基于FOCUSS算法的稀疏阵列综合

以最大稀疏化阵列得到所期望的方向图是稀疏阵列综合理论中的关键问题。由于阵列天线本身具有稀疏的物理特性,因此可将稀疏阵列综合归结为稀疏信号的重建过程。该文提出一种将阵列天线的波束形成问题等效为求解稀疏信号向量的最优化问题的方法,并利用FOCUSS算法快速准确地得到最大稀疏化的阵列,以及阵元位置和激励幅度。理论分析和数值仿真表明了该方法的有效性。

一种基于l_p模约束的FOCUSS迭代EEG源定位新方法

如何有效地从头表记录电位中准确定位脑电源的真实活动位置是神经认知脑功能研究中的一个关键问题.本文在FOCUSS算法迭代基础上,从脑神经活动的局部稀疏性出发,提出了一种新的脑功能成像方法.在该算法中,通过把稀疏性的lp模约束加入到修改的FOCUSS算法的迭代过程中,使算法可以有效地收敛于真实的稀疏源活动位置.利用该方法对随机系统、三层球模型及真实头模型确定的稀疏欠定系统进行了求解模拟实验,结果显示了该方法在求解欠定系统及EEG源定位时具有良好的稳健性.

基于K-TFOCUSS和自适应NLM3D的动态MRI重建

在动态磁共振成像中,采样时间过长既不利于对动态信息的获取也容易产生运动伪影。而传统的基于压缩感知(Compressive sensing,CS)的动态磁共振成像方法,具有重构算法慢,成像时间长等特点。基于此,将k-t FOCUSS(k-t Space Focal Underdetermined System Solver)和自适应非局部平均算法相结合应用于动态磁共振成像中,由k-t FOCUSS得到中等质量图像序列,再经过基于块的自适应非局部平均算法处理,最后得到的动态磁共振图像重建效果相较于单一的k-t FOCUSS重建效果更好。为了增加实验的对比性,还与k-t FOCUSS与ME/MC的结合算法做对比,经比较发现,提出的算法在保证重建图像质量的同时,计算时间更短。

基于k-t FOCUSS和自适应NLM3D的动态MRI重建

在动态磁共振成像中,采样时间过长既不利于对动态信息的获取也容易产生运动伪影。而传统的基于压缩感知的动态磁共振成像方法,具有重构算法慢,成像时间长等特点。基于此,本文将k-t FOCUSS和自适应非局部平均算法相结合应用于动态磁共振成像中,由k-t FOCUSS得到中等质量图像序列,再经过基于块的自适应非局部平均算法处理,最后得到的动态磁共振图像重建效果相较于单一的k-t FOCUSS重建效果更好。为了增加实验的对比性,本文还与k-t FOCUSS与ME/MC的结合算法做对比,经比较发现,本文提出的算法在保证重建图像质量的同时,计算时间更短。

惩罚参数及p范数对FOCUSS算法影响的仿真分析

FOCUSS是一种基于p范数约束的稀疏信号重构方法,是一种迭代加权最小均方算法,也是一种新的信号处理框架,在雷达、无线传感器网络、医学图像处理等众多领域均具有广泛应用,由于FOCUSS算法的重构性能既受惩罚参数的影响又受p范数约束的影响,因此本文拟通过仿真实验对各参数的影响进行深入剖析,以期为FOCUSS算法的最优应用提供技术参考。

基于FOCUSS改进算法的DOA估计方法

传统的DOA估计方法不能有效分辨相干源目标;稀疏重构方法能够处理相干源的DOA估计问题,但现有稀疏重构方法大都是针对无噪声或仅存在观测噪声系统提出的,估计性能有待提高。对于同时存在观测噪声和模型噪声的多观测量模型,提出了一种基于FOCUSS稀疏重构的改进算法,可鲁棒地处理相干源、非相干源的DOA估计问题,有效提高分辨力和估计精度等估计性能。给出了DOA估计的稀疏信号模型以及新算法的推导过程,仿真实验证明了新算法在与其他算法对比时的优越性。

基于似P范数FOCUSS的稀疏信号盲分离

把似P范数FOCUSS方法应用于稀疏信号盲分离中,采用k均值聚类算法来估计混合矩阵;然后利用似P范数FOCUSS方法来求解具有线性约束优化问题的稀疏源信号,从而给出了一种基于似P范数FOCUSS方法的稀疏信号盲分离算法。该算法计算量小,精度较高。仿真结果表明该算法是有效的,具有良好的分离性能。

阵列协方差矩阵与FOCUSS算法的DOA估计方法

传统的波达方向(DOA)估计方法往往受到Nyquist采样定理与"瑞利限"的限制,对快拍数、阵元数及信噪比等条件的要求较高,并且不能准确估计信号源的幅度信息。基于目标在空域的稀疏性,针对多维观测向量模型,提出一种正则化的FOCUSS稀疏重构算法,可以有效提高低信噪比条件下的估计性能。阵列接收矩阵快拍数大,含噪声信息多,对高分辨的DOA估计影响较大,而通过对阵列的协方差矩阵求高阶次幂的方法可以有效逼近信号子空间,减小噪声子空间的影响。以阵列接收数据的协方差矩阵作为待分解的数据向量构造稀疏模型,能够使重构信号具有较高的分辨率,对快拍数、阵元数及信噪比等条件的要求更低,对旁瓣抑制效果更好,能够较为准确地估计出信源的幅度信息,且不需要对信源数目进行预估计,体现出明显的优势。

基于FOCUSS改进算法的图像稀疏重构

分析分块压缩感知的基础上,提出了基于欠定系统局灶解法和L-曲线优化相结合的图像重构方法。利用灰度空间相关矩阵获知图像的纹理结构和优化块向量生成,噪声卡方分布设置拉格朗日乘子λ的阈值范围,采用4阶曲线拟合和最大曲率点拟合相结合方式确定λ的优化值,并设置双误差迭代停止方式来改进基础局灶算法。对比实验表明,基于L1范数最小化下的欠定系统局灶改进算法在无噪声和有噪声条件下都能改善图像重构,且性能优于传统的正交匹配算法和基追踪算法,同时该改进算法对不同图像具有一定的普适性。

基于FOCUSS的水中目标回波亮点高分辨提取方法

水中目标回波亮点空间分布是估计目标尺度、确定目标要害部位、目标识别分类的主要目标特性依据。分析了水中目标回波亮点提取的主要方法及其优缺点,针对提高水中目标回波亮点方位估计分辨率的问题,采用欠定系统局域解法(Focal Undetermined System Solver,FOCUSS)压缩感知信号处理方法估计目标回波亮点的方位分布,并与时域常规波束形成(Conventional Beamforming,CBF)方法、子阵最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成方法进行了比较。试验数据处理结果表明,FOCUSS压缩感知方法的回波亮点方位输出主瓣是"针形"的且无明显旁瓣,分辨率高于子阵MVDR、CBF波束形成处理结果。另一方面,FOCUSS压缩感知方法对信噪比的要求高,适用于良好信噪比条件下的回波亮点提取。

基于FOCUSS算法的LFM信号幅度估计可行性研究

LFM信号在超声测量中应用广泛,为提高LFM信号参数估计的准确度和精度,本文采用基于压缩感知理论的FOCUSS参数估计算法,并通过Matlab软件仿真验证得出FOCUSS算法能够有效实现LFM信号的幅度参数估计。

基于FOCUSS二次加权的DOA估计方法

针对-SVD、FOCUSS 等稀疏重构算法应用波达方向(DOA)估计时,存在或运算量大、或精度不高的问题,提出了一种基于 FOCUSS 二次加权的信号 DOA 估计方法。将传统 DOA 估计表述为稀疏表示的信号模型,通过贝叶斯理论推导目标函数的最优解及加权矩阵,并在迭代过程中对结果进行二次加权优化,进一步增强恢复结果的稀疏性,提高恢复性能。仿真实验证明了该方法的优越性:与其他稀疏重构方法相比,该方法恢复精度高、稳健性好、运算量低。

基于改进FOCUSS算法的电容层析成像算法研究

针对电容层析成像(electrical capacitance tomography,ECT)逆问题求解的病态性和不适定性,在压缩感知(compressed sensing,CS)的基础上,提出一种改进FOCUSS的ECT重建算法。采用离散余弦变换(DCT)基将原始图像灰度信号进行稀疏化处理,在使用正则化FOCUSS算法求解的过程中引入拟牛顿法逼近求解中间稀疏变量,以提高信号重构的准确性。仿真实验结果表明,同LBP、Tikhonov和Landweber和FOCUSS算法相比,改进的FOCUSS算法能够有效区分物场中的不同介质,改善图像过度平滑的问题,减小图像误差至0.23,提高图像相关系数至0.80,具有更好的成像效果,为ECT图像重建算法的研究提供新的思路。

基于阵列综合的M-FOCUSS、A^2RC及凸优化方法

阵列综合是微波天线领域一个重要的研究方向。本文就最近出现的三种较有代表性的阵列综合方法(M-FOCUSS、A2RC及凸优化方法)做了较为详尽和全面的概述。这三种方法有一定的代表性,某种程度上也反映了这一领域当前的发展方向,但在原理性的表述上更趋于数学化。因此,本文首先对每一种方法的原理和特性进行了较为清晰平易的梳理,以期更易于快速理解应用;另外,对每一个方法的性能效果也做了相应的对比说明,使得对方法的特点有一直观的理解。

The study of complex focussing acoustic field of a convex phased array probe used in ultrasonic diagnostic B-scanner

This paper reports a study of complex focussing acoustic fields of a convex phased array probe widely used in ultrasonic diagnostic B-scanner. The time delay necessary for electronic focussing and for geometric focussing of complex focussing is given. By means of Helmholtz's integral formula, the expressions of acoustic fields were obtained for the electronic focussing and complex focussing.With Simpson's numerical integral, a great deal of computations was carried out with an 86 / 330 computer. By means of using different parameters, an optimum focal range and beam width of a 4 sequences electronic and complex focussing acoustic system was selected. With an EUB-40 ultrasound diagnostic B-scanner produced by the Hitachi company, the lateral focussing acoustic field and lateral resolution in an echoic tank were photographed by latticing method and the experimental result is consistent with the theory.

基于稀疏贝叶斯学习的稀疏信号表示ISAR成像方法

作为一种新的稀疏信号表示算法,SBL(稀疏贝叶斯学习)方法没有BP方法的结构错误,也比FOCUSS方法具有少的多的局部最小点.ISAR成像问题可以转化为稀疏信号表示的问题,因此本文首次将SBL用于ISAR成像.真实数据的成像结果表明SBL是一种比BP和FOCUSS更有效的ISAR成像算法.

基于稀疏谱匹配的高分辨DOA估计方法

针对迭代加权最小二乘类稀疏重构算法性能易受过完备基条件数影响的缺陷,提出了一种基于稀疏谱匹配的高分辨DOA估计新方法.对过完备基进行奇异值分解,采用TSVD方法剔除较小奇异值对应的特征向量,获得一个良态矩阵,并用此矩阵替代的过完备基矩阵,采用lp范数约束正则化FOCUSS算法进行稀疏重构,解决了因网络划分过细造成的过完备基条件数过大带来的病态问题,并用粗、细两步网格划分来降低算法的复杂度.仿真结果表明,相对于MFOCUSS方法,本文方法不仅具有较低的计算复杂度,而且具有更高的分辨率和噪声鲁棒性.

基于压缩感知的正交频分复用信道估计方法

传统的信道估计方法未充分利用信道的稀疏性。利用信道冲激响应的稀疏特性,提出了将FOCUSS(Focal Underdetermined System Solver)压缩感知算法应用到信道估计中,从均方误差和正确检测率方面分别与传统最小二乘估计和正交匹配追踪压缩感知信道估计相比较。仿真结果表明,本文算法的均方误差较小,正确检测率较高,能够以较少的导频信号获得好的估计性能。

基于匹配追踪的ISAR超分辨成像方法

稀疏信号表示在与信号结构匹配方面具有很大的灵活性,可以用于逆合成孔径雷达(ISAR)成像。目前常用的算法基寻踪法和FOCUSS法都是并行算法,计算量很大。而匹配追踪法是一种逐步选取基函数的算法,计算量小。因而是一种更有效的成像算法。对于仿真和真实ISAR雷达数据,匹配追踪法得到的图像分辨率大大高于传统的傅里叶变换方法。故表明匹配追踪法是一种有效的ISAR超分辨成像方法。

基于L曲线的跳频信号重构正则化参数优化

研究了基于L曲线的跳频信号重构正则化参数的选取问题，对跳频信号的稀疏性进行了分析，采用L曲线对系统的最优正则化参数进行了选取．在此基础上，通过推广的正则化FOCUSS算法估计了跳频信号的稀疏表示．仿真结果表明，通过L曲线选取的正则化参数在推广的正则化FOCUSS算法下，能够实现跳频信号在噪声环境下的重构．