剪切光束成像技术稀疏重构算法

在对低轨道运动目标成像时,剪切光束成像接收系统所需的探测器阵元数目非常庞大,探测器接收阵列的研制难度大,成本高.本文提出剪切光束成像系统空域稀疏采样技术,同时发射五束激光照射目标携带更多的频谱信息,研究稀疏重构算法,在经稀疏采样的回波信号中提取目标的相位差和振幅信息,通过波前恢复重构目标图像.理论上,在不影响分辨率的前提下,探测器阵列阵元数目可稀疏为传统三光束方法的1/2,突破了探测器阵元间距与发射剪切量相等的限制.仿真结果表明,与传统三光束方法相比,所提稀疏重构算法在探测器阵元数目稀疏一倍的情况下,重构图像质量几乎相同.

一种用于OFDM系统信道估计的稀疏重构算法

针对在正交频分复用(OFDM)系统稀疏信道估计中,经典正交匹配追踪(OMP)算法存在计算量大且需要已知稀疏度的问题,提出一种基于搜索空间预处理的自适应正交匹配追踪算法.使用正态分布来拟合多径信道抽头位置在相邻码元时刻的变化,依概率将搜索空间分成优先集和补充集,并将最近两次迭代后的残差比值作为搜索空间变换和迭代终止的判定依据.在多径数量未知且抽头位置变化的情况下,仿真验证所提算法的有效性.理论分析及仿真结果表明:新算法的计算复杂度低于经典OMP,前者的信道估计性能明显优于稀疏度未知时的后者以及线性估计法和最小均方误差估计法的性能.

基于SL0范数的改进稀疏信号重构算法

平滑范数(Smoothed l0,SL0)压缩感知重构算法通过引入平滑函数序列将求解最小l0范数问题转化为平滑函数优化问题,可以有效地用于稀疏信号重构。针对平滑函数的选取和算法稳健性问题,提出一种新的平滑函数序列近似范数,结合梯度投影法优化求解,并进一步提出采用奇异值分解(Singular value decomposition,SVD)方法改进算法的稳健性,实现稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法相比OMP算法、SL0算法以及L1-magic算法在重构精度、峰值信噪比方面都有较大改善。

基于稀疏重构的蜂窝夹层复合材料板中Lamb波传播特性估计方法

针对航天器装备中蜂窝夹层复合材料板中的超声Lamb波传播特性难以准确估计的问题,提出基于导波信号稀疏表达与重构方法的传播特性曲线估计方法。首先,根据Lamb波传播的散射模型建立Lamb波在频率-波数域下的稀疏表达方程;然后,以Lamb波频率-波数域表达的稀疏性为约束条件,建立基于l_(1)范数的基追踪消噪求解方法;最后,通过提取重构的导波频率-波数域表达结果脊线,可准确获取Lamb波传播的频散速度曲线。在蜂窝夹层复合材料机翼结构上进行测试实验验证的结果表明,该方法能在有限次数的测试下保证传播特性曲线的估计精度,具有较好的工程应用前景。

基于稀疏反问题线性求解的时频分析方法与应用

时频分析的精度受限于测不准准则,当频率分辨率高时,则时间分辨率低,反之亦然。稀疏重构算法的发展,使得时频分析在一定程度上可突破测不准准则限制,综合效率与精度等需求,本文提出基于稀疏反问题线性求解的时频分析方法。推导其逆变换对应欠定方程的光滑解和稀疏解,并以地震信号为例验证方法的有效性。

采用曲波变换和电容层析成像的两相流含水率测量方法

针对电容层析成像(ECT)逆问题的欠定性,提出了一种基于曲波变换的图像稀疏重构算法。首先,采用曲波变换基作为稀疏基,从多尺度对模拟介质分布图像进行稀疏表示,提高了ECT灰度值向量的稀疏度;其次,应用迭代软阈值算法对曲波系数进行稀疏重构,同时使用奇异值分解算法计算最优灵敏度广义逆矩阵;最后,搭建ECT测量平台,通过静态实验重构5种典型实际流型,验证所提算法的有效性。实验结果表明:所提算法可有效抑制伪影,重构图像边界清晰,同时在图像相关系数、相对图像误差上均优于传统重构算法,比Landweber迭代算法相关系数提高约37.9%,相对误差减小约17.6%;基于稀疏重构的后处理图像可用于截面含水率的测量,含水率平均误差低于10%,最低为4.32%。该方法有效提高了ECT重构图像质量,能够满足天然气精准开采的工业需求。

基于压缩感知理论的中子能谱解谱方法

准确的中子能谱信息对于核装置的设计和运行具有十分重要的意义,现有解谱方法通常将先验信息作为迭代初值使用,限制了解谱过程多重先验信息的使用。本文针对中子能谱测量中的解谱问题,建立了基于压缩感知理论的中子能谱解谱方法,并应用于几种典型中子能谱的多球谱仪测量和辐照监督管处中子能谱的活化片测量中的中子能谱解谱问题,结果表明:所建立的解谱方法可实现一次解谱中多重先验信息的使用,可有效实现典型中子能谱和反应堆辐照监督管处中子能谱的解谱,解谱结果与标准解吻合良好。另外,由于多重先验信息的使用,使得解谱过程对方程数量的依赖降低,去除^(238)U和^(237)Np等裂变探测器时辐照监督管处中子能谱依然可得到较高精度的求解,为辐照监督项目去除裂变探测器奠定了理论基础。

联合智能优化和分簇CS的WSNs稀疏数据采集

为提高无线传感器网络(Wireless Sensor Networks,WSNs)数据处理效率和降低网络能耗,提出了一种基于自适应智能优化和分簇压缩感知的WSNs稀疏数据采集方案。首先,建立分簇WSNs稀疏数据通信模型,通过定量分析节点密度与网络数据通信总跳数的关系,给出网络自适应分簇结果,并采用簇内观测矩阵测量数据获取和簇间多跳通信方式完成WSNs压缩感知数据采集;其次,采用St OMP算法进行稀疏信号重构,针对网络节点数据包丢失等链路不可靠情况,引入相关性矩阵变换策略,以降低错误数据传输对数据重构的影响,针对数据稀疏度未知特性和St OMP算法参数配置难的缺陷,将一种新型自适应智能优化(Improved Adaptive Intelligent Optimization algorithm,IAIO)算法应用于CS重构算法中,在理论分析IAIO全局寻优能力的基础上,实现对稀疏数据的可靠重构。最后,仿真结果表明,该方案能够实现稀疏信号的精确重构,而且降低了网络通信总量,提高了网络生存时间。

联合弹性碰撞与梯度追踪的WSNs压缩感知重构

为提高压缩感知(Compressed sensing,CS)大规模稀疏信号重构精度,提出了一种联合弹性碰撞优化与改进梯度追踪的WSNs(Wireless sensor networks)压缩感知重构算法.首先,创新地提出一种全新的智能优化算法|弹性碰撞优化算法(Elastic collision optimization algorithm,ECO),ECO模拟物理碰撞信息交互过程,利用自身历史最优解和种群最优解指导进化方向,并且个体以N(0,1)概率形式散落于种群最优解周围,在有效提升收敛速度的同时扩展了个体搜索空间,理论定性分析表明ECO依概率1收敛于全局最优解,而种群多样性指标分析证明了算法全局寻优能力.其次,针对贪婪重构算法高维稀疏信号重构效率低、稀疏度事先设定的缺陷,在设计重构有效性指数的基础上将ECO应用于压缩感知重构算法中,并引入拟牛顿梯度追踪策略,从而实现对大规模稀疏度未知数据的准确重构.最后,利用多维测试函数和WSNs数据采集环境进行仿真,仿真结果表明,ECO在收敛精度和成功率上具有一定优势,而且相比于其他重构算法,高维稀疏信号重构结果明显改善.

基于压缩感知的认知雷达参数估计

为了改善基于压缩感知技术的认知雷达(CR)目标参数估计的性能,研究了CR闭环反馈中的感知矩阵更新和稀疏目标场景重构。首先,根据等角紧框架和复Gram矩阵,构造胖矩阵情况下感知矩阵更新的目标矩阵;然后,将测量矩阵优化设计的最小二乘问题展开,利用Kronecher积推导测量矩阵更新的一步迭代公式;最后,引入阈值收缩函数去除迭代重加权最小二乘估计值中的无关小量,进而去除重构场景中的伪峰。计算机仿真实验验证了该算法的有效性。

压缩感知实现快速超分辨荧光显微成像

为了发展能够同时兼顾超分辨、快速成像和视场的荧光显微镜,以促进其在活细胞或微观动态过程成像的应用,将压缩感知应用到超分辨荧光显微镜中,利用投影梯度稀疏重构算法对单帧荧光宽场图像重构,并进行了理论分析、仿真和实验验证。结果表明,该方法能够突破光学衍射极限,成像分辨率达到180nm,相比衍射极限提高1.8倍。此结果说明压缩感知能够实现单帧宽场超分辨荧光显微成像,相比现有的方法在成像速度上有巨大的提升。

无人机OFDM系统稀疏信道估计方法研究

为解决无人机高速数据链中信道估计问题，建立了无人机地空信道的数学模型，在此基础上对经典的正交匹配跟踪算法进行改进，提出一种自适应正交匹配追踪算法用于正交频分复用系统的信道估计。仿真结果表明：新算法的信道估计性能好于预设稀疏度偏小时的经典正交匹配追踪算法，与后者理想情况下的效果相当，明显优于传统的线性估计和最小均方误差估计，适用于多径数量未知且抽头位置变化的稀疏信道估计。

压缩感知综述

压缩感知理论的诞生使得采样速率与信号的结构和内容相关,并以低于奈奎斯特采样定理要求的频率采样、编码和重构.在实际应用中,为解决数据冗余和资源浪费的瓶颈问题开拓了一条新道路,也为其他学科发展提供了新的契机.从发展历史和研究现状等方面入手,对稀疏表示、测量矩阵的构造、稀疏重构算法和主要应用方面进行了详细的梳理和研究.对当前研究的热点、难点作了分析和探讨,并指出了未来的发展方向和应用前景.