【摘要】：壓縮感知理論突破了奈奎斯特采樣定理的限制，在信號(hào)處理領(lǐng)域受到了越來(lái)越多的關(guān)注。在多傳感器場(chǎng)合應(yīng)用壓縮感知理論，利用信號(hào)間的相關(guān)性，可以進(jìn)一步提高壓縮效率，降低對(duì)硬件采集、傳輸以及存儲(chǔ)的壓力。 在麥克風(fēng)陣列中，當(dāng)多個(gè)聲源距離較近時(shí)，麥克風(fēng)采集到的可能是多個(gè)聲源的混合信號(hào)；在遙感成像領(lǐng)域，在傳感器空間分辨率不高時(shí)，遙感圖像的一個(gè)像元中可能包含不同成分的地表物質(zhì)；腦電信號(hào)檢測(cè)過(guò)程中，醫(yī)學(xué)器械采集到的可能會(huì)包含來(lái)自身體其他部位的信號(hào)。在這些情況下，傳感器采集到的都是混合信號(hào)，但是相對(duì)于混合信號(hào)源信號(hào)更有價(jià)值。因此有必要對(duì)多通道壓縮感知框架下的源信號(hào)分離方法進(jìn)行研究。本文主要針對(duì)基于壓縮感知理論的混合信號(hào)分離問(wèn)題展開(kāi)研究，主要研究?jī)?nèi)容和取得的成果如下： 1.總結(jié)了基于多通道壓縮感知的源信號(hào)分離的通用算法�？偨Y(jié)了信號(hào)的三種混合模型以及多通道信號(hào)的三種壓縮感知采樣模型，介紹了多通道壓縮感知領(lǐng)域的四種聯(lián)合稀疏模型，分析了混合信號(hào)的聯(lián)合稀疏模型。描述了通用算法的主要步驟，，主要包括重構(gòu)混合信號(hào)和分離源信號(hào)兩步。在無(wú)噪聲和含噪聲的觀測(cè)條件下，設(shè)計(jì)采用通用類(lèi)算法對(duì)語(yǔ)音混合信號(hào)、音樂(lè)混合信號(hào)以及腦電混合的分離試驗(yàn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的良好性能。 2.提出了多通道壓縮感知框架下基于交替估計(jì)方法的源信號(hào)分離方法。描述了正定和欠定情況下該方法適用的源信號(hào)類(lèi)型。介紹了該算法的原理，即對(duì)源信號(hào)以及混合矩陣交替的更新迭代。當(dāng)混合矩陣固定時(shí)，采用壓縮感知重構(gòu)算法對(duì)源信號(hào)重構(gòu)；當(dāng)源信號(hào)固定時(shí)，通過(guò)最大化觀測(cè)信號(hào)的后驗(yàn)概率的方法對(duì)混合矩陣進(jìn)行更新。在含噪和無(wú)噪兩種觀測(cè)條件下，設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證算法性能。實(shí)驗(yàn)結(jié)果表明，交替估計(jì)算法可以很好的實(shí)現(xiàn)源信號(hào)的分離。與通用方法的對(duì)比實(shí)驗(yàn)結(jié)果表明，當(dāng)壓縮比小于0.6時(shí)，本算法優(yōu)于通用方法。 3.對(duì)多通道壓縮感知框架下的源信號(hào)分離方法在高光譜混合像元分解中的應(yīng)用展開(kāi)研究。將基于交替估計(jì)的源信號(hào)分離算法應(yīng)用到在壓縮域直接分離光譜反射矩陣和端元豐度矩陣這一問(wèn)題中。在端元先驗(yàn)信息已知的情況下，采用監(jiān)督類(lèi)分離算法進(jìn)行分離；在端元先驗(yàn)知識(shí)未知情況下，采用交替估計(jì)方法分離。實(shí)驗(yàn)結(jié)果表明本文提出的方法有很好的分離效果。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 顧福飛;池龍;張群;彭發(fā)祥;朱豐;;基于壓縮感知的稀疏陣列MIMO雷達(dá)成像方法[J];電子與信息學(xué)報(bào);2011年10期

2 馬鵬;王偉;張劍云;李小波;;基于壓縮感知的分布式MIMO雷達(dá)速度估計(jì)與聯(lián)合檢測(cè)[J];電路與系統(tǒng)學(xué)報(bào);2013年02期

3 胡海峰;楊震;;無(wú)線傳感器網(wǎng)絡(luò)中基于空間相關(guān)性的分布式壓縮感知[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

4 朱瑩;張弓;張勁東;;基于DCS的統(tǒng)計(jì)MIMO雷達(dá)信號(hào)模型及參數(shù)估計(jì)[J];雷達(dá)學(xué)報(bào);2012年02期

5 張波;劉郁林;張建新;;基于差值信號(hào)稀疏模型的分布式壓縮感知[J];計(jì)算機(jī)應(yīng)用研究;2012年10期

相關(guān)博士學(xué)位論文 前1條

1 朱旭琪;分布式信息壓縮算法研究[D];北京郵電大學(xué);2011年

本文編號(hào)：2531682