基于滤波器结构的压缩感知雷达感知矩阵优化

 压缩感知雷达的目标场景恢复性能要求不同目标的反射回波在压缩空间上的互相关性尽可能小。基于该思想,提出了压缩感知雷达感知矩阵优化模型,根据系统参数和任务信息,以降低感知矩阵互相关性为目标,自适应地构造发射波形和测量矩阵,提升系统性能。分别给出了基于滤波器结构的压缩感知雷达发射波形优化、测量矩阵优化以及波形-测量矩阵联合优化算法。仿真结果表明:本文提出的压缩感知雷达感知矩阵优化模型和算法能够有效地提高场景恢复精度。     

压缩感知在轴流压气机周向模态识别中的应用

研究了将压缩感知应用于轴流压气机管道周向模态识别的方法。采用数值实验的方法对稀疏模态信号进行压缩感知分析。对确定性信号,讨论了信号欠采样因子和感知常数对不同稀疏比信号重构成功率的影响,当感知常数大于3.5时,感知成功率超过90%;对未知信号,随机选取测量矩阵在感知失败时信号的模态分布没有规律。在此基础上,将Nyquist-Shannon采样定理和压缩感知方法结合,提出了轴流压气机管道周向模态传感器双均布测点布置方式,发现了其感知的成功与否与信号模态数的差值和测点数相关,选择合适的测点数,可用于基于动静干涉的压气机周向模态的可靠重构。讨论了双均布测点分布的鲁棒性,发现任意减少3个测点时仍可保证研究对象中至少5个叠加模态的成功感知。最后,将压缩感知方法应用于轴流压气机管道周向模态识别,成功感知到了基于Tyler-Sofrin的轴流压气机高阶动静干涉模态。该研究为轴流压气机管道模态分析和测量提供了新的实验数据处理方法。      

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。     

基于改进BP网络的手写体汉字识别技术

研究了手写体汉字识别技术，采用改进BP算法进行网络训练，提高了算法的收敛速度。同时，利用神经网络完成了汉字识别系统的实现。实验表明系统较好地回避了汉字结构复杂、变形难以预测等问题，提高了识别效率。     

基于压缩感知的金属加筋板兰姆波健康监测技术

针对大型复杂板结构安全评价需要,发展了一种基于压缩感知的金属加筋板结构兰姆波健康监测技术。利用压缩感知技术从稀疏阵列得到的少量检测数据中恢复出加筋板结构中兰姆波的频散特性,并提出了一种将余弦相似度和皮尔森相似度相结合的稀疏阵列兰姆波复合成像方法,以实现加筋板结构中大范围缺陷检测和成像。实验结果表明,压缩感知技术可以恢复出金属加筋板中兰姆波的频率-波数关系,提出的兰姆波复合成像方法能够实现金属加筋板中单缺陷和多缺陷的检测及定位。研究工作为复杂板结构损伤检测提供了一种可行的技术方案。     

基于压缩感知的多级风扇周向声模态重构

基于风扇单音噪声周向声模态在叶片通过频率下稀疏的特性,研究压缩感知方法在多级风扇周向主导声模态识别和幅值重构中的应用。开展多级风扇试验器的声场测量试验,利用压缩感知方法对管道周向声模态进行准确识别与分解。建立声模态重构的压缩感知模型,实现少数传声器对主导声模态的阶数识别和幅值精确重构,同时研究传声器数量和布局策略对重构精度的影响。试验结果表明:对于确定声场,当压缩感知常量C大于3.6时,随机布局的传声器有90%以上的概率可以以较高精度重构主导声模态幅值;建立压缩感知模型观测矩阵时应避免传声器的均匀和近似均匀布局,均匀布局的感知模型难以精准重构声模态。      

基于压缩感知的MIMO-SAR运动误差补偿与成像

多发多收合成孔径雷达（MIMO-SAR）利用多通道空间并行采样的优势可实现高分辨成像,但不可避免地存在运动误差与海量数据不便于存储与传输的问题。针对该问题提出一种基于压缩感知的MIMO-SAR运动误差补偿与成像方法。首先通过详细分析MIMO-SAR运动误差回波信号模型,在全采样条件下利用两步运动补偿技术实现对回波数据的运动误差补偿处理,其次针对降采样回波数据的运动误差补偿,通过构造变换算子与压缩感知（CS）重构模型的方法实现第1步运动误差补偿、距离脉压以及距离徙动校正处理,然后再进行第2步误差补偿与方位向脉压处理获得成像结果。最后通过仿真实验验证了所提方法能够在大幅压缩回波数据的情况下,实现MIMO-SAR运动误差补偿与成像处理。     

基于压缩感知的叶端定时信号参数辨识方法

叶端定时技术作为一种非接触式测量手段,在实际应用中的主要问题之一是测量信号欠采样。压缩感知方法是解决信号欠采样问题的有效手段,但由于求解过程中引入了正则化项,在提高稀疏度时,降低了幅值重构精度,而转子叶片振动幅值参数的准确辨识对于叶片动应力重构具有重要意义。将叶片振动方程设计矩阵与压缩感知字典相结合,在不依赖先验信息的条件下对叶片振动参数进行辨识。首先,根据振动方程设计矩阵形式及关注的最大振动频率,构造压缩感知字典;其次,通过叶端定时信号稀疏表示中的非零元素所在位置,从压缩感知字典中提取对应原子构成设计矩阵进而求得振动参数;接着,叶端定时（BTT）模拟仿真结果表明,所提方法可有效辨识叶片单模态、多模态振动参数;最后,开展旋转叶片振动测试试验,同时利用应变片和叶端定时系统采集振动信号,结果表明,与应变片测量结果相比,提出的方法振动频率辨识相对误差仅为0.14%;对比4个叶片的位移-应变传递比,其中偏离均值的最大百分比仅为2.15%。     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节,对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题,提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点,提高了信源个数和信号参数的估计精度,实现算法的自适应控制;通过数理分析确定了多级搜索策略的最优级次,大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计;信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高,随着信噪比的提高而逐步增强;噪声对信源个数和信号参数估计精度的影响很大,尤其是低信噪比下;第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

基于压缩感知的频率和DOA联合估计算法

波达方向（DOA）估计是阵列信号处理的一个重要问题,针对信号的DOA估计问题,本文基于压缩感知理论,提出了一种新的频率和角度联合估计算法。首先利用方向波数的空间稀疏性,建立过完备稀疏字典,然后利用压缩采样阵列结构通过求解最优化问题得到方向波数的高分辨估计,最后利用最优空域滤波实现信号到达角度和频率的配对。相对于传统算法,该算法能够实现多信号DOA的高分辨估计,且经过压缩采样后降低了运算量,仿真验证了该算法的正确性与有效性。     

基于压缩感知的高频响流场重构方法及其应用

粒子图像测速（PIV）方法具有高空间分辨率的优势,但是往往受到采样频率的限制（一般在15 Hz以下）,难以完成高频响测量。压缩感知（CS）能够基于稀疏采样数据获得高频信息,但如果直接应用于所有的数据点则计算量过大。基于亚采样（sub-Nyquist）PIV数据,本文提出了基于压缩感知和本征正交分解（POD）的高频响流场重构方法。首先采用POD对数据降维,同时获取空间模态和相应的亚采样时间系数,将亚采样时间系数作为观测值,选取适当的稀疏基,通过求解基追踪问题来计算高频响的模态系数。结合空间模态和所得到的时间分辨模态系数,可以重构高频响的非定常流场。利用该方法分别对周期性的振荡器流场和非周期性的不同直径圆柱流场进行重构,检测该方法的适应性。结果表明,压缩感知方法无需侵入式的辅助测量,可以为周期性流场提供准确的重构,重构误差低于3%,而对于非周期性复杂流场,则出现较大的高频噪声。因此,本文所提出的方法可以应用到周期性流场中以提高测量数据的时间分辨率。     

基于任意传感器排布的叶尖定时信号压缩感知辨识方法

基于叶片振动和叶尖计时系统的特点,推导了任意传感器角度分布下叶片振动响应的分布规律,并基于叶尖定时信号频域的稀疏性,探究了压缩感知方法在叶尖定时信号的重构和倍频辨识上的应用。通过同步信号和非同步信号的大量数值实验,分析了包括信号重构误差、传感器数量、旋转周期数、频率分辨率和信噪比等因素对辨识效果的影响,提出了压缩感知重构叶尖定时信号的基本方法和步骤。进一步将压缩感知方法应用于某型号涡扇发动机钛合金宽弦风扇叶片有限元仿真获得的振动响应数据重构,验证了该方法的有效性。结果表明:在加入了叶尖测点位置误差和30 dB随机噪声的前提下,在80%、90%和100%三种转速工况下均清晰辨识出幅值较大的激励倍频。基于任意传感器角度分布的压缩感知方法对叶尖定时信号辨识效果较好。     

基于压缩感知的嵌套FDA 雷达距离- 角度联合估计

针对频率分集技术,与非均匀阵列、压缩感知理论相结合,实现目标距离- 角度的联合估计。通过频率分集技术提高信号空间自由度,将距离参数引入导向矢量矩阵,实现距离- 角度参数的联合。并结合嵌套阵列,显著提高雷达阵列孔径。该方法针对嵌套阵虚拟阵列流型矩阵的优化过程导致的秩亏缺问题,传统的空间平滑算法会以牺牲部分阵列孔径为代价将单快拍问题转化为多快拍问题,采用正交匹配追踪算法可以实现单快拍下的高精度参数估计,避免了空间平滑技术对阵列孔径的影响。并通过压缩感知理论的应用降低信号维度,减小了计算复杂度。     

低信噪比下稳健压缩感知成像

 由于基于l₁范数的压缩感知理论模型无法充分挖掘信号的稀疏性,因此在重建过程中无法实现对待重构系数的等权值约束,进而导致在信噪比较低时,噪声分布的不稀疏性会严重影响目标信息的重建,造成成像结果中会出现大量虚假目标,成像性能急剧下降。本文在深入分析了加权l₁范数模型的基础上,提出了一种更加稳健的适用于含噪模式下的高分辨率压缩感知微波成像模型。该模型在借鉴常规加权l₁范数模型的基础上,针对权重选择及加权方式进行了修正,使得权值的变化程度和权值大小分离,可以做到相同的惩罚约束,从而实现成像过程中噪声分量的有效抑制,实验结果说明了低信噪比下所提模型的有效性。     

飞机起落架噪声源定位的压缩感知算法

目前针对飞机起落架噪声源定位的研究方法主要是将麦克风阵列与波束成形算法相结合。常规波束成形（CBF）算法在计算时存在主瓣宽度过宽、结果易受旁瓣影响的问题。高级波束成形算法在计算时效率较差,有时会有违背物理现象的假声源出现。提出了一种将正交匹配追踪（OMP）算法与奇异值分解（SVD）相结合的起落架噪声源定位的OMP-SVD压缩感知算法。在消声实验室内进行飞机起落架噪声源定位试验,将OMP-SVD算法、CBF算法和OMP算法在不同频率下获得的结果进行对比。试验结果表明：①与OMP算法相比,OMP-SVD算法在不同频率下均能准确定位出起落架主声源;②与CBF算法相比,OMP-SVD算法显著提高了分辨率。     

LFM宽带雷达信号的盲压缩感知模型

在欠采样测量基础上,提出了一种基于盲压缩感知(BCS)的线性调频(LFM)宽带雷达信号欠采样与重构新框架。这一机制利用LFM雷达信号在分数阶傅里叶变换(FRFT)域上良好的能量聚集特性,将LFM及其延迟信号看做是未知p阶次FRFT域上的稀疏线性组合。首先通过时延相关解线调欠采样得到最佳稀疏FRFT域,再以此构造出原信号对应的p阶次离散FRFT(DFRFT)稀疏基字典,最后结合离散FRFT系数的块稀疏性利用块重构算法从测量值中估计出稀疏系数,同时论证了LFM信号单通道BCS问题解的唯一性,从而实现了稀疏基未知情况下针对LFM宽带雷达信号的盲压缩感知,为非合作条件下LFM信号欠采样采集与无源探测提供了一种新思路。     

基于压缩感知的整体叶盘多模态振动叶尖定时信号重构方法

叶尖定时测量技术是近年来发展的一种非接触式旋转叶片振动监测方法,具有非入侵性的优点,但是该系统测得的振动信号通常是欠采样的。为了能够重构叶尖定时欠采样信号,本文根据压缩感知理论以及叶尖定时采样原理引入了叶尖同步振动信号稀疏模型以及叶尖振动信号重构方法。对整体叶盘有限元模型进行瞬态分析得到叶尖振动信号,使用优化的正交匹配追踪算法以及基追踪对欠采样信号进行重构并和传统方法进行对比。计算结果表明：在信噪比为30dB的噪声环境下,限制频域的正交匹配追踪算法(OMP-RFD)可以准确地识别出叶尖振动信号的主要频率成分。最后使用试验所获得的叶尖振动信号进行重构,验证了OMP-RFD算法有效性。综上可知：压缩感知方法可以很好地应用于叶尖定时测量装置中,能够使用较少传感器识别叶尖同步振动欠采样信号参数,有效提高噪声环境下识别高阶频率的成功率以及准确度。     

视觉感知启发的面向出舱活动的物体识别技术研究

为提高航天员出舱活动(EVA)的工效,提出了一种基于视觉感知启发的物体识别方法。首先对视觉观察到的一定区域内的图像进行采集,然后进行二值化赋范梯度的特征提取,并预测物体所在区域的矩形框,选取比该矩形框扩大一定范围的图像作为输入,传递给深度卷积神经网络CNN进行类别识别和精定位。在自建的数据集上进行测试验证,结果表明:该方法达到了88.2%的平均识别准确率,识别速率为0.047 s,可以满足舱外物体识别需求。该方法可为信息化、智能化的出舱活动任务提供参考,对提高出舱活动任务的工效具有重要意义。