基于级联原子库稀疏分解及其应用

论文摘要

稀疏分解是一种将信号自适应分解在一组高度冗余的过完备基上,用一系列的原子线性叠加来表示信号的方法。由于其能够在一定的精度条件下将输入信号表示成少量特征明显的信号分量和形式,从而获得信号的稀疏展开以及自然特性。这种信号分解方法能灵活的表达信号的整体和局部结构特性,得到信号更加简洁和灵活的表示,为信号的后期处理提供极大的便利。目前的稀疏分解研究主要集中在单个原子库下进行,而单个原子库对于表示复杂信号具有一定的局限性；级联原子库由于其包含不同特点的原子库,对于复杂的多分量信号和图像具有天然的优势。因此本文对级联原子库稀疏分解进行研究,构建出三种不同的级联原子库,并将其分别用于雷达辐射源信号分解、谐波分析以及掌纹识别中,扩展了稀疏分解的应用范围；同时也为后面关于级联原子库的构建及应用的研究提供了一些参考。论文的主要工作及研究成果如下：1、将DNA进化算法引入到匹配追踪中,大大降低匹配追踪计算量。在DNA进化算法中引入熵来衡量种群多样性,根据种群多样性进行灾变操作,提高了DNA进化算法的寻优能力。分析Gabor、Chirplet、Laplace和Damped sin四种原子库的特点,并由它们构建出级联原子库；将其用于多分量雷达辐射源信号分解中,获得比单个原子库更好相似度和衰减率；并且其重构时频图能准确的表征多分量雷达辐射源信号中各个信号分量的特点。2、由余弦原子库和冲击原子库构建出适合分解电力系统谐波信号的级联原子库,将其用于电力系统谐波分析,能在有大量冲击噪声的情况下将谐波和冲击噪声分离开,避免高次谐波和冲击噪声相互影响,从而准确的分析出谐波幅值和相位。3、由训练掌纹和冲击原子库构建适合分解掌纹的原子库,将其用于掌纹识别,由分解后的稀疏系数的稀疏度来进行掌纹识别。分别在不同含量的椒盐噪声、高斯噪声、乘性噪声下进行实验,并与主成分分析法和二维主成分分析法进行对比；实验结果显示,在大量噪声的情况下获得了比主成分分析法和二维主成分分析法明显更好的识别效果。而且在不同比例的遮挡下进行对比实验,结果表明,该方法能获得比主成分分析法和二维主成分分析法更好的识别效果。本文工作得到国家自然科学基金（60702026）、四川省青年科技基金项目（09ZQ026-040）和西华大学信号与信息处理省级重点实验室开放研究基金（SZJJ2009-003）的共同资助。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 课题的提出及研究意义
• 1.3 稀疏分解研究现状
• 1.4 论文的主要工作
• 1.5 论文的结构安排
• 第2章 稀疏分解原理及实现方法
• 2.1 引言
• 2.2 信号基分解
• 2.2.1 傅里叶变换
• 2.2.2 小波变换
• 2.3 稀疏分解
• 2.4 稀疏分解实现
• 2.4.1 匹配追踪
• 2.4.2 基追踪
• 2.4.3 匹配追踪和基追踪的对比
• 2.5 小结
• 第3章 应用匹配追踪的级联原子库稀疏分解
• 3.1 引言
• 3.2 级联原子库构造
• 3.2.1 Gabor原子库
• 3.2.2 Chirplet原子库
• 3.2.3 Laplace原子库
• 3.2.4 Damped sin原子库
• 3.2.5 级联原子库
• 3.3 基于DNA进化算法的匹配追踪
• 3.4 级联原子库稀疏分解在多分量辐射源信号分解中的应用
• 3.4.1 多分量雷达辐射源信号模型
• 3.4.2 实验结果及分析
• 3.5 小结
• 第4章 应用基追踪的级联原子库稀疏分解
• 4.1 引言
• 4.2 级联原子库稀疏分解在电力系统谐波分析中的应用
• 4.2.1 适合分解电力系统谐波信号的级联原子库构造
• 4.2.2 基于级联原子库的电力系统谐波分析方法
• 4.2.3 实验分析
• 4.3 级联原子库稀疏分解在掌纹识别中的应用
• 4.3.1 掌纹预处理
• 4.3.2 适合掌纹稀疏分解的级联原子库构造
• 4.3.3 基于级联原子库的掌纹识别方法
• 4.3.4 含有噪声的掌纹识别实验结果对比
• 4.3.5 含有遮挡的掌纹识别实验结果对比
• 4.4 小结
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及科研成果
• 参与的科研项目