一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。     

美国计划发射地球同步轨道目标巡视卫星

美国空军航天司令部司令谢尔顿2014年2月21日披露,美军计划2014年底发射3颗地球同步轨道巡视卫星,执行空间态势感知任务,其中包括2颗“地球同步空间态势感知”（G-SAP）卫星和1颗“局部空间的自主导航与制导试验”（ANGELS）卫星。     

空地协同交通状态感知与应急指挥系统构建

交通事件发生的时间和地点具有不可预测性,不及时处理将会严重干扰交通流的正常运行.构建了基于空基的交通状态感知和应急指挥系统,并提出了系统建设的原则;研究了系统的体系结构,将整个系统分为信息采集层、网络传输层、安全管理层、应急指挥层4个层次.信息采集层主要通过空基、地基等多种手段获取交通信息;网络传输层处理各类网络通信数据包的存储和转发;安全管理层确保系统数据和传输的安全;应急指挥层实现统一接警、处警决策与协调指挥.实现了基于空基信息的道路轮廓特征和电子地图矢量道路的提取,以及航拍图像与电子地图的匹配,为辨识突发事件情况下的路段排队长度和车辆密度奠定了基础.     

美国“一箭三星”发射同步轨道空间态势感知卫星

2014年7月28日,美国空军从卡纳维拉尔角发射场,用德尔他-4M＋火箭以＂一箭三星＂方式成功将3颗高轨态势感知卫星送入近地球同步轨道,即2颗业务型高轨巡视卫星＂地球同步轨道空间态势感知计划＂（GSSAP）卫星和1颗技术试验卫星＂评估局部空间自主守卫纳卫星＂（ANGELS）。此次发射任务的成功标志着美国高轨空间监视技术走向成熟,高轨目标探测、跟踪和侦察能力快速提升,引起航天界高度关注。     

扩展的基于角色的访问控制模型

提出了一种扩展的基于角色的访问控制RBAC(Role Based Access Control)模型--RTBAC (Role & Task Based Access Control)模型.该模型在RBAC96模型之上引入了任务和任务实例的概念,形式化地定义了任务和任务实例的层次结构,界定了传统会话同任务实例之间的关系以及任务实例同权限之间的关系,并且提供了几种辅助函数.该模型可以更为自然地描述业务流程和访问控制策略,更适合分布式协作应用,特别是工作流和组合服务.基于该模型定义了一种新的动态职责分离约束--基于任务的动态职责分离约束,并且同传统动态职责分离约束进行了比较.该约束可以更准确地刻画访问控制相关的系统运行时上下文的范围,从而提高运行时访问控制的效率.     

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RIPless理论的层析SAR成像航迹分布优化方法

层析合成孔径雷达成像(TomoSAR)是通过同一观测区域不同入射角的多幅二维合成孔径雷达(SAR)图像在高程向进行孔径合成,从而实现三维成像。近年来,压缩感知(CS)被用于高程向稀疏场景的重建,高程向重建质量取决于观测矩阵的性质,而航迹分布是影响观测矩阵重构性能的重要因素。相比于度量观测矩阵重构性能的其他约束条件,RIPless理论具有有效、直观和计算简单等优点。提出了一种基于RIPless理论的压缩感知层析SAR成像航迹分布优化准则,从而在航迹数目一定的情况下,获取最优分布以实现高程向优化重建。最后,通过仿真和实验验证了所提优化准则的有效性。     

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

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。