极稀疏投影数据的CT图像重建

从稀疏投影数据足够精确地重建断层图像,从而能够在显著降低计算机断层成像（CT）检查X-射线辐射剂量的前提下,提供充分适宜影像学临床诊断需求的重建图像。针对圆周扫描扇束投影的二维CT图像重建,提出了投影驱动的系统模型,并将CT迭代图像重建与压缩感知（CS）理论相结合,设计了一种CT迭代图像重建算法,且将算法扩展到圆周扫描锥束投影的三维CT图像重建。仿真实验结果表明:在极稀疏投影数据的条件下（[0,2π）范围内扇束/锥束扫描不超过20个投影角度）,算法数值精度高,计算复杂度低,内存开销少,有很强的工程实用性。      

基于低秩与稀疏分解的VideoSAR散射关键帧提取

视频合成孔径雷达(video synthetic aperture radar, VideoSAR)的超长相干孔径观测使得区域动态信息的快速浏览极其困难。为以机器视觉方式自动捕捉地物散射消失-瞬态持续-消失-瞬态持续-消失的关键帧变化全过程,提出了一种子孔径能量梯度(subaperture energy gradient, SEG)和低秩与稀疏分解(low-rank plus sparse decomposition, LRSD)相结合的VideoSAR关键帧提取器。提取器为系列性通用架构,适用于任何SEG和LRSD系列方法相结合的形式。所提技术首要针对同时单通道、单波段、单航迹等有限信息条件的解决途径,有助于打破应急响应场景中难以采集多通道、多波段、多航迹或多传感器数据的应用局限性。基于实测数据处理和多种先进LRSD算法进行了对比验证,其代表性散射信息的充分提取可促进未来快速地理解并浓缩区域动态。     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

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。     

无监督深度学习单目视觉里程计研究

针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题,提出了一种基于无监督深度学习的单目视觉里程计。首先,联合使用空间几何约束和图像相似性约束,得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络;然后,对密集光流进行采样,得到精确的稀疏对应关系,减少尺度漂移;最后,根据改进的ORB-SLAM初始化方法,选择最优跟踪方式,结合深度信息进行尺度对齐,从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验,结果表明,相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统,该算法在通用评估指标方面性能有明显提升,验证了该算法的有效性。     

频率不变宽带波束形成权重系数的稀疏优化

在基本的傅里叶变换频率不变波束形成(FIB)基础上,从减少抽头权重系数数量,降低FIB运算量角度出发,提出基于最小l0范数的抽头权重系数稀疏优化模型,并采用正交匹配追踪(OMP)算法来求解该优化问题。在高增益、等波纹、低旁瓣FIB方向图的要求下,所提出的优化方法使得稀疏率降低到3.53%,且能够保证稀疏优化后的方向图误差小于1%。接着进一步开展阵元数量的稀疏优化,有效地减少了阵元通道数,进一步降低了算法实现的硬件复杂度。仿真结果验证了所提方法的正确性和有效性。     

基于三维叶尖间隙的叶片裂纹动力响应特征分析与诊断方法

将裂纹叶片三维动力响应分析与参数识别方法相结合,分析不同裂纹叶片状态下三维叶尖间隙（3-dimensional blade tip clearance,3D-BTC）动力响应参量的信息熵特征,并利用稀疏滤波从不同参量信息熵分布中无监督学习叶片裂纹的多尺度动力响应特征,实现裂纹叶片在运行过程中响应变化特征的信息熵定量描述。在此基础上,利用支持向量机（support vector machine,SVM）的强非线性映射能力建立多尺度响应特征空间与状态空间之间复杂映射。经试验证实,所提方法能实现叶片裂纹损伤程度的定量诊断,达到100%的诊断准确率,远优于其他方法,且诊断结果稳定性好。     

Z-源稀疏矩阵变换器励磁的双馈风力发电系统

针对矩阵变换器电压传输比低和其励磁的双馈风力发电系统(DFIG)易受非正常输入波动影响的不足,提出了一种适用于DFIG励磁的Z-源稀疏矩阵变换器系统。利用Z-源的升压特性来提高电压传输比,检测电容电压实现对直通因子的自动调节,从而实现对网侧波动的自动抑制。建立了系统数学模型,推导了DFIG系统定子磁场定向矢量控制策略表达式,搭建试验样机对所提方案进行试验验证,在亚同步、同步、超同步三种发电状态下的波形和并网试验结果验证了方案的可行和有效性。     

基于多元KELM的发动机状态在线预测模型

针对当前飞机发动机状态预测过程中，不考虑相关变量状态变化，仅根据单变量历史时间序列对飞机发动机状态预测的问题，提出一种基于多元核极限学习机（KELM）的发动机状态在线预测模型。首先，通过多变量时间序列的相空间重构，将变量间的时间相关性转化为空间相关性；其次，通过研究KELM与核递归最小二乘法（KRLS）之间的关系，将KRLS扩展到在线稀疏KELM框架中；最后，使用近似线性依赖对样本进行稀疏化来控制网络结构的增长，最终实现多变量非平稳序列的在线预测。某型教练机的发动机飞行参数预测结果表明:满足在线预测要求的条件下，与KB-IELM、NOS-KELM、FF-OSKELM相比，模型KRLSELM将平均预测精度提高了90.61%、58.14%和25.77%，将预测稳定性提高了99.61%、75.03%和28.59%，具有更高的预测精度和稳定性；并且各方法均在多变量输入条件下获得最优的预测效果，验证了考虑多变量状态因素对单变量的在线预测具有重要意义。