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。     

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。     

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。     

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%。     

基于半张量积压缩感知的形变数据重构在航天器结构健康监测中的应用

针对航天器结构健康监测（structural health monitoring, SHM）面临的数据传输和存储量过大问题,提出一种基于半张量积压缩感知（semi-tensor product compressed sensing, STP-CS）的形变数据重构方法。该方法基于形变数据的稀疏性,利用降维的随机高斯矩阵对形变数据进行压缩采样。为了验证该方案的可行性,实验研究了不同的观测矩阵维数与重构性能的关系。结果表明：采用该方法对形变信号进行随机采样,当观测矩阵存储空间减少到传统压缩感知（compressed sensing, CS）的1/64,仍能实现较高精度的重构,有效节省了观测矩阵的储存空间;此外,重构时间也随着观测矩阵维数的降低逐渐缩短。因此,该方法为解决航天器SHM面临的数据传输和存储挑战提供了新的解决思路。     

一种基于全变分理论的红外背景杂波抑制算法

针对复杂背景下的小目标检测问题,提出基于全变分理论的单帧红外图像空域背景杂波抑制算法.分析红外图像背景抑制的最大后验概率模型,引入全变分的概念作为背景图像的先验信息,描述估计背景的平滑度约束,从而转化为泛函极值问题进行求解.估计背景在满足对观测图像数据依赖的同时,能够保留背景图像的边缘信息,有效降低复杂背景灰度值起伏较大处的虚警.通过仿真实验验证了算法的可行性和有效性,分析结果表明其背景抑制性能较传统算法有较大提高,算法架构适用于大数据图像并行处理的工程实现.     

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。     

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。     

一种基于压缩感知的信道估计算法

信道估计是无线通信系统的关键技术之一。文章提出一种基于压缩感知（Compressed Sensing）的信道估计方法,这种方法通过分析信道时延和多普勒域的稀疏度,可以有效降低导频的数量,从而提高系统的频谱利用率。通过与最小均方（Least Square,LS）信道估计方法的对比,可以明显看到导频数量的降低。     

卫星运动对压缩编码孔径光谱成像的影响

用于遥感光谱成像的光谱成像仪普遍存在信息获取慢、光子收集效率低、信噪比低或焦平面阵列大等问题,另外数据立方体庞大的数据量给数据传输造成了极大压力。为了从根本上解决这些问题,文章提出将压缩编码孔径应用于遥感光谱成像中,即压缩编码孔径遥感光谱成像。文章对卫星平台的俯仰、侧滚和偏航运动进行建模,然后利用此模型对成像过程进行仿真和重建,提高了成像品质。由于运动模型以及压缩编码孔径成像技术的引入,使得遥感光谱图像的压缩在成像过程中完成,从而大大提高了传统焦平面阵列的利用率,减小了数据传输的压力,减小了成像光谱仪的体积、质量与成本。     

基于预警卫星观测数据的弹道重构算法研究

地球静止轨道顶警卫星弹道重构是弹道导弹防御的一个重要环节，利用基于Stirting插值逼近的非线性KALMAN滤波方法，对凝视型弹道重构算法进行了研究。在对导弹动力学模型分析的基础上，建立了弹道状态方程组和观测方程组，并对滤波计算中的初值选取，参数变换进行了讨论。滤波计算中的初值选取所用的多项式拟合方法，可以进行扫描型弹道重构的实现，但精度不高。通过仿真计算，对算法的可行性进行了验证。     

FTS干涉信号延时补偿算法的仿真分析

基于干涉分光原理的傅里叶变换光谱仪通过将激光信号作为采样参考信号对干涉信号进行等光程差采样,然而动镜扫描不稳以及后续焦平面电路的差异会造成干涉信号与激光参考信号之间存在相对延时,导致数据的非同步性。随着多元探测器技术的快速发展,探测器信号路数急速扩展,目前广泛采用添加延时线的延时补偿方法需要大量硬件配置将不再适用。文章针对该问题提出一种延时补偿的软件实现方法,利用通过建模仿真得到的干涉数据完善了激光信号过零点获取、干涉数据重构等算法,并通过MATLAB进行了补偿原理的仿真分析。结果表明:通过该算法对干涉信号进行延时匹配重采样,可以将相对延时补偿到1μs以内,光谱复原度高于99%,可较好抑制动镜扫描不稳带来的光程差采样误差。用于高光谱遥感的后期数据处理,可有效提高光谱复原精度。     

基于压缩感知理论的合成孔径激光雷达成像算法

合成孔径激光雷达是一种主动式有源激光成像雷达,它具有远高于微波合成孔径雷达的成像分辨率,能够实现对远距离目标的精细成像。由于激光信号的带宽极大,普通的硬件设备难以满足奈奎斯特采样定理的要求。提出一种基于压缩感知理论的合成孔径激光雷达成像算法,该方法利用光外差方法探测回波信号,在此基础上通过对外差信号进行随机采样提取信号中的有效信息,使用正交匹配追踪算法实现对目标高分辨距离像图像的重构,最后结合频率变标算法得到目标的高分辨二维图像。仿真结果表明运用新算法对合成孔径激光雷达的回波信号进行采样,能使用远低于奈奎斯特定理所规定的采样率完成信号采样,并有效压低信号旁瓣,实现对目标的超高分辨成像。
     

基于低轨预警卫星测量数据的弹道重构与选星算法研究

在低轨天基预警卫星(STSS)24星构型配置条件下,对弹道导弹ICBM全程飞行过程中可见预警卫星数多于2颗,用最小二乘几何弹道一次定位及扩展卡尔曼滤波(EKF)算法,提出了基于观测噪声估计方差最小的可见星最优选星原则。仿真结果表明:与不进行选星方式相比,用该选星原则进行弹道导弹弹道重构计算可满足在最小限度占用监视预警卫星资源条件下,获得更高的弹道重构精度。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

基于变形力数据的结构件残余应力场重构方法

残余应力是引起零件加工变形和失效的重要因素,残余应力场的重构有助于消除和控制零件在设计、制造、评价和使用过程中的残余应力。针对已有方法难以准确重构残余应力场的问题,提出了一种通过零件加工过程中的变形力数据实现零件残余应力场重构的方法。该方法首先提取了由于材料去除引起的应力重新分布带来的装夹力变化数据,即变形力。残余应力到变形力之间通过协方差矩阵自适应进化策略(CMA-ES算法)反复迭代求解出映射关系,从而构建出零件的残余应力场,最后在仿真环境下对该方法进行了验证。验证结果表明:该方法能较好地预测残余应力场,重构出的零件的初始残余应力场与原始施加的应力场平均误差值约0.38 MPa,为零件残余应力场的重构提供了一种新思路。     

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。
     

用于并行压缩感知成像系统的观测矩阵优化算法

压缩感知理论为遥感空间超分辨技术提供了一种新的实现方式。其中观测矩阵决定着压缩感知的采样规则,设计和优化观测矩阵对于保证信号的重构品质具有重要意义。文章在并行压缩感知成像系统的基础上,提出了一种基于列独立性和互相关性的观测矩阵优化算法。算法通过正交三角分解增强观测矩阵的列向量独立性,再通过特征值分解和等角紧框架约束来降低观测矩阵与稀疏矩阵之间的互相关性。同时,文章还提出了一种基于阈值分割的优化方法,将观测矩阵转化为便于硬件实现的二值矩阵,在降低了硬件加工难度的同时,进一步增强了观测矩阵的效果,提高了优化算法的实用性。仿真实验证明,文章提出的优化算法相较于传统优化算法在峰值信噪比方面提升1～2 dB,具有更好地优化效果。