采用快速贝叶斯匹配追踪的单视图X射线发光断层成像

为了缓解单视图X射线发光断层成像中出现的不适定性问题,提出了一种结合区域迭代收缩策略的快速贝叶斯匹配追踪方法。该方法将贝叶斯模型和贪婪算法相结合,可以从较少的观测值中高效快速地恢复稀疏信号。为了进一步提高重建精度,将快速贝叶斯追踪与区域迭代收缩策略结合,简化了自适应有限元方法在网格划分和系统矩阵构建方面的复杂性,在缩减因子迭代缩小可行区域的同时,缓解了X射线发光断层成像逆向题求解中的病态性。为评估该方法的有效性,设计了仿真实验与真实物理仿体实验。仿真结果表明,本文方法在加快重建速度的同时,显著提高了纳米发光目标的定位精度和发光产额的定量结果,它们分别为0.73mm和0.79μg。真实物理仿体实验进一步验证了该方法在实际单视图X射线发光断层成像中的可行性。

基于快速贝叶斯匹配追踪的激光大气信道估计（英文）

信道估计是指接收机获知信道状态信息的方法和过程。信道估计的准确度决定了接收机的工作性能,所以均衡之前,必须先进行信道估计。目前,激光光学传输信道估计成为多输入多输出正交频分复用的自由空间光通信系统的关键技术。传统的压缩感知方法作为一种信道估计的有效方法,具有恢复和重构原始信号的能力,但在计算复杂度上付出了一定的代价。快速贝叶斯匹配追踪算法克服了现有方法重构精度低和复杂度高缺点。通过先验模型选择和近似的最小均方误差的参数向量的估计,快速贝叶斯匹配追踪算法提供了估计信道冲激响应的一种有效方式。仿真结果表明,与传统的基于压缩感知的方法相比,该方法能显著提高系统的性能。

小波包多级树模型管道泄漏信号压缩感知方法

针对目前管道泄漏监测信号压缩感知处理过程中,所需测量数较高,在数据压缩比较高的情况下泄漏信号重构性能指标比较低,未对稀疏信号固有的结构特征充分考虑的问题,提出了基于小波包多级树模型的管道泄漏监测信号稀疏化表示方法和结构模型的快速贝叶斯匹配追踪算法(M-FBMP)的压缩感知方法,该方法充分利用管道泄漏监测信号的特点合理选择稀疏基,构建了一次分解小波包多级树的管道泄漏监测信号模型,优化了标准高斯测量矩阵,推导了基于管道泄漏监测信号稀疏信号结构的M-FBMP算法,实现了信号的压缩采样和重构。通过实验对比该方法与传统快速贝叶斯匹配追踪(FBMP)压缩感知方法,实验给出了不同数据压缩比条件下,2种压缩感知方法所能达到的性能指标,结果表明所提方法与基于FBMP的压缩感知方法在均方根误差、信号的重构信噪比相同量级的情况下,数据压缩比提高了3.4倍,大大降低了工业监控数据传输对网络通信信道带宽的要求。在数据压缩比为30∶1的条件下,利用所提算法进行信号恢复,信号的重构信噪比提高了近2倍;重构能量恢复系数优于1×10-3,重构信号精度可以满足管道泄漏检测与定位的要求。

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AM-LFM与BOMP的ISAR成像算法

对含微动运动的目标进行稀疏孔径逆合成孔径(ISAR)成像时,基于Chirplet分解和压缩感知(CS)的成像算法存在运算效率低、重构精度与鲁棒性差等问题。针对上述算法中存在的不足,提出了基于调幅-线性调频(AM-LFM)分解和贝叶斯正交匹配追踪(BOMP)的改进微动目标成像算法。应用该改进压缩感知(CS)算法进行微动目标成像,实验结果表明:由于改进算法采用AM-LFM分解和BOMP重构,提高了重构精度、鲁棒性与运算效率,成像效果比原算法更好。

航空发动机轴承故障结构化贝叶斯稀疏表示

航空发动机轴承振动信号中与故障关联的瞬时冲击成分在时频变换域上不仅具有稀疏性,还具有某些结构特征,而传统的以正交匹配追踪(OMP)算法为代表的贪婪类及其改进重构方法,通常仅利用了信号整体的稀疏性,未考虑结构性干扰可能造成的影响,导致算法求解效率较低。针对这一问题,提出了一种参数优化字典的结构化贝叶斯稀疏表示方法。首先,在OMP算法基础上,基于贝叶斯概率模型,研究了一种能够促进稀疏重构效果的结构化贝叶斯正交匹配追踪(SBOMP)稀疏表示模型,实现对信号的稀疏表示求解。其次,针对轴承故障振动信号的特性,构建能更好的匹配分析信号的时频冲击原子库,降低了字典的冗余程度,并将灰狼优化算法(GWO)引入到基于时频冲击字典的SBOMP模型中,为SBOMP模型提供高效的原子选取策略,降低了稀疏模型的复杂度。仿真与实验结果表明:所提方法能够更有效降低背景噪声和杂质频率的干扰,验证了所提方法对航空发动机轴承故障特征提取的有效性和适用性。

MMSE准则下基于玻尔兹曼机的快速重构算法

全连接的玻尔兹曼机模型可全面描述稀疏系数间统计依赖关系,但时间复杂度较高.为了提高基于玻尔兹曼机的贝叶斯匹配追踪算法(BM-BMP)的重构速度和质量,本文提出一种改进算法.第一,将BM-BMP算法的最大后验概率(MAP)估计评估值分解为上一次迭代的评估值与增量,使得每次迭代仅需计算增量,极大缩短了计算耗时.第二,利用显著最大后验概率估计值平均的方式,有效近似最小均方误差(MMSE)估计,获得了更小的重构误差.实验结果表明,本文算法比BM-BMP算法的运行时间平均缩短了73.66%,峰值信噪比(PSNR)值平均提高了0.57 d B.