平滑零范数稀疏度约束下的盲稀疏回溯重构算法

现有的回溯迭代类算法具有重构速度快、精度高等优点,但实际中其需要已知信号稀疏度的条件有时难以满足。针对以上不足,提出了一种基于平滑零范数稀疏度约束的盲稀疏回溯重构算法,并证明了其收敛性。该算法不需已知稀疏度先验,在截断过程中以平滑零范数来估计信号的稀疏度并确定支撑集。新算法继承了现有回溯迭代类算法的有效性,同时避免了因稀疏度未知或估计不足导致的重构失败。理论分析和实验表明,新算法在无需信号稀疏度先验的条件下,重构性能优于现有典型回溯迭代类算法。     

基于压缩感知的多基地无源雷达成像算法

由于成像场景可稀疏表示（场景中仅有少数强散射点）,针对外辐射源信号波长长,带宽窄的特点,本文提出了基于压缩感知的多发单收无源雷达成像算法,该算法由符合图像统计特性的先验信息构造合理的傅里叶基矩阵,利用lp范数法将带约束条件强散射点增强问题转换为最优化问题,并通过迭代算法快速获得最优解。实验仿真结果表明小转角情况下,本文算法无需充足站点数目,并且能获得较好成像效果。
     

盲稀疏度信号重构的改进正交匹配追踪算法

在信号盲稀疏度条件下,现有重构算法的固定阈值选择限制了重构精度和重构速度提高,鉴于此,提出一种改进的正交匹配追踪算法。通过非线性下降的阈值快速选择原子,自动调节候选集原子个数,以便每一次迭代时更加精确地估计真正的支撑集,并利用正则化过程实现支撑集的二次筛选,最终实现了盲稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法的重构精度和速度分别提高了8.5%和9.2%。     

基于压缩感知的高分辨DOA估计

研究基于压缩感知的多目标DOA估计问题.利用空间目标空域的稀疏性,提出一种新的DOA压缩感知模型,其感知矩阵满足约束等容(RIP)条件.提出一种基于奇异值分解的多测量矢量欠定系统正则化聚焦求解(SVD-RMFOCUSS)算法.该算法在一定程度上克服了压缩感知重构算法无法用于低信噪比情况缺陷,且具有较低的运算复杂度.计算机仿真表明该算法性能优于传统DOA估计算法,能够对任意相关性的信号进行有效DOA估计,具有更高的角度分辨力及估计精度.     

一种聚束SAR回波数据压缩成像方法

针对聚束合成孔径雷达(SAR)成像中的海量数据问题,提出了一种基于压缩感知的聚束SAR回波数据压缩成像方法。首先对回波信号进行分析,利用波前匹配字典构造方法得到回波观测矩阵,其次通过构造二维离散余弦变换(2D\|DCT)等效矩阵得到回波信号的稀疏变换矩阵,然后利用平滑L0算法重构得到观测场景的二维像。本文方法可以在采集远小于传统聚束SAR成像方法所需回波数据量的基础上实现准确成像,最后的仿真结果表明了方法的可行性和有效性。     

图像压缩感知的自适应方向提升稀疏表示及重构算法

为了克服传统的压缩感知重构中正交小波方向选择性差的局限性,针对图像信号方向性决定了需要在不同纹理区域选择滤波器以使变换后信号能量更加稀疏,提出一种基于自适应方向提升稀疏表示的重构方法。重构时,在每次迭代更新后,根据图像信号的纹理特征选择不同强度方向和信号光滑度的小波基,使得变换后信号能量分布更加集中,并利用小波域阈值处理方法解决信号的重构噪声问题。实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节。     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

一种面向二维观测模型的压缩感知重构算法

针对目前二维信号压缩感知重构时,常采用的一维化手段效率低、重构性能有待提高等缺陷,基于二维观测模型,提出一种新的压缩感知重构方法,并证明了其有效性。算法通过两个独立感知矩阵对二维信号的行列同时进行压缩感知,并考察信号的整体重构,缓解了传统算法引入的重构人为效应以及问题规模扩张带来的重构压力。理论分析和实验表明,新算法成功重构概率、重构信噪比等性能优于现有典型二维信号重构方法,且其运算复杂度较之一维化方法有所降低。     

脉冲噪声下基于梯度加权平均的变步长NLMP算法

针对非高斯 α 稳定分布噪声环境下的自适应滤波问题,提出一种新的基于梯度加权平均的变步长归一化最小平均p范数(VSS-NLMP)算法。该算法基于梯度矢量能够跟踪自适应过程的均方权值偏差(MSD)这一特点,通过对梯度矢量的平滑减小梯度噪声的影响,然后利用平滑梯度矢量的欧氏范数和系统误差的分数低阶矩控制步长的变化。文中给出了新算法的迭代过程,然后对其收敛性进行简要分析,仿真结果表明,本文新算法较现有变步长NLMP算法具有更快的收敛速度和更高的稳态精度。     

三重混合范数的L型嵌套阵列二维角度估计

针对L型嵌套阵列二维角度估计问题,提出一种三重混合范数块稀疏重构算法。首先,建立一种俯仰角和方位角可分离的二维稀疏测向模型,将两个维度采样点分块,分别计算联合协方差矩阵,二维角度估计问题被转化为联合协方差矩阵稀疏优化问题;为减小计算复杂度,建立三重混合范数块稀疏重构模型,利用交叉迭代的方法得到稀疏解,实现了二维角度估计,并且可以自动配对。仿真试验表明,三重混合范数稀疏重构算法能够有效估计多个辐射源的二维角度,分辨率较高,并且具有一定的鲁棒性。与传统算法相比,在低信噪比和小快拍数的条件下,均优于传统二维角度估计算法。     

频域空域二维稀疏SIMO高分辨雷达成像方法

利用频域稀疏的线性调频步进信号（FSCS）作为雷达发射信号,并结合空域稀疏的SIMO雷达阵列来构建二维稀疏的高分辨雷达成像模型。针对该稀疏模型,首先通过对低维数据简单补零处理,然后利用图像熵准则完成对运动目标速度的有效估计。在此基础上,结合压缩感知理论,构造有效的观测矩阵、稀疏变换矩阵以及重构算法,获得目标高分辨距离像（HRRP）,进一步提出基于保相性的频域空域二维稀疏SIMO高分辨雷达成像方法。该方法可以大幅减少FSCS脉冲串的子脉冲个数,大幅减少SIMO高分辨雷达接收天线阵元个数,并获得高质量的HRRP和目标二维像。仿真实验验证了本文方法的有效性和鲁棒性。     

考虑电离层对GEOSAR影响的改进CS成像算法

地球同步轨道合成孔径雷达(GEOSAR)轨道位置高且合成孔径时间较长,电离层的空时变化特性严重影响该雷达的聚焦性能。为解决电离层对GEOSAR成像聚焦性能的影响,提出一种改进的chirp scaling (CS)成像算法。结合GEOSAR的轨道运动特点,给出因电离层空时变化引起的回波信号模型,提出了改进CS成像算法用以解决电离层对成像聚焦性能的影响。仿真结果表明:该成像方法能较好地处理电离层影响,可获得理想的聚焦成像结果。该方法为GEOSAR实现高精度成像提供了技术支撑。     

基于稀疏信号表示的空间碎片成像

地基雷达一直是空间碎片监测的有力工具,研究如何利用它们对尺寸小于距离分辨率的目标进行成像具有重要意义。基于空间碎片通常会围绕它的主轴进行简单的自旋转运动这一事实,通过对目标回波模型的分析,本文提出了一种基于稀疏信号表示的空间碎片成像方法。该方法将成像问题转化为稀疏信号分解问题,首先以各个散射点的散射特性作为元素构建字典,然后通过采用现有的方法对单个距离单元横向回波数据的稀疏信号表示进行求解,最后对求解的结果重新排列以得到目标的二维高分辨图像。仿真实验结果表明了本方法的正确性。     

基于压缩传感的线阵SAR三维成像方法研究

线阵SAR是一种新型雷达三维成像技术。由于实际中线阵天线长度有限,基于匹配滤波的传统线阵SAR成像方法不仅需要大量的阵元数,而且在切航迹向的分辨率也较低。结合三维场景空间目标的稀疏特征,提出一种基于压缩传感理论的高分辨线阵SAR三维成像方法。相对于传统匹配滤波线阵SAR三维成像方法,本方法只利用少量的稀疏天线阵元回波对切航迹向的稀疏散射目标进行L1范数优化重构,大大抑制了切航迹向旁瓣影响并显著提高分辨率。最后,通过线阵SAR点目标仿真三维成像表明了本文算法的有效性。     

基于稀疏重构的L型阵列的二维波达方向估计

在L型阵列下,基于稀疏重构提出一种可实现自动角度配对的二维波达方向估计方法。首先,根据两均匀线阵接收数据的互相关矩阵构建二维稀疏线性模型;然后,通过数学变换将该二维模型转换为联合稀疏重构模型之内,通过联合稀疏重构算法分别单独获得信源方位角和俯仰角的粗略估计,并将此信息融入二维稀疏线性模型,大大减少了模型中原子个数,达到降低计算复杂度的目的;其次,从理论上分析了新方法可分辨的信源个数和计算复杂度;最后,通过一系列计算机仿真将新方法与其它子空间类二维波达方位估计方法进行比较,表明了新方法在估计精度上的优越性。     

基于稀疏重构的杂波环境下红外图像空间邻近目标超分辨方法

基于稀疏重构的超分辨方法是应对空间邻近目标的有效方法之一,但是当目标处于杂波环境下时,杂波会布满在整个视场范围内,导致场景原有的稀疏性被破坏。针对这一现象提出了一种在杂波环境下的超分辨方法。该方法充分利用了传感器的结构特性以及重构算法中的参数,通过建立观测信号的红外成像模型并利用像元网格划分的方式,建立空间邻近目标群的位置和幅度信号的稀疏表示,并利用其光学系统的点扩散函数来构造超完备字典,最后通过控制重构场景中非零元素的个数比例来使重构参数处于一个合理的区间范围,以此来达到去除杂波干扰并准确重建稀疏目标的目的。