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.      

基于压缩感知的DSSS信号双阶段捕获方法

针对直接序列扩频(DSSS,Direct Sequence Spread Spectrum)信号的捕获性能与硬件消耗或计算复杂度的相互制约问题,基于压缩感知理论,提出了一种双阶段压缩捕获方法,第1阶段进行快速粗捕获,第2阶段在第1阶段基础上实现精确捕获.首先研究DSSS信号的相关域稀疏性,构造了稀疏变换矩阵;然后利用确定性沃尔什-阿达马矩阵,分别构造了2个阶段压缩测量矩阵及其检测算法;最后从检测概率和平均捕获时间两方面对提出算法的捕获性能进行了理论分析,并用蒙特卡罗法进行了验证.理论分析和仿真实验表明,该方法能够在显著降低相关次数的前提下,达到传统基于并行相关方法的捕获性能水平.      

合成孔径雷达压缩感知成像方法

为解决大带宽、多通道空间雷达系统的数据量大导致数据无法存储和传输的问题,介绍了一种基于压缩感知理论(CS,Compressive Sensing)的、全新的合成孔径雷达数据获取体制和脉冲压缩方法.在观测场景满足一定稀疏特性的前提条件下,使用该方法取代传统的匹配滤波方法进行脉冲压缩处理,可以从远远低于常规雷达所获取的数据量中恢复出原始场景.压缩感知脉冲压缩是通过使用一种贪婪追踪算法解一个逆问题来重建脉冲压缩后的信号.给出了该方法的原理和过程,并通过计算机仿真验证了该方法的有效性.这种新方法可以简化雷达系统,有效降低存储和传输的数据量,将设计重点从昂贵的接收机硬件上转移到智能信号重建算法上去.      

基于自适应LMS算法的空间光束快速精扫描跟踪控制方法

针对空间精密光学领域与国防应用对高精度快速光束控制的需求，给出自适应最小均方（LMS）算法对压电快摆镜进行光束扫描跟踪控制。首先描述了自适应LMS控制算法及快摆镜模型辨识方法，随后仿真分析了不同频率及迭代步长对自适应LMS算法跟踪控制的影响，最后采用自适应LMS算法进行了压电快摆镜辨识及扫描跟踪控制实验。实验结果表明，自适应LMS算法对2Hz、10Hz及其复合谐波信号扫描的跟踪误差分别为2.5%(3σ)、1.9%(3σ)和2.4%(3σ)，控制效果均优于PI控制算法。这种自适应LMS算法能有效跟踪多频扫描信号，为高精度空间光束快速扫描跟踪提供了一种可靠的技术手段。     

基于改进联合稀疏EIT算法的CFRP材料检测

针对应用电阻抗层析成像技术(EIT)对碳纤维增强复合材料(CFRP)损伤检测的高度病态性问题,提出了一种联合L₁和L₂范数的稀疏正则化泛函模型,并在迭代过程中通过构建一种新的约束项来优化求解。仿真结果表明,与传统算法相比,改进联合稀疏EIT算法能够有效改善损伤图像的电极伪影,提高损伤边缘清晰度,增强损伤辨识定位准确度。CFRP层压板检测实验结果表明,改进联合稀疏EIT算法能够提高图像重建的抗干扰能力,具有良好的鲁棒性及适用性。     

一种空间非合作目标的稀疏点云配准算法

点云数据配准是三维重构的关键技术之一,为了提高空间非合作目标的稀疏扫描点云数据配准的速度和精度,提出一种改进的基于四点算法的全局配准算法进行初始配准,再使用迭代最近点算法精确配准.针对直接扫描所得到点云数据量大的问题,本文提出一种基于KD Tree点云均匀采样简化算法,并且对传统基于四点算法中的阈值参数进行了统一,确定了各误差阈值参数和点云密度之间的关系.仿真结果表明,该方法能够快速、有效地实现卫星稀疏点云的配准,改进的四点算法配准耗时仅为几何哈希算法的42.49%.     

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。      

电路测试响应信号的GP-KSVD稀疏重构算法

电路系统测试响应信号具有周期性强、分布较稀疏的特点,针对电路系统测试响应信号的压缩重构问题进行了研究,提出了基于梯度方向追踪的K奇异值分解(GPKSVD)稀疏重构算法。结合单一响应信号以及混合信号其自身特点进行字典训练,利用更新后字典对含噪信号进行梯度追踪稀疏表征,通过对含噪信号的重构,实现了去噪的目的,算法计算复杂度低,储存量小,具有较好的重构效果。仿真中将GP-KSVD表征与使用随机字典、离散余弦字典(DCT)的表征进行比较,从信噪比(SNR)以及相对均方误差(RMSE)2项指标中得出使用KSVD字典具有更好的重构去噪效果;此外将GP-KSVD稀疏重构算法与正交匹配追踪正交匹配追踪(OMP)-KSVD、预处理共轭梯度追踪(PCGP)算法进行比较,得出GP-KSVD的计算时间最短、重构精度更高的结论,并且进行了实测验证。算法可用来对测试响应信号进行预处理,为电路系统设备性能的评估分析提供了理论依据。     

面向目标检测的双驱自适应遥感图像超分重建方法

有光学遥感图像超分重建方法主要是生成视觉上令人满意的图像,并未考虑后续目标检测任务的特殊性,不能有效地应用到目标检测中。基于此,提出了面向目标检测的双驱动自适应多尺度光学遥感图像超分重建方法,将超分重建网络和目标检测网络结合起来,进行联合优化。针对光学遥感图像的特点设计了自适应多尺度遥感图像超分重建网络,集成选择性内核网络和自适应特征门控单元来特征提取和融合,重建出初步遥感图像。通过提出的双驱动模块,将特征先验驱动损失和任务驱动损失传到超分重建网络中,提高目标检测的性能。在UCAS-AOD和NWPU VHR-10数据集上进行实验,并与5种主流方法进行比较,所提方法的峰值信噪比和平均准确率相较于FDSR方法分别提高了1.86 dB和3.73%。实验结果表明,所提方法和光学遥感图像目标检测结合可以取得更好的效果,综合性能更佳。      

基于迭代译码的LDPC码稀疏校验矩阵重建

为了改善高误码率情况下低密度奇偶校验（LDPC）码稀疏校验矩阵重建算法的性能，基于迭代译码的思想提出了一种稀疏校验矩阵的重建算法。首先，利用对偶空间算法获取到部分非稀疏校验向量，并对其进行稀疏化处理。其次，利用稀疏化后的校验向量对LDPC码进行软判决迭代译码，从而对码字中错误比特进行纠正，以改善码字质量。然后，对纠错后码字再次进行校验向量获取，不断重复迭代。最后，实现LDPC码稀疏校验矩阵的重建。实验结果表明:在误码率为10-3量级下，针对IEEE802.16e、IEEE802.11n等协议下的LDPC码，所提算法均能有效完成重建，同时新算法的稀疏矩阵重建率要明显好于传统方法。      

基于混合稀疏表示的二维压缩感知SAR成像

压缩感知(CS)理论在合成孔径雷达(SAR)成像中应用广泛。针对包含城市、河流等区域的非稀疏场景压缩感知SAR成像, 提出基于近似观测模型的混合稀疏表示(MSR)压缩感知SAR成像方法。该方法将复杂的SAR图像分解成点、线、面, 并将线、面分别通过离散余弦变换和曲波变换转换到稀疏域, 使压缩感知的稀疏性条件得以满足, 通过求解基于近似观测模型的二维压缩感知优化问题重建非稀疏场景的SAR图像。所提方法能够实现降采样率条件下对包含城市、河流等非稀疏场景区域的成像, 仿真场景和实测场景成像结果表明了所提方法的有效性。