改进的BOMP算法在人脸识别中的应用

采用组稀疏表示分类方法时,同类样本同时参与对测试样本的表示,忽略了类内样本间的相关性。提出了一种改进方法,该方法在块正交匹配追踪算法基础上,将样本间的相干系数作为参数,设置适当的阈值,对每次选取的样本进行判别,剔除与测试样本相关性较差的样本,优化算法的重建性能。在Yale B和ORL的数据库上的实验表明,与原有方法相比,改进后的方法得到的识别率较高,实验结果证明了该方法的有效性。

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。

基于扰动BOMP算法的块稀疏信号重构

给出了测量矩阵受扰动的块正交匹配追踪(BOMP)算法,仿真实验表明:当扰动水平越低、部分扰动元素越少、分块数越小或采样数越多时,重构信号的相对误差越小,即扰动BOMP算法重构性能更好.相比传统的扰动OMP算法,实验结果表明扰动BOMP算法能更加有效地处理块稀疏信号,说明信号结构对于信号恢复至关重要.

基于块稀疏的空间碎片群目标成像方法

针对星载雷达空间碎片群目标回波无法分离问题,该文利用回波在距离向表现出的块聚集特性,提出一种基于块稀疏的高分辨ISAR成像方法。基于块稀疏压缩感知理论,通过利用空间碎片群目标特性,抽取出各个碎片的高分辨1维距离像数据,并结合平动补偿和距离多普勒(RD)算法得到各碎片的ISAR像。在小样本条件下,该方法能够有效实现空间碎片的数据分离和高分辨ISAR成像。仿真实验表明,该方法的重构精度以及运算速度均优于非结构类的稀疏ISAR成像方法。

基于块正交匹配追踪预处理的米波多输入多输出雷达测高方法研究

米波雷达具有很好的反隐身性能。多输入多输出(MIMO)雷达的波形分集具有高自由度特点,使MIMO雷达在检测和参数估计等方面具有更多优势,故米波MIMO雷达受到广泛研究。而测高是米波MIMO雷达最重要的问题之一。针对米波MIMO雷达测高问题,最大似然和广义多重信号分类方法是米波MIMO阵列雷达测高方法行之有效的算法,但其计算量大,工程中难以接受。该文提出一种基于块正交匹配追踪(BOMP)预处理的方法来降低计算量。首先对MIMO阵列接收数据稀疏化处理,然后通过数学操作将其变形至适合于BOMP算法的信号模型,然后利用粗栅格得到角度粗估计。并以此为初始值中心,取MIMO雷达波束宽度作为搜索范围。仿真结果表明该算法能有效降低搜索类测高算法的计算量。

基于块分割的新型压缩感知算法

针对现有块分割压缩感知(block compressive sensing,BCS)算法的块效应问题,提出一种低复杂度、可消除块效应的新型块分割重构算法.在稀疏表达时,采用小波变换(DWT)代替离散余弦变换(DCT),改善图像细节分量;在测量时,依据分块图像频率特征对测量矩阵加权,提高图像质量;在重构时,采用正交匹配追踪(orthogonal matching pursuit,OMP)算法代替匹配追踪(matching pursuit,MP)算法,提高重构速度.仿真结果表明,所提出的算法可在保证重构速度的情况下,有效消除块效应,且不增加内存占用.

基于块稀疏贝叶斯学习压缩感知的心音重构

为提高体域网远程传输心音信号的重构精度、运行时间及处理数据量,对一种基于块稀疏贝叶斯学习的压缩感知重构心音方法进行研究。在传感节点端对心音信号做分块处理,进行离散余弦变换字典训练;通过稀疏二进制矩阵对心音信号进行压缩,并传送至终端;利用块稀疏贝叶斯学习对终端压缩的心音重构,将重构结果与传统的正交匹配追踪结果比较。实验结果表明,块稀疏贝叶斯学习算法比正交匹配追踪算法重构的结构相似度高0.2-0.3,在信噪比方面高10db-30db,所提方法具有重构精度高,处理心音数据量大,运行时间快的显著优势。

针对非格点参数的双基地MIMO雷达联合稀疏恢复

将稀疏恢复应用于雷达参数估计中,在保证估计精度同时,可大幅减少空时采样个数;但当目标参数不在格点时,估计误差会明显恶化。针对双基地MIMO雷达中不在格点的参数估计问题,引入联合稀疏优化方法,构建结构化误差矩阵和块稀疏向量。推导了进行参数估计的修正表达式,然后利用块稀疏算法求解,可有效提高稀疏恢复的精度。为解决计算复杂性,引入快速KCS稀疏恢复算法。仿真表明,在典型恢复场景下,可明显提高参数估计精度;同时计算时间节省1个数量级以上。

基于块稀疏恢复的高频雷达空间角谱和极化谱联合估计方法

高频地波雷达(high-frequency surface wave radar,HFSWR)中电离层杂波的存在,会极大地影响雷达系统的性能,降低对目标的探测能力.为了精确获得杂波参数,从而更好地抑制电离层杂波,提出了一种基于压缩感知(compressive sensing,CS)的单快拍参数估计方法,用于对电离层杂波的空域和极化域参数估计.该方法基于极化敏感阵列的块稀疏估计模型,应用块正交匹配追踪(block orthogonal matching pursuit,BOMP)算法实现距离-多普勒域的单快拍空间角度和极化参数联合估计,并进一步获得目标和杂波的空间角谱和极化谱.该方法适用于任意极化敏感阵列,在距离-多普勒域单快拍条件下,其估计性能优于传统方法,且计算复杂度极低,可以实现实时处理.仿真结果和某HFSWR系统实测数据处理结果表明了参数估计方法的有效性.

多带正交压缩采样雷达回波信号的快速重构

多带正交压缩采样可实现多带模拟信号的亚Landau率采样,并同时获取每个子带同相和正交分量的压缩测量。对于多带雷达应用而言,恢复所有子带回波信号需求解多个大规模稀疏重构问题,计算量大、实时能力差。以探测同一场景的等带宽多带雷达为背景,在分析回波信号特征的基础上,揭示回波信号的块稀疏性,提出采用块稀疏重构模型恢复所有子带回波,发展块稀疏分段滑动快速重构方法。为了提高重构性能,对块正交匹配追踪算法进行了改进,提出了一个两步块正交匹配追踪算法。仿真结果验证了块稀疏分段滑动重构方法的有效性和正确性。

基于K-奇异值分解和层次化分块正交匹配算法的滚动轴承故障诊断

利用层次化分块正交匹配算法(HBW-OOMP)的高稀疏性和运算速度快等优点,提出了一种基于K-奇异值分解(K-SVD)字典和HBW-OOMP算法的故障轴承诊断方法。首先利用K-SVD自学习训练方法得到包含冲击成分的冗余字典,克服了固定结构字典适应性不强的缺点。然后采用基于分块思想的HBW-OOMP算法进行原子的选取和稀疏系数的求解,以重构信号包络谱峭度最大为终止条件,自适应确定分解次数。最后应用所提方法对仿真信号和故障轴承实验信号进行故障特征提取,结果表明该方法能够有效提取强背景噪声下故障特征成分,具有一定的应用前景。

基于小波变换的分块压缩感知算法

利用压缩感知理论实现了对二维图像的精确重构，但此方法是对整幅图像进行重构，花费时间长，观测矩阵所需的存储空间大。为了解决这个矛盾，根据图像小波变换系数的特点，将图像分块思想与小波变换相结合，提出一种基于小波变换的分块压缩感知算法。每一个图像块经小波变换后，保留图像低频系数，只对高频系数进行观测。重构时采用正交匹配追踪算法（ OMP）对高频系数进行恢复。实验结果表明，文中算法与不分块压缩感知算法相比，重构图像的PSNR值有2~4 dB的提高，重构时间明显减少。与基于二维离散余弦变换（ DCT）的分块压缩感知算法相比，块效应有明显的改善，重构质量明显提高。

基于调频步进信号的高分辨率分块稀疏成像技术研究

针对调频步进信号的传统高分辨一维距离成像算法存在非最强散射点幅度损失、耦合时移和波形展宽等问题,提出了一种基于超完备基和分块稀疏的稀疏成像处理模型,并根据该模型在利用分块正交匹配追踪和分块迭代软阈值算法优化求解时的可稀疏性,实现了调频步进信号的高分辨率分块稀疏成像。仿真结果表明:相对传统成像算法,稀疏成像算法在应对多目标场景和运动目标场景时性能改善明显。

基于前向预测策略的块正交匹配追踪算法研究

在块正交匹配追踪算法中,候选集匹配原子块的选择策略对信号重建具有重要作用,但是该算法在迭代选择原子块的过程中,每次选择当次最优迭代的原子块,并不能保证最终迭代性能是最优的。为此,提出一个基于前向预测的最优匹配原子块选择策略的块正交匹配追踪算法,通过预测原子块在未来迭代过程中的性能选择最优匹配的原子块。实验结果表明,与块正交匹配追踪算法相比,该算法的重建误差随前向预测参数的增大而减小。

射电日像仪的压缩感知和脏图高斯去噪

传统的综合孔径射电日像仪成像原理是根据香农采样定理,使用香农采样得到完整的频谱数据,进行反傅里叶变换得到图像.因成像设备及外界环境因素,频谱数据中伴随有大量非真实信号数据,导致所成图像产生大量噪声,通常称为脏图.射电天文领域通常采用相关Clean算法处理脏图,得到“干净”的射电图像.为了降低了射电信号的采样成本,而且能得到更“干净”的射电图像,基于射电干涉稀疏成像与压缩感知理论,实现了从不完整的频谱中重建脏图,之后进行噪声去除:采用正交跟踪匹配与特征标志算法完成从稀疏频谱中重建脏图,之后使用三维块匹配算法去除噪声.

空频块编码正交频分复用水声通信中的超前正交匹配追踪稀疏信道估计

针对时变稀疏水声信道估计问题,本文提出了一种基于低复杂度、高精度的超前正交匹配追踪稀疏水声信道估计算法的空频块编码正交频分复用水声通信技术。利用超前迭代技术避免常规正交匹配追踪算法中的稀疏度未知条件下的性能下降问题;通过对分坐标下降迭代技术来降低超前正交匹配追踪算法中的最小二乘法矩阵求逆的运算负荷。仿真分析表明:本文提出的信道估计算法在归一化均方根误差上相比于传统的信道估计算法具有2 dB的性能增益,试验数据分析结果也验证了该结论,试验数据分析表明了提出的稀疏信道估计算法能够极大地提高空频编码正交频分复用系统的性能。

基于分块自相关的子空间追踪语音压缩感知

在运用压缩感知基本原理对信号重构时,针对其中正交匹配追踪(OMP)算法和子空间追踪(SP)算法的各自特点,并与自相关思想结合,提出了一种改进的分块自相关的子空间追踪(BASP)算法。实验结果表明:在相同的压缩比下,BASP语音重构算法与SP语音重构算法相比具有较好的信噪比以及MOS评分。

粒子群优化的分块压缩感知影像融合

针对传统像素级影像融合算法中存在的计算量大、融合系数不能自适应等问题,提出一种基于粒子群优化的分块压缩感知影像融合算法。该算法结合了压缩感知及粒子群优化算法的优点,通过对采样后的少数测量值进行融合减少了影像融合过程的计算量,同时通过全局寻优的特点可以确定最优融合系数。首先利用分块压缩感知(block-based compressive sensing,BCS)对待融合影像进行压缩采样,然后以粒子群优化算法确定的最优融合系数矩阵作为融合权值进行影像融合,最后通过正交匹配追踪算法进行影像重构并消除分块效应,得到融合后影像。该算法保证了融合效果的最优化选择,具备一定的自适应性。实验结果表明,基于粒子群优化的分块压缩感知影像融合取得了比传统影像融合算法更好的效果。

基于同时稀疏和低秩先验的多通道脑电波信号重建方法

该文提出了一种基于lq范数和截断加权Schatten-p范数(LQTWSP)的非凸优化模型,旨在准确挖掘多通道脑电波信号中固有的同时稀疏和低秩属性,并选择了一种有效的迭代方案求解非凸优化模型。通过实验验证该文LQTWSP方法的性能。将LQTWSP与基于内点法的SCLR(SCLR-I)、基于交替方向乘子法的SCLR(SCLR-A)、同步正交匹配追踪(SOMP)法、块稀疏贝叶斯学习(BSBL)和同步贪婪分析追踪(SGAP)法进行比较。实验在Physical Bank数据库的CHB-MIT头皮脑电波数据库上进行。结果显示:SCLR-I和SCLR-A可以获得比BSBL更好的结果,该文LQTWSP方法的误差低于SCLR-I和SCLR-A,速度比SCLR-I快,与SCLR-A接近。由于该文LQTWSP方法能充分发挥非凸替代函数优势,能准确挖掘同时稀疏和低秩属性,因此比其他方法更适合于多通道脑电波信号的重建。

墙体参数模糊下穿墙雷达运动目标成像

针对墙参数模糊条件下运动目标成像速度慢、墙参数重建精度差等问题,提出了一种改进拟牛顿-粒子群优化(Limited Broyden Fletcher Goldfarb Shanno-Particle Swarm Optimization,LBFGS-PSO)算法,建立了LBFGS-PSO算法模型,解决了传统拟牛顿算法和粒子群算法计算速度慢、误差较大等问题。该算法与块正交匹配追踪(Block Orthogonal Matching Pursuit,BOMP)算法相结合不仅可以精确重建边墙位置,还能够准确地重建多径效应环境中的运动目标和静止目标,算法的计算速度和精度得到了一定程度的提高。仿真结果和数据分析验证了所提方法的性能。