自适应步长FISTA算法稀疏脉冲反褶积

FISTA算法(fast iterative shrinkage-thresholding algorithm)采用线性搜索方法寻找最佳内部梯度的步长L,而线性搜索只能使L向增大的方向搜索,严重影响了FISTA算法的收敛性。为此,提出了一种基于自适应步长FISTA算法的稀疏脉冲反褶积方法,该方法在FISTA算法的基础上,通过在每一次迭代之前适当减小常数L,然后利用线性搜索的方式寻找最优的常数L,以达到自适应调整L的目的。为了使算法达到理论收敛,通过结合前、后两次的L,对传统FISTA算法的辅助序列进行修改,最终使整套算法在理论上得以收敛。理论模型与实际地震资料的处理、分析结果表明,所提方法具有更好的收敛性,能在不同信噪比下得到理想的反演结果,较常规FISTA算法具有更好的抗噪能力。

自适应局部邻域特征点提取和匹配的点云配准

点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图(FPFH)综合描述每个特征点的局部信息,结合随机抽样一致性(RANSAC)算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。

一种车载毫米波FMCW MIMO雷达快速成像方法

针对车载毫米波FMCW MIMO雷达现有的常规波束形成算法的旁瓣效应造成的方位向分辨率低以及高分辨算法的工程实时性低的问题,提出了一种迭代自适应算法(IAA)高分辨成像的快速实现方法。该方法首先利用快速傅里叶变换(FFT)获取目标一维距离像,然后对每一距离单元利用FFT算子和Gohberg-Semencul(GS)因子分解计算迭代自适应算法(IAA)的数据协方差矩阵和其逆矩阵,利用快速Toeplitz矩阵向量乘法计算IAA迭代值,从整体上提升了IAA估计各角度散射系数的实时性。仿真和实验结果验证了该方法的可行性和有效性。

基于迭代自适应方法的非正侧视阵角多普勒补偿方法及改进方法

针对非正侧视阵训练样本非均匀导致自适应处理性能下降这一问题,提出了基于迭代自适应方法的角度多普勒补偿法及改进方法。通过迭代自适应方法找到各距离门的主杂波所处的空域和多普勒域的中心位置,之后对待检测单元的训练样本数据进行角度多普勒补偿。由于全空时域的功率谱估计搜索速度慢,搜索精度低,为此提出了局部搜索的快速迭代自适应功率估计算法和网格重构的迭代自适应功率估计算法。通过仿真实验及分析证明了所提方法的有效性,同时随着谱估计方法的改进,该方法的性能也会得到提升。

数字乳腺断层合成成像OSSF-ATpV重建算法

针对FISTA算法梯度下降步骤中利普希茨常数计算复杂、迭代步长不稳定以及全变分正则化容易导致低对比度结构被过度平滑等问题,提出了一种数字乳腺断层合成成像OSSF-ATpV重建算法。实验构造了惩罚加权最小二乘法自适应全变分正则化模型,用有序子集联合代数重建技术(OS-SART)代替FISTA算法中的梯度下降算法求解最小二乘法问题,并利用OS-SART计算的预处理矩阵引入ATpV的加权近端梯度问题抑制噪声和伪影。实验结果证明,本方法可以重建出伪影和噪声水平低、并保留结构边缘的优质乳腺断层图像。

一类带参数自适应步长的快速迭代收缩阈值算法及其应用

本文针对非光滑凸优化问题提出了一种带参数的自适应步长的快速迭代收缩阈值算法.利用参数化策略带来的自由度在实Hilbert空间上分别研究了目标函数O(1/k^(2))和迭代算法o(1/k^(2))的收敛速率,并在目标函数F一致凸的条件下获得了算法的强收敛性.此外,在该算法的基础上建立了连续动力系统模型,并获得了连续动力系统解的逼近性质.最后通过图像去噪实例验证了算法的优越性.

基于快速IAA算法的MIMO雷达参数估计

多输入多输出(MIMO)雷达需要对距离、角度和Doppler频率等参数的精确估计。迭代自适应(IAA)算法仅利用单个快拍便可实现MIMO雷达的高分辨参数估计,然而使用IAA联合估计距离、角度和Doppler频率三维参数的运算量很大。该文提出一种快速IAA算法,将联合估计IAA算法简化为三级级联处理,先进行距离IAA估计,然后对存在目标的距离单元进行角度IAA估计,最后在存在目标的距离-角度单元内进行Doppler频率IAA估计,即通过降维处理得到了快速IAA算法。仿真表明:快速IAA算法在基本保持IAA算法性能的同时大大降低了运算量。