稀疏信号重构的迭代平滑 l0 范数最小化算法

压缩感知理论 (Compressed Sensing, 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重构稀疏信号是压缩感知理论中的核心问题。针对稀疏信号的重构问题,提出了迭代平滑l0 范数最小化算法。该算法首先利用上次迭代得到的稀疏解估计部份支撑集I,然后建立并求解基于支撑集I的平滑l0 范数最小化问题,最后对以上两步迭代少数几次得到稀疏解。数值仿真表明,本文所提出的算法重构信号需要测量值数少于已有的算法,且计算速度较快。     

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%。     

基于贝叶斯稀疏重构的非均匀样本谱估计

在航空电子对抗领域,往往需要利用非均匀样本来估计信号的频谱。针对非均匀样本谱估计问题,提出了贝叶斯稀疏重构谱估计算法(BSRSE)。该算法首先将非均匀采样的谱估计表示为稀疏信号重构问题。然后利用拉普拉斯分布表示稀疏性,建立贝叶斯模型。最后通过构造加速的不动点迭代方法估计参数,从而估计信号频谱。与现有谱估计方法比较,该算法具有较高的频率分辨力、较强的噪声适应能力,且需要较少的样本数。数值仿真验证了该算法的有效性。     

基于Cauchy稀疏分布的SAR图像超分辨算法

分析了SAR图像稀疏性的成因,利用具有稀疏特性的Ｃａｕｃｈｙ分布作为SAＲ图像相位历史域数据的先验分布,建立了基于Cauchy稀疏分布的SAR图像超分辨模型,通过减少每次迭代中矩阵求逆的次数,给出了模型的快速迭代求解算法。利用SAR图像的稀疏性先验,将SAR图像超分辨问题转化为形式简单的约束极值问题,避免了基于ｌｋ范数正则化超分辨方法的模型定阶问题。最后,利用MSTAR实测数据,在相位历史域的实验结果证实了该方法有效的超分辨能力和快速求解能力。     

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。     

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。     

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。     

基于Hankel矩阵填充的稀疏孔径ISAR成像

在稀疏孔径(SA)逆合成孔径雷达(ISAR)成像中,传统压缩感知(CS)方法使用稀疏信号处理来处理数据缺失下的成像问题。这类方法存在模型不匹配这一固有问题,在一定程度上会限制成像质量。提出了一种利用Hankel矩阵填充(HMC)的基于结构化稀疏ISAR成像方法。该方法是一种典型的无网格方法,可以有效地提高稀疏孔径ISAR成像性能。首先,建立ISAR稀疏孔径成像信号模型,根据每个距离单元的回波构造Hankel矩阵;其次,通过证明所构造Hankel矩阵的低秩性质,作为方位稀疏成像的先验信息约束;最后,通过逐步迭代求解基于增广拉格朗日乘子(ALM)的矩阵填充(MC)来实现重构方位维成像。提出的基于低秩约束的方法,可以避免过完备基的假设,有效地克服了CS方法的离网格效应。基于实测数据的实验分析,进一步验证了所提算法的有效性。     

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。
     

单帧数字图像分辨率改善的频域正则化方法

现有多帧序列频域分辨率改善方法主要基于柯西-高斯先验模型,对单帧图像处理效果不理想.在分析频谱混叠公式的基础上,研究了单帧图像分辨率改善的频域方法.提出了基于柯西-高斯先验模型的正则化方法,由于柯西-高斯先验模型具有较好的信号稀疏表示能力,因此能有效地改善图像的分辨率.设计了迭代求解算法,给出了迭代初值的稳健算法,并将二维计算问题转化为一维计算问题,实现了方法的快速计算,同时大大地减少了存储量.文中给出了一维信号和遥感图像两个算例,计算结果表明,方法可以有效地改善图像的分辨率.     

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。     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

迭代伪码捕获算法的改进方法

为了解决扩频通信系统中长伪随机码的快速捕获问题,在分析现有迭代伪码捕获算法 性能的基础上,提出了该算法的改进方法,即多重迭代伪码捕获算法。给出了改进算法的迭 代流程,并与原算法进行了性能的对比分析,结果表明迭代后极大似然估计的误码率较改进 以前有了明显的降低,同时得到了多重迭代伪码捕获算法的最优算法参数。
     

多尺度小波变换在野值剔除中的应用

常见的野值剔除方法即卡尔曼滤波算法条件苛刻,不易实现。在分析了系统方程之后,利用小波变换的基本原理,将系统信号分解到各个尺度上,在各尺度上分别进行卡尔曼滤波,之后进行小波重构从而得到各尺度下的滤波估值。此算法将小波去噪与卡尔曼滤波算法结合起来,能够更有效地剔除野值。针对卡尔曼滤波算法的复杂性,还提出了一种有效的滤波算法,利用该算法进行小波多尺度分解和滤波和重构,信号野值也可以得到很好的剔除。经仿真实验验证,这两种多尺度小波变换算法都能够很好地剔除野值,效果明显。     

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.     

末端能量管理段迭代校正轨道算法研究

针对航天器进入末端能量管理段接口处时位置和航迹偏角存在大范围摄动的问题，提出一种使用迭代校正法的轨道快速生成算法。该算法可以根据航天器的具体初始状态，自动选择直接进场或者间接进场策略，快速生成可行的参考轨迹。首先通过跟踪轨迹地面投影实现侧向制导；根据末端能量管理段的起始点与终点的高度与速度约束生成参考动压-高度剖面，并跟踪此剖面实现纵向制导。然后采用迭代校正计算快速确定航向校准柱的位置与最终半径两个参数用以调整航程，保证航天器在末端的所有状态满足自动着陆段接口的边界约束。仿真结果校验了该算法可以根据航天器的具体状态快速生成符合约束条件的末端能量管理段飞行轨道，具有很好的鲁棒控制性能。     

基于TDOA的非同步照射辐射源定位算法

针对现有基于信号到达时差（TDOA）的定位算法难以适应辐射源信号非同步到达的定位问题,提出了一种新的非同步照射辐射源定位算法。该算法利用脉冲样本图外推各站辐射源脉冲的到达时间（TOA）序列,进而计算TDOA序列（TDOAs）,解决了非同步照射引起的TDOA计算困难问题,通过两条双曲线的渐近线交点求取初值,通过牛顿迭代法实现对辐射源位置的估计。最后给出的数值仿真结果验证了该方法的有效性。