基于Karhunen-Loeve变换的正交椭圆球面波脉冲波形设计

针对正交椭圆球面波函数(PSWF)脉冲硬件实现复杂度高和难以实时产生的问题,通过对PSWF脉冲求解和正交化两个过程的优化整合,该文提出了一种基于Karhunen-Loeve变换的正交PSWF脉冲波形设计方法。该方法首先将PSWF脉冲表示为Legendre多项式加权求和的形式,通过对原脉冲互相关矩阵进行Karhunen-Loeve变换,得到正交系数矩阵,从而实现PSWF脉冲的正交化。以此为基础,设计了一种高效快捷的正交PSWF脉冲实现方案,建立了正交PSWF脉冲与Legendre多项式系数向量的对应关系,能够通过改变特征多项式的系数来快速设计正交PSWF脉冲,同时具有实时性好和实现复杂度低的优点,为正交PSWF脉冲的工程化实现提供了一种高效快捷的新方案。

基于Karhunen-Loeve变换和最低位替代的图像隐写术

为了提高信息通信安全性能,防止信息被窃取,提出了一种新颖的图像隐写术。采用Karhunen-Loeve变换压缩数据,构造其最低位替代加密数据,并在载体图像内对信息进行编码,其压缩过程用于去除冗余性,同时还设计了编码到一个级别的像素矩阵,由最低位替换的方式进一步实施。实验结果表明,该算法效率高,并能对原始数据进行有效的解密;且与其他机制相比,所提出的技术具有更高的容量和平均信噪比。

Karhunen-Loeve变换及其在语音增强中的应用

Karhunen-Loeve变换(KLT)是建立在统计特性基础上的一种变换,其相关性好,且为均方误差(MSE)意义下的最佳变换。KLT不仅在数据压缩技术中占有重要地位,在语音增强领域中也有重要应用。本文探讨了Karhunen-Loeve变换的Matlab实现,并介绍了它在语音增强中的应用。

基于稀疏和低秩结构的层析SAR成像方法

该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法。传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建。考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性。该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性,构建稀疏和低秩结构相结合的目标区域层析SAR成像模型,采用ADMM算法对层析SAR成像模型进行求解,将复杂的原优化问题分解为若干相对简单的子问题,通过优化变量交替投影的方式进行算法求解,得到层析SAR成像结果。该方法提高了低航过数或低通道数情况下的重建精度,拥有更好的成像性能。仿真和实测数据实验表明,该重建方法能够有效分离散射体并保证重建能量的精度,且在降低航过数或通道数的情况下保持良好的成像效果,有效抑制伪影现象。

基于低秩结构的宽角SAR稀疏成像

在合成孔径雷达(Synthetic Aperture Radar,SAR)成像中,当方位向合成孔径较大时,观测区域内目标的电磁特征会表现为各向异性,导致基于各向同性假设的传统SAR成像方法不再适用。为此,宽角SAR成像方法通过将宽孔径划分为多个子孔径,利用每个子孔径对应的回波数据单独成像,实现对目标雷达图像的多角度重构。由于目标的散射特性在相邻子孔径中通常不会发生较大改变,每个子孔径的强散射中心分布高度相似,使得宽角SAR的成像结果具有低秩结构,即相邻子孔径对应的目标成像结果的支撑集相近。为了使用这种相关性,将Karhunen Loeve(KL)变换引入到宽角SAR成像过程中,再利用目标强散射中心分布的稀疏特性,建立基于低秩结构的宽角SAR稀疏成像模型。采用增广拉格朗日法(Augmented Lagrangian,AL)和交替方向乘子(Alternating Direction Method of Multipliers,ADMM)对上述成像模型进行迭代求解,从而获得宽角SAR成像结果。相比于传统的宽角SAR成像方法,本文所述方法不仅能提高目标后向散射系数的重建精度,还能有效抑制旁瓣效应与信号噪声对成像质量的影响,对目标电磁特征的多角度恢复具有更好的效果。