电能质量信号的KSVD-NRAMP归一化自适应稀疏重构算法

针对稀疏重构算法在电能质量重构中存在实时性差、重构精度低的问题,提出一种基于特征向量归一化的K奇异值分解(KSVD-NRAMP)自适应稀疏重构算法。算法针对电能质量信号的非线性非稳态特征,采用迭代式匹配追踪得到信号稀疏特征矩阵,然后对矩阵进行归一化处理,量化特征向量,加快函数收敛速度。接着对得到的矩阵原子进行奇异值分解,改善迭代步长波动造成信号重构精度低的问题,最后构建信号的高斯随机矩阵并重构信号。当信号压缩率在50%~90%时,该算法重构信噪比其它重构算法的重构信噪比高出26dB~28dB。实验结果表明,该算法重构精度更高且计算时间短,为电能质量信号的研究提供了一种新思路。     

基于变换域的压缩感知快速重构算法

压缩感知是信号处理领域热门研究课题,其应用前提为原信号是稀疏或可压缩的。时域非稀疏信号可以变换为频域稀疏信号,但变换后的信号和传感矩阵表示形式为复数,增加了重构复杂度。为了降低复杂度,提高信号重构效率,提出一种基于实变换的重构算法,该算法将复数形式的稀疏信号和传感矩阵的实部和虚部分离后再参与重构。与传统重构算法相比,该算法改善了重构信号的均方误差,明显缩短了重构时间,极大提高了信号重构效率。     

一种改进的稀疏度估计变步长匹配追踪算法（英文）

为了提高稀疏信号贪婪算法的重构性能,提出了一种改进的贪婪重构算法,即稀疏度估计变步长匹配追踪算法.与现有的贪婪算法相比,该算法用约束等距常数和变步长分别来进行稀疏度估计和减少重构所需的时间.通过稀疏度估计,在重构的开始阶段得到估计的稀疏度和支撑集作为初始值,为信号重构提供了初始的稀疏信息.然后,根据初始值计算相关值以及残差,通过回溯思想和可变步长更新上一次迭代得到的支撑集.最后,当满足算法终止条件时,得到正确的信号支撑集,从而准确地重构出原始信号.仿真结果证明,针对稀疏信号重构,所提出的算法提高了重构性能,所需要的运算时间较之前的算法大幅减少.     

稀疏度自适应回溯追踪算法改进

针对压缩感知重构算法中信号稀疏度未知和步长大小固定的问题,提出一种新的压缩感知信号重构算法,即基于弱选择的稀疏度自适应回溯追踪（SPWAMP）算法。该算法将自适应思想、变步长迭代思想与回溯思想相结合,在未知信号稀疏度的情况下,利用阈值方法选取预选集,通过变步长更新支撑集原子个数并结合回溯思想剔除不可靠原子,最终实现信号精确重构。仿真结果表明,当信号稀疏度K达到65时,该算法重构精度相对稀疏度自适应匹配追踪（SAMP）算法提高了40%,而此时正交匹配追踪（OMP）算法、子空间追踪（SP）算法和分段弱选择正交匹配追踪（SWOMP）算法已无法实现重构。因此,该算法相对其它同类算法提高了信号重构精度。     

m尺度双正交双向小波的分解重构算法

引入双正交双向加细函数及m尺度双正交双向小波.研究m尺度双正交双向小波的分解与重构算法,得到了双正交双向小波的分解重构公式,讨论了信号完全重构的条件.算法对能量有限信号的分解与重构有一定的实用价值.     

基于压缩感知的电能质量信号重构算法研究

为解决传统电能质量信号在采样时面临的采样率高,采样资源浪费和硬件成本高的问题,压缩感知理论被引入到电能质量信号的采样与重构过程。信号的稀疏表示是压缩感知理论中的关键问题,一般选择正交基作为压缩感知中的稀疏变换基。基于多重扰动的电能质量信号,本文提出了基于不同干扰的电能质量模型来选择不同的信号稀疏变换基的压缩感知重构算法。实验证明与整个信号采用单一DCT变换基或FFT变换基的压缩感知重构算法相比,本文提出的方法具有更好的信号重构性能。     

基于小波变换的无线局域网通信信号增强方法

信道多径效应、传输带宽有限性等因素，可导致无线局域网通信信号中存在大量的噪声，降低了通信信号质量.为此，提出基于小波变换的无线局域网通信信号增强方法 .利用小波变换算法提取网络通信信号特征，分类处理无线局域网通信信号，得到信号类别；利用噪声模型与信号类别进行对比，确定带噪信号的小波系数，将小于阈值的信号视为噪声去除；重构无线局域网通信信号，实现无线局域网通信信号的增强.实验结果表明：应用提出的算法信号信噪比得到了明显提升，信号均方误差低于最低限值，充分证实提出的算法具备可行性.     

基于位置信息的1-bit压缩感知重构算法

针对现行1-bit压缩感知硬判决算法在高误码环境下对弱信号重构性能较差的问题,提出一种基于位置信息的重构算法。首先将测量数据分成位置数据和数值数据,然后在重构端对位置信息进行重构,再根据重构结果对数值信息进行重构。该算法较之经典的1 bit压缩感知硬判决重构算法,在维持相同测量数目的前提下,大大提高了位置信息重构性能。由于在数值信息重构过程中应用了精确的位置信息,使数值重构性能优于同类算法约0-3dB。     

基于协方差矩阵重构的稳健波束形成算法

当期望信号导向矢量失配以及采样协方差矩阵中包含期望信号时,传统自适应波束形成器性能会下降。对此问题,提出了一种基于协方差矩阵重构的稳健波束形成算法。该算法首先通过对期望信号和干扰的大致来波方向范围进行积分以估计出导向矢量,然后利用主模式抑制去除信号间多余的相干性,并重构出最终的协方差矩阵。仿真实验表明,该算法提高了期望信号导向矢量失配时的稳健性,降低了对快拍数的敏感性。     

芯片重构设计中信号类型的识别算法

按照逻辑芯片设计特点,将芯片工作时的信号分为4种：时钟信号、输入信号、组合输出信号和寄存器输出信号。分析了每一种信号的特征,提出并设计了逻辑芯片重构设计中信号类型识别算法。算法以引脚间输入与输出信号之间的延时——判别时间窗作为识别的重要参数,设计了详细的信号识别算法。测试表明,算法的识别平均识别率达到80％左右。