【摘要】：壓縮感知(CS)理論以信號(hào)的稀疏性為前提，可以對(duì)信號(hào)實(shí)現(xiàn)直接的信息采樣，從而取代傳統(tǒng)的奈奎斯特定理，為信號(hào)的采樣和壓縮提供了一條新的途徑。對(duì)于已知的稀疏信號(hào)，CS理論可以應(yīng)用到實(shí)際中的兩個(gè)關(guān)鍵因素分別是觀測(cè)矩陣的構(gòu)造和噪聲環(huán)境下的重構(gòu)算法的設(shè)計(jì)。在基于CS的信號(hào)處理系統(tǒng)中，首先需要構(gòu)造合適的觀測(cè)矩陣，特別是針對(duì)特定的信號(hào)，構(gòu)造特殊的觀測(cè)矩陣，實(shí)現(xiàn)有效的壓縮。繼而，針對(duì)實(shí)際的應(yīng)用，需要設(shè)計(jì)噪聲環(huán)境下的重構(gòu)算法，保證重構(gòu)算法對(duì)噪聲的魯棒性，從而使得CS理論可以有效地應(yīng)用到實(shí)際環(huán)境中。本文的主要工作和創(chuàng)新如下： (1) CS系統(tǒng)的應(yīng)用涉及不同噪聲環(huán)境下的魯棒性技術(shù)，目前只有少量文獻(xiàn)專門處理噪聲環(huán)境下的CS重構(gòu)，并且，傳統(tǒng)的CS框架中僅僅考慮有限噪聲和高斯白噪聲，高斯白噪聲在概率意義上也是有限噪聲，而且傳統(tǒng)的CS重構(gòu)算法的性能與噪聲的能量成正比。實(shí)際應(yīng)用環(huán)境下還存在另外一種常見噪聲-脈沖噪聲，脈沖噪聲相比這兩種噪聲具有其特異性，脈沖噪聲的能量很大。因而傳統(tǒng)的CS重構(gòu)算法無法在脈沖噪聲環(huán)境下有效地恢復(fù)出稀疏信號(hào)。針對(duì)這一應(yīng)用中存在的重要問題，本文首先分析了子空間追蹤(SP)算法在脈沖噪聲環(huán)境下的支撐集重構(gòu)的性能和信號(hào)重構(gòu)的精度，發(fā)現(xiàn)SP算法的最大相關(guān)估計(jì)和最小二乘估計(jì)，對(duì)脈沖噪聲均不具有魯棒性，因而SP算法無法有效地在脈沖噪聲環(huán)境下恢復(fù)出稀疏信號(hào)�；诖吮疚南鄳�(yīng)提出了一種新的混合范數(shù)子空間追蹤(MSP)算法，利用兩種不同余量之間的相互影響來有效地抑制脈沖噪聲對(duì)CS重構(gòu)的影響，從而實(shí)現(xiàn)了MSP算法對(duì)脈沖噪聲的魯棒性，并且在理論上證明了MSP算法的性能。 (2)洛倫茲迭代硬閾值(LIHT)算法是脈沖噪聲環(huán)境下CS重構(gòu)的一個(gè)非常有效的算法，其基于求解最小洛倫茲范數(shù)的優(yōu)化問題而提出。但是研究發(fā)現(xiàn)，LIHT算法對(duì)脈沖的數(shù)量十分敏感，其重構(gòu)性能會(huì)隨著脈沖數(shù)量的增加而明顯地下降。在這種情況下，本文提出一種洛倫茲硬閾值追蹤(LHTP)算法，首先估計(jì)出信號(hào)向量的支撐集，再在該支撐集的基礎(chǔ)上求解最小洛倫茲范數(shù)問題。我們從理論上證明了這一算法的收斂性和重構(gòu)的性能，并且通過仿真實(shí)驗(yàn)發(fā)現(xiàn)，LHTP算法可以有效改善LIHT算法對(duì)脈沖數(shù)敏感的情況，而且發(fā)現(xiàn)LHTP算法在獲得相同的重構(gòu)性能的情況下，所需要的觀測(cè)數(shù)要少于LIHT算法，即其壓縮效率可以更高。還提出了改進(jìn)的洛倫茲迭代硬閾值(MLIHT)算法，該算法引入1范數(shù)作為衡量未受噪聲干擾的觀測(cè)樣本的標(biāo)準(zhǔn)，利用Barzilai-Borwein方法來設(shè)置步長(zhǎng)。通過仿真實(shí)驗(yàn)發(fā)現(xiàn)，MLIHT算法不再對(duì)脈沖數(shù)敏感，而且在獲得相同的重構(gòu)性能的情況下，其所需要的觀測(cè)數(shù)要少于LIHT算法。 (3)本文提出一種新的基于貝葉斯理論的框架，來求解脈沖噪聲環(huán)境下的CS重構(gòu)問題。我們首先針對(duì)高斯稀疏信源，提出了貝葉斯脈沖噪聲稀疏重構(gòu)(BINSR)算法，其可以直接從觀測(cè)向量中有效地估計(jì)出信號(hào)向量的支撐集和脈沖噪聲中脈沖所在的位置，再利用最小均方誤差(MMSE)估計(jì)量實(shí)現(xiàn)信號(hào)向量的有效重構(gòu)。并且在此基礎(chǔ)上，提出自適應(yīng)的BINSR算法，即ABINSR算法，使算法不再依賴于信號(hào)與噪聲的統(tǒng)計(jì)參數(shù)。然而這兩種算法只適用于高斯稀疏信源，為將上述算法推廣應(yīng)用到一般的信號(hào)中去，我們提出了貝葉斯稀疏重構(gòu)(BSR)方法。BSR方法是由兩種算法構(gòu)成的，分別為脈沖噪聲快速相關(guān)矢量機(jī)(INFRVM)算法和貝葉斯脈沖檢測(cè)(BID)算法，而且在BSR方法中我們無需丟棄受到脈沖干擾的觀測(cè)樣本，可以避免誤操作帶來的不利影響。仿真實(shí)驗(yàn)表明，BSR方法可以有效地在脈沖噪聲環(huán)境下實(shí)現(xiàn)信號(hào)的重構(gòu)。 (4)最后本文研究了語音信號(hào)觀測(cè)矩陣的構(gòu)造問題。我們首先針對(duì)語音信號(hào)，分析了當(dāng)脈沖噪聲和量化噪聲同時(shí)存在時(shí)，BSR算法的重構(gòu)性能。而基于這兩種噪聲的獨(dú)立性，我們側(cè)重分析語音信號(hào)壓縮感知的量化效應(yīng)，發(fā)現(xiàn)自適應(yīng)量化和非自適應(yīng)量化相比，，可以有效地抑制噪聲。并且構(gòu)造了兩種觀測(cè)矩陣，分別是兩塊對(duì)角(TBD)矩陣和近似截?cái)嘌h(huán)自相關(guān)矩陣，并且均從理論上證明其滿足受限等距(RIP)特性。而且如果使用TBD矩陣作為觀測(cè)矩陣，可以進(jìn)一步抑制量化噪聲對(duì)重構(gòu)的影響，并且在混合噪聲的場(chǎng)景下，TBD矩陣的性能也要優(yōu)于一般的高斯隨機(jī)矩陣。而近似截?cái)嘌h(huán)自相關(guān)矩陣也可以從實(shí)驗(yàn)上驗(yàn)證，其在量化情況下的重構(gòu)性能也要遠(yuǎn)優(yōu)于高斯隨機(jī)矩陣。當(dāng)然，在沒有噪聲的情況，這兩種矩陣均可以比一般的觀測(cè)矩陣對(duì)語音信號(hào)實(shí)現(xiàn)更好的壓縮。
【圖文】：

(b) 0-1 稀疏信號(hào)圖 2.1 支撐集重構(gòu)率隨脈沖噪聲脈沖比e和方差比k變化的曲線 脈沖噪聲環(huán)境下 SP 算法信號(hào)重構(gòu)精度性能分析這一節(jié)中從 oracle 估計(jì)[111, 113]的角度來分析脈沖噪聲對(duì) SP 算法信號(hào)重構(gòu)精度的影響說，在假設(shè)支撐集精確重構(gòu)的前提下分析脈沖噪聲對(duì) SP 算法信號(hào)重構(gòu)精度的影響這種情況下，重構(gòu)所得的信號(hào)也即是一個(gè)最小二乘估計(jì)，可以表示為=s s x y F (2.30){1 ,2,}=N -sx0 (2.31)重構(gòu)信號(hào)的均方誤差(Mean Square Error，MSE)可以表示成( )MSE tr2222= = =s s sE E E ÷-÷ è ÷ x x e ee F F FTTTT

(c) 脈沖比 e = 0.15(d) 脈沖比 e =0.2圖 2.3 MSP 算法對(duì)高斯稀疏信號(hào)的初始觀測(cè)集檢測(cè)率和最后一次觀測(cè)集檢測(cè)率對(duì)比圖(a) 脈沖比 e = 0.05(b) 脈沖比 e =0.1
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王之賢;沈?qū)W梅;宋學(xué)政;尹嘉才;;脈沖噪聲引起聽毛損傷的掃描電鏡觀察[J];電子顯微學(xué)報(bào);1990年03期

2 羅海馳;李岳陽;孫俊;;圖像脈沖噪聲檢測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2013年15期

3 M.J.Carey ,I.Buckner ,張鳳超;一種降低電唱機(jī)脈沖噪聲的系統(tǒng)[J];電聲技術(shù);1981年04期

4 符鑫堯;脈沖噪聲注入式零平衡設(shè)計(jì)[J];華中工學(xué)院學(xué)報(bào);1987年01期

5 符鑫堯;;脈沖噪聲注入式零平衡輻射計(jì)分析[J];無線電工程;1987年04期

6 王之賢;沈?qū)W梅;;脈沖噪聲聽毛損傷的掃描電鏡觀察[J];電子顯微學(xué)報(bào);1992年05期

7 馬金發(fā);王艷秋;;圖像脈沖噪聲消除算法研究[J];沈陽理工大學(xué)學(xué)報(bào);2009年01期

8 陳恒金;馬小虎;郭震;余平;;基于改進(jìn)脈沖噪聲檢測(cè)的新型濾波算法[J];計(jì)算機(jī)應(yīng)用研究;2009年05期

9 譚筠梅;王履程;魯懷偉;;一種有效去除圖像中脈沖噪聲的濾波算法[J];蘭州交通大學(xué)學(xué)報(bào);2011年01期

10 譚立軍,李樂民,竇瑞華;抵抗脈沖噪聲影響的網(wǎng)格編碼調(diào)制方案的性能估計(jì)[J];通信學(xué)報(bào);1993年03期

相關(guān)會(huì)議論文 前5條

1 張雪萍;岳林;;脈沖噪聲引起聽力損傷的主要參數(shù)研究[A];第十五屆中國科協(xié)年會(huì)第13分會(huì)場(chǎng)：航空發(fā)動(dòng)機(jī)設(shè)計(jì)、制造與應(yīng)用技術(shù)研討會(huì)論文集[C];2013年

2 彭柯鑫;魏彪;梁柏茂;馮鵬;米德伶;潘英俊;;一種X光胃腸數(shù)字圖像中脈沖噪聲去噪的迭代算法研究[A];2007年全國第十六屆十三省（市）光學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

3 劉剛;姚力;張家才;;一種改進(jìn)的去除脈沖噪聲的方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

4 林娜;孫海信;蒯小燕;黃梅;;基于壓縮感知的水聲信道典型噪聲消除技術(shù)研究[A];中國聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

5 趙恩良;孫麗華;邢雙云;暢春玲;;一種基于局部關(guān)聯(lián)度的噪聲檢測(cè)算法研究[A];第十屆沈陽科學(xué)學(xué)術(shù)年會(huì)論文集（信息科學(xué)與工程技術(shù)分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前3條

1 邵承會(huì);高度脈沖噪聲污染水岸圖像分割[D];吉林大學(xué);2005年

2 劉文紅;脈沖噪聲下時(shí)間延遲估計(jì)方法及應(yīng)用的研究[D];大連理工大學(xué);2007年

3 劉秀平;基于信噪特征的X射線脈沖星信號(hào)去噪方法研究[D];西安電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 呂凱紅;數(shù)字圖像中脈沖噪聲的濾波算法研究[D];哈爾濱理工大學(xué);2010年

2 袁金霞;彩色圖像中脈沖噪聲去除方法的研究[D];蘭州大學(xué);2012年

3 嚴(yán)盟;數(shù)字圖像脈沖噪聲去除方法研究[D];華中師范大學(xué);2013年

4 何海明;去除數(shù)字圖像脈沖噪聲的算法研究[D];浙江大學(xué);2014年

5 張麗新;數(shù)字圖像高密度脈沖噪聲的中值濾波算法研究[D];上海交通大學(xué);2009年

6 包X;脈沖噪聲和高斯噪聲的混合圖像噪聲去噪研究[D];河北科技大學(xué);2014年

7 劉振宇;圖像中隨機(jī)值脈沖噪聲去除算法研究[D];蘭州大學(xué);2012年

8 虞悅威;單兵肩射式火箭燃?xì)馍淞髅}沖噪聲特性的理論分析與實(shí)驗(yàn)研究[D];南京理工大學(xué);2004年

9 劉楠;基于DSP的脈沖噪聲發(fā)生器研究[D];沈陽工業(yè)大學(xué);2014年

10 潘金鳳;一種柴油機(jī)智能故障診斷系統(tǒng)的信號(hào)的濾波[D];山東大學(xué);2005年

本文編號(hào)：2554042