基于压缩感知稀疏分解的一维距离像目标识别

近年来对压缩感知理论的研究,进一步证明了信号的稀疏表示方法在信号压缩、特征提取等方面的有效性及巨大的应用潜力。作为信号处理领域的典型应用之一,雷达目标识别已有许多成熟的算法,其中一些基于高分辨距离像进行识别,但是这些方法大多忽略了高分辨距离像信号自身的稀疏特点。为此提出了一种基于压缩感知稀疏分解实现高分辨一维距离像目标识别的算法。此算法首先构建组合正交冗余字典,在满足信号表示准确性的情况下,兼有正交字典运算快捷的特点;然后,通过改进的分组匹配稀疏分解算法,根据距离像训练样本快捷地求取其类别字典;最后,基于类别字典对测试样本进行分类实现目标识别。仿真实验证明该目标识别算法简捷、识别率较高、抗噪能力强。

基于非正交傅里叶基的冗余字典设计

在压缩感知理论的稀疏表示过程中,通常选择正交完备字典实现信号稀疏表示.冗余字典比完备字典表现出对信号更好的适应性,常见的冗余字典直接由两个或多个正交完备字典级联而成.为了设计对信号具有更好适应性的冗余字典,改变原有正交完备字典,通过对正交傅里叶完备字典中的原子进行扩展、延时、混叠等一系列变换,设计出一种新的非正交完备字典.在此基础上,将该完备字典与单位矩阵级联构造了新的非正交冗余字典.以一维信号作为测试信号,研究了冗余字典的性能.仿真实验结果表明提出的非正交冗余字典比正交傅里叶完备字典具有更好的稀疏性能和重构性能.