三对角托普利茨矩阵族性态的一个判定算法

给出三对角托普利茨矩阵族{Tn}为良态、弱良态判定准则和算法.

双基地MIMO雷达强相关目标的DOD和DOA估计

当双基地多输入多输出雷达的多个目标反射的信号具有相同的多普勒频率和反射幅值时,直接采用谱估计类算法或者旋转空间不变法均无法准确估计强相关目标的波离方向和波达方向。为解决以上问题,先建立包含多普勒频率和反射幅值的双基地MIMO雷达信号模型,分析强相关目标角度估计中协方差矩阵的秩,以及此时协方差矩阵的本征值对角度估计的影响。然后讨论了具有Hermitian性质的Toeplitz矩阵的协方差矩阵重构方法,并将之用于双基地MIMO雷达的强相关目标波达方向和波离方向估计中。仿真结果表明,上述算法提高了双基地MIMO雷达强相关目标的角度估计精度。

一种噪声环境下超宽带冲激信号稀疏重构方法

针对超宽带(UWB)时域冲激信号的稀疏重构问题,提出利用格雷互补序列构建托普利茨测量矩阵,对UWB信号进行压缩,然后利用修正稀疏度自适应匹配追踪(MSAMP)算法对信号进行稀疏重构。由于确定性的测量矩阵易于硬件实现且运算复杂度低,因此易于工程的实现。另外,MSAMP算法能在低信噪比且信噪比变化的情况下有效重构信号,所以该稀疏重构方法更加贴近实际。通过仿真表明该方法能在噪声环境下稳定有效地重构UWB信号。

一种基于单快拍的DOA估计算法

传播算子方法不需要对数据协方差矩阵进行特征值分解或奇异值分解,较之于传统子空间类算法有更低的运算复杂度。由于传播算子方法要求较大的快拍数,该文提出了一种新的改进方法,在快拍数为1的情况下,构建Toeplitz Hermitian数据矩阵,并将传播算子方法与求根MUSIC算法相结合,很好的实现了信号解相干,具有较好的实时性。仿真结果表明,在一定信噪比下,该算法与前向空间平滑算法相比有略好的性能,能很好的实现信号解相干,同时大大减少运算的复杂度。

基于Shearlet变换的红外与可见光图像融合

针对传统Shearlet变换融合方法在图像的奇异处易产生伪吉布斯现象并且融合数据量较大的缺点,本文结合压缩感知(CS)理论提出一种基于改进Shearlet变换的红外与可见光图像融合方法。首先通过非下采样金字塔滤波器组对待融合红外与可见光图像分别进行分解,得到与原图像同等大小的高频信息图和低频信息图;对于低频信息图,采用能够恰当表征红外与可见光比例权值的局部区域信息熵进行融合;对于高频信息图,通过Shearlet变换中水平、垂直和对角剪切滤波器组进行滤波,继而将滤波后的系数分别采用简单且易物理实现的托普利茨矩阵进行观测并权值融合,然后通过分裂Bergman迭代获得融合后的高频Shearlet系数;最后经滤波器重构得到融合后的图像。实验结果表明该算法有效地解决了吉布斯现象问题,融合图像对比度较高,并相对于传统的融合方法减少了传输和融合的数据量,并且将融合时间缩短到50s以内,提高了融合效率。