任意稀疏结构的多量测向量快速稀疏重构算法研究

目前的稀疏重构算法求解多量测向量时存在两个问题:一是计算复杂度高;二是不能实现任意稀疏结构的多量测向量重构.为此,本文提出一种多量测向量快速重构算法.该算法首先构建矩阵平滑零范数法,实现对具有任意稀疏结构的多量测向量的重构,并获得多量测向量的初始支撑集;其次根据稀疏度与量测维度的关系,对初始支撑集进行筛选获得预选支撑集;然后采用贝叶斯组检验方式得到信号重构所需的最终支撑集;最后通过最终支撑集实现信号的重构.该算法充分利用了矩阵平滑零范数法的高效性以及贝叶斯组检验对冗余支撑集的剔除功能,不但实现了稀疏位置随机变化的多量测向量的高效重构,而且保证了算法的精度,并对噪声具有一定的鲁棒性,基于实测数据的ISAR成像实验验证了所提算法的有效性.

基于线性Bregman迭代类的多量测向量ISAR成像算法研究

为实现目标回波数据稀疏时的快速稳健ISAR成像,该文在构建多量测向量ISAR回波模型的基础上,利用压缩感知(Compressive Sensing,CS)中的线性Bregman迭代理论,研究了基于线性Bregman迭代类的多量测向量快速ISAR成像算法。该类成像算法共包括4种算法,首先给出此类算法的整体迭代构架、应用条件以及4种方法之间的联系;其次对此类算法的重构性能、收敛性、抗噪性以及正则化参数选择等方面进行全面的比较分析;最后基于实测数据进行ISAR成像,实验结果表明,与传统单量测向量ISAR成像算法相比,该文算法在低信噪比条件下可在更短的成像时间内获得更高的成像质量。

多量测向量模型下基于贝叶斯检验的快速OMP算法研究

目前多量测向量(Multiple Measurement Vectors,MMV)模型的稀疏重构算法存在两个问题:计算复杂度高和当重构的支撑集存在冗余时无法有效剔除。为同时提高MMV模型的重构效率和重构精度,该文提出一种MMV模型下基于贝叶斯检验的快速正交匹配追踪(Fast Orthogonal Matching Pursuit based on Bayesian Testing,FOMP-BT)算法。首先,通过新原子组选和warm start求逆的思想来减少算法总的迭代次数以及每次迭代的运算量,以提高算法的重构效率;其次,利用贝叶斯检验的思想剔除冗余支撑集以提高重构精度;最后对所研究的算法从参数选择以及计算复杂度等方面进行了理论分析。仿真结果表明,所提算法具有重构精度高、速度快以及对噪声有较好的鲁棒性等优势。

多测量向量块稀疏信号重构ISAR成像算法

为实现有限脉冲快速逆合成孔径雷达(inverse synthetic aperture radar,ISAR)稀疏成像,利用ISAR目标块状结构特征,提出一种基于多量测向量(multiple measurement vectors,MMV)模型的块稀疏信号重构ISAR成像算法。首先,构建MMV稀疏成像模型,将ISAR成像转化为MMV块L0范数的稀疏重构问题。其次,选用负指数函数序列作为平滑函数去近似块L0范数,通过构建一个递减的参数序列,对平滑函数优化求解,采用梯度投影方法将所求解投影到可行解空间。最后,增加修正步骤,确保沿着最速下降方向对块稀疏信号优化求解。仿真结果验证了本文算法在成像时间和成像质量方面具有优势。

冲击噪声下任意稀疏结构的MMV重构算法

针对现有多测量向量(multiple measurement vectors,MMV)模型稀疏重构算法在冲击噪声背景下存在的鲁棒性不强、适用性不广等问题,本文提出了一种冲击噪声下任意稀疏结构的MMV模型(ASS-MMV)稀疏重构算法。该算法利用Lorentzian范数和矩阵平滑零范数正则化构造稀疏优化目标函数,建立冲击噪声背景下ASS-MMV重构模型;结合固定步长公式和具有充分下降性质的共轭梯度算法,在统一参数框架下并行重构,以提高算法收敛速度和运行效率。仿真结果表明:本文算法能够在冲击噪声背景下高质量的重构任意稀疏结构的MMV信号,对噪声具有一定的鲁棒性,并且收敛速度较快、计算开销更小。

一种快速复数线性Bregman迭代算法及其在ISAR成像中的应用

为实现具有任意稀疏结构的多量测向量(multiple measurement vectors,MMV)问题的快速重构.本文提出一种快速复数线性Bregman迭代算法(fast complex linearized Bregman iteration algorithm,FCLBI)并将其应用于逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像.首先,构建了任意稀疏结构的MMV信号模型并分析了其信号特征;其次,推导了复数条件下FCLBI算法的迭代公式用于重构MMV问题,将算法拓展到复数域使其更具普适性;然后,通过估计Bregman迭代过程中的停滞步长与感知矩阵优化相结合的方式减少迭代次数,从而可加快运算速度;最后,将算法应用于ISAR成像,进一步提高了稀疏恢复理论用于ISAR成像时的速度和抗噪性能.仿真和实测数据实验验证了算法的有效性.

任意稀疏结构的复稀疏信号快速重构算法及其逆合成孔径雷达成像

为同时提高压缩感知(CS)中任意稀疏结构多量测向量(MMV)模型的重构性能和重构速度,提出基于改进线性Bergman迭代(LBI)的任意稀疏结构MMV模型重构算法。首先给出了任意稀疏结构MMV模型,并对模型进行了分析,利用LBI实现MMV模型的二维重构;然后,通过设置预条件子的方法对感知矩阵的条件数进行优化,以通过提高收敛速度而提高重构速度,并从理论和仿真两个方面对算法的收敛性和运算量进行了分析;最后通过仿真结果表明,本文算法能够高质量地重构任意稀疏结构MMV模型,同时在重构速度方面具有明显的优势。基于实测数据不同信噪比(SNR)条件下的逆合成孔径雷达(ISAR)成像结果,验证了算法的有效性。