【技術實現步驟摘要】
本專利技術屬于信號的噪聲消除與抑制
，具體涉及塊稀疏信號的稀疏分解去噪方法。
技術介紹
信號去噪的目的是從含有噪聲的數據中摒棄各種干擾并提取出期望信號，為揭示隱藏于信號中的未知信息提供有力保障。幾十年的發展，使得對信號噪聲消除與抑制理論及其算法的研究取得了一定的成績，出現了多種去噪方法，主要有傳統濾波法、維納、卡爾曼濾波法、SVD分解法、小波分解法、經驗模態分解法、獨立分量分析法、神經網絡和稀疏分解等方法。但不同的去噪方法大都針對特定的信號和噪聲有效，均存在或多或少的缺陷，隨著信號復雜度的升高以及人們對信號精確度的苛刻要求，很多傳統的信號去噪方法已經滿足不了需求。稀疏分解在信號噪聲的抑制和消除方面有很大的潛力，基于冗余原子庫的稀疏分解能夠實現信號更加簡潔、靈活和自適應的稀疏表示，因此稀疏分解方法在信號去噪領域具有廣泛的應用前景。目前，用于噪聲消除與抑制的稀疏分解有很多算法，其中匹配追蹤算法(MatchingPursuit, MP)是稀疏分解的主流算法,思想原理簡單,便于理解，與稀疏分解的其他算法相比其計算復雜度最低，但由于原子庫的過完備性導致計算量巨大，因此復雜度高仍然是MP算法的致命問題。針對計算量大的問題，國內外學者對MP算法進行了各種改進，諸如正交匹配跟蹤算法(Orthogonal MP, OMP)，OMP算法使MP算法的速度提高了很多，但在信號的海量數據面前，現有的稀疏分解算法速度和恢復信號的質量還是不能令人滿意。另外，目前稀疏分解研究的重點是改善算法本身的計算速度，很少有研究針對待處理的信號本身，即很少有或者并沒有考慮信號本身固有的結構特...
【技術保護點】
一種面向塊稀疏信號的稀疏分解去噪方法，其特征在于它是通過以下步驟實現的：步驟一、設定面向塊稀疏信號的稀疏分解去噪過程中各參數的初始狀態值：設定算法輸入：帶噪信號y，冗余字典D，塊稀疏系數向量x的分塊數目m和塊稀疏度K，最大迭代次數iterNum=K，初始化：殘差的初始值r0=y，匹配原子子塊序號初始值匹配原子子塊對應的原子組成的矩陣初始值匹配原子子塊對應的原子列序號向量初始值匹配子字典的初始值匹配子字典對應原子列序號向量初始值迭代次數l的初始值為1，重構塊稀疏系數向量x的初始值步驟二、尋找最大相關原子子塊：計算第l（l≥1）次迭代時與第l?1次迭代后殘差rl?1最匹配的子塊λl：λl=argmaxj(norm(|DH[j]rl-1|))其中，D[j]為D的第j個原子子塊，DH[j]為D[j]的共軛轉置，j=1,2,…,m，λl的值對應分塊序號1,2,…,m，即各個子塊D[j]的共軛轉置與上一步殘差rl?1相乘運算得到一個長度為d的向量，對該向量取絕對值并求2范數，得到m個絕對范數值，從中選擇值最大的塊即是與殘差rl?1最匹配的子塊，把子塊序號賦值給λl...
【技術特征摘要】
1.一種面向塊稀疏信號的稀疏分解去噪方法，其特征在于它是通過以下步驟實現的: 步驟一、設定面向塊稀疏信號的稀疏分解去噪過程中各參數的初始狀態值: 設定算法輸入:帶噪信號y，冗余字典D，塊稀疏系數向量X的分塊數目m和塊稀疏度K，最大迭代次數iterNum=K, 初始化:殘差的初始值r^y，匹配原子子塊序號初始值λ, =0，匹配原子子塊對應的原子組成的矩陣初始值=0，匹配原子子塊對應的原子列序號向量初始值\ =0，匹配子字典的初始值1=0，匹配子字典對應原子列序號向量初始值1=0迭代次數I的初...
【專利技術屬性】
技術研發人員：付寧，劉通，喬立巖，史麗麗，
申請(專利權)人：哈爾濱工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。