【技术实现步骤摘要】
一种基于离散分数阶傅里叶变换相位信息的信号重建方法
本专利技术涉及一种仅仅通过离散分数阶傅里叶变换域的相位信息来重建原始信号的方法,属于信号处理
技术介绍
自然界中的场景都是三维的,然而照片和电脑屏幕显示的是伪三维的二维平面场景。天文图像检测和地震信号检测,获取的只是这些图像的傅里叶振幅信息,而观察不到希望得到的星云图像或地震反射序列信号。X射线晶体结构分析时,分子结构图中只有结构因子的绝对值大小。电子显微镜或光学显微镜确定物体结构时,相位信息也会明显丢失。然而相位信息中包含图像大量的信息,因此如何利用已知的幅度信息来恢复丢失的相位信息,进而重建图像,成为需要解决的问题。这个问题也被称为相位恢复问题,相应的解决方法我们称为相位恢复算法。一些情况下,图像长期暴露在大气环境或被带有圆形孔径的散焦镜头照射等情况,会使得期望获得的图像的傅里叶幅度被破坏,仅知道变换域的相位信息。因而又引出了利用变换域相位信息恢复幅度信息,最终重建图像的问题。这个问题我们称为幅度恢复问题,相应的解决方法我们称为幅度恢复算法。无论是相位恢复问题,还是幅度恢复问题,都属于信号重建。通常变换域的相位和幅度相互独立,仅从任何一项信息(相位或幅度)重建原始信号似乎是不可能的。然而,Hayes和Oppenheim证明了在某些条件下,上述信号重建问题是可以解决的。至今,国内外许多专家和学者已经提出了一些解决方法。相位恢复算法如1968年Schiske提出的系列像重构算法、1972年Gerchberg和Saxton提出的GS算法、1982年Fienup提出的ErrorReduction算法 ...
【技术保护点】
一种基于离散分数阶傅里叶变换相位信息的信号重建方法,其特征在于,将信号重建问题转化为一个凸优化问题,并利用“幅度恢复算法”解决该凸优化问题,最终实现从离散分数阶傅里叶变换相位信息到原始信号的重建。
【技术特征摘要】
1.一种基于离散分数阶傅里叶变换相位信息的信号重建方法,其特征在于,将信号重建问题转化为一个凸优化问题,并利用“幅度恢复算法”解决该凸优化问题,最终实现从离散分数阶傅里叶变换相位信息到原始信号的重建;离散分数阶傅里叶变换,具体包括以下步骤:步骤A、已知连续分数阶傅里叶变换的定义为:其中对于离散分数阶傅里叶变换的情况,需要求解Hamiltonian矩阵S和分解矩阵P′,Hamiltonian矩阵S为:其中p是原始信号x的大小,当p为偶数时,可以将任意向量分解为奇偶两部分的矩阵P′为:当p为奇数时,矩阵P′为这里的Ir是r×r的单位矩阵,Jr是r×r的反单位矩阵,即反对角线上的值为1;可以看到矩阵P′满足P′=P′T=P′-1;步骤B、已知上述的矩阵S和P′,计算P′SP′T,可知矩阵P′SP′T是一个块对角矩阵,于是分块得到其中矩阵Ev和Od分别是矩阵P′SP′T的偶特征向量矩阵和奇特征向量矩阵;步骤C、对上述两个矩阵Ev和Od进行特征值分解,结果为和其中,Ev的特征值e1,...,ek组成的矩阵,Od的特征值o1,...,ok组成的矩阵,Ev的特征向量组成的矩阵,Od的特征向量组成的矩阵;再分别对特征值做降序排列,并对对应的特征向量排列得到:这里的e2k[n]和e2k+1[n]是离散Hermite高斯矩阵,它是定义离散分数阶傅里叶变换的重要部分;步骤D、计算变换矩阵Fa,其中ek是步骤C中的离散Hermite高斯矩阵,是与k和a有关的指数函数,(p)2≡pmod2,即p除以2取余数;最后原始信号x的离散分数阶傅里叶变换为Xa=Fax;令则步骤D中的变换矩阵Fa可以简化为Fa=Ediag(Λ)aET,这里所需要的计算复杂度为O(p3);为了减少计算复杂度,将离散分数阶傅里叶变换写做Xa=Fax=E(Λa(ETx)),这时的计算复杂度仅为O(p2);当a=1时,F1是标准的离散傅里叶变换矩阵。2.如权利要求1所述的基于离散分数阶傅里叶变换相位信息的信号重建方法,其特征在于,将原始问题转化为凸优化问题,凸优化问题转化的步骤为:步骤E、将原始信号重建问题转化为数学问题,如下所示:其中,x是大小为p的原始信号,A是离散分数阶傅里叶变换矩阵,是维数为n×p的复数矩阵,∠Ax是Ax的相位角,是变换域的相位信息,i=1,...,n;问题的目的就是找到一个合适的n使原始信号得以重建;步骤F、由于变换域的相位和幅度的乘积diag(u)b是完整的变换域信号,u为维数为n的复数向量,b为维数为n的实数向量,那么如果恢复优化幅度以至于满足Ax=diag(u)b,那么这个优化后的幅度就是要求的最优解,从而精确重建原始信号;于是,(1)可以转化为如下最小二乘问题;(2)中的x可以近似为即(2)可以转化为;进一步化简目标函数得:其中,(·)H是矩阵的共轭转置,是矩阵的伪逆;步骤G、若令(3)简化为;再令表示正对称矩阵,于是(4)化简为;(5)是一个非凸的秩约束问题,如果将秩约束放在后面考虑,那么可以近似认为其是凸约束问题,如下所示;minTr(BM),s.t.B≥0(6)为了将约束条件添加到目标函数中,这里采用了对数障碍约束,μ是小于1的约束系数,如下所示;minTr(BM)-μlogdet(B),μ>0(7)然后再利用幅度恢复算法解决上述凸优化问题,进而重建原始信号。3.如...
【专利技术属性】
技术研发人员:刘洁媛,伍家松,韩旭,杨冠羽,杨淳沨,吴丹,舒华忠,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。