强噪背景下基于改进匹配追踪算法的桥梁缆索缺陷识别

为降低噪声对磁致伸缩导波信号的干扰,实现强噪背景下的桥梁缆索缺陷识别,提出了一种基于改进匹配追踪算法的桥梁缆索缺陷识别方法。首先,采用构建非对称Gabor函数作为原子字典,将相邻残差比作为迭代终止条件,对强噪背景下的导波信号进行匹配追踪。然后,通过缺陷回波包络峰值时刻,对桥梁缆索缺陷进行了定位。最后,对采用不同降噪方法时的桥梁缆索缺陷定位误差进行了比较。结果表明:未添加噪声时,采用缺陷回波包络峰值时刻定位桥梁拉索缺陷,最大误差仅为0.28%。当缺陷回波的信噪比高于-5 dB时,采用本文方法进行降噪,均方差E_(MSE)几乎为0,信噪比E_(SNR)增加到7.56 dB以上。采用本文方法对含噪导波信号进行降噪,其降噪精度和缺陷定位精度均优于小波阈值降噪、小波-EMD降噪和传统匹配追踪降噪。当导波信号信噪比为-5 dB及以下时,本文方法的优越性更为显著。即使导波信号信噪比达到-10 dB,采用本文方法进行降噪处理,拉索缺陷定位误差仍能达到1.5%以内。可见所提出的方法可以有效降低强噪声对实测导波的干扰,提高桥梁缆索缺陷识别精度。

基于改进压缩采样匹配追踪算法的机械振动信号恢复

为了解决压缩感知重构算法对于机械振动信号的残缺数据恢复不佳的问题,提出一种改进压缩采样匹配追踪算法,对缺失信号进行修复重构。对比几种同类的贪婪重构算法恢复缺失信号的效果。通过仿真数据和实测数据验证算法对信号的恢复效果。结果表明:改进方法能够很好地实现对缺损信号的修复,且重构概率远远高于其他重构算法,比较压缩采样匹配追踪算法与其改进算法发现:在稀疏度为50时,改进算法的重构概率可以达到100%,而未改进的压缩采样匹配追踪算法重构概率为0,说明改进算法的重构效果优于原算法,重构出来的信号可以准确地表现原始信号的全部信息。

双重约束非负矩阵分解与改进正交匹配追踪算法的语音增强

针对非负矩阵分解算法实现语音增强效果不理想的问题,提出了一种双重约束非负矩阵分解结合改进正交匹配追踪算法的语音增强方法。采用时间约束及稀疏度约束的双重约束方式改进非负矩阵分解算法,使得分解后的数据更能反映出语音特征。通过改进正交匹配追踪算法提升重构精度,并结合语音信号在时频域的分布特征,引入低通滤波器进一步平滑重构后的语音。采用4个评价指标对该算法进行评价。实验结果表明:在不降低运行时间效率的情况下,相较于对比算法,感知语音质量评估值(PESQ)提升14.71%~45.70%,对数谱距离(LSD)下降18.14%~25.47%,信源失真率(SDR)由-5~11提升至2~14。

基于改进OMP算法的多目标高速机动检测方法

针对多目标高速机动检测问题,提出了一种基于改进正交匹配追踪(OMP)算法的多目标检测方法。根据高速机动目标运动特性建立信号模型;利用改进OMP算法对脉冲压缩后的回波信号进行运动参数估计;构建相位补偿函数对距离徙动和多普勒徙动进行校正;通过快速傅里叶变换(FFT)完成相参积累,实现对多目标的检测。改进算法适用于多目标高速机动检测场景,可有效避免盲速旁瓣现象及信号交叉项的影响,且具有参数估计精度高和抗噪声能力强等优点。仿真实验验证了改进算法的有效性与可靠性。

基于多普勒域补偿的车载雷达距离角度联合成像算法

高性能、高分辨率单快拍前视成像技术是赋能车载雷达发展的关键,但距离/多普勒走动问题会限制相干积分的实施,同时系统分辨率也往往受限于硬件参数难以提高。根据车载毫米波雷达时分多输入多输出(TDMMIMO)的前视成像体制,该文提出多普勒域补偿和点对点回波校正方法,完成多域信号解耦合,同时完成距离多普勒走动校正和多普勒解模糊。由于有限阵元数及强噪声干扰限制了传统单维度距离角度成像准确性,因此,该文提出一种基于改进贝叶斯匹配追踪方法(IBMP)的多域联合估计算法。该方法基于伯努利-高斯(BG)模型,在最大后验(MAP)准则约束下迭代更新估计参数和支撑域,实现了多维联合信号的高精度重构。仿真和实测结果表明该文方法能够有效解决距离走动问题,并提高雷达前视成像的角度分辨率,具有较强噪声鲁棒性。

基于压缩感知的SAR图像压缩与重构方法

结合合成孔径雷达(SAR)图像特点,提出了一种基于压缩感知的SAR图像压缩与重构方法,并给出了具体的方法及详细流程。该方法首先将原始SAR图像进行分块处理,同时,利用离散小波变换(DWT)对分块结果进行稀疏处理,利用近似QR分解后的随机高斯矩阵对稀疏处理结果进行低维线性观测,实现了SAR图像的稀疏化表征与压缩。文中讨论的改进的正交匹配追踪(OMP)算法,与传统的OMP算法相比,改进的OMP算法在保证重构精度的前提下,可有效提高收敛速度。最后,通过离散小波反变换等处理获得最终的SAR图像重构结果。仿真实验结果证明所提方法的有效性与可行性。

基于结构划分字典学习的雷达目标识别

在使用高分辨距离像进行雷达目标识别时,有时必须面对大样本问题,可实际上雷达在某一时刻观测到的物理过程是很少的,传统的方法在识别过程中从未考虑过距离像信号的稀疏性。为此,文中提出了一种基于结构划分冗余字典完成雷达一维距离像稀疏表示,进而实现目标识别的算法。该算法首先依据字典原子的结构特点划分冗余字典,简化字典表述的同时减少原子数据存储量;随后,采用改进的遗传匹配追踪算法(IGAMP)对一维距离像训练样本进行稀疏分解以获得各类目标的类别字典;最后,根据类别字典分析测试样本的重构误差实现目标识别。仿真实验证明,文中算法简捷、识别率高,即便受到噪声干扰依然能稳健地识别目标。

采用压缩感知的直扩测控信号处理

鉴于扩频测控系统宽带化带来的高速采样压力和高数据率问题,研究了基于压缩感知的直扩测控信号处理方法。通过深入分析直扩测控信号稀疏性,构造了延时-多普勒基字典,提出了基于压缩感知直扩测控信号处理框架,并针对直扩测控信号特点给出了改进正交匹配追踪重构算法,最后针对该信号处理方法的可行性和性能分别进行了仿真实验。仿真结果不仅验证了方法的可行性,同时表明可以在不影响解调性能条件下大幅度降低采样率或数据率,并具有一定的降噪效果,这将为直扩测控通信系统提供一种高效的模数转换和同步解调处理方式。

低信噪比下TDCS的压缩感知稀疏信道估计

针对TDCS在低信噪比下宽带稀疏信道中使用传统信道估计方法进行信道估计误差过大的问题,采用压缩感知技术改进得到一种低信噪比下TDCS的压缩感知稀疏信道估计方法。将TDCS的稀疏信道估计问题建模为典型的压缩感知模型,并对正交匹配追踪算法进行改进,可以在未知稀疏信道先验信息的情况下实现TDCS稀疏信道的精确估计。理论分析与仿真结果表明,低信噪比下TDCS的压缩感知稀疏信道估计方法相比于传统的信道估计方法,可以提高TDCS稀疏信道估计精度,同时降低压缩感知重构算法计算的复杂度。

基于压缩感知理论的稀疏孔径ISAR成像

在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。

一种基于压缩感知的信道估计方法

利用水声信道稀疏特性,提出了一种基于压缩感知的信道估计方法。首先对基于零前缀正交频分复用(zeros-Padded orthogonal frequency division multiplexing,ZP-OFDM)的水声通信系统接收端信号进行两次多普勒频移补偿并建立了离散信号模型,接着在传统正交匹配追踪(orthogonal matching pursuit,OMP)算法的框架下提出了一种改进的算法,该算法依据上次迭代中残差值和观测值的比例,加入相对应的加权矩阵以减小异常样本对本次迭代结果的影响,然后在所提算法的基础上,结合频域过采样的方法估计出水声信道参数。仿真结果表明,改进的算法性能优于传统OMP算法,且更加有效的提高系统可靠性和有效性。