压缩感知框架下基于ROMP算法的图像精确重构

在压缩感知框架下运用正则化正交匹配追踪(ROMP)算法进行图像重构时,迭代次数取值不合适会严重降低重构图像的质量。针对这一问题,提出了确定合理迭代次数的方法。将以往迭代得出的结果作为先验知识,获取具有不同稀疏程度图像块的最佳迭代次数,从而保证了整幅图像的重构质量。实验表明,该方法重构效果优于采用固定迭代次数的ROMP算法。

基于参数自修正的配电网故障定位数字孪生技术研究

配电网参数受天气条件和负载条件等因素影响会发生变化。由于传感装置安装有限、数据延时传输等因素,无法实时获得配电网准确参数,进而给传统故障定位方法的精度带来影响。针对以上问题,通过建立配电网数字孪生模型,基于配电网数字孪生模型的参数自修正技术,提出了一种定位模型随参数变化动态校正的配电网故障定位方法。同时,搭建了基于数字孪生服务器和实时数字仿真系统(real time digital system, RTDS)的数字孪生平台,实现了配电网实时的物理模型和数字孪生模型的同步运行。在算例仿真中,利用该数字孪生平台,验证了基于数字孪生技术的配电网故障定法方法。结果表明,该方法可在各类系统运行条件下实时修正配电网参数,显著提高配电网故障定位的速度和精度。

OFDM系统中基于弱选择ROMP算法的稀疏信道估计

为了解决实际OFDM通信系统中信道稀疏度未知的不足,提出将弱选择正则化正交匹配追踪算法用于估计稀疏信道。算法在不知晓信道稀疏度的情况下,对不同迭代残差与测量矩阵中原子的相关系数进行判定后,根据原子的弱选择准则灵活地确定出表示信道冲激响应的原子候选集,进而利用正则化原则从候选集中挑选出表示信道冲激响应的最优原子组,逐步实现精确重建。仿真结果和理论分析表明:与正则化正交匹配追踪算法相比,相同条件下改进算法可以获得更低的均方误差和误比特率;另外,算法无需将信道稀疏度作为先验信息,实用性更强。

基于MS-ROMP信号重构算法的欠定盲分离

为了提高最小支撑正交匹配追踪(least support denosing-orthogonal matching pursuit,LSD-OMP)算法的重构精度,缩短重构时间,改善算法性能,提出一种基于多重支撑的正则化正交匹配追踪(multiple support of regularization orthogonal matching pursuit,MS-ROMP)算法。由于LSD-OMP算法仅选择一些原子来定位支撑集,并且无法消除添加到支撑集中的错误原子,因此信号恢复精度降低并且重构时间增加。针对此问题,本文通过改进算法终止条件,引入多重支撑和正则化来改善算法性能,即通过设置阈值,剔除一些错误的原子,并组合一些支持集来定位最佳支持集,从混合信号中分离出源信号,从而更加精确的实现欠定盲源分离。仿真实验验证了该算法的有效性。

基于LANDMARC与压缩感知的双段式室内定位算法

鉴于已有室内定位算法定位精度与运算效率之间的矛盾,该文提出一种将LANDMARC区域定位与基于模拟退火优化正则化正交匹配追踪(SROMP)的压缩感知位置估计相结合的双段式定位算法(LANDMARCSROMP CS)。首先,利用LANDMARC定位算法快速锁定目标所在区域范围;在锁定的区域内,再引入压缩感知理论实现目标位置估计。此部分,首先根据锁定区域范围建立虚拟参考标签;然后由新型组合核函数相关向量机算法训练得到室内传播损耗模型,计算获得虚拟标签处接收信号强度值,构建测量矩阵;最后利用SROMP压缩感知重构算法求解出目标的位置索引矩阵,对索引矩阵中的位置相关点加权平均得到目标的位置信息。实验结果表明,所提定位算法平均定位误差为0.6445 m,算法运算效率相对较高,可以较好地满足室内定位的要求。

基于正则化正交匹配追踪的SAR层析成像

压缩感知框架下的合成孔径雷达(SAR)层析成像技术引起了人们的关注。压缩感知理论能在实际系统中基线数量和分布稀疏的情况下实现高度向的高分辨率聚焦,这是基于谱分析的成像处理方法难以实现的。提出将正则化正交匹配追踪(ROMP)算法应用于SAR层析成像中,仿真实验结果表明该算法能高分辨率的成像,接着探讨了被测区域目标数目对成像精度的影响,结果表明随着目标数目的增加,成像的误差越大,这些对进一步的SAR层析成像研究具有重要的理论意义。

超完备稀疏表示的图像超分辨率重构方法

为改善单帧退化图像的分辨率,提出一种基于超完备字典稀疏表示的图像超分辨率重构方法。该方法的核心是构建信号自适应的超完备字典对及计算图像关于对应字典的稀疏表示。为降低在训练过程中构建超完备字典对的复杂性,采用学习低分辨率字典而数值计算高分辨率字典的方法,待超分辨图像应用正则正交匹配追踪的稀疏表示算法求解关于字典的稀疏表示,并联合高分辨率字典实现超分辨率重构。实验表明,该方法与其他类似算法相比,字典训练和超分辨测试的速度都有显著提高,实验图像的峰值信噪比改善3.3dB,框架相似性提高0.09。本方法可应用于单帧模糊图像的高倍率的超分辨率重构,有效地提高了图像的分辨率水平。

基于OMP算法五维数据规则化技术

数据规则化技术是地震资料处理中的重要技术,它对改善地震数据的面元属性、提高地震资料的信噪比和成像质量有很大的优势。基于OMP算法五维数据规则化技术能综合利用三维地震数据的"纵向、横向、时间、偏移距、方位角"五个维度的信息,利用基于正交匹配追踪算法(OMP)实现数据规则化。与常规数据规则化方法相比,该方法规则化和插值更精确,解决了连片偏移处理中块与块之间覆盖次数不均造成的能量不均和偏移画弧问题。该技术在塔北隆起LG地震工区得到成功应用,新资料清楚地刻画出了奥陶系碳酸盐岩的潜山面,并能够更加准确地识别出奥陶系内幕孔洞型"串珠"储层特征。

不规则观测系统数据规则化及在相干噪声压制中的应用

压制相干噪声的方法通常基于两个基本假设:1相干噪声是线性的;2相干噪声与有效信号的视速度不同。但是实际地震资料往往不存在理想的相干噪声。基于上述考虑,提出一种基于局部数据规则化的相干噪声压制技术,通过在不规则观测系统局部区域利用五维插值技术求取最优解重构规则道集,让噪声满足相干的假设条件,从而实现更好的去噪效果。山地实际地震数据应用结果验证了该方法的有效性和实用性。

基于压缩感知的稀疏度自适应图像修复

压缩感知理论利用信号的稀疏特性,能够以较少的采样数据恢复出完整的信号。本文基于压缩感知理论,提出一种稀疏度自适应图像修复算法。有别于传统的图像修复方法,本文首先根据大量样本数据进行K-奇异值分解(K-SVD)字典训练,用训练得到的超完备字典取代正交基函数;然后根据图像的退化模型对感知矩阵加以约束;最后针对二维破损图像稀疏度未知问题,在重构阶段提出了一种稀疏度自适应正则化正交匹配追踪算法(SA-ROMP)实现破损图像修复。本文引入的超完备字典能够自适应地根据训练样本进行特征提取,具有更强的稀疏表示能力。重构阶段的SA-ROMP算法在迭代过程中利用logistic回归函数获取阈值,再通过阈值对残差与感知矩阵的相关系数进行判定,能够自适应选择原子候选集的个数。图像修复实验结果验证了本文算法的可行性,并且修复效果明显优于其他同类算法。

基于过完备字典的缺失振动数据压缩感知重构算法

针对振动数据采集过程中由于设备短路或环境变化等诸多因素导致的数据丢失问题,提出了一种基于过完备字典的缺失振动数据压缩感知重构算法。首先利用K-奇异值分解算法对大量振动数据进行字典学习得到过完备字典,然后构建缺失振动数据的采样矩阵作为压缩感知框架下的测量矩阵。最后利用正则化正交匹配追踪算法完成缺失数据的重构。通过振动数据库数据和实测航空发动机振动数据实验表明,所提算法优于传统基于离散余弦变换和离散傅里叶变换的数据修复算法,同时具有一定的鲁棒性。

结合菲涅尔理论的免携带设备定位研究

针对免携带设备定位DFL(Device Free Localization)精度低,近距离定位目标不易区分等问题,提出了一种结合菲涅尔理论的定位估计方法。该方法首先通过无线层析成像RTI(Radio Tomographic Imaging)原理,粗定位出人体目标位置,其次计算环境参量,划分限制区域,考虑肩宽、头宽等具体人体参数,对限制域中满足菲涅尔理论的位置点进行拟合加权,实现精确定位;在出现近距离目标时,对比人体参数的实验值与理论值,判断是否为多目标。实测数据下的定位仿真结果表明,与传统的RTI方法相比,该方法在定位的准确度上提高了30%,同时实现了近距离目标数目的判决。

一种基于RAMP算法的OFDM稀疏信道估计方法

针对OFDM稀疏信道估计需要信道稀疏度作先验条件的不足,将正则化自适应匹配追踪(RAMP)用于信道重建,可在信道稀疏度未知的情况下,自适应地调整候选集原子的个数,并利用正则化过程实现支撑集的二次筛选,逐步扩大支撑集,准确地估计出信道的冲激响应。仿真结果表明,该方法收敛速度快,估计效果好,有较好的应用价值。

压缩感知框架下基于K-奇异值分解字典学习的地震数据重建

针对地震勘探中由于采集成本及采集环境等诸多因素导致地震数据不完整或者不规则问题,本文提出了一种压缩感知框架下基于K-奇异值分解(K-SVD)字典学习的地震数据重建算法。基本思路是首先对大量地震样本数据进行K-SVD字典训练得到超完备字典,然后引入缺失地震数据的采样矩阵作为测量矩阵。在重建阶段则采用正则化正交匹配追踪(ROMP)实现缺失地震数据的恢复。与传统的基于Curvelet变换或基于傅里叶变换等地震数据重建算法采用单一基函数不同,本文引入的超完备字典能够自适应地根据训练样本数据进行特征提取,并能根据待处理数据的本身特点自适应选取变换基函数。超完备字典为地震数据自适应稀疏扩展提供了更大灵活性,有利于更好地重建数据。合成地震数据以及实际海洋数据重建实验验证了本文算法的可行性及有效性。

一种改进的用于稀疏表示的正交匹配追踪算法

稀疏表示理论在军事目标识别、雷达目标参数估计等领域应用越来越广,而目标信号的稀疏表示通常不唯一,因此产生了大量的稀疏表示算法。本文基于现有稀疏表示算法的研究,提出一种改进的正交匹配追踪(OMP)算法。首先采用非线性下降的阈值更快速地选择原子,确定备选原子集,提高了算法速度;其次用正则化的二次筛选剔除备选原子集中能量较低的原子,保证了算法精确度;并设置迭代停止条件实现算法的稀疏度自适应。实验结果表明,本文算法可以实现稀疏表示求解精确度和速度上的平衡,求解速度比基追踪(BP)算法快,精确度比OMP、正则化OMP(ROMP)、基于自适应OMP回溯(BAOMP)算法高。

基于基扩展模型的改进正则化正交匹配追踪V2X 快时变SC-FDMA信道估计

为了进一步提升车联万物(V2X)的通信性能,首先根据信道冲激响应的稀疏性建立了适用于高速移动场景的基扩展模型(BEM);其次,证明了BEM系数具有稀疏性,将信道估计问题转化为稀疏信号重构问题,进而提出基于BEM的改进正则化正交匹配追踪(iROMP)迭代稀疏信道估计算法(简称为BEM-iROMP算法)。所提算法通过iROMP获取BEM系数,利用反馈结果不断迭代以达到最优信道估计。仿真结果表明,与最小二乘法、线性最小均方误差和BEM-LS信道估计算法相比,所提算法能够有效提高V2X快时变信道下单载波频分多址系统的归一化均方误差和误码率性能。

一种压缩感知下的NSCT-Zernike的鲁棒数字水印方案

为了达到水印抗几何攻击鲁棒性高的要求,提出一种在压缩感知下的非下采样轮廓波变换结合伪Zernike矩的鲁棒数字水印方案.利用非下采样轮廓波变换对载体图像进行三层分解提取其低频分量,通过一维离散小波变换对低频分量进行稀疏化以获取稀疏基,构造稀疏基的测量矩阵,并对其进行压缩感知处理得到新的低频分量,计算其Zernike矩,通过量化调制正则化伪Zernike矩幅值的方式将水印信息嵌入.利用正则化正交匹配追踪算法进行图像压缩感知的重构.仿真与实验分析表明,当峰值信噪比达到40 dB以上时,本文算法提取水印的NC值和误码率较为理想.

改进的回溯正则化自适应匹配追踪算法及应用

针对压缩感知重构时存在的回溯过度问题,研究了一种改进的回溯正则化自适应匹配追踪(IBRAMP)算法。首先,利用自适应阈值随机地进行原子选取,并通过回溯剔除错误原子的方法来提高重构的正确率。其次,在回溯的同时,通过更新剔除原子序数对应的观测矩阵列来避免回溯过度问题。最后,对观测矩阵进行归一化处理,减少重构时间。实验结果表明,该算法在具备更高成功重构率的同时,能够大幅度减少重构时间。将其用于实际故障轴承信号的重构中,重构结果无论在时域还是在频域中,都能准确地反映实际轴承故障信号中的故障特征。

一种基于压缩感知的放大器模型改进简化方法（英文）

提出一种用于功放行为建模的改进算法,这种算法结合了正则化稀疏自适应匹配追踪(RAMP)算法和正交匹配追踪(OMP)算法的优点,通过对这两种算法的两个原子索引集的处理,得到了交集和补码集,并且在交集中的正确的原子指数包含了很大的索引概率。该方法通过从补充集中优化选择最正确的补原子,然后结合带有交叉点的最正确的原子指数得到最终的指数集。该方法可以大大降低丢失正确的原子的概率指数得到更准确的重构信号。仿真结果表明,在高稀疏度的前提下,所提出的算法能得到高精度的重构信号,且运行时间也可降低到合适的水平。

压缩感知时频双选信道估计

高速移动下的无线宽带通信要经历时间和频率的双选择性衰落,为了使发送的数据经过衰落的信道后在接收端被正确地接收,必须要对信道状态信息进行估计。本文根据双选信道在时延-多普勒域具有稀疏性,研究了OFDM系统中基于压缩感知的双选信道估计。为了克服信道的双选特性对信道估计造成的不稳定性,采用了正则正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)算法对信道进行估计。理论分析和仿真结果表明,与传统的最小二乘算法比较,在获得同样估计性能的条件下,采用ROMP算法和OMP算法需要的导频数大大减小;而且采用ROMP算法的信道估计要比OMP算法更加稳定,在同等条件下信道估计性能更好。