CN109586688B - 基于迭代计算的时变可分非下采样图滤波器组的设计方法 - Google Patents
基于迭代计算的时变可分非下采样图滤波器组的设计方法 Download PDFInfo
- Publication number
- CN109586688B CN109586688B CN201811497267.0A CN201811497267A CN109586688B CN 109586688 B CN109586688 B CN 109586688B CN 201811497267 A CN201811497267 A CN 201811497267A CN 109586688 B CN109586688 B CN 109586688B
- Authority
- CN
- China
- Prior art keywords
- time
- graph
- varying
- node
- coefficient vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013461 design Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000004927 fusion Effects 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H19/00—Networks using time-varying elements, e.g. N-path filters
- H03H19/002—N-path filters
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H19/00—Networks using time-varying elements, e.g. N-path filters
- H03H19/008—Networks using time-varying elements, e.g. N-path filters with variable switch closing time
Landscapes
- Image Processing (AREA)
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明公开一种基于迭代计算的时变可分非下采样图滤波器组的设计方法,首先,基于两维可分图滤波器的性质,设计出具备频率响应的分析滤波器组。然后,把综合滤波器组输出信号的重构问题转换为一个全局最小二乘问题,再将全局最小二乘问题转换为局部最小二乘问题,并采用迭代的方式进行求解。本发明迭代计算方法具有较低的迭代次数,所设计出的时变非下采样图滤波器组具备完全重构特性和具有更好的去噪性能,其分析滤波器组具备频率响应。
Description
技术领域
本发明涉及图信号处理领域中的时变图滤波器组技术领域,具体涉及一种基于迭代计算的时变可分非下采样图滤波器组的设计方法。
背景技术
随着目前大数据时代的到来,生活中记录的数据呈现出海量化、多样化和非规则化等特点。其中复杂的非规则的分布式网络结构,例如,疾病传播网络,谣言传播网络,全球海平面温度网络,传感器温度网络等,广泛存在于现实当中。对于复杂的非规则的网络数据,传统信号处理难以对其分析处理,因此延伸出了图信号处理。
在图信号处理领域中,图滤波器、图小波和图滤波器组成为分析图信号的有力工具。图小波和图滤波器中均含有图信号的下采样运算,对于一般的大规模和复杂图对进行采样运算时,会存在采样不精确的问题。简化的非下采样图滤波器组结构,避免了图滤波器中的采样运算,并采用分布式算法进行图滤波器组的实现。然而,目前很多图滤波器及图滤波器组是基于图的顶点域进行分析处理,而现实生活中的网络节点信号多数是随着时间变化而变化时变图信号,因此图信号的时间关联性分析是不可缺少的。
近年来,联合图傅里叶变换的提出,使其成为图信号处理最基本的工具。通过建立联合时间顶点频域的概念,联合图傅里叶变换能够在联合时间顶点频域中分析时变图信号。与联合图傅里叶变换一起,联合时间顶点图滤波器作为不可分割的部分随之出现。目前,对于时变图滤波器的研究较多,其主要应用于时变图信号的去噪,时变图信号的重构,视频的修复等,但时变图滤波器不具备多分辨分析特性,且不能稀疏表示时变图信号。而时变滤波器组却可以稀疏表示图信号,从而为大规模高维时变图信号的处理提供了有效的工具,但目前对于时变图滤波器组的研究相对较少,进一步的深入研究有待提出。
发明内容
本发明所要解决的是目前图滤波器组难以处理时变图信号的的问题,提供一种基于迭代计算的时变可分非下采样图滤波器组的设计方法。
为解决上述问题,本发明是通过以下技术方案实现的:
基于迭代计算的时变可分非下采样图滤波器组的设计方法,包括如下步骤:
步骤1、设计时变非下采样图滤波器的分析滤波器组为:
其中,HLL表示时域和图域都为低频的时变图滤波器,HLH表示时域低频图域高频的时变图滤波器,HHL表示时域高频图域低频的时变图滤波器,HHH表示时域和图域都为高频的时变图滤波器,IT表示大小为T×T的单位矩阵,T为时域的时间节点数,IG表示大小为N×N的单位矩阵,N为图域的图节点数,LT表示有向循环图的拉普拉斯矩阵,LG表示无向图的归一化拉普拉斯矩阵,KT表示时域滤波器的长度,KG表示图域滤波器的长度;
步骤2、计算全局矩阵H和全局固定系数向量b:
其中,x为输入时变图信号;
步骤3、对于每个节点k,其中k=1,2,…,N×T,分别执行以下迭代操作:
上述步骤中,时域滤波器的长度KT≥1,图域滤波器的长度KG≥1。
上述步骤中,节点邻居的阶数r≥1。
与现有技术相比,本发明首先基于两维可分图滤波器的性质,设计出具备频率响应的分析滤波器组。然后把综合滤波器组输出信号的重构问题转换为一个全局最小二乘问题,再将全局最小二乘问题转换为局部最小二乘问题,并采用迭代的方式进行求解。仿真结果表明,本发明迭代计算方法具有较低的迭代次数,所设计出的时变非下采样图滤波器组具备完全重构特性和具有更好的去噪性能,其分析滤波器组具备频率响应。
附图说明
图1为时变非下采样图滤波器组的基本结构。
图2为局部操作示意图。
图3为时变非下采样图滤波器组的分析滤波器组的频率响应,其中(a)时变图滤波器HLL(LT,LG)的频率响应,(b)时变图滤波器HLH(LT,LG)的频率响应,(c)时变图滤波器HHL(LT,LG)的频率响应,(d)时变图滤波器HHH(LT,LG)的频率响应。
具体实施方式
为了便于理解,下面对本发明基于迭代计算的时变可分非下采样图滤波器组的设计方法,进行进一步详细说明。
根据图1表示一个时变非下采样图滤波器组的结构,其中时变图滤波器HLL(LT,LG)表示在时间频域和图频域上都为低通,HLH(LT,LG)表示在时间频域上为低通,图频域上为高通,HHL(LT,LG)表示在时间频域上为高通,图频域上为低通,HHH(LT,LG)表示在时间频域和图频域上都为高通,并与GLL(LT,LG),GLH(LT,LG),GHL(LT,LG),GHH(LT,LG)分别组成分析图滤波器组和综合图滤波器组。x为图滤波器组的输入信号,输出信号为xLL,xLH,xHL,xHH分别表示每个通道的子带系数。其中图域的归一化拉普拉斯矩阵为LG=IG-DG -1/2WGDG 1/2,IG、DG和WG分别表示阶数为N的单位阵、图的度矩阵和图的临界矩阵。时间域有向循环图的拉普拉斯矩阵LT=IT-AT,IT和AT分别表示阶数为T的单位阵,有向循环图的邻接矩阵。
时变非下采样图滤波器组的输入输出关系为
其中T称为图滤波器组的传递函数。时变非下采样图滤波器组的完全重构条件为
式中I表示大小为NT×NT的单位阵。联合时间图频率响应的完全重构条件
从时变非下采样图滤波器组的结构上能观察到本文设计的时变非下采样图滤波器组对于时变信号能够从不同的频带对图信号进行划分,具备多分辨分析特性。
第一步:首先考虑分析滤波器组的设计问题,对于整个滤波器组来说,分析滤波器组的设计主要是为了对输入信号进行频率的划分。根据两维可分图滤波器的性质,两维可分时变图滤波器可以分别从图频域和时频域对期望频率响应进行设计。因此,定义时变非下采样图滤波器组的分析滤波器组为
第二步:根据给定分析图滤波器组,把综合滤波器组的设计问题归结于一个带约束优化问题
||·||F表示矩阵的Frobenius范数,通过求解带约束优化问题,得到
第三步:根据求解得到的综合滤波器组中含有大规模矩阵的求逆,而时变图信号属于大规模高维数据,大规模的求逆运算不利于时变图信号处理的。为避免直接求解GLL,GLH,GHL,GHH,采用迭代计算的重构方式去实现综合滤波器的重构。
根据时变非下采样图滤波器组的输入输出关系,其重构信号可以通过每个通道的子带系数计算得到
为了以迭代计算的方法求解全局问题(18),从而引出其局部最小二乘问题
其中表示局部操作。如图2所示,t1时刻当r=1时,表示取图上节点k的一阶邻居及前一时刻对应位置的值的局部操作。当r=1时,表示取图上节点k的二阶邻居及节点k前两时刻和一阶邻居的前一时刻对应位置的值的局部操作。则局部最小二乘的解为
第四步:采用迭代计算方法对滤波器组进行时变图信号的重构,其迭代计算方法如下表1:
表1
下面通过具体仿真实例,对本发明的性能进行说明。
仿真实例1:
本发明首先设计分析滤波器组,分析滤波器组由公式(4)-(7)构造产生,当图滤波器的长度KT=1,KG=1时,其联合频率响应如图3所示,以实测的一年的美国温度数据作为输入信号,采用最近距离的方式构造了温度图结构,邻接矩阵AG设为AG(i,j)=1/(Disti,j)2,如果节点i和节点j不是同一节点且有一条边相连,否则AG(i,j)=0,Disti,j表示节点i和节点j间的距离,再利用迭代计算方法重构出输出信号。表2给出了本发明设计时变非下采样图滤波器组的迭代计算方法的迭代次数和重构信噪比。实验结果表明设计所得的图滤波器组都具备完全重构特性,迭代计算方法具有较低的迭代次数。
表2
仿真实例2:
当KT=1,KG=1,r=1,ε=10-4时,使用时变非下采样滤波器组对时变图信号进行去噪实验,噪声为均匀随机噪声。时变图信号选取2014年1月到5月的海平面温度网络信号为例。并采用硬阈值法进行去噪实验,其中LH,HL,HH三个通道的硬阈值分别选取为τ=0.5σ,τ=σ,τ=3σ,σ为噪声标准差。其中现有方法1(临界采样双正交图滤波器组)和现有方法2(基于谱域三边滤波器的图信号去噪)选取2014年3月海平面温度网络信号进行去噪。表3给出了噪声标准差σ取不同值时,本发明与已有图滤波器及图滤波器组去噪信噪比对比。对比实验仿真结果表明,与现有技术相比,本发明设计的时变图滤波器组对于实际图信号有着更好的去噪性能。
表3
需要说明的是,尽管以上本发明所述的实施例是说明性的,但这并非是对本发明的限制,因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下,凡是本领域技术人员在本发明的启示下获得的其它实施方式,均视为在本发明的保护之内。
Claims (3)
1.基于迭代计算的时变可分非下采样图滤波器组的设计方法,其特征是,包括如下步骤:
步骤1、设计时变非下采样图滤波器的分析滤波器组为:
其中,HLL表示时域和图域都为低频的时变图滤波器,HLH表示时域低频图域高频的时变图滤波器,HHL表示时域高频图域低频的时变图滤波器,HHH表示时域和图域都为高频的时变图滤波器,IT表示大小为T×T的单位矩阵,T为时域的时间节点数,IG表示大小为N×N的单位矩阵,N为图域的图节点数,LT表示有向循环图的拉普拉斯矩阵,LG表示无向图的归一化拉普拉斯矩阵,KT表示时域滤波器的长度,KG表示图域滤波器的长度;
步骤2、计算全局矩阵H和全局固定系数向量b:
其中,x为输入时变图信号;
步骤3、对于每个节点k,其中k=1,2,…,N×T,分别执行以下迭代操作:
2.根据权利要求1中所述基于迭代计算的时变可分非下采样图滤波器组的设计方法,其特征是:时域滤波器的长度KT≥1,图域滤波器的长度KG≥1。
3.根据权利要求1中所述基于迭代计算的时变可分非下采样图滤波器组的设计方法,其特征是:节点邻居的阶数r≥1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811497267.0A CN109586688B (zh) | 2018-12-07 | 2018-12-07 | 基于迭代计算的时变可分非下采样图滤波器组的设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811497267.0A CN109586688B (zh) | 2018-12-07 | 2018-12-07 | 基于迭代计算的时变可分非下采样图滤波器组的设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109586688A CN109586688A (zh) | 2019-04-05 |
CN109586688B true CN109586688B (zh) | 2022-10-18 |
Family
ID=65929410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811497267.0A Active CN109586688B (zh) | 2018-12-07 | 2018-12-07 | 基于迭代计算的时变可分非下采样图滤波器组的设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109586688B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807255B (zh) * | 2019-10-30 | 2023-05-16 | 桂林电子科技大学 | 一种m通道联合时间顶点非下采样滤波器组的优化设计方法 |
CN110866344B (zh) * | 2019-11-20 | 2023-05-16 | 桂林电子科技大学 | 基于提升结构的非下采样图滤波器组的设计方法 |
CN111444470B (zh) * | 2020-03-30 | 2023-03-14 | 桂林电子科技大学 | 两通道临界采样图滤波器组的分布式重构方法 |
CN111581852B (zh) * | 2020-05-29 | 2023-05-16 | 桂林电子科技大学 | 一种联合时间顶点节点变图滤波器的优化设计方法 |
CN112560243B (zh) * | 2020-12-07 | 2022-11-15 | 桂林电子科技大学 | 一种改进频域临界采样图滤波器组的设计方法 |
CN112865748B (zh) * | 2021-01-13 | 2022-05-10 | 西南大学 | 基于递归最小二乘的在线分布式多任务图滤波器构建方法 |
CN112818526B (zh) * | 2021-01-20 | 2022-09-30 | 桂林电子科技大学 | 一种非均匀图滤波器组的分布式设计方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201015847A (en) * | 2008-10-14 | 2010-04-16 | System General Corp | Low pass filter |
JP2010148043A (ja) * | 2008-12-22 | 2010-07-01 | Sony Corp | フィルタ回路および通信装置 |
CN102057329A (zh) * | 2008-06-03 | 2011-05-11 | Asml荷兰有限公司 | 基于模型的过程模拟的方法 |
CN102918521A (zh) * | 2010-03-29 | 2013-02-06 | 埃克森美孚上游研究公司 | 使用时变滤波器的全波场反演 |
CN107256537A (zh) * | 2017-06-06 | 2017-10-17 | 桂林电子科技大学 | 一种设计两通道正交图滤波器组的设计方法 |
CN107577872A (zh) * | 2017-09-05 | 2018-01-12 | 湖南时变通讯科技有限公司 | 一种频率不变波束形成器设计方法及装置 |
CN107843877A (zh) * | 2017-09-28 | 2018-03-27 | 西安电子科技大学 | 基于双最小p范数算法的失配滤波器组联合设计方法 |
CN107918710A (zh) * | 2017-11-22 | 2018-04-17 | 桂林电子科技大学 | 基于凸优化的非下采样图滤波器组的设计方法 |
CN108594652A (zh) * | 2018-03-19 | 2018-09-28 | 江苏大学 | 一种基于观测器信息迭代的车辆状态融合估计方法 |
CN108711143A (zh) * | 2018-05-24 | 2018-10-26 | 桂林电子科技大学 | 基于互素多项式的两通道非下采样图滤波器组的设计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE0101175D0 (sv) * | 2001-04-02 | 2001-04-02 | Coding Technologies Sweden Ab | Aliasing reduction using complex-exponential-modulated filterbanks |
CN106815441B (zh) * | 2017-01-19 | 2020-01-17 | 西南交通大学 | 一种计及动车组弓网多次离线燃弧的牵引网压的计算方法 |
CN107491580B (zh) * | 2017-06-30 | 2021-01-15 | 西安电子科技大学 | 高速飞行器等离子体鞘套径向时变电子密度模拟方法 |
CN108038271B (zh) * | 2017-11-22 | 2020-05-19 | 华中科技大学 | 一种铣刀的磨损预测方法及状态识别的方法 |
-
2018
- 2018-12-07 CN CN201811497267.0A patent/CN109586688B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102057329A (zh) * | 2008-06-03 | 2011-05-11 | Asml荷兰有限公司 | 基于模型的过程模拟的方法 |
TW201015847A (en) * | 2008-10-14 | 2010-04-16 | System General Corp | Low pass filter |
JP2010148043A (ja) * | 2008-12-22 | 2010-07-01 | Sony Corp | フィルタ回路および通信装置 |
CN102918521A (zh) * | 2010-03-29 | 2013-02-06 | 埃克森美孚上游研究公司 | 使用时变滤波器的全波场反演 |
CN107256537A (zh) * | 2017-06-06 | 2017-10-17 | 桂林电子科技大学 | 一种设计两通道正交图滤波器组的设计方法 |
CN107577872A (zh) * | 2017-09-05 | 2018-01-12 | 湖南时变通讯科技有限公司 | 一种频率不变波束形成器设计方法及装置 |
CN107843877A (zh) * | 2017-09-28 | 2018-03-27 | 西安电子科技大学 | 基于双最小p范数算法的失配滤波器组联合设计方法 |
CN107918710A (zh) * | 2017-11-22 | 2018-04-17 | 桂林电子科技大学 | 基于凸优化的非下采样图滤波器组的设计方法 |
CN108594652A (zh) * | 2018-03-19 | 2018-09-28 | 江苏大学 | 一种基于观测器信息迭代的车辆状态融合估计方法 |
CN108711143A (zh) * | 2018-05-24 | 2018-10-26 | 桂林电子科技大学 | 基于互素多项式的两通道非下采样图滤波器组的设计方法 |
Non-Patent Citations (3)
Title |
---|
"FM interference suppression for PRC-CW radar based on adaptive STFT and time-varying filtering";Zhao Zhao;《Journal of Systems Engineering and Electronics》;20101230;第21卷(第02期);第219-223页 * |
"一种设计M通道双正交过采样图滤波器组的新算法";蒋俊正;《电子与信息学报》;20171230;第39卷(第12期);第2970-2975页 * |
"滤波器组框架理论及其在图信号处理中的应用";柴利;《控制与决策》;20180102;第33卷(第05期);第866-878页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109586688A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109586688B (zh) | 基于迭代计算的时变可分非下采样图滤波器组的设计方法 | |
Rojo-Álvarez et al. | Digital signal processing with Kernel methods | |
Qiu et al. | Time-varying graph signal reconstruction | |
CN106991648B (zh) | 一种基于小波变换和卷积神经网络的图像超分辨率重建方法 | |
Tanaka et al. | $ M $-channel oversampled graph filter banks | |
CN107256537B (zh) | 一种设计两通道正交图滤波器组的设计方法 | |
Rao et al. | Digital signal processing: Theory and practice | |
CN107845389A (zh) | 一种基于多分辨率听觉倒谱系数和深度卷积神经网络的语音增强方法 | |
CN107918710B (zh) | 基于凸优化的非下采样图滤波器组的设计方法 | |
Bayram et al. | Overcomplete discrete wavelet transforms with rational dilation factors | |
CN101847256B (zh) | 基于自适应剪切波的图像去噪方法 | |
CN113723171B (zh) | 基于残差生成对抗网络的脑电信号去噪方法 | |
CN110807255B (zh) | 一种m通道联合时间顶点非下采样滤波器组的优化设计方法 | |
CN107294512B (zh) | 一种基于树型结构的非均匀滤波器组滤波方法 | |
Hormati et al. | Distributed sampling of signals linked by sparse filtering: Theory and applications | |
Jiang et al. | Decentralised signal processing on graphs via matrix inverse approximation | |
Vimala et al. | Noise reduction based on double density discrete wavelet transform | |
CN110866344B (zh) | 基于提升结构的非下采样图滤波器组的设计方法 | |
CN108711143A (zh) | 基于互素多项式的两通道非下采样图滤波器组的设计方法 | |
Kotzagiannidis et al. | Sparse graph signal reconstruction and image processing on circulant graphs | |
CN112818526B (zh) | 一种非均匀图滤波器组的分布式设计方法 | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
CN106128469A (zh) | 一种多分辨率音频信号处理方法及装置 | |
Yang et al. | Decimations of intrinsic mode functions via semi-infinite programming based optimal adaptive nonuniform filter bank design approach | |
Zhao et al. | A single-channel blind source separation algorithm based on improved wavelet packet and variational mode decomposition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190405 Assignee: Guangxi wisdom Valley Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2023980046615 Denomination of invention: Design method of time-varying separable non downsampling graph filter banks based on iterative computation Granted publication date: 20221018 License type: Common License Record date: 20231108 |
|
EE01 | Entry into force of recordation of patent licensing contract |