基于矩阵感知的毫米波MIMO系统信道估计方法

在使用混合波束形成的毫米波大规模多输入多输出系统中,射频链路少于天线数,信道估计非常具有挑战性。当天线阵列缺陷导致未知相位和增益误差时,压缩感知信道估计器的性能会下降。为提高系统鲁棒性,提出了一种新型的基于矩阵感知的信道估计方案。该方案利用毫米波信道的低秩特性,采用凸函数差框架设计信道估计器。理论分析及仿真结果证明,所提方案不受阵列相位和增益误差的影响,与压缩感知方案比较增强了系统的鲁棒性,可获得比矩阵补全方案更好的估计性能。

基于感知矩阵统计相关系数最小化的压缩感知雷达波形优化设计

为了改善压缩感知雷达(Compressive Sensing Radar,CSR)目标参数提取的性能,该文提出一种最小化感知矩阵统计相关系数的CSR波形优化设计方法。文中首先建立了通用的CSR系统模型,推导了最小化感知矩阵统计相关系数的波形优化目标函数,其次以多相编码信号作为优化码型并采用遗传算法对目标函数进行优化求解。优化设计的波形使得感知矩阵子矩阵近似正交程度达到最优,与传统波形相比,能够有效降低目标参数估计误差,提高可检测目标个数的上限,改善了CSR目标参数提取的准确性和鲁棒性。计算机仿真验证了该方法的有效性。

随机混沌感知矩阵及其在成像雷达中的应用

根据压缩感知理论提出了一种适用于成像雷达的新算法,在成像目标分布满足稀疏性前提下,利用发射的随机混沌序列(SCS)形成卷积矩阵,然后通过随机行抽取构造随机感知矩阵(SCSM)。给出了完整的算法实现框架,从理论上证明了SCS的随机性和统计独立性以及SCSM的有限等距性(Restricted Isometry Property,RIP)。仿真结果验证了算法的有效性,同时分析了影响算法性能的主要因素。与匹配滤波法相比,所提算法重构误差小,输出旁瓣低。SCSM与其他随机矩阵具有相同的性能,然而,SCSM容易在硬件上实现,且更适用于要求保密性高和抗干扰能力强的场合。

结合先验知识和稀疏表示误差的感知矩阵设计

图片数据中存在着可利用的统计信息,将这些统计信息作为先验知识用于感知矩阵设计以提高数据重构的精确度。同时,为了解决由于图片样本的稀疏表示误差数据量巨大而造成计算负担过大的问题,对感知矩阵映射下的稀疏表示误差进行估计并用参数配置下的感知矩阵的佛罗贝尼乌斯(Frobenius)范数进行替代。最后,将提出的算法与现有算法在合成数据和真实场景图片下进行对比研究,验证得到所提出的算法在合成数据恢复的均方根误差、稀疏系数非零元素位置的恢复准确率以及图片恢复的峰值性噪比这三方面均获得较好的恢复效果。

压缩感知雷达感知矩阵优化

压缩感知雷达(Compressive sensing radar,CSR)的场景恢复性能要求感知矩阵相关系数尽可能小。针对感知矩阵相关系数的最小化问题,提出了基于模拟退火的感知矩阵优化算法,建立了基于随机滤波结构的CSR模型,给出了优化目标函数,采用模拟退火实现了发射波形、测量矩阵的优化以及联合优化。仿真结果表明该算法可以提高场景恢复精度,提升抗噪能力,增大可观测目标个数上限,且联合优化的性能优于波形和测量矩阵的单独优化。

基于自相关函数的SRSF信号感知矩阵优化方法

根据随机步进频率(random stepped-frequency,RSF)信号特征,结合感知矩阵优化理论,提出了一种基于自相关函数的稀疏RSF(sparse RSF,SRSF)信号感知矩阵优化方法.首先,在构建稀疏重构模型的基础上,给出了SRSF信号波形参数与感知矩阵构造方式的内在联系;然后,研究了感知矩阵互相关系数矩阵与信号自相关函数(模糊函数的零多普勒切面)的关系,得出在特定条件下两者等价的结论,进而将二维感知矩阵优化问题转化为一维自相关函数的波形优化设计问题;最后,利用基于自相关函数最大旁瓣与均值旁瓣联合约束的波形优化方法对上述结论进行了验证.仿真实验验证了感知矩阵互相关系数与信号自相关函数的关系,且通过对波形的设计,实现了优化感知矩阵、提升信号稀疏重构性能的目的.

稀疏信号结构性噪声干扰下的感知矩阵优化

针对具有结构性噪声干扰的稀疏信号处理问题,该文提出一种基于贝叶斯理论的感知矩阵优化设计方法。结合具有加性干扰的稀疏信号模型,通过对感知矩阵进行能量约束,最小化信号的后验协方差矩阵的迹,实现感知矩阵的优化设计。仿真不同信号稀疏度和重构算法时,感知矩阵优化对信号重构误差和重构时间的影响;分析信号先验信息存在偏差时,感知矩阵优化对重构效果的影响。仿真结果表明,优化后的感知矩阵能够更好地获取稀疏信号中的重要信息,信号重构精度的均方误差减小约15～25 dB,重构时间减少约40%。

雷达高分辨率紧凑感知矩阵追踪算法

针对压缩感知雷达的感知矩阵相干系数随分辨率增加而增大以致不能以大概率对稀疏向量进行完美重构的问题,直接基于原始感知矩阵,提出紧凑感知矩阵追踪(CSMP)算法。该文将CSMP算法应用于十字阵雷达的2维波达方向(DOA)估计并进行了计算机仿真。仿真结果表明与多信号分类(MUSIC)算法,子空间追踪(SP)算法,基追踪(BP)算法和稀疏贝叶斯学习(SBL)算法相比,基于CSMP算法的DOA估计分辨率得到了较大提高。

基于随机矩阵特征值差的频谱感知改进算法

针对经典特征值类频谱感知算法在低采样、低信噪比下检测效果不佳的问题,基于最大最小特征值之差算法(DMM),利用最小特征值极限分布以及特征值均值的能量特征,提出了一种基于随机矩阵特征值差的频谱感知改进算法(DAM),该算法以特征值均值与最小特征值为检测量,分析比较了算法在两种计算门限下的检测性能(DAM1与DAM2),理论与仿真结果表明,该算法在不增加运算复杂度的同时,在低采样、低信噪比的情况下,较DMM算法以及现有最大特征值与能量差改进算法(ME-S-ED)提升了检测概率,其中DAM1更适用于低信噪比,DAM2更适用于低采样。

基于有限域上向量空间的压缩感知矩阵的构造

基于有限域上的向量空间,构造新的压缩感知矩阵,计算其相关参数,将其与DeVore构造的基于有限域上多项式的压缩感知矩阵进行对比,证明当满足一定条件时,基于有限域上向量空间构造的压缩感知矩阵的信号恢复性能优于DeVore所构造的矩阵。数值仿真说明,构造的矩阵在恢复信号能力方面优于高斯随机矩阵和DeVore构造的矩阵。

基于仿射奇异线性空间构造压缩感知矩阵

基于仿射奇异线性空间的子空间面之间的关联关系,构造了一个新的压缩感知矩阵,计算了所构造的压缩感知矩阵的相关性,并得到处理信号可以恢复的最大稀疏度,同时,与Ronald A DeVore利用有限域上的多项式构造的压缩感知矩阵进行比较,当两个压缩感知矩阵处理信号的有效率相同时,基于仿射奇异线性空间构造的压缩感知矩阵处理信号的最大稀疏度优于Ronald A.DeVore构造的压缩感知矩阵处理信号的最大稀疏度。

利用有限域上的多项式图构造感知测量矩阵的研究

测量矩阵的构造是压缩感知(Compressed Sensing,CS)的重要内容之一。目前关于测量矩阵构造主要有随机性和确定性生成两种方式。尽管确定性的测量矩阵重构信号的精度一般不如随机矩阵,但确定性的测量矩阵易于硬件实现。给出了有限域上多项式图的相关概念,并利用有限域上多项式图作为工具,深入地研究讨论了一个满足限制等距性质(RIP)的感知测量矩阵确定性构造方法。

TDCS压缩感知观测矩阵构造方法

针对TDCS宽带压缩频谱感知使用随机性压缩感知观测矩阵结构复杂且不确定的问题,提出一种确定性嵌入式混沌序列-循环Toeplitz结构压缩感知观测矩阵构造方法。选用初值为0.2的四阶Chebyshev型嵌入Logistic型,形成嵌入式混沌序列,产生相关性渐进最优的确定序列,进行循环Toeplitz结构形成观测矩阵。仿真结果表明,嵌入式混沌序列-循环Toeplitz结构观测矩阵较随机高斯、随机贝努利观测矩阵有更好的稳定性和RIP特性,在相同稀疏度下具有更小的重构误差,更易精确重构。

基于共轭梯度法的感知矩阵优化方法

压缩感知理论中降低信号维数的关键问题是构造有效的测量矩阵。在已知稀疏基的情况下,基于ETF(Equiangular Tight Frame)框架的测量矩阵构造方法和稀疏信号重构过程均依赖于感知矩阵。为此,设计了一种基于共轭梯度法的感知矩阵优化方法,该方法简单易行,且所求结果的Gram矩阵与目标Gram矩阵更接近。实验结果表明,此感知矩阵优化方法在理论分析、实际图像应用及算法有效性上均具优势。

基于感知哈希矩阵的最近邻入侵检测算法

针对目前入侵检测效率不高的问题,本文提出一种基于感知哈希矩阵的最近邻入侵检测算法.首先计算训练集中入侵检测对象的感知哈希描述子,并将感知哈希描述子拼接成感知哈希矩阵;然后利用设计好的量化函数对矩阵中的哈希描述子进行量化,并按照感知哈希的性质对矩阵进行约简和调整;在入侵检测阶段用该矩阵快速定位与待检测对象最相近的K个样本,利用K近邻的投票原则完成入侵检测任务.通过理论分析及在KDDCUP99数据集上的相关实验验证了该方法以O(n)的时间复杂度来快速定位最近邻的K个样本,在保持高检测率的同时降低了存储和计算方面的开销,从而更加有效的保护网络环境.

ICAMF-CC:改进的情境感知矩阵分解算法

情境感知推荐系统是当前推荐领域的研究热点,而情境感知矩阵分解算法(CAMF-CC)是当前领域的一种有效模型。针对CAMF-CC算法在推荐时存在的准确度不高的问题,提出了一种改进的情境感知矩阵分解算法(ICAMF-CC)。该算法在原有CAMF-CC算法的基础上,通过融入项目偏置项和情境权重来进行评分预测。其优势在于,一方面,融入了项目本身特性对评分的影响;另一方面,充分考虑了不同情境因素在推荐过程中有着不同的影响力,提高了预测评分的准确度。通过在LDOS-CoMoDa数据集上进行实验,结果表明,该算法在准确度上优于CAMF-CC算法。

基于改进目标Gram矩阵的鲁棒测量矩阵优化

测量矩阵优化是压缩感知的重要内容,其中目标Gram矩阵的设计和测量矩阵的更新是测量矩阵优化过程中的两个重要步骤。然而在目前的优化模型中,两个步骤效果无法同时达到最优,如何使两个重要步骤的效果同时达到最优成为亟待解决的问题。针对上述问题,提出了一种基于改进目标Gram矩阵的鲁棒测量矩阵优化方法。首先,证明了所采用目标Gram矩阵的优越性,即整体降低测量矩阵与稀疏基的三种相关性;其次,证明了所采用测量矩阵更新方法的优越性,即降低稀疏误差影响,提高测量矩阵的鲁棒性;最后,将最优目标Gram矩阵应用于最优测量矩阵更新方法,提高了信号重构精度。实验结果表明,提出的测量矩阵优化方法有效提高了二维信号重构质量。

高光谱图像的分布式压缩感知成像与重构

根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的20%时,重构的平均信噪比提高了10dB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星载或机载的高光谱压缩感知成像。

外国游客对华旅游城市感知差异——以11个热点城市为例的实证分析

以在11个外国游客来华热点城市对外国游客做的6441份有效调查问卷一手资料为基础,采用模糊测量评价法、SPSS聚类分析法、感知矩阵从旅游吸引力因素、知名度、游前感知、实地旅游感知、实地—游前感知差异、旅游感知态6个方面,对外国游客对中国旅游城市的旅游感知及其差异进行了实证分析。结果表明:城市形象是吸引外国游客来该城市的仅次于景区景点的第二位吸引力因素;中国旅游城市最主要的特征是安全性,最次要特征是神秘性;外国游客对中国城市的整体感知评价高,其中实地感知评价普遍高于游前感知评价,不同城市的感知差异很大;中国热点旅游城市在外国游客感知中具有集群性。

压缩感知雷达波形优化设计

针对压缩感知雷达(CSR)波形优化问题,该文提出一种基于感知矩阵相关性最小化的CSR波形优化设计方法。首先建立了CSR的系统模型,给出了最小化感知矩阵相关性的波形优化目标函数,其次以多相编码信号作为优化码型,采用模拟退火(SA)算法对目标函数进行优化求解。优化波形有效降低了感知矩阵的相关性,由此提高了CSR目标信息提取的准确性和稳健性。计算机仿真表明优化波形使得感知矩阵相关系数较传统雷达波形明显减小,验证了该方法的有效性。