针对传统干扰抑制方法对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号带内多路单载波通信干扰抑制难度大的问题,本文提出了一种基于学习字典和符号同步信息的干扰抑制方法。根据不同通信信号之间形态成分的差异...针对传统干扰抑制方法对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号带内多路单载波通信干扰抑制难度大的问题,本文提出了一种基于学习字典和符号同步信息的干扰抑制方法。根据不同通信信号之间形态成分的差异,使用K-奇异值分解(K-Singular Value Decomposition,K-SVD)算法对OFDM信号和多路干扰信号依次进行训练,得到符合各信号特征的过完备字典,确保各信号间的有效区分。在使用过完备字典对干扰信号进行稀疏分解时,先利用符号同步信息对干扰样本信号进行符号周期分段,再利用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)算法进行稀疏分解以提高不同符号周期内干扰信号的分解精度。最后在接收端采用对消法依次对重构后的干扰信号进行抑制。仿真结果表明所提方法可有效地对2PSK和MSK、2PSK和2FSK干扰模型进行抑制,相比于传统的频域置零法可有效提升系统性能。展开更多
文章提出基于块匹配学习字典的电力图像去噪算法。该算法将图像块间的相关性与稀疏表示相结合用于图像去噪。首先对图像块进行聚类,将相似的图像块分为一类,其次通过稀疏编码和字典学习建立每一类图像块的表示字典,以提高学习字典对于...文章提出基于块匹配学习字典的电力图像去噪算法。该算法将图像块间的相关性与稀疏表示相结合用于图像去噪。首先对图像块进行聚类,将相似的图像块分为一类,其次通过稀疏编码和字典学习建立每一类图像块的表示字典,以提高学习字典对于图像的表征能力,通过最小化块匹配去噪目标实现了图像去噪,最后对比各种去噪算法在不同噪音水平下对电力设备图像的去噪效果。实验结果表明,所提出算法在不同噪音水平下,均表现出较好的去噪性能,峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似度(Structural Similarity,SSIM)高于传统去噪算法。展开更多
文摘针对传统干扰抑制方法对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号带内多路单载波通信干扰抑制难度大的问题,本文提出了一种基于学习字典和符号同步信息的干扰抑制方法。根据不同通信信号之间形态成分的差异,使用K-奇异值分解(K-Singular Value Decomposition,K-SVD)算法对OFDM信号和多路干扰信号依次进行训练,得到符合各信号特征的过完备字典,确保各信号间的有效区分。在使用过完备字典对干扰信号进行稀疏分解时,先利用符号同步信息对干扰样本信号进行符号周期分段,再利用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)算法进行稀疏分解以提高不同符号周期内干扰信号的分解精度。最后在接收端采用对消法依次对重构后的干扰信号进行抑制。仿真结果表明所提方法可有效地对2PSK和MSK、2PSK和2FSK干扰模型进行抑制,相比于传统的频域置零法可有效提升系统性能。
文摘文章提出基于块匹配学习字典的电力图像去噪算法。该算法将图像块间的相关性与稀疏表示相结合用于图像去噪。首先对图像块进行聚类,将相似的图像块分为一类,其次通过稀疏编码和字典学习建立每一类图像块的表示字典,以提高学习字典对于图像的表征能力,通过最小化块匹配去噪目标实现了图像去噪,最后对比各种去噪算法在不同噪音水平下对电力设备图像的去噪效果。实验结果表明,所提出算法在不同噪音水平下,均表现出较好的去噪性能,峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似度(Structural Similarity,SSIM)高于传统去噪算法。
