自适应阈值收缩算子的稀疏正则化图像重建算法

针对图像重建中采用稀疏正则化算法时,阈值收缩算子的阈值参数难以选取的问题,提出一种采用自适应阈值收缩算子的稀疏正则化算法。该算法收缩算子的阈值参数在迭代求解过程中根据解的稀疏度进行更新;同时在该算子中引入权重系数,研究阈值算子的衰减特性对图像重建质量的影响;并将该算法应用于电学层析成像的仿真和实验图像重建。结果表明:与传统的稀疏正则化算法相比,使用具有衰减特性的阈值收缩算子的稀疏正则化算法重建图像的性能指标有所提高。当被测物场的内含物分布较为简单时,采用较大的权重系数;当被测物场的内含物分布相对复杂时,使用较小的权重系数,有利于提高重建图像的质量。

基于改进自适应阈值EIT算法的CFRP损伤检测

电阻抗层析成像(EIT)具有快速、无辐射等众多优点,但EIT的逆问题严重的病态性导致FISTA等算法的重建图像中存在损伤边缘信息缺失的现象。针对该问题引入了一种与解向量稀疏度相关的自适应阈值算子和一种可变阈值函数,解决了软阈值函数边缘处不可导的问题。仿真实验表明改进算法与传统的算法相比,FIMSTA算法的表现最好,尤其是对于传统算法图像重建效果较差的中心裂纹损伤,FIMSTA算法的相关系数达到0.7038,较表现最好的FISTA算法提升了51.08%。

基于印刷感应层电学稀疏成像的蜂窝夹层结构冲击损伤识别

蜂窝夹层结构在航空航天领域具有广泛的应用,但其在使用过程中不可避免地会遭受损伤,特别是冲击造成的损伤对其强度有很大的影响。本文结合现代电子印刷技术,采用石墨烯导电碳油墨和银浆油墨在蜂窝夹层结构表面制备智能感应层,结合电学成像技术对低速冲击损伤进行识别。使用落锤冲击试验装置对蜂窝夹层结构进行了低速冲击,并于冲击前后在印刷感应层中注入微小电流获取边界电压变化。对电压数据进行分析,基于SpaRSA稀疏正则化算法重建感应层电导率变化的图像,将损伤信息可视化。实验结果表明,所提出方法能有效地识别出蜂窝夹层结构中冲击损伤的个数、位置和大致尺寸,与传统基于Tikhonov正则化的算法相比,稀疏成像算法对损伤尺寸的识别效果更好,为蜂窝夹层结构冲击损伤在线识别提供了一种新途径。

一种基于压缩感知的放大器模型改进简化方法（英文）

提出一种用于功放行为建模的改进算法,这种算法结合了正则化稀疏自适应匹配追踪(RAMP)算法和正交匹配追踪(OMP)算法的优点,通过对这两种算法的两个原子索引集的处理,得到了交集和补码集,并且在交集中的正确的原子指数包含了很大的索引概率。该方法通过从补充集中优化选择最正确的补原子,然后结合带有交叉点的最正确的原子指数得到最终的指数集。该方法可以大大降低丢失正确的原子的概率指数得到更准确的重构信号。仿真结果表明,在高稀疏度的前提下,所提出的算法能得到高精度的重构信号,且运行时间也可降低到合适的水平。

基于自适应SIRP算法的重构降噪实现

由于模拟信号的压缩感知对噪声高度敏感,在噪声条件下其重构性能显著下降,这已成为制约模拟信号压缩感知技术进一步发展的主要瓶颈。提出了一种结合自适应迭代方法的稀疏独立正则化追踪(Adaptive Sparsity Independent Regularized Pursuit, A-SIRP)算法。该算法通过在自适应迭代过程中分离噪声原子,最大限度地减少了噪声的干扰,提升了输出信号的信噪比。设计了基于现场可编程门阵列的A-SIRP硬件架构,该架构主要包含计算模块、存储模块和控制模块。在Xilinx公司Kintex-7平台上运用硬件描述语言Verilog HDL对设计方案进行了验证。实验结果表明,所实现的A-SIRP硬件设计在数据位宽为20 bit的条件下,能够达到36.02 dB的重构峰值信噪比,充分验证了该算法在硬件实现上的可靠性和优越性。