带截断核范数子空间恢复问题的线性化自适应算法

该文将截断核范数应用到子空间恢复问题中,通过构造对应的优化模型,结合两步迭代算法、线性化技术、乘子预测步和自适应罚参数等技术方法,给出了一个求解该优化模型的算法.数值实验的结果表明该算法是可行且有效的.

基于低秩子空间恢复的联合稀疏表示人脸识别算法

针对阴影、反光及遮挡等原因破坏图像低秩结构这一问题,提出基于低秩子空间恢复的联合稀疏表示识别算法.首先将每个个体的所有训练样本图像看作矩阵D,将矩阵D分解为低秩矩阵A和稀疏误差矩阵E,其中A表示某类个体的‘干净’人脸,严格遵循子空间结构,E表示由阴影、反光、遮挡等引起的误差项,这些误差项破坏了人脸图像的低秩结构.然后用低秩矩阵A和误差矩阵E构造训练字典,将测试样本表示为低秩矩阵A和误差矩阵E的联合稀疏线性组合,利用这两部分的稀疏逼近计算残差,进行分类判别.实验证明该稀疏表示识别算法有效,识别精度得到了有效提高.

基于实数化的均匀圆阵矩阵重构方法

为了减小低快拍数和低信噪比下采样协方差矩阵误差,并降低其运算复杂度,提出了一种基于实数化的均匀圆阵采样协方差矩阵重构方法。针对均匀圆阵的特点,通过组建特殊的基向量,构成特殊的重构矩阵。通过将采样协方差矩阵实数化,进一步降低了重构矩阵的复杂度。考虑到多通道不一致性对重构矩阵的影响,引入0位校正算法,提高了重构方法的稳健性。最后应用重构后的协方差矩阵进行子空间类波达方向估计(direction of arrival,DOA)。实验仿真证明,该特殊重构矩阵在实数化下与原矩阵重构能力相同;当快拍数为100、信噪比为0 dB时,双信源分辨力较重构前由74%提高到95%以上;理论重构运算复杂度降低到原来的53.99%。