基于ROMP算法的压缩感知飞行数据重构技术

在飞行数据压缩的研究中,由于传统飞行数据压缩编码受到带宽限制,导致重构时飞行数据包含的有用信息量有限。提出一种采用压缩感知(CS)方法的飞行数据压缩重构过程,通过正则正交匹配追踪算法(ROMP)对压缩后数据重构处理。选用飞行数据中的瞬时垂直速率数据,对其稀疏表示压缩并测量。通过仿真比对不同压缩比、不同压缩分解层数下重构信号与原始信号的相对误差,获得包含高有用信息量的理想重构信号,为更广泛的应用飞行数据提供理论基础。

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。

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。

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。

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。

广义空间调制系统的正则化OMP检测算法

在广义空间调制(GSM)系统中,最大似然(ML)检测可以取得最优的检测性能,然而其计算复杂度随激活天线数的增加急剧增长。针对这一问题,提出了一种基于稀疏重构理论的低复杂度检测算法——正则化正交匹配追踪(ROMP)算法。该算法首先根据信道矩阵和当前残差的内积选取多个候选激活天线索引,接着对候选天线索引按正则化标准进行可靠性验证,剔除错误索引,缩小信号的搜索空间,最后通过求解最小二乘问题估计信号。仿真结果表明,与经典的正交匹配追踪(OMP)算法相比,所提算法以少许复杂度的增加为代价极大提升了检测性能,能够在检测性能与复杂度之间取得更好的折中。

改进的ROMP算法及其在医学图像融合中的应用

针对正则化正交匹配追踪(ROMP)算法在压缩感知(CS)重构中需预估稀疏度导致重构精度不稳定的问题,提出一种改进的ROMP算法。由于观测信号能够继承原始信号特征,在选择候选集原子过程中引入自适应弱选择标准,依据观测信号的信息量设定弱选择标准,实现稀疏度自适应调整。将改进ROMP的算法应用于CS框架下的医学图像融合,并提出一种结合观测信号结构相似度的融合规则,当待融合的观测信号之间结构相似度较高时,说明待融合的原始信号之间同样具有相似性,以两者信息量的加权作为融合规则。同理,当待融合的观测信号结构相似度较低时,选择信息量较大的观测信号作为融合后的观测信号。实验结果表明,改进ROMP算法的重构图像质量优于OMP、ROMP、SAMP等算法,其峰值信噪比(PSNR)提高了2~3dB。应用于医学图像融合时,得到融合图像具有较好的人类视觉特效,保留了源图像中大部分特征信息,可在较短时间内得到优质的融合结果。