【摘要】：在加性高斯白噪聲的影響下,對于三階多項(xiàng)式相位信號(CPS),經(jīng)典的字典學(xué)習(xí)算法,如K-means Singular Value Decomposition(K-SVD),遞歸最小二乘字典學(xué)習(xí)算法(RLS-DLA)和K-means Singular Value Decomposition Denoising(K-SVDD)得到的學(xué)習(xí)字典,通過稀疏分解,不能有效去除信號的噪聲。為此,該文提出了針對CPS去噪的字典學(xué)習(xí)算法。該算法首先利用RLS-DLA對的字典進(jìn)行學(xué)習(xí);其次采用非線性最小二乘(NLLS)法修改了該算法對字典更新的部分;最后對訓(xùn)練后的字典通過對信號的稀疏表示得到重構(gòu)信號。對比其它的字典學(xué)習(xí)算法,該算法的信噪比(SNR)值明顯高于其它算法,而均方誤差(MSE)顯著低于其它算法,具有明顯的降噪效果。實(shí)驗(yàn)結(jié)果表明,采用該算法得到的字典通過稀疏分解,信號的平均信噪比比K-SVD,RLS-DLS和K-SVDD高出9.55 dB,13.94 dB和9.76 dB。
[Abstract]:Under the influence of additive Gao Si white noise, for third-order polynomial phase signal (CPS), classical dictionary learning algorithm, such as K-means Singular Value Decomposition (K-SVD, The learning dictionaries obtained by recursive least square dictionary learning algorithm (RLS-DLA) and K-means Singular Value Decomposition Denoising (K-SVDD) can not effectively remove the noise of signals by sparse decomposition. Therefore, a dictionary learning algorithm for CPS denoising is proposed. The algorithm first uses RLS-DLA to learn the dictionary, then modifies the updating part of the dictionary by using the nonlinear least square (NLLS) method. Finally, the trained dictionary is reconstructed by sparse representation of the signal. Compared with other dictionary learning algorithms, the signal-to-noise ratio (SNR) of this algorithm is significantly higher than that of other algorithms, while the mean square error (MSE) is significantly lower than that of other algorithms. The experimental results show that the average signal-to-noise ratio of the dictionary obtained by this algorithm is 9.55 dB,13.94 dB and 9.76 dB. higher than that of K-SVDN RLS-DLS and K-SVDD by sparse decomposition.
【作者單位】： 重慶大學(xué)飛行器測控與通信教育部重點(diǎn)實(shí)驗(yàn)室;重慶電子工程職業(yè)學(xué)院;
【基金】：國家自然科學(xué)基金(51377179) 中央高�；究蒲袠I(yè)務(wù)費(fèi)(CDJZR12160020) 重慶教委項(xiàng)目(KJ120510)資助課題
【分類號】：TN911.4

【共引文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前4條

1 劉鋼;基于壓縮感知和稀疏表示理論的圖像去噪研究[D];電子科技大學(xué);2013年

2 李晶;基于壓縮感知的雙（多）基地SAR成像技術(shù)研究[D];電子科技大學(xué);2013年

3 李娟娟;基于稀疏表示的圖像超分辨率重建方法研究[D];合肥工業(yè)大學(xué);2013年

4 田霄;基于小波變換的多尺度電能質(zhì)量信號壓縮采樣方法研究[D];中南大學(xué);2013年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈法華;舒志峰;孫東松;王忠純;薛向輝;陳廷娣;竇賢康;;瑞利散射多普勒激光雷達(dá)風(fēng)場反演方法[J];物理學(xué)報;2011年06期

2 高松山;張紅宇;;MIMU現(xiàn)場標(biāo)定方法[J];火力與指揮控制;2009年11期

3 吳讓融;;離子選擇電極電位的標(biāo)準(zhǔn)加入法的直接計算機(jī)解[J];化學(xué)傳感器;1985年03期

4 李殿軍;梁思遠(yuǎn);曹建建;;非球面伽利略擴(kuò)束系統(tǒng)實(shí)現(xiàn)激光束空間整形[J];激光技術(shù);2008年04期

5 張春光;張玉鈞;韓道文;陳臻懿;劉文清;;用后向散射系數(shù)計算顆粒物質(zhì)量濃度的方法研究[J];大氣與環(huán)境光學(xué)學(xué)報;2008年03期

6 ;一般性問題[J];中國無線電電子學(xué)文摘;2002年03期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

，

本文編號：2419724