示在信号处理中具有重要意义。该文给出了宽带雷达Chirp回波在一个正交字典上的稀疏表示。利用矩阵形式重新描述宽带雷达中常用的stretch处理,给出了正交字典。将Chirp回波的正交稀疏表示与压缩感知理论相结合应用,得到了Chirp回波的一种新采样机制:随机抽取。仿真数据实验表明,Chirp回波在正交字典上的稀疏表示效果优于其在Gabor原子组成的冗余字典的情况,同时正交字典上稀疏表示计算效率较高。实测数据实验验证了Chirp回波的随机抽取采样机制的可行性。

关键词：宽带雷达压缩感知稀疏表示 Chirp 正交字典随机抽取

在线全文

学校读者我要写书评

暂无评论

一种滚动轴承振动信号的数据压缩采集方法

振动与冲击 2015年第23期34卷 8-13页

作者：郭俊锋施建旭雷春丽魏兴春兰州理工大学机电工程学院兰州730050

针对目前滚动轴承振动信号频带越来越宽,依据传统香农-内奎斯特采样定理进行数据采集时,将会得到巨量振动数据,对存储、传输和处理带来困难的问题,提出了一种滚动轴承振动信号的数据压缩采集方法。首先分析了振动信号在正交字典傅里叶... 详细信息

针对目前滚动轴承振动信号频带越来越宽,依据传统香农-内奎斯特采样定理进行数据采集时,将会得到巨量振动数据,对存储、传输和处理带来困难的问题,提出了一种滚动轴承振动信号的数据压缩采集方法。首先分析了振动信号在正交字典傅里叶基上的近似稀疏性,即可压缩性;然后融入振动信号在傅里叶基上稀疏性的结构信息,得到其优化的测量矩阵并进行压缩测量;最后基于压缩测量值采用正交匹配追踪算法对原始振动信号进行重构。通过仿真试验,结果表明,该方法既可以得到较高的信号压缩比又有着精确的信号重构性能,在不丢失振动信息的情况下,大大减少了原始振动数据量。

关键词：滚动轴承振动信号压缩测量测量矩阵正交字典

在线全文

学校读者我要写书评

暂无评论

基于自适应字典学习的医学图像重建算法研究

基于自适应字典学习的医学图像重建算法研究

作者：张幼伟燕山大学

学位级别：硕士

医学影像成像技术作为一种非侵入方式的医学诊断参考依据,在现代医学中起着越来越重要的作用。但是主流的医学影像成像系统都存在着一定的不足,如:MRI数据扫描时间长且容易受运动伪影影响,CT对患者有一定的辐射伤害等。如何在减少数据... 详细信息

医学影像成像技术作为一种非侵入方式的医学诊断参考依据,在现代医学中起着越来越重要的作用。但是主流的医学影像成像系统都存在着一定的不足,如:MRI数据扫描时间长且容易受运动伪影影响,CT对患者有一定的辐射伤害等。如何在减少数据采集量的同时实现高质量图像重建是目前医学影像领域研究的重点,本文围绕压缩感知理论中两种字典学习模型以及自适应医学图像重建算法展开研究,具体研究内容如下:首先,针对正交字典中字典原子不相关性大能够提高图像稀疏编码性能的特点,提出一种基于自适应正交字典学习的医学图像重建算法。该算法在正交字典学习过程中采用SVD方法求解,大大降低了算法的计算复杂度,提高了重建速度,同时实现了较好的图像重建效果。其次,考虑解析字典相比于综合字典在相同维数时对图像的稀疏表示能力更强,更为灵活的特点,基于自适应紧标架学习,提出一种基于自适应紧标架学习的医学图像重建算法。该算法能够仅通过欠采样的测量值实现紧标架学习和图像重建。紧标架学习在稀疏编码步骤中利用简单的阈值方法进行处理,因此该算法的运行时间少于基于冗余综合字典的CSMRI算法。此外,自适应紧标架能够充分地捕获图像的细节信息,基于自适应紧标架学习的医学图像重建算法的图像重建质量较之前算法得到明显提高。最后,针对医学图像尤其是MRI图像在数据扫描过程中容易受到运动伪影影响,通过分析运动伪影产生的原理,针对性的提出一种基于自适应紧标架学习的相位校正医学图像重建算法。该算法对加性噪声和相位噪声有较强的鲁棒性,能够对运动伪影进行较好的校正。

关键词：图像重建自适应字典学习正交字典紧标架运动伪影相位校正

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全变分与字典学习的CT图像重建研究

基于全变分与字典学习的CT图像重建研究

作者：赵献昱武汉理工大学

学位级别：硕士

现如今,计算机断层成像（Computed Tomography,CT）在现代医学中得到广泛应用并为临床诊断提供重要依据。然而研究表明,X射线剂量过高或照射时间长会对人体产生辐射损害。同时计算机断层图像的质量与X射线的剂量紧密相关,X射线的剂量越... 详细信息

现如今,计算机断层成像（Computed Tomography,CT）在现代医学中得到广泛应用并为临床诊断提供重要依据。然而研究表明,X射线剂量过高或照射时间长会对人体产生辐射损害。同时计算机断层图像的质量与X射线的剂量紧密相关,X射线的剂量越高图像分辨率就越高。为降低X射线剂量减少对人体的损伤同时保证CT图像质量足够应用于临床诊断,低剂量（Low-dose）CT成像成为了医学图像领域的研究热点。迭代重建算法是一种解决低剂量CT重建问题的有效方法,通过建立目标函数进行迭代从而优化重建图像,这种方法对投影数据的完备性要求不高且可以通过先验信息和适当的约束条件提高图像质量。对于低剂量CT图像重建的问题,本文将围绕迭代重建算法展开研究,通过结合正则化信息提高CT图像的质量。本文的主要研究工作如下:（1）基于压缩感知（Compress Sensing,CS）理论,本文改进并实现了一种基于全变分（Total Variation,TV）正则化与字典学习（Dictionary Learning,DL）的统计迭代重建算法。该算法以惩罚加权最小二乘法（Penalized Weighted LeastSquare,PWLS）作为重建算法,同时引入先验信息,结合全变分正则化与字典学习,集成到一个目标函数中,采用循环迭代的方式求解目标函数,在迭代的过程中不断更新待重建图像,从而达到有效抑制伪影与噪声的目的。（2）针对迭代重建算法结合字典学习存在计算复杂、耗时长等问题,本文提出了一种基于改进字典学习的代数迭代重建算法。该算法以代数重建（Algebraic Reconstruction Technique,ART）算法作为重建算法,在字典学习过程中加入正交约束,利用不完备的投影数据进行正交字典学习,获得与图像匹配的自适应正交字典,通过奇异值求解的方法降低计算复杂度,缩短图像重建的时长,同时保证CT图像的质量。本文针对低剂量CT图像重建问题,提出并实现了两种迭代重建算法,在实验部分对算法的可行性和有效性进行验证。与常规的CT图像重建算法相比,本文提出的方法能够有效抑制CT图像中伪影、噪声,显著提高了重建图像的质量。

关键词：低剂量CT 图像重建全变分字典学习正交字典

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于投影潜在低秩表示的子空间学习方法研究

基于投影潜在低秩表示的子空间学习方法研究

作者：周翊航广东工业大学

学位级别：硕士

现如今,伴随计算机科学理论研究和高新技术的飞速发展,以及现实应用需求的增加,算法的性能要求也随之水涨船高。在无监督机器学习领域中,子空间学习方法因其高效性和高可解释性的特点而被广泛运用。国内外学者对无监督子空间学习方法做... 详细信息

现如今,伴随计算机科学理论研究和高新技术的飞速发展,以及现实应用需求的增加,算法的性能要求也随之水涨船高。在无监督机器学习领域中,子空间学习方法因其高效性和高可解释性的特点而被广泛运用。国内外学者对无监督子空间学习方法做了许多研究。包括线性子空间学习方法、流形子空间学习方法和低秩子空间学习方法等。其中,低秩子空间学习方法通过引入低秩约束,可以较为完整地保留原始空间中数据点之间的全局结构信息。本文主要提出一种全新的基于投影潜在低秩表示的子空间学习方法（Projective Latent Low-rank Representation,PLLR）。与大多数现有的基于低秩表示的子空间学习方法直接使用原始数据作为特征字典来学习具有低秩约束的表示系数矩阵不同,PLLR具有以下特点:（1）引入潜在表示。在现实应用场景中所获取的高维原始数据通常会受到各种因素的干扰,因而会包含许多冗余特征和噪声信息（如阴影、腐蚀等）。所以当直接使用原始特征数据矩阵来作为特征字典时,难免会使得算法的性能受到其中负面因素的影响。于是我们提出通过原始数据的潜在特征表示来作为低秩表示的特征字典,以分离输入和输出,使最终表示系数矩阵的学习过程不直接受到隐藏在原始数据中的负面因素的影响。（2）引入正交字典。要找到较为合理的潜在特征表示子空间,一般需要比较充分地发掘原始数据特征中所包含的具有判别力的特征信息。并且,最理想的状态是可以选择性地过滤其中的干扰信息。为此我们引入正交字典,通过数据重构的方式来学习原始数据的潜在特征表示,使得其能够保留原始数据中的主要能量,同时过滤其中所包含的冗余特征和噪声信息。最后将得到潜在特征表示作为特征字典以实施低秩表示学习。（3）引入图嵌入。低秩表示方法的局限性在于往往只关注了原始空间中的全局结构而忽略了局部结构的作用。为此我们通过图约束,将原始数据中的局部结构信息嵌入到潜在特征表示中。使得在低秩学习过程中所得到的最终表示系数矩阵可以同时保留原始数据的全局结构和局部结构。本文主要在无监督特征提取和聚类两种场景下进行了大量实验,并且通过实验结果可以证明所提出的基于投影潜在低秩表示的子空间学习方法不仅具有优异的性能,还具有良好的稳定性和可靠性。

关键词：低秩表示潜在表示正交字典特征提取聚类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于潜在特征空间的低秩表示算法

计算机科学与应用 2021年第4期11卷 1140-1148页

作者：周翊航广东工业大学计算机学院广东广州

现有的大多低秩表示算法都是直接使用原始数据矩阵作为特征字典,然而原始数据中的冗余特征和噪声信息很可能会导致算法效果不佳。针对这种情况,本文提出一种基于潜在特征空间的低秩表示算法,通过正交字典来学习原始数据的潜在表示,然后... 详细信息

现有的大多低秩表示算法都是直接使用原始数据矩阵作为特征字典,然而原始数据中的冗余特征和噪声信息很可能会导致算法效果不佳。针对这种情况,本文提出一种基于潜在特征空间的低秩表示算法,通过正交字典来学习原始数据的潜在表示,然后利用潜在表示作为字典进行低秩表示学习,从而避免原始数据中的不利影响。

关键词：潜在特征正交字典低秩表示