基于块正交匹配追踪预处理的米波多输入多输出雷达测高方法研究

米波雷达具有很好的反隐身性能。多输入多输出(MIMO)雷达的波形分集具有高自由度特点,使MIMO雷达在检测和参数估计等方面具有更多优势,故米波MIMO雷达受到广泛研究。而测高是米波MIMO雷达最重要的问题之一。针对米波MIMO雷达测高问题,最大似然和广义多重信号分类方法是米波MIMO阵列雷达测高方法行之有效的算法,但其计算量大,工程中难以接受。该文提出一种基于块正交匹配追踪(BOMP)预处理的方法来降低计算量。首先对MIMO阵列接收数据稀疏化处理,然后通过数学操作将其变形至适合于BOMP算法的信号模型,然后利用粗栅格得到角度粗估计。并以此为初始值中心,取MIMO雷达波束宽度作为搜索范围。仿真结果表明该算法能有效降低搜索类测高算法的计算量。

基于前向预测策略的块正交匹配追踪算法研究

在块正交匹配追踪算法中,候选集匹配原子块的选择策略对信号重建具有重要作用,但是该算法在迭代选择原子块的过程中,每次选择当次最优迭代的原子块,并不能保证最终迭代性能是最优的。为此,提出一个基于前向预测的最优匹配原子块选择策略的块正交匹配追踪算法,通过预测原子块在未来迭代过程中的性能选择最优匹配的原子块。实验结果表明,与块正交匹配追踪算法相比,该算法的重建误差随前向预测参数的增大而减小。

多带正交压缩采样雷达回波信号的快速重构

多带正交压缩采样可实现多带模拟信号的亚Landau率采样,并同时获取每个子带同相和正交分量的压缩测量。对于多带雷达应用而言,恢复所有子带回波信号需求解多个大规模稀疏重构问题,计算量大、实时能力差。以探测同一场景的等带宽多带雷达为背景,在分析回波信号特征的基础上,揭示回波信号的块稀疏性,提出采用块稀疏重构模型恢复所有子带回波,发展块稀疏分段滑动快速重构方法。为了提高重构性能,对块正交匹配追踪算法进行了改进,提出了一个两步块正交匹配追踪算法。仿真结果验证了块稀疏分段滑动重构方法的有效性和正确性。

基于块稀疏恢复的高频雷达空间角谱和极化谱联合估计方法

高频地波雷达(high-frequency surface wave radar,HFSWR)中电离层杂波的存在,会极大地影响雷达系统的性能,降低对目标的探测能力.为了精确获得杂波参数,从而更好地抑制电离层杂波,提出了一种基于压缩感知(compressive sensing,CS)的单快拍参数估计方法,用于对电离层杂波的空域和极化域参数估计.该方法基于极化敏感阵列的块稀疏估计模型,应用块正交匹配追踪(block orthogonal matching pursuit,BOMP)算法实现距离-多普勒域的单快拍空间角度和极化参数联合估计,并进一步获得目标和杂波的空间角谱和极化谱.该方法适用于任意极化敏感阵列,在距离-多普勒域单快拍条件下,其估计性能优于传统方法,且计算复杂度极低,可以实现实时处理.仿真结果和某HFSWR系统实测数据处理结果表明了参数估计方法的有效性.

基于压缩特征的稀疏表示运动目标跟踪

为了应对目标跟踪中光照、遮挡、以及自身运动等因素的影响,采用积分图方法提取目标模板的haar-like特征,用满足有限等距条件(RIP)的随机稀疏矩阵对特征投影压缩,简化目标特征字典的构建;同时,在字典中融入背景信息,利用目标与背景的简单关系提高跟踪的精度;最后,利用块正交匹配追踪(BOMP)算法进行成块重构目标,加快了对稀疏表示的求解,增强了跟踪的实时性.通过实验发现,使用基于压缩特征的块正交匹配跟踪算法(CF-BOMP)能构建一个有效的目标外观模型,增强跟踪的稳定性,提高跟踪的实时性.

改进的BOMP算法在人脸识别中的应用

采用组稀疏表示分类方法时,同类样本同时参与对测试样本的表示,忽略了类内样本间的相关性。提出了一种改进方法,该方法在块正交匹配追踪算法基础上,将样本间的相干系数作为参数,设置适当的阈值,对每次选取的样本进行判别,剔除与测试样本相关性较差的样本,优化算法的重建性能。在Yale B和ORL的数据库上的实验表明,与原有方法相比,改进后的方法得到的识别率较高,实验结果证明了该方法的有效性。

基于结构化稀疏表示的海上船舶视觉建模与跟踪

海上船舶视频跟踪一直是视觉跟踪中的重点课题。通用的目标建模和跟踪算法不适用于海上船舶,为获得鲁棒的跟踪效果,论文结合稀疏表示的思想,首先通过不同角度复杂采样,建立了海上常见目标的基函数字典,并提出一种对字典及测试样本进行块稀疏向量生成的方法,将结构化稀疏表示算法与目标稀疏系数之间相互关联信息进行调整。在块之间相关性足够小的情况下,采用块正交匹配追踪算法,解决了适当条件下编码复杂性的最优化问题,并将论文算法首次应用于海战场目标识别跟踪,采用论文目标跟踪测试集进行测试,并与近期提出的效果较好的跟踪算法进行对比,对比实验表明论文提出的算法具有较好的鲁棒性和稳定性。

针对非格点参数的双基地MIMO雷达联合稀疏恢复

将稀疏恢复应用于雷达参数估计中,在保证估计精度同时,可大幅减少空时采样个数;但当目标参数不在格点时,估计误差会明显恶化。针对双基地MIMO雷达中不在格点的参数估计问题,引入联合稀疏优化方法,构建结构化误差矩阵和块稀疏向量。推导了进行参数估计的修正表达式,然后利用块稀疏算法求解,可有效提高稀疏恢复的精度。为解决计算复杂性,引入快速KCS稀疏恢复算法。仿真表明,在典型恢复场景下,可明显提高参数估计精度;同时计算时间节省1个数量级以上。

基于改进BOMP算法的水声信道估计

近年来,水声信道估计主要是基于稀疏模型展开。水声介质的非均匀性等使声线以簇的形式传播,导致水声信道展现出块结构稀疏特性。本文针对信道的块结构稀疏特性,在OFDM通信系统中,提出使用改进的BOMP算法进行水声信道估计。BOMP算法一次筛选1个最大相关块,改进的算法一次挑选t个非零块,算法重构时间将降低t倍。仿真结果表明:改进的BOMP算法误码率和重构时间要优于传统的LS、基于压缩感知的OMP算法;在不降低BOMP算法重构精度的前提下,将重构时间降低t倍。

基于稀疏表示的目标跟踪算法

为了解决目标跟踪忽视背景信息的问题,运用非常稀疏的矩阵对目标与背景样本提取低维Haar特征,并将候选目标在过完备字典中进行稀疏表示,用块正交匹配追踪的方式对稀疏表示进行求解,通过残差对目标作最大似然估计,提高跟踪效果。实验结果表明,在光照变化、遮挡、复杂背景等情况下,基于稀疏表示的目标跟踪算法具有较高的鲁棒性,且在跟踪速度上有所提升。

墙体参数模糊下穿墙雷达运动目标成像

针对墙参数模糊条件下运动目标成像速度慢、墙参数重建精度差等问题,提出了一种改进拟牛顿-粒子群优化(Limited Broyden Fletcher Goldfarb Shanno-Particle Swarm Optimization,LBFGS-PSO)算法,建立了LBFGS-PSO算法模型,解决了传统拟牛顿算法和粒子群算法计算速度慢、误差较大等问题。该算法与块正交匹配追踪(Block Orthogonal Matching Pursuit,BOMP)算法相结合不仅可以精确重建边墙位置,还能够准确地重建多径效应环境中的运动目标和静止目标,算法的计算速度和精度得到了一定程度的提高。仿真结果和数据分析验证了所提方法的性能。

基于块稀疏的频率分集阵MIMO二维参数估计

针对导向矢量时变导致频率分集阵列-多输入多输出(MIMO)雷达参数估计误差增大的问题,提出一种基于块稀疏的距离和角度参数联合估计方法.首先,就导向矢量时变性对参数估计性能的影响进行了理论分析;然后,通过公式推导证明了块稀疏理论在频率分集阵MIMO雷达参数联合估计中的适用性,并提出了基于块稀疏的参数联合估计方法,给出了参数估计的具体流程;最后,通过仿真对参数估计性能进行了分析.理论分析及仿真结果表明:基于块稀疏的参数联合估计方法可实现单次快拍下多目标距离和角度参数的联合估计,估计能力优于传统谱估计方法;在单目标和单快拍条件下,所提算法精度与二维ESPRIT和二维MUSIC算法相比,基于稀疏字典估计的参数精度优于两算法,而基于系数向量估计的参数精度介于两算法之间.