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。     

单层平板吸波体界面反射模型的带宽理论研究

为了优化和指导吸波体设计,介绍了单层平板吸波体界面反射模型,推导了模型所揭示的吸波体内部能量流动关系。在此基础上,导出吸波体反射吸收带宽计算公式,由界面反射模型得出影响吸收带宽的因素,包括吸波层厚度、1/4波长厚度在峰值频率处的变化率、指定的反射波能量、前界面反射波能量及后界面反射波能量等。利用推导的能量关系及带宽公式,对3个同轴样品进行分析计算,结果表明计算值与实验值吻合较好,带宽公式推导正确。     

基于稀疏表示和非参数判别分析的降维算法

针对人脸识别问题提出一种新的监督降维算法。算法首先基于稀疏表示理论,利用同类样本间的稀疏重构来构建图。此方案不仅可以克服传统图构造方法中参数选择的困难,而且能够更好地刻画类内信息。然后,算法采用非参数类间离差来刻画类间信息,非参数类间离差在处理复杂分布数据时相比于参数类间离差更具判别力。最后,算法通过保持类内稀疏重构关系的同时最大化非参数类间离差来求得最优的投影矩阵。在ORL和Extended Yale B公共人脸数据库的实验表明,该算法能够获得较好的识别结果。     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。     

基于压缩感知原理的融合判别信息的协作表示方法

提出了一种用于视觉分类任务的低计算复杂度且有效的图像表示方法。把协作表示和判别信息结合在统一框架内,是基于协作表示分类方法的一种扩展形式。测试样本的协作表示系数是稀疏的,这种基于冗余和过完备的表示对于遮挡和伪装而言是鲁棒的;此外,通过最小化类内散布矩阵和最大化类间散布矩阵的判别信息的挖掘,对于视觉分类问题也是很有帮助的。在一些基准数据库上的实验表明,提出的方法相对于现有的方法而言能够获得更有竞争力的表现。     

行波推进仿生机器鱼

介绍5种常见的鱼类游动模式,分析讨论仿生机器鱼的生物学原型。基于对裸臀鱼属(gymnarchus niloticus)与裸背鳗属(gymnotus carapo)活体鱼的实验研究,建立了长背鳍扭转行波动态曲面的数学模型。依靠长鳍行波实现推进与控制的新型仿生机器鱼,其基本结构是"刚性身体"与"柔性背鳍"的组合,这有利于改善现有摆动式机器鱼的技术性能。裸臀鱼属与裸背鳗属鱼类可作为发展特种机器鱼潜艇的生物学原型,以提高现行水下航行器的效率和机动性能。     

一类CH-γ方程不光滑孤立波解的轨道稳定性

研究一类CH-γ方程不光滑孤立波解的轨道稳定性问题.通过细致的谱分析和计算,证明了所研究方程的一族显式不光滑孤立波解是轨道稳定的.     

常规导弹战前运输任务优化模型

制定常规导弹战前运输计划时,各车辆运输时间和运输路线的安排是一个组合优化问题.运用军事运筹学和不确定性优化理论,充分考虑节点冲突性、车辆隐蔽性、任务时间、道路容量等因素,建立了运输任务方案的优化模型.该研究为常规导弹波次作战计划的制定和优化提供模型支持,有助于提高常规导弹作战指挥自动化和部队的生存能力.     

利用波达角及变化率对固定辐射源的无源定位

提出了一种利用波达方向角(包括方位角与俯仰角)及其变化率信息对固定辐射源进行单站无源定位的算法,对可观测性条件与定位误差的影响因素进行了分析,并将融入波达方向角变化率信息的EKF算法用于载机在航迹上的多次测量定位,并通过仿真将该算法与只测角定位算法进行了比较.     

基于无相关判别稀疏投影的人脸识别方法

针对人脸识别问题,提出了一种无相关判别稀疏投影(uncorrelated discriminant sparse projections,UDSP)方法。该方法通过设计一个无相关约束基于差的最优化目标,同时增加判别信息到稀疏保持投影(sparsity preserving projections,SPP)的目标函数,不仅保持了SPP的稀疏重构结构关系,而且利用了全局判别结构。同时,通过强加合适约束使得提取的特征统计无相关。最后,在FERET人脸库上进行了实验,证明了该方法的有效性。