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。     

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。     

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。     

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。     

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。     

高光谱图像压缩感知投影与复合正则重构

压缩感知理论提供了一种新的数据获取和压缩思路,能有效地把计算负担从编码端转移到解码端。高光谱数据具备数据稀疏性、空间相关性和谱间相关性,结合这3类先验知识,提出了一种基于复合正则化的高光谱图像压缩感知投影与重构方法。该方法的编码端只需要一个简单的投影操作;在重构算法实现中,基于变量分裂的思想,把具备多个正则项的优化问题转化成多个简单的优化问题,并用迭代方式求解。实验结果表明,本文算法在高光谱图像重构上能获得更高的峰值信噪比和更好的重构效果。该方法具备极低的编码复杂度,适用于资源受限的机载和星载高光谱成像平台。     

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。     

基于超导的重力梯度敏感线圈电磁特性分析

为了利用超导块体的完全抗磁性与敏感线圈的电感变化测量重力梯度,需要对敏感线圈的电磁特性进行分析.利用盘状超导敏感线圈产生磁场,首先分析单匝线圈在场点产生的磁感应强度,再通过叠加得到场点的总磁感应强度.选取设计参数对线圈外小间距范围内的磁感应强度进行计算可知,径向分量沿线圈径向保持稳定值,而轴向分量变化较大.质量块对总磁...     

一种基于超导的重力梯度敏感结构分析

 为了构建小型化全张量重力梯度测量系统,提出一种轴向分量与交叉分量同时敏感的基于超导的重力梯度敏感结构。基于螺旋理论分析两分量敏感结构的自由度,利用自由空间的运动螺旋系与互逆原理得到约束螺旋系,进一步得到具有冗余约束的对称约束构型,并选择柔性元件构建并联机构形式的两分量敏感结构,利用柔性虎克铰的横向与竖向柔性铰链实现等效球铰的功能。然后分析转臂质量沿轴移动与绕轴转动时柔性元件的变形,根据几何关系与功能定理得出两分量敏感结构的沿轴移动刚度与绕轴转动刚度。通过实际参数的计算,明确了各参数对结构刚度的影响,仿真结果验证了分析过程的准确性。     

子空间投影DOA估计算法分析及合成空间谱

 针对子空间投影波达方向（DOA）估计方法在非理想条件下性能下降的问题,提出利用加权信号子空间投影和噪声子空间投影获得合成空间谱的DOA估计方法。从不同空间投影矩阵的角度对多种基于特征分解的子空间投影DOA估计方法进行归类分析,在分析的基础上通过对信号子空间投影采用主特征值倒数加权,并与常规噪声子空间投影进行空间谱合成对多目标进行分辨。合成空间谱在低信噪比、小快拍数和非等强多目标条件下具有优良的目标分辨能力和稳健性。理论和统计性能分析表明其性能优于多重信号分类（MUSIC）和信号子空间模变MUSIC（SSMUSIC）方法,有较高的工程应用价值。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

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。