基于压缩传感的PSO-OMP重构算法的研究

由于粒子群算法具有解决寻优问题的能力,将其应用于信号处理领域,提出了一种新的基于PSO-OMP的信号重构算法。为了降低计算复杂度,把粒子群算法运用在正交匹配追踪算法的匹配过程,以此来确定最优原子。实验结果表明,所提出的新的基于PSO-OMP的信号重构算法具有计算复杂度低和重构成功概率高等特点。     

基于AM-LFM与BOMP的ISAR成像算法

对含微动运动的目标进行稀疏孔径逆合成孔径(ISAR)成像时,基于Chirplet分解和压缩感知(CS)的成像算法存在运算效率低、重构精度与鲁棒性差等问题。针对上述算法中存在的不足,提出了基于调幅-线性调频(AM-LFM)分解和贝叶斯正交匹配追踪(BOMP)的改进微动目标成像算法。应用该改进压缩感知(CS)算法进行微动目标成像,实验结果表明:由于改进算法采用AM-LFM分解和BOMP重构,提高了重构精度、鲁棒性与运算效率,成像效果比原算法更好。     

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。     

粒子滤波匹配追踪重构算法

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下粒子滤波匹配追踪稀疏信号重构算法。该算法将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

基于小波包分析的电磁导波信号缺陷识别

在钢管的电磁导波缺陷检测中,导波信号会不同程度地受到环境噪声污染。针对该问题,提出基于小波包系数区域相关分析的信号处理方法,通过对有缺陷与无缺陷情况的钢管电磁导波检测信号进行小波包分解重构、滤波和区域相关法对比分析,有效地解决了电磁导波检测中钢管缺陷的判别问题。     

面向浅海水声通信的TB-GOMP信道估计算法

针对广义正交匹配追踪(generalized orthogonal matching pursuit, GOMP)算法复杂度较高、估计误差偏大、所需导频数过多、估计性能过度依赖原子选择数且未充分考虑噪声情况的问题,提出基于原子门限和回溯的广义正交匹配追踪(generalized orthogonal matching pursuit algorithm based on atomic threshold and backtracking, TB-GOMP)算法,并将其应用于水声正交频分复用(orthogonal frequency division multiplexing, OFDM)系统的压缩感知信道估计框架中。所提算法从多角度对GOMP算法进行改进,首先提出合理的原子门限,对原子精细筛选,利用原子门限不仅可以提高支撑集可靠性,还能通过降低运算复杂度缩短运行时间;其次,引入回溯思想消除算法中包含的误选原子,提高信道估计精度;最后,充分考虑到噪声因素,将迭代停止条件设置为噪声的L₂范数。多组实验结果表明所提算法在噪声环境下能有效估计浅海水声信道,并且在估计精度、...     

盲稀疏度下基于粒子滤波的稀疏信号重构

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下基于粒子滤波的稀疏信号重构算法。该算法首先将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并且引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;最后在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

基于拼接算法的炮膛疵病自动识别技术

针对当前采用目测识别方法进行炮膛疵病检测时存在的识别速度慢、精度低、人为影响因素大等缺点,提出了一种基于拼接算法的炮膛疵病检测方法。该方法采用Harris角点检测算法进行特征点提取,采用归一化互相关法进行特征点初匹配,采用马氏距离提纯算法消除误匹配,采用改进的8参数透视变换优化估计算法和基于边界保持的函数加权平滑融合算法进行炮膛图像融合,并选取图像面积、短长径之比为特征参数完成疵病的自动识别。实验结果表明：该算法对炮膛图像能较好地进行拼接,而且数值化的疵病识别方法相比传统目测识别方法也更加快速、准确,可为部队和相关工程人员进行身管检测提供有益参考。     

基于显著性检测与特征匹配的目标识别方法

为加强目标识别的可靠性,提出了一种基于显著性检测与特征匹配的目标识别方法。提出了改进的显著性检测方法提取显著性目标,利用改进的特征检测子与快速视网膜特征描述子(Fast Retina Keypoint,FREAK)对目标与模板库进行并行匹配,最后根据平均匹配率完成目标识别。实验结果表明,改进的显著性检测方法较传统方法具有更高的检测精度和目标完整性,改进的特征检测子较传统方法具有更强的鲁棒性与实时性,基于显著性检测与特征匹配的目标识别方法能够实现可靠性较强的目标实时识别。     

基于属性散射中心的SAR图像重构及在目标识别中的应用

提出基于属性散射中心重构的合成孔径雷达(SAR)图像目标识别方法.该方法采用邻域匹配算法构建测试图像散射中心集与对应模板散射中心集的对应关系.并分别利用所有的测试散射中心以及匹配的模板散射中心基于属性散射中心模型重构测试图像和模板图像.在此基础上,设计重构图像之间的相似度度量并根据最大相似度的准则判定目标类别.利用MSTAR数据集在多种条件下进行了目标识别实验,验证了所研究方法的有效性.     

分离谱处理方法在L(0,2)模式超声导波管道检测中的应用

超声导波无损检测技术在管道检测过程中,由于超声导波存在频散和多模式特征,其遇到管道边界和不规则缺陷通常会发生模式转换,导致检测信号分辨率降低。为了将L(0,2)模式导波与其他模式导波分离,提升检测信号分辨率,提出使用分离谱处理方法处理L(0,2)模式超声导波检测信号。在分析该方法工作原理的基础上,优化了其滤波器参数,处理管道不同周向缺陷的检测信号,以信噪比和缺陷杂波比为标准,选择了具有最佳分离效果的SSP信号重组方法。研究结果表明：SSP可以将L(0,2)模式导波与其他模式导波分离,并只保留L(0,2)模式导波;与处理前信号相比,分离谱处理方法信号的分辨率得到了提升,信噪比和缺陷杂波比分别提高了约1.08倍和4.39倍。     

基于轮廓波变换的图像压缩感知处理

由于轮廓波变换(contourlet transform)能够更好地对图像进行稀疏表示。文章提出了基于轮廓波变换的图像压缩感知算法。将图像进行轮廓波变换后得到图像的稀疏表示,采用随机高斯矩阵对高频系数进行测量,实现数据压缩,然后采用正交匹配追踪算法恢复系数,再进行轮廓波反变换重构图像。实验结果表明,与原压缩感知算法相比,该算法有效地提高了重构图像质量的主观视觉效果和峰值信噪比。     

基于序列样本的威胁雷达信号识别方法

针对传统信号识别速度慢和对无法识别持续时间短的威胁雷达信号等问题,研究了信号序列样本构建方法和变步长匹配方法,提出了一种基于序列样本的威胁雷达信号识别方法。该方法根据先验知识构建雷达信号序列样本,采用变步长匹配法对脉冲流进行匹配识别,并对持续时间较短的雷达信号进行处理。仿真实验验证了基于样本序列的威胁雷达信号识别方法的有效性和可靠性,实验表明该方法对复杂环境和复杂体制雷达信号的适应能力强,正确匹配率高。     

基于改进人工蜂群算法的漏磁缺陷轮廓重构

漏磁缺陷重构是指由检测到的漏磁信号重构缺陷轮廓及参数,是实现漏磁反演的关键。将局部最优解和全局最优解引入到人工蜂群算法(Artificial Bee Colony Algorithm,ABC)中,提出了一种基于改进人工蜂群算法的缺陷重构模型。在该模型中,径向基函数神经网络作为前向模型求解漏磁信号,改进人工蜂群算法用于求解反演问题中的优化问题。将改进人工蜂群算法和基本人工蜂群算法作为反演算法进行了比较,实验结果表明,改进人工蜂群反演算法精度较高,速度较快,同时对实测信号具有鲁棒性,是一种有效可行的漏磁反演新方法。     

运用改进正交匹配追踪算法精确估计跳频信号跳变时刻

现有方法得到的跳变时刻精度不高、抗干扰能力较弱,为此提出一种运用改进正交匹配追踪算法的跳变时刻精确估计方法。根据跳频信号原理建立跳变时刻估计的稀疏表示模型,用改进正交匹配追踪算法求解该模型,获取跳变时刻。理论分析和仿真结果证明该方法能够获取高精度的跳变时刻,估计性能方面优于现有算法。     

磁致伸缩扭转导波小管径弯管检测

针对扭转导波对小管径弯管的检测问题,分别采用数值模拟和实验方法进行研究。使用ANSYS软件模拟扭转导波在弯管中的传播;设计一种针对小管径管道的磁致伸缩扭转导波检测传感器,并对弯管进行检测,建立该传感器的导波激发和接收模型,利用理论模型对实验信号进行解读。研究结果表明:T(0,1)模态导波在小管径管道弯头处发生模态转换,部分T(0,1)模态转换成F(1,1)模态,F(1,1)模态具有方向性,垂直于弯头拱背-拱腹方向;模态转换会造成检测信号的双端面反射现象,第二个端面回波与第一个端面回波幅值比随频率的增大呈减小趋势;传感器激发出的纵向磁致伸缩力会导致实验信号中出现少量纵向模态导波。研究结论为磁致伸缩扭转导波对小管径弯管的检测提供理论指导。     

一种频率可重构短波宽带鞭状天线设计

针对目前10 m短波鞭状天线存在的低频段增益和效率低的问题,基于入侵性野草(invasive weed optimization,IWO)算法和分波段加载匹配网络重构技术,设计了一款分波段短波宽带鞭状天线;然后,采用IWO算法对每个分波段内天线的加载网络和匹配网络分别进行了优化,设置了不同标称阻抗、传输线变压器变比以及下加载点的位置;最后,进行了仿真分析,结果表明:所提方法使低频段天线增益最多提高了6 d B,有效解决了该天线低频段的增益缺陷。     

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。     

一种基于交叉关联积分的功放无意调制识别方法

针对同频率连续波信号中的功放指纹分析问题,提出一种基于相空间交叉关联积分的无意调制识别方法(CCI-UMI).该方法通过对功放无意调制的机理分析和对重构矢量沿轨迹概率(PDT)的理论分析,建立了相轨迹比较的基本理论依据和参数选择方法.采用多尺度交叉关联积分算法,在重构相空间实现了对信号细微差别的灵敏比较.对任意波发生器两路通道实测数据的分类实验表明:本方法识别率较高,经合理选择参数,在低信噪比下可获得比功率谱方法和相空间微分方法更好的分类性能.     

基于Polymax算法的大型塔架模态参数识别

以环境随机激励作用下的大型塔架结构为研究背景,提出了基于Polymax算法的大型复杂系统模态参数识别方法。首先针对大型塔架设计环境激励响应信号测试系统,然后对获取的激励响应信号进行分析和截取,选出各组试验中理想的响应信号段,最后基于Polymax算法对截取信号段进行参数识别,并将获取的结果进行模态验证。结果表明：该方法对于大型塔架模态参数的识别具有较高的精度。