求解压缩感知中信号重构问题的原始对偶算法

压缩感知理论(CS)是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值准确地重构稀疏信号是压缩感知理论中的核心问题。为求解稀疏信号的重构问题,文章利用了一种基于邻近点算法的自适应一阶原始对偶算法,并证明了其全局收敛性,该算法通过研究l1范数最小化来求解信号重构问题。最后,对提出的算法进行数据仿真,并与压缩采样匹配追踪(CoSaMP)算法进行了对比,数据表明文章提出的算法计算速度更快。     

基于多尺度压缩感知的信号重构

压缩感知是近几年新兴的采样理论,它指出如果信号在某些基上是可压缩的,那么通过很少的观测即可获得信号的准确重构。当信号采用小波基并在压缩感知的基础上,提出了多尺度压缩感知,数值仿真结果表明多尺度压缩感知可以给出更好的重构效果。     

压缩感知理论与光学压缩成像系统

压缩感知理论为提升信息获取能力提供了新的思路,它表明当被探测信号具有稀疏性时,则获取信号所必需的测量数据与其稀疏度K量级相当,而远小于信号的维数N(Shannon采样定理所要求的采样数)。基于压缩感知理论的成像技术(压缩成像)则将感知、压缩和数据处理三个过程完美地结合在一起,避免了传统成像系统"先采样再压缩"方式带来的传感器和计算资源浪费。本文从稀疏性、投影测量矩阵的设计与可重构条件、压缩感知重构算法三个方面概述了压缩感知理论及进展,并以光学成像为背景,详细阐述了最近提出的几类光学压缩成像系统,最后,探讨了压缩感知及压缩成像方面目前所面临的一些挑战性问题。     

基于压缩感知和Welch的宽带频谱感知新算法

基于压缩感知的谱分析技术是宽带频谱感知的重要方法之一。文章将压缩感知与Welch法相结合,提出了一种新的宽带频谱感知算法。在不重构原信号波形的条件下,直接利用观测矩阵获得的低速观测值进行信号的功率谱估计,降低了采样速率,避免了重构算法的高复杂度。仿真结果表明,与基于压缩感知的多窗口联合奇异值分解算法(CS-MTM-SVD)相比,新算法在压缩率为0.5时能以更高的准确率估计出信号功率谱,估计精度与压缩率的变化成正比关系,并且新算法对噪声容忍度也更高。     

含噪稀疏信号重构的l0范数期望值最小化方法

压缩感知理论是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对测量值受噪声污染的含噪稀疏重构问题,提出了近似l0范数期望值最小化方法。该算法基本思想是将含噪稀疏重构问题转化为近似l0范数期望值最小化问题,并利用噪声的统计特征将随机最优化问题化简为常规的最优化问题,然后采用最速下降法求解。数值仿真表明,本文提出的方法具有更好的重构精度,且计算量较小。     

压缩感知理论在红外成像中的应用

分析了红外图像的数据特性,并对红外数据进行稀疏化处理,提出了基于压缩感知理论的红外图像成像方法。在红外图像测量平面使用随机观测矩阵进行观测,以少量的数据采样信息获得重建红外图像的足够信息。由实验和仿真计算可知,压缩感知理论应用于红外成像技术,降低了数据采样量,提高了采样速度,并能以较小的误差实现红外图像的重构。     

压缩感知新技术专题讲座(四) 第7讲 压缩感知在图像信号处理中的应用

绝大部分自然图像信号都在某个变换域具有稀疏性或近稀疏性。基于压缩感知理论,可以用远低于采样定理要求的采样频率采集信号,并可在一定条件下高概率恢复信号,这将极大降低图像信号的采样频率以及数据存储和传输的代价。文章首先简述了压缩感知理论,然后分析了图像的稀疏性对图像重建质量的影响,最后着重从图像压缩、图像融合、图像去噪、图像识别以及图像复原几个方面分析了压缩感知理论在图像处理领域中的应用以及目前所面临的问题。     

基于先验稀疏模型的光谱图像压缩采样检测

压缩信号处理为更加高效地实现光谱图像数据采集和处理提供了有效途径,针对传统压缩采样检测算法未针对待测信号专门设计采样矩阵,检测性能低于传统采样方式,且鲁棒性较弱的问题,提出了一种待测信号稀疏模型先验条件下的光谱图像压缩采样目标检测方法。该方法利用待测信号的稀疏表示子空间构造压缩采样矩阵,增强采样矩阵的信息获取能力;采用正交子空间投影法将压缩采样信号投影到干扰信号的局部正交子空间,抑制背景光谱的影响。实验和分析结果表明:与传统压缩采样检测算法相比,该方法能够有效提升压缩采样检测算法的性能,削弱采样矩阵随机性对于检测性能的影响,增强压缩采样检测算法的鲁棒性。     

压缩感知新技术专题讲座(二) 第4讲 压缩感知理论中测量矩阵的构造方法

压缩感知(CS)是近年来针对稀疏信号或可压缩信号提出的,在信号采样的同时对其进行高效压缩的一种新理论。在压缩感知理论中,测量矩阵对信号采样方式和重建精度有着重要的影响。文中阐述了测量矩阵的构造对压缩感知性能的影响,介绍了设计测量矩阵时所需满足的约束等距性(R IP)条件,回顾了已有的测量矩阵构造方法,总结了近几年来测量矩阵构造的新方法及所构造矩阵的特点,并指出了测量矩阵研究的发展方向。     

基于先验信息的协方差矩阵重构抗干扰算法

针对样本数较少情况下信号和干扰同时存在时,采样协方差矩阵包含目标信号引起信号自消,无法替代真实干扰噪声协方差矩阵的问题,提出了一种重构干扰噪声协方差矩阵的自适应波束形成方法,利用空间谱重构出与期望信号无关的干扰噪声协方差矩阵,提高协方差矩阵的准确度,依据重构的协方差矩阵结合阻塞矩阵完成主瓣干扰的抑制处理。仿真结果表明,所提方法相比于基于采样协方差矩阵方法,提高了输出信干噪比,更接近于最优值。     

基于统计加权的单传感器数据融合算法

单传感器数据融合是十分重要的实际问题。为了提高数据处理的敏感性和精度,在研究基于关系矩阵的数据融合方法的基础上,提出了基于统计加权的数据融合方法,并对两种方法进行了对比分析。实例仿真表明,基于统计加权的数据融合方法优于基于关系矩阵的数据融合方法,该方法能减小无效测量值的范围,并且对测量值的变化更敏感。     

Moving horizon based wavelet de-noising method of dual-observed geomagnetic signal for nonlinear high spin projectile roll positioning

Phase-frequency characteristics of approximate sinusoidal geomagnetic signals can be used for projectile roll positioning and other high-precision trajectory correction applications. The sinusoidal geomagnetic signal deforms in the exposed and magnetically contaminated environment. In order to preciously recognize the roll information and effectively separate the noise component from the original geomagnetic sequence, based on the error source analysis, we propose a moving horizon based wavelet de-noising method for the dual-observed geomagnetic signal filtering where the captured rough roll frequency value provides reasonable wavelet decomposition and reconstruction level selection basis for sampled sequence; a moving horizon window guarantees real-time performance and non-cumulative calculation amount. The complete geomagnetic data in full ballistic range and three intercepted paragraphs are used for performance assessment. The positioning performance of the moving horizon wavelet de-noising method is compared with the band-pass filter. The results show that both noise reduction techniques improve the positioning accuracy while the wavelet de-noising method is always better than the band-pass filter. These results suggest that the proposed moving horizon based wavelet de-noising method of the dual-observed geomagnetic signal is more applicable for various launch conditions with better positioning performance.     

多子带雷达信号融合噪声抑制方法

全极点模型对信号构建线性模型,通过对模型进行定阶和计算可以得到估计信号的各个参数,从而实现信号预测。子带融合之前需要进行相干处理,可以通过相干函数等方式解决。root-MUSIC算法在低信噪比环境中极点选择并不稳健,会导致模型在阶数上判断错误。为解决全极点模型方法中子带融合在信噪比低时模型阶数估计不准的问题,提出一种噪声抑制方法。对信号Hankel矩阵的主对角奇异值矩阵加权处理,以消除噪声分量,并利用整体前向预测矩阵得到整体频段极点值与极点幅值,由此估计出低信噪比时的多子带融合信号。结果表明所提方法在仿真环境下,在信噪比-20 dB至10 dB时,相较于传统极点模型方案具有更好的估计结果。     

基于混沌高斯频率调制的距离-多普勒雷达成像

提出了利用混沌映射产生随机抽样的方法。进一步证实了高斯抽样可以通过两类随机数产生器结合混沌映射生成。利用高斯抽样,得到了高斯调频雷达信号。研究结果表明,通过这种高斯调频信号得到的模糊函数接近2维delta函数,它在距离-多普勒平面上的旁瓣是均匀分布的。对该高斯调频信号进行傅立叶处理可以得到高分辨率的距离-多普勒图像,图像品质较高。     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

约束总体最小二乘空间配准算法

相对于单个雷达而言,组网雷达能显著提高其融合系统的性能,但是在随机误差较大情况下,由于空间配准精度往往较低,其融合性能会显著下降.在忽略模型线性化误差的情况下,分析出这一缺点出现的原因是量测方程的系数矩阵中存在误差,进而利用系数矩阵误差存在统计相关性的特点,提出一种基于地心地固坐标系(ECEF)的约束总体最小二乘算法进...     

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

改进的累量域波达方向矩阵法

构造了一种可以进行高分辨二维波达方向估计的累量域波达方向矩阵。利用该矩阵的特征值和特征向量 ,就可以求出信号源的方位角和俯仰角。同其它的波达方向矩阵法相比 ,放宽了对阵列结构的要求 ,提高了阵列孔径的利用率。同时 ,由于采用了累量来构造波达方向矩阵 ,因此新方法具有对高斯噪声的自然盲性。     

非理想正交发射信号对频控阵波束的影响

为考察发射非理想正交基带信号对频控阵波束的影响,基于频控阵信号模型引出了基带信号正交问题,从数学上推导频控阵发射非理想正交基带信号情况下的波束表达式,进一步分析匹配接收处理性能.基于频控阵波束发射和匹配接收计算量,提炼出影响分析评估因子,构建了频控阵基带发射信号正交特性与波束、匹配接收性能的定量分析关系.基于6类典型随...