基于准Karhunen-Loève变换基的字典学习抗距离假目标干扰方法

[目的]波形分集技术是一种有效对抗距离假目标干扰的舰载雷达抗干扰的措施,但在强干扰环境下信号失配产生的较高旁瓣依然会影响雷达探测性能。因此,为了能够更好地抑制大功率距离假目标的干扰,提出一种基于字典学习的干扰消除方法。[方法]首先,建立与目标和干扰信号对应的初始化字典;然后,将选取的原子与初始化字典生成自相关矩阵模板,采用非齐次线性均方估计求得匹配系数,再通过模板与匹配系数分别构建目标和干扰对应的近似准Karhunen-Loèv变换基;最后,利用凸优化算法实现目标和干扰信号的分离与恢复。[结果]仿真试验结果表明,所提方法可以在干信比30 dB时有效对抗一个或多个距离假目标的干扰。[结论]相较于传统雷达波形分集技术,该方法在高干信比环境下依然保持良好的抗干扰性能,可用于舰载雷达对抗大功率距离假目标干扰。

无线密钥产生中的Karhunen-Loève变换去相关性研究

在通过公共无线信道生成密钥的过程中,信道特征序列之间的相关性不容忽视。相关文献提出,利用Karhunen-Loève变换完成特征序列的去相关时,具有较明显的敏感性[1-3]。本文对Karhunen-Loève变换的敏感性展开了进一步的分析,并提出了一种改进的Karhunen-Loève去相关算法来去除敏感性。在改进算法中,需要通过公开信道来传输额外信息,但所公开的信息可以被有效控制,使得窃听者获得的信息尽可能少。仿真结果表明,利用提出的改进方案可以有效降低密钥的不一致率。同时,本文采用简单的CASCADE协商协议对密钥进行协商,说明改进算法可以提高单位时间内生成密钥的长度。

环境激励下Karhunen-Loève变换与模态分解间的关系

Karhunen-Loève(KL)变换作为一种基于相关函数的最佳变换,在振动分析领域已经受到广泛关注。然而,该方法还缺乏清晰完整的模态解释。在空间几何上,振动分析中模态分解是振动响应信号在由振型构成的基底上的展开,KL变换是信号在由一组正交KL特征向量构成的空间中的投影过程。对环境激励下响应的KL变换与模态分解进行类比,探讨两者间的关系。结果表明:KL特征向量收敛于质量信息加权后的振型;KL特征值表征各阶模态的能量参与度;KL变换系数收敛于模态坐标。最后,通过仿真计算验证分析结论的正确性。

多光谱图像变换域统计量移位鲁棒无损信息隐藏

为了提高鲁棒无损信息隐藏算法容量,利用多光谱图像谱段间的相关性及其小波变换高频系数分块均值的稳定性,提出一种变换域统计量移位的鲁棒无损信息隐藏算法。首先,在光谱方向采用Karhunen Loêve变换(KLT)去相关,然后对得到的KLT本征子图像进行离散小波变换,将小波HH高频系数分块均值作为统计量,通过其直方图移位来隐藏秘密信息,最后将浮点数变换和像素溢出引起的误差嵌入含密图像中以便对恢复的载体图像进行误差补偿。实验结果表明:在图像质量和以往算法相当的情况下,该算法的隐藏容量增加了1倍,并且能抵抗噪声攻击;而与最新算法相比,在隐藏容量相同时,该算法抗JPEG2000压缩倍数平均提高23.9%,误码率平均降低了44.8%。

基于Karhunen-Loève变换和小波谱特征矢量量化的三维谱像数据压缩

提出了基于Karhunen Lo埁ｖｅ变换的小波谱特征矢量量化三维谱像数据压缩方法耍幔颍瑁酰睿澹?Lo埁ｖｅ变换 /小波变换 /小波谱特征矢量量化方法应用了Karhunen Lo埁ｖｅ变换的消除谱相关性优良性能 ,应用二维小波变换消除空间相关性 ,在小波变换域内应用二维集分割嵌入块编码和一维谱特征矢量量化对三维谱像数据压缩 ,获得较高的压缩性能。实验结果表明 :Karhunen Lo埁ｖｅ变换 /小波变换 /小波谱特征矢量量化编码比Karhunen Lo埁ｖｅ变换 /小波变换 /改进对块零树编码和Karhunen Lo埁ｖｅ变换 /小波变换 /快速矢量量化编码方法在同样压缩比条件下 ,峰值信噪比提高 2dB和 1dB以上 ,而速度提高了 1.5和 8倍 。

基于空间域压缩采样和谱域Karhunen-Loève变换的光谱成像与重构

光谱图像包含丰富的空间信息和光谱信息,能够为天基预警探测任务提供重要的信息支撑,但其庞大的数据量给硬件设备带来了极大的挑战。传统的基于奈奎斯特采样的"先采样后压缩"的处理方式不仅无法从根本上解决数据量庞大的问题,还会造成资源浪费;针对此问题,利用单波段二维图像的稀疏性和空间编码数据的谱间冗余,设计了一种基于空间域压缩采样和谱域Karhunen-Loève(KL)变换编码的光谱图像重构方法,并建立基于1范数和全变分约束的单波段二维图像复合正则重构模型,同时结合投影梯度法和软阈值收缩算子设计2D-CRPG模型求解算法。结果表明:基于空间域压缩采样和谱域KL变换编码的光谱图像重构方法能够有效降低数据采样成本,有利于天基预警探测光谱成像;2D-CRPG重构算法能够有效保留光谱图像的结构信息,从而在有限的采样率下较好地重构原始光谱图像。

煤与瓦斯突出强度的FOA-SVM预测模型与应用

为了能够对煤与瓦斯突出进行准确的辨识,本文提出将果蝇算法(FOA)与支持向量机(SVM)相结合的预测方法。首先通过Karhunen-Loève变换(K-L变换)进行特征提取,降低特征向量的维数,减小运算量;然后将经过K-L变换的样本作为FOA-SVM模型输入,通过果蝇算法全局寻优,自动搜索符合本预测模型最佳参数组合。通过对预测模型的训练与仿真表明:本文提出的方法具有设计实现简单,辨识精度高、推广能力强的特点,为煤矿灾害预测提供理论支持。

MIMO-OFDM系统中基于压缩感知的信道参数反馈方法

为了解决MIMO-OFDM系统中基于完全信道状态信息预编码所面临的反馈链路开销大的问题,提出将压缩感知技术应用于这种预编码的信道状态信息的反馈阶段。在接收端通过压缩感知技术对由信道估计得出的信道状态信息进行观测,将少量的观测值反馈到发送端,在发送端通过正交匹配追踪算法重构出完全信道状态信息。仿真结果表明,信道状态信息在KLT域的压缩感知性能明显优于DCT域的压缩感知性能,可以由反馈到发送端的少量采样值精确地重构出信道状态信息,降低了反馈链路的开销。

基于谱结构先验的高光谱图像受损谱段快速修复

本文在分析高光谱图像谱结构先验的基础上,结合经典Karhunen-Loève变换,提出了一种基于谱结构先验的高光谱图像受损谱段快速修复算法.该方法首先对高光谱数据进行分块分组,然后对同一空间块中相邻的两组数据分别进行KL变换,并通过相邻组自适应保留的几个最大特征值修复受损谱段.实验结果表明该方法简单易行,另外图像所包含的纹理和边界信息越丰富,恢复图像的质量越高.

一种色彩向量的降维表示方法

提出了一种依据人眼的颜色视觉机制对真彩色显微生物图像进行分割的色彩向量的降维表示方法。该方法将由红绿蓝三色彩刺激经Karhunen Lo埁ｖｅ变换得到的Ｉ1I2 I3 色彩空间中的I1强度信息摒弃 ,将色彩特征由三维I1I2 I3 色彩空间向量降维为二维I2 I3 色彩向量。并以此I2 I3 色彩向量作为图像的色彩表示特征 ,运用反向传播网络对真彩色显微生物图像进行了分割实验。实验表明该方法应用于分割真彩色显微生物图像时 ,与采用I1I2色彩向量的降维方法相比 ,可优化色彩表示特征 ,加快网络的收敛速度 。