压缩感知在电容层析成像中的应用

压缩感知(CS)理论是在充分利用信号稀疏性或可压缩性的情况下,对信号进行少量采样即可实现信号的精确重建。本文尝试将CS理论应用于电容层析成像(ECT)图像重建中,首先,使用快速傅里叶变换(FFT)基将原始图像灰度信号进行稀疏化处理;其次,将ECT灵敏度矩阵的各行按随机顺序进行排列,得到ECT系统随机观测矩阵;最后,选取当前普遍使用的基于内点法、梯度投影(GPSR)算法以及贪婪算法的CS图像重建算法进行ECT图像重建,并与线性反投影及Landweber迭代算法进行了对比。仿真实验结果表明:基于CS图像理论的ECT图像重建算法,其重建精度有所提高。本文同时分析了3种CS图像重建算法的优缺点及适用范围。     

基于频域LMS的自适应波束形成算法

在分析传统自适应波束形成的基础上,提出了一种基于频域最小均方(LMS)的自适应波束形成算法。该算法先对输入信号进行FFT变换,再通过LMS算法实现了频域上自适应波束形成。FFT变换后信号为稀疏矩阵,自相关下降,LMS算法收敛速度提高;理论分析和仿真结果表明了该算法收敛速度较快、性能较好,且计算量较少,易于实时实现,而且文章提出的波束形成算法对相干信源具有鲁棒性。     

基于混沌振子阵列的扩频信号捕获方法

在低信噪比下提出了结合混沌振子阵列及相干相关实现对扩频信号的捕获方法．针对混沌振子的数学模型,用混沌系统的相轨迹特性来分析对扩频信号的捕获过程,以Lyapunov指数（LE）作为实现捕获及提取载波多普勒频率的判断依据,再由跟踪环路完成对扩频码相位的跟踪．对DSSS／BPSK仿真结果表明,本方法可以实现扩频信号快速捕获,同时提高了捕获概率及检测灵敏度。     

基于双层协方差矩阵重构的稳健波束形成算法

针对协方差矩阵含目标信号分量及目标导向矢量失配情况下，传统自适应波束形成器性能急剧下降的问题，提出了干扰加噪声协方差矩阵双层重构的稳健波束形成算法。首先，利用稀疏重构的方法预估干扰加噪声协方差矩阵，通过估计干扰导向矢量及干扰功率对干扰加噪声协方差矩阵进行优化校正；然后，基于子空间理论建立导向矢量约束误差优化模型，利用迭代方法对凸优化模型进行求解，得到最优权值向量。仿真结果表明:所提算法显著提高了波束形成器在目标导向矢量约束误差及阵列误差情况下的稳健性，低快拍条件下表现较好，输出性能优于仿真对比算法。      

消除数据调制影响的FFT捕获方法

在利用快速傅里叶变换(FFT, Fast Fourier Transform)捕获扩频信号的过程中,为了提高捕获精度,会遇到基带数据调制影响捕获性能的问题.主要分析了基带数据符号跳变影响FFT捕获性能的原因:在频域内造成待检测信号的幅度衰减以及频点偏移.提出了一种解决此问题的方法:通过对I和Q两路信号的运算,构造一个不受数据调制影响的复信号,对此信号作FFT,完成捕获.给出了此方法的MATLAB仿真,以及基于现场可编程门阵列(FPGA, Field Programmable Gate Array)的实现方案.实验数据表明,此方法消除了基带数据调制对FFT捕获性能的影响,且在相等积分时间的条件下,比常用方法的捕获精度提高了一倍.      

基于Transformer的深度条件视频压缩

近年来,基于深度学习的视频压缩技术主要基于卷积神经网络(CNN)且采用运动补偿-残差编码的架构,由于常见的CNN只能利用局部的相关性,以及预测残差本身的稀疏特性,难以取得最优压缩性能。因此,提出一种基于Transformer架构的条件视频压缩算法,以实现更优的压缩效果。所提算法基于前后帧之间的运动信息,利用可形变卷积得到对应的预测帧特征;将预测帧特征作为条件信息,对原始输入帧特征进行条件编码,避免了直接编码稀疏的残差信号;利用特征间的非局部相关性,提出一个基于Transformer的深度条件视频压缩编码算法,用来实现运动信息编码和条件编码,进一步提升压缩编码的性能。实验结果表明：所提算法在HEVC、UVG数据集上均超越了当前主流的基于深度学习的视频压缩算法。     

基于稀疏核增量超限学习机的机载设备在线状态预测

为实现对机载设备工作状态的在线状态预测,提出了一种稀疏核增量超限学习机(ELM)算法。针对核在线学习中核矩阵膨胀问题,基于瞬时信息测量提出了一个融合构造与修剪策略的两步稀疏化方法。通过在构造阶段最小化字典冗余,在修剪阶段最大化字典元素的瞬时条件自信息量,选择一个具有固定记忆规模的稀疏字典。针对基于核的增量超限学习机核权重更新问题,提出改进的减样学习算法,其可以实现字典中任一个核函数删除后剩余核函数Gram矩阵的逆矩阵的前向递推更新。通过对某型飞机发动机的状态预测,在预测数据长度等于20的条件下,本文提出的算法将预测的整体平均误差率下降到2.18%,相比于3种流形的核超限学习机在线算法,预测精度分别提升了0.72%、0.14%和0.13%。     

基于自适应谱估计的跳频捕获技术

提出了一种基于谱估计的跳频(FH, Frequency Hopping)信号的捕获方法,建立了自回归自适应谱估计模型和算法,通过计算信号频谱估计了跳频信号的瞬时频率.当频率估计存在偏差时,为了避免错误判决,实现稳健捕获,给出了一种新的捕获逻辑.在高斯白噪声( AWGN, Additive-White Gaussian Noise)环境和瑞利(Rayleigh)衰落环境下,对不同天线阵元数目情况下的捕获性能包括平均捕获时间和误码率进行了数值仿真.仿真结果表明:谱估计算法能快速准确地估计出信号频率,实现跳频信号的快速捕获.      

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

基于傅里叶基的自适应压缩感知重构算法

在压缩感知中,为了提高含噪信号的重构精度,提出了基于傅里叶基的稀疏度自适应匹配追踪算法.该算法在重构过程中采用相关系数作为匹配准则的基础上,创新性地利用傅里叶变换的共轭对称性,进一步严格控制索引值加入支撑集的过程;同时利用余量能量和余量能量变化率双门限作为停止迭代的依据;最后将估计的傅里叶域中的信号逆变换得到时域的重构信号.仿真实验表明,在同等噪声污染的情况下,该算法与同类算法相比有较高的重构精度.      

基于CS的正则化稀疏度变步长自适应匹配追踪算法

压缩感知(CS)能够突破Nyquist采样定理的瓶颈,使得高分辨率信号采集成为可能。重构算法是压缩感知中最为关键的部分,迭代贪婪算法是其中比较重要的研究方向。对压缩感知理论进行了详细分析,并在现有重构算法的基础上提出了一种新的迭代贪婪算法——正则化稀疏度变步长自适应匹配追踪(RSVss AMP)算法,可在信号稀疏度未知的情况下,结合正则化和步长自适应变化思想,快速精确地进行重构。相比于传统迭代贪婪算法,本文算法不依赖于信号稀疏度,并且应用正则化以确保选取支撑集的正确性。此外,应用自适应变化步长代替固定步长,能够提高重构速率,而且达到更高的精度。为了验证本文算法的正确性,选取高斯稀疏信号和离散稀疏信号分别进行仿真,并与现有算法进行比较。仿真结果表明,本文算法相比于现有算法可以实现更加精确快速的重构。     

无源互调对直扩系统伪码捕获性能的影响

无源互调干扰信号会对无线通信系统造成不同程度的影响,轻则干扰无线通信系统,严重时阻塞无线通信系统信号传输通道。为了定量分析无源互调干扰信号对直扩系统伪码捕获性能的影响,建立了无源互调干扰下直扩系统模型,考虑卫星接收机中噪声的影响,采用修正柯西分布概率密度模型,分别对平方律检波器捕获方法和平方检波累积器捕获方法在无源互调干扰下的捕获性能进行了理论推导和仿真验证。仿真结果表明,高信干噪比下无源互调干扰对通信系统的影响比噪声小,90%捕获检测概率下相差2.92dB;采用平方检波累积方法可获得一定的累积增益,90%捕获检测概率下的累积增益为2.36dB。     

一种惯性信息辅助下的GPS快捕方法

全球定位系统(GPS,Global Positioning System)信号的捕获时间直接影响高动态环境下GPS接收机的使用性能.在分析传统的外部信息辅助GPS捕获方法的基础上,提出了一种在惯性信息辅助下进行快速捕获的方法,该方法由粗捕获和精捕获构成.详细分析了该方法的实现方法和性能,进行了MATLAB/Simulink系统级仿真及蒙特卡罗仿真试验.仿真结果表明:在保证码相位捕获精度和提高频率分辨率的前提下,运用该方法可以显著缩短GPS接收机搜索捕获的时间,提高接收机的动态性能,相对无外部信息辅助的情况总捕获时间缩短至2%~3%.     

MIMU/GPS嵌入式组合导航中GPS信号非相干搜索算法分析

对于GPS信号的搜索捕获采用长积分时间相干搜索算法,会导致频率的搜索范围增加,而采用非相干积分搜索算法将增加平方损失．针对非相干搜索算法中由于多普勒频移估计偏差和码移估计偏差的影响而导致的平方损失,提出了基于微惯性测量单元MIMU／GPS嵌入式组合导航辅助的时域非相干搜索算法来提高对卫星信号的捕获能力,并对其捕获性进行仿真分析研究．结果表明,采用MIMU辅助的时域非相干搜索算法可以提高对GPS信号的捕获能力．     

GALILEO接收机中BOC(1,1)信号的捕获

BOC(1,1)(Binary-Offset-Carrier)信号相关函数中的零值会使接收机判定没有捕获到信号.为了完全捕获到BOC(1,1)信号,从副载波相位和码相位角度出发,提出了一种3路并行捕获方法.通过数字仿真得到了BOC(1,1)和扩频码的相关函数图,比较了二者相关函数的峰值.推导了BOC(1,1)相关函数的解析式,给出了相关函数中的零点位置和峰值位置,比较了BOC(1,1)和扩频码的相关函数数值及捕获.3路本地BOC信号以其中一路相位为基准,另外2路相位分别超前、滞后该路.给出了3路本地信号的生成方法及捕获的结构框图.仿真结果表明,捕获码相位差在半个码片内时,BOC(1,1)信号的捕获率从33.3%提高到100％,码相位捕获范围从1/6码片增大到1/2码片.该方法可为跟踪环路提供相位信息,适用于BOC(n,n)信号的捕获.      

软件GPS接收机架构与捕获算法实现

为了将软件无线电技术应用于全球定位系统GPS (Global Positioning System)接收机,提出了一种符合目前硬件技术水平的软件GPS接收机设计架构;分析了软件GPS接收机信号捕获方法的要求;采用循环相关算法作为软件GPS接收机的信号捕获算法,在Matlab仿真环境下实现了相应的捕获程序,并使用GPS卫星C/A码信号采集数据进行了初步验证;初步验证结果表明这种捕获算法能够为软件GPS接收机提供快速捕获能力,同时不损失信号搜索的灵敏度,是一种适用而高效的软件GPS接收机捕获方法.      

高动态GPS信号粗捕和精捕算法仿真实现

为了解决高动态下对GPS信号快速捕获的问题,提出了改进的部分匹配滤波(PMF)和快速傅里叶变换(FFT)相结合的粗捕方法,对其原理和结构进行了分析,并针对其引起的扇贝损失和捕获性能不高的问题,对传统PMF+FFT方法进行加窗处理;考虑到高动态下基于扩展卡尔曼跟踪的方法对捕获后参数的精度要求很高,因此在粗捕的基础上提出了基于线性调频Z变换(CZT)算法的精捕方法,并在GPS信号理论模型和模拟高动态轨迹的基础上,实现了高动态GPS数字中频信号的生成,为进一步加快捕获速度,对于冷启动时提出了一种组合码相关的卫星快速盲搜方法;最后通过MATLAB进行系统仿真实验,验证了所提出的高动态GPS信号粗捕和精捕算法能在加速度为100 g的高动态环境下有约10 Hz的捕获精度。