基于凸优化的反卷积相干目标识别算法

为提高反卷积声源成像算法目标识别性能,改善其对相干目标识别效果不理想的问题,提出基于凸优化的反卷积相干声源识别算法。该算法利用阵列接收信号与导向向量共轭转置相乘得到波束输出,去除互谱操作,避免忽略互谱矩阵交叉项中的相干声源信息;其次建立波束输出、目标分布与点扩散函数线性方程组,利用凸优化方法实现目标源强的高精度求解。通过模拟仿真和实验表明:提出的基于凸优化的反卷积相干目标识别算法能有效提高反卷积目标成像算法空间的分辨率和动态范围,在识别相干目标方面更具优势。

基于卷积—反残差和组合注意力机制的航天器多余物检测

航天器密闭电子设备内腔多余物给航天器飞行安全带来了巨大隐患。由于多余物体积小、与设备内常规组件形态结构相似且易被其他组件遮挡,采用现有的方法对其进行检测时误检、漏检频发。为解决上述问题,提出一种基于卷积—反残差和组合注意力机制的航天器密闭电子设备多余物检测网络RPDN。首先,网络通过构建卷积—反残差模块,保证了多余物细粒度特征的完整性;其次,设计组合注意力机制,增强了多余物特征的表征能力;最后,结合多尺度特征融合模块与目标检测层从多维度进行目标预测。实验结果表明RPDN在各项评价指标上均取得了良好的效果,mAP达到92.16%,检测效率达到了13FPS,实现了航天器密闭电子设备内腔多余物高效、精准检测。

利用盲反卷积和混沌振子增强船舶辐射噪声解调线谱

针对经典解调方法中心频率、带宽选择困难和解调线谱受带外噪声干扰难以分辨等问题,提出采用盲反卷积和混沌振子方法抑制带外噪声,增强船舶噪声解调线谱。该方法通过Duffing振子预检宽带船舶噪声低频弱周期信号,随后将相应频率作为最小噪声幅值比反卷积(MNAD)方法的先验参数,利用MNAD方法自适应搜索解调频带得到可清晰分辨的高信噪比解调线谱。仿真和实测数据分析表明,该方法较经典解调方法和其他盲反卷积方法,可获取更佳的中心频率和滤波带宽,所得解调线谱的窄带信噪比DF值最高。

基于反卷积的双线阵聚焦波束形成被动定位方法

为了提高双线阵聚焦波束形成在阵元数少或频率低时的定位精度,文章研究了一种基于反卷积的双线阵聚焦波束形成被动定位方法。首先在测量区内对双线阵接收信号进行球面波补偿,给出噪声源分布的声图信息。然后根据阵型的参数,计算双线阵的指向性函数。最后利用一种适用于移变阵列的二维扩展R-L反卷积算法,对声图波束输出和双线阵的指向性函数做反卷积,求解基于反卷积波束形成的源的分布。该方法旁瓣更低,分辨力更高,有效提高双线阵聚焦波束形成的定位精度和左右舷分辨能力,为后续的减振降噪、噪声检测等工作提供了参考。

极坐标系快速反卷积高分辨声图测量方法

二维反卷积声图测量中点扩散函数(PSF)的二维移变性导致算法计算量较大,为此提出了一种极坐标系下方位、距离分离降维处理的快速反卷积声图测量方法。该方法将二维移变反卷积运算转换为两次一维反卷积运算,同时利用方位维反卷积具有近似一维空域移不变特点,采用移不变模型进行计算,仅对距离维进行一维移变反卷积运算,从而减少算法的PSF存储空间和计算量。仿真和实验数据处理结果表明,所提方法显著降低了计算量,且与原二维移变模型反卷积声图测量方法的性能相近。

新型窗函数适配的热障涂层太赫兹盲反卷积方法

热障涂层太赫兹信号严重混叠导致反射峰辨识困难,降低了厚度测量精度。为此,提出了新型窗函数适配的盲反卷积方法,通过增强窗函数与脉冲特征的相似性,提高反卷积信号的重建精度。首先,基于解析模型探究了热障涂层太赫兹反射峰特征,应用互相关理论与群智能算法构建新型窗函数,提升了其与波形相似性,据此设计有限脉冲响应(FIR)滤波器消除信号混叠。然后,提取前3次回波获取飞行时间与折射率计算得到陶瓷层厚度,利用Kirchhoff近似表征陶瓷层表面粗糙度影响,修正折射率,降低了测厚误差。最后,通过实验验证了方法的有效性。结果表明,相较于频域小波反卷积和最大相关峰度反卷积,本文方法折射率测量精度分别提升76.32%、83.51%,厚度测量精度分别提升76.20%、89.67%。

联合通道随机关闭和反卷积的水平阵波达方位估计

针对阵元位置失配时反卷积常规波束形成方法会在旁瓣位置产生能量较高的伪信号特征的问题,提出了一种联合通道随机关闭和反卷积的水平阵波达方位估计方法,计算不同方向的加权向量时在阵列孔径不变的前提下随机关闭一定数目的阵元。该方法能保持点传播函数字典矩阵在对角线附近的结构不变,在矩阵其他区域引入噪声,从而抑制伪信号特征的产生。仿真实验证实,在可工作范围内,该方法相比于反卷积常规波束形成能大幅抑制背景能量,显著提高目标信号峰值背景对比度。此外,利用SWellEx96实验数据进一步验证了该方法抑制背景能量和实现目标信号检测的优良性能。

多目标水声信号的稀疏重构反卷积测向算法

针对浅海复杂定位环境下信噪比低、多信源目标方位估计分辨能力低的问题,文章提出了多目标水声信号的离格稀疏贝叶斯学习重构反卷积测向算法。首先,该算法利用维纳滤波反卷积算法对阵元接收的信号进行“去噪”处理,然后对信号数据进行奇异值分解,从而降低噪声和信号重构过程的计算量;再建立离格稀疏信号模型,通过贝叶斯学习算法得到最大后验概率;最后求出多个目标信源的波达方向估计值。文章所提算法通过使用维纳滤波反卷积超分辨算法,获得了更高的方位估计的分辨率,提高了对多个目标的检测性能。仿真分析和海试实验数据结果表明,与MUSIC算法和OGSBI算法相比,该方法在信噪比大于-8 dB时,方位估计的均方根误差在1°以内,并在多目标定位精度、算法鲁棒性以及运行速度上均有更优的性能,为水下多目标波达方向估计提供了参考。

增强的最小相关广义Lp/Lq范数反卷积在旋转机械故障诊断中的应用

用于提取滚动轴承故障周期冲击特征的最小相关广义Lp/Lq范数反卷积(MCG-Lp/Lq-D)存在对先验周期参数的精确度要求过高的问题。因此有必要提出一种新的周期估计方法-具有约束的自适应周期估计(APEC),该方法可以在强噪声条件下依然能够稳定的给出周期信息的真实估计或其近似值,随后将APEC引入到MCG-Lp/Lq-D构造了新的盲解卷积算法EMCG-Lp/Lq-D,该方法不仅能在强噪声条件下通过APEC自适应调整故障周期,同时还继承了MCG-Lp/Lq-D对噪声和异常值鲁棒的特点。由于APEC是一种需要先验周期(不要求精确周期)指导的周期估计方法,这使得其在低信噪比(SNR)条件下具有更好的鲁棒性来估计故障周期,从而使EMCG-Lp/Lq-D的运用范围相较于MCG-Lp/Lq-D的更广泛。最后,仿真和实验验证了EMCG-Lp/Lq-D的有效性和优越性。

反卷积峰值能量检测算法

在被动声纳对宽带接收信号的处理过程中,常规波束形成器存在波束较宽,方向分辨率低,输出信噪比低等问题,进而导致信号源的方向估计不准确。论文针对常规波束形成器的上述问题,提出了反卷积峰值能量检测算法(Deconvolved Peak Energy Detection Method,DPED)。该算法通过对常规波束形成器的输出进行反卷积计算,提高了输出信噪比,优化了常规波束形成器的空间谱显示。文章讨论了反卷积波束形成的基本方法,给出了反卷积峰值能量检测算法的基本实现流程。通过仿真验证了该算法的有效性。

融合残差反卷积的图像分割算法研究

针对FCN算法在处理复杂场景时出现误分割问题,本文提出一种融合残差反卷积的图像分割算法RDM-FCN。在编码器部分,采用VGG16网络来提取图像特征;在解码器部分,通过构建残差反卷积模块和引入残差连接,以增强跨层特征的传递。通过采用交叉熵损失函数,提升模型的分割精度。测试结果显示,本文算法与FCN算法相比较,准确率提高了0.0347,平均交并比提高了0.0215,平均像素准确率提高了0.005。实验结果表明,本文算法的分割精度较高,能够较好地保留物体边缘和细节部分的信息。

深海垂直阵直达声区目标反卷积定位方法

深海声源定位的常规方法通常是利用水听器阵列接收声源信号的多途到达信息与仿真结果进行匹配实现定位。针对常规方法难以直接提取相近多途到达角的问题,提出了一种基于反卷积的深海垂直阵水下目标定位方法。该方法采用自适应迭代的频域Richardson-Lucy算法对深海声源目标多途到达角进行直接估计,通过匹配声场到达角特征模板实现测距与定深。仿真和实验结果表明,该定位方法比常规方法有着更高的定位精度与适用性,并且具有较高的计算效率。

基于小波去噪和反卷积的光声成像优化算法

光声成像因兼具光学成像高对比度和超声成像高分辨率的优点而成为一种被广泛关注的无损成像技术。针对时间反转光声成像过程中存在的噪声污染和脉冲响应影响问题,通过建立光声压数据采集模型,将光声压数据的小波软阈值去噪和反卷积计算相结合来去除光声压数据中的噪声和脉冲响应影响。反卷积计算时设定可调节参数,使计算结果随着光声压的傅里叶系数大小不同而调整,从而进一步提升重建光声图像的质量。仿真实验结果表明,改进的时间反转光声成像算法,能有效减少重建光声图像中的噪声和伪影,明显提高重建光声图像的可视效果。

多元多通道反卷积模型中小波估计的相合性

针对一类多通道反卷积模型中多元信号的估计问题,利用傅里叶分析、加权求和与小波投影方法,构造了线性小波估计器。在不假定未知信号光滑性的条件下,证明了上述小波估计器在普通光滑、超光滑2种情形均满足平均L^(p)(1≤p<∞)相合性。该结论为研究小波估计器的收敛阶提供了理论支持。

基于稀疏自编码器的细胞类型反卷积模型SMCTD设计与实现

单细胞RNA测序已成为研究生物学重要特征的强大高分辨率工具。然而,其测序条件苛刻,价格成本高昂。目前细胞类型反卷积能够很好地解决这些限制问题,SMCTD(Sparse Model Cell Type Deconvolution)使用稀疏自编码器优化TAPE(Tissue-AdaPtive autoEncoder),使其在直肠癌和PBMC模拟数据上预测细胞类型比列具有更高的灵敏度、准确性和整体性能,同时在预测细胞类型特异性基因表达上表现更优。

结合TSVD正则化和离散反卷积的电压行波精确检测方法

为解决行波传感器传变过程中的衰变及噪声干扰等因素影响而导致的电网一、二次侧行波波形不一致问题,提出一种结合截断奇异值分解(TSVD)正则化和离散反卷积的电网故障电压行波精确检测方法。该方法选择集中参数传递函数模型构建电压行波传感器的正演模型;然后利用反卷积原理建立行波反演模型;针对行波波形反演过程中产生的病态问题,提出结合TSVD正则化理论的波形反演方法,实现电网故障电压行波的精确检测。仿真分析表明,该检测方法能够实现二次行波信号的精确反演,反演一次行波信号波形特征可以反映真实的故障波形特征。

一种线列阵反卷积波束形成高分辨算法

传统的水声阵列波束形成方法在非声源方向存在旁瓣,直接影响目标的检测精度。本文针对波束形成中旁瓣抑制问题,在常规波束形成中引入反卷积算法,提出一种基于反卷积的高方位分辨算法。将常规波束形成作为一个线性系统,由均匀线阵的波束指向性出发,利用Richardson-Lucy迭代求解点声源散射函数,以常规波束形成输出结果作为系统的输入,与声源点散射函数相卷积,抑制阵列指向性函数对输出的影响,缩窄主瓣,抑制旁瓣。在此基础上给出纯净目标辐射噪声的提取方法,归纳总结算法流程。仿真结果表明,反卷积波束形成算法能够实现多目标的调制谱分离,具有更优的多目标角度分辨力,有效提高目标检测性能。

基于反卷积算法的超声图像优化方法

超声成像技术因其无侵入、低成本、快速、可便携化的特性,成为医学成像领域的一大研究热点.然而,受限于声波的传播特性、成像算法的弊端以及硬件发展,超声图像存在成像深度小、大量伪影、分辨率低等问题.针对超声图像中的目标混叠和分辨率低下问题,提出了一种基于信号处理的超声图像优化方法,通过反卷积算法对超声探头采集到的原始信号进行处理,再将处理后的信号按照延时求和成像算法重建为图像.提出的方法可以减轻信号间的混叠,最终减轻图像中的混叠,令图像中原本难以辨认的微小结构和细节信息得以展现.通过仿真和实验证明,经过处理后的信号所重建的图像质量优于原始信号所重建的图像,验证了提出的信号处理方法的有效性.

分数阶反卷积的高分辨力目标亮点提取

提出了一种采用分数阶反卷积的目标亮点提取方法对目标亮点进行高分辨力提取。该方法依据分数阶域卷积公式,引入反卷积理论去除窗函数的影响,实现了时频域去模糊,提升了时频分辨力。仿真和实验数据表明,基于反卷积的短时分数阶傅里叶变换对线性调频信号的频域分辨力高于分数阶傅里叶变换,可提高时频域上检测线性调频信号的性能。从而实现时频域上目标亮点的高分辨力提取,提升目标亮点间时延差的估计精度。与传统方法相比基于分数阶反卷积的目标亮点提取方法具有更高的分辨力,且对混响有一定的抑制作用。

多级精细化反卷积点云补全网络

点云作为三维对象的一种重要表示方法,已被广泛应用于机器视觉和计算机视觉等领域。然而由于扫描设备和外界复杂环境因素的影响,通过传感器采集到的目标物体的3D点云形状往往是有缺陷的。目前,大多数基于点云表示的形状补全网络通常都是经过一个简单的编码器-解码器(encoder-decoder)结构通过提取全局特征来预测完整点云形状。这不仅忽略了局部几何信息的重要性,同时会破坏原始输入点云的几何结构,造成位移损失。为了解决上述问题,提出了一个多级精细化反卷积点云补全网络。网络模型主要包含两部分:粗糙完整点云的生成和完整点云的平滑。通过一个包含反卷积操作的编码器-解码器网络只预测部分点云的缺失区域,将其与输入拼接得到粗糙的完整点云。通过将粗糙完整点云经过第二个基于注意力机制的编码器-解码器网络生成一个分布均匀的完整点云模型。在ShapeNet-Part数据集上进行的大量实验表明:不论是在量化还是可视化实验结果中,提出的网络模型都能取得更加理想的结果。