信号稀疏分解算法研究及应用

发布时间：2021-05-12 04:43

　　近年来,信号的稀疏分解算法及其应用吸引了众多学者的关注。一方面,对于某种特定的应用领域,一个合适的信号分解模型能够通过将复杂的信号分解为多个简单的单成分信号来简化信号分析的问题;反之,如果我们采用了不适合的分解模型则有可能使得待分析的信号变得更加复杂。因此,针对具体的应用领域,如何找到一个最优的信号分解算法,或更进一步如何对其进行相应的改进,是应用研究中的关键问题。本文首先聚焦信号稀疏分解算法在生理信号（尤其是心电和脉搏血氧信号）中的分析和诊断,进而将信号的稀疏分解算法推广到二维图像中,实现了针对生理图像的快速图像超分辨率重建算法,具体研究内容包括:（1）在心电信号的增强方面,提出了一种基于稀疏表示的心电信号去噪声和基线校正算法。不同于传统的采用固定基投影的滤波方法,例如傅里叶和小波变换,我们所提出的方法将心电信号建模为由若干内部本征结构和随机噪声的叠加而构成,而其中的本征结构（这里称为原子）能够从输入信号或训练集中学习获得。进而,通过计算这些学习获得的原子的统计特性,我们能够准确地筛选出合适的原子,从而能够很好地逼近原始的心电信号并去除其中的随机噪声和类似于基线漂移的其它干扰信号。（... 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：122 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 信号表示模型及分解算法发展回顾
    1.3 论文的研究内容和创新
    1.4 论文结构安排
2 信号的稀疏分解算法概述
    2.1 信号稀疏分解算法介绍
        2.1.1 匹配追踪和基追踪算法
        2.1.2 经验模态分解算法
        2.1.3 零空间追踪算法
    2.2 图像稀疏分解算法介绍
        2.2.1 图像的稀疏表示
        2.2.2 图像的卡通+纹理分解算法
    2.3 信号分解算法的应用介绍
3 基于稀疏表示的心电信号增强算法
    3.1 字典学习的快速算法
    3.2 心电信号去噪声和基线校正
        3.2.1 心电信号字典训练
        3.2.2 同步去噪声和基线校正
    3.3 实验结果与分析
    3.4 本章小结
4 基于信号稀疏分解的心跳检测算法
    4.1 心跳检测算法介绍
    4.2 基于稀疏表示的心电信号中QRS波检测算法
    4.3 结合心电和血氧信号的心跳检测算法
    4.4 实验结果与分析
    4.5 本章小结
5 基于稀疏分解的图像超分辨率重建
    5.1 图像的快速卡通+纹理分解算法
    5.2 图像快速超分辨率重建算法
        5.2.1 基于多尺度非局部自相似模型的卡通成分超分辨率重建
        5.2.2 基于小波域隐马尔科夫树模型的纹理成分超分辨率重建
        5.2.3 基于分解的图像快速超分辨率重建算法实现
    5.3 自然图像实验结果与分析
        5.3.1 实验设置
        5.3.2 结果和讨论
    5.4 医学影像处理系统应用验证
    5.5 本章小结
6 总结与展望
致谢
参考文献
附录



本文编号：3182754