【摘要】：電路系統(tǒng)測試響應信號具有周期性強、分布較稀疏的特點,針對電路系統(tǒng)測試響應信號的壓縮重構問題進行了研究,提出了基于梯度方向追蹤的K奇異值分解(GPKSVD)稀疏重構算法。結(jié)合單一響應信號以及混合信號其自身特點進行字典訓練,利用更新后字典對含噪信號進行梯度追蹤稀疏表征,通過對含噪信號的重構,實現(xiàn)了去噪的目的,算法計算復雜度低,儲存量小,具有較好的重構效果。仿真中將GP-KSVD表征與使用隨機字典、離散余弦字典(DCT)的表征進行比較,從信噪比(SNR)以及相對均方誤差(RMSE)2項指標中得出使用KSVD字典具有更好的重構去噪效果;此外將GP-KSVD稀疏重構算法與正交匹配追蹤正交匹配追蹤(OMP)-KSVD、預處理共軛梯度追蹤(PCGP)算法進行比較,得出GP-KSVD的計算時間最短、重構精度更高的結(jié)論,并且進行了實測驗證。算法可用來對測試響應信號進行預處理,為電路系統(tǒng)設備性能的評估分析提供了理論依據(jù)。
[Abstract]:The test response signal of circuit system has the characteristics of strong periodicity and sparse distribution. The compression reconstruction problem of the test response signal of circuit system is studied and a K singular value decomposition (GPKSVD) sparse reconstruction algorithm based on gradient direction tracing is proposed. Combining the characteristics of single response signal and mixed signal, the dictionary training is carried out, and the denoising signal is represented by gradient tracing sparse representation using the updated dictionary. The purpose of de-noising is realized by reconstructing the noisy signal. The algorithm has the advantages of low computational complexity and small amount of storage. The GP-KSVD representation is compared with the (DCT) representation using random dictionaries and discrete cosine dictionaries. From the SNR (SNR) and the relative mean square error (RMSE), it is concluded that using KSVD dictionary has better denoising effect. In addition, the GP-KSVD sparse reconstruction algorithm is compared with the orthogonal matching tracing (OMP) -KSVD algorithm, and the pre-processing conjugate gradient tracking (PCGP) algorithm is compared. The conclusion that the GP-KSVD has the shortest computing time and higher reconstruction accuracy is obtained, and the experimental results are verified. The algorithm can be used to preprocess the test response signal and provide a theoretical basis for evaluating and analyzing the performance of circuit system equipment.
【作者單位】： 北京航空航天大學電子信息與工程學院;北京航空航天大學數(shù)學與系統(tǒng)科學學院;
【基金】：國家自然科學基金(61379001)~~
【分類號】：TN911.7

【參考文獻】

相關期刊論文 前3條

1 王蔚東;楊俊安;;基于梯度追蹤的壓縮感知超寬帶通信信道估計[J];數(shù)據(jù)采集與處理;2013年03期

2 甘偉;許錄平;蘇哲;;一種壓縮感知重構算法[J];電子與信息學報;2010年09期

3 戴吾蛟;丁曉利;朱建軍;陳永奇;李志偉;;基于經(jīng)驗模式分解的濾波去噪法及其在GPS多路徑效應中的應用[J];測繪學報;2006年04期

相關博士學位論文 前1條

1 王蓉芳;基于協(xié)同進化優(yōu)化和圖像先驗的分塊自適應壓縮感知[D];西安電子科技大學;2014年

【共引文獻】

相關期刊論文 前10條

1 劉天宇;吳金斌;周世健;;附加斜率絕對值法的模態(tài)相關EMD-ICA濾波降噪算法及GPS應用研究[J];江西科學;2017年04期

2 晏紅波;楊慶;任超;畢旋旋;;基于EEMD的BP神經(jīng)網(wǎng)絡邊坡預測研究[J];水力發(fā)電;2017年07期

3 易清根;劉心龍;劉萬科;;基于EMD和小波的GPS/BDS變形監(jiān)測中的多路徑誤差削弱方法[J];大地測量與地球動力學;2017年05期

4 李敬唐;;奇異譜分析濾波法及其在GPS多路徑去噪中的應用[J];測繪地理信息;2017年03期

5 張承全;;基于EMD分解的徑流量預測模型[J];黃河水利職業(yè)技術學院學報;2017年02期

6 曹建軍;那嘉明;湯國安;楊昕;;DEM隨機噪聲誤差去除方法研究——以黃土溝沿線地形剖面為例[J];地理與地理信息科學;2017年02期

7 陸杰;梁月吉;徐寧輝;陶健春;;基于EMD的GM-LSSVM在變形預測中的應用[J];城市勘測;2017年01期

8 蔡韌鳴;孫付平;肖樂杰;彭文生;王浩源;;基于高度角的多路徑改正模型在BDS相對定位中的應用[J];全球定位系統(tǒng);2017年01期

9 許兆新;李航洲;李亮;趙琳;劉亞;;基于EKF/SF的BDS短基線多徑抑制方法[J];系統(tǒng)工程與電子技術;2017年06期

10 吳杰;郭冰;張麗;秦育羅;孫小榮;;大橋幾何監(jiān)測數(shù)據(jù)去噪方法研究[J];大地測量與地球動力學;2016年12期

【二級參考文獻】

相關期刊論文 前7條

1 顧福飛;朱豐;池龍;張群;羅迎;劉韻;;基于壓縮感知的含旋轉(zhuǎn)部件目標ISAR成像方法[J];數(shù)據(jù)采集與處理;2012年01期

2 張弓;楊萌;張勁東;陶宇;;壓縮感知在雷達目標探測與識別中的研究進展[J];數(shù)據(jù)采集與處理;2012年01期

3 劉郁林;張先玉;和繼威;許舵;;壓縮感知的UWB信道盲估計算法[J];重慶大學學報;2010年04期

4 張先玉;劉郁林;王開;;超寬帶通信壓縮感知信道估計與信號檢測方法[J];西安交通大學學報;2010年02期

5 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進展[J];電子學報;2009年05期

6 鐘萍,丁曉利,鄭大偉;CVVF方法用于GPS多路徑效應的研究[J];測繪學報;2005年02期

7 胡勁松,楊世錫,吳昭同,嚴拱標;基于經(jīng)驗模態(tài)分解的旋轉(zhuǎn)機械振動信號濾波技術研究[J];振動、測試與診斷;2003年02期

【相似文獻】

相關期刊論文 前10條

1 李志剛;;一種快速的壓縮感知信號重構算法[J];信息技術;2013年06期

2 陳勤;鄒志兵;張e，

本文編號：2170504