基于压缩感知的等效源近场声全息

压缩感知利用感知矩阵可从稀疏信号中高概率重建出原始信号.本文介绍一种压缩感知稀疏采样等效源近场声全息方法,对频率为1500 Hz的两个单极子声源和频率在500 Hz、1000 Hz、2000Hz时的六个单极子声源,通过采用21×21网格点(441个)及121个随机数据采样点,分别进行声场重建与声源识别仿真,并与传统等效源近场声全息方法进行比较.结果表明,121和441个采样点下的传统等效源法声场重建误差分别为26.79％和45.21％,而基于本文提出的压缩感知等效源法的声场重建误差仅为2.24％和0.92％,因而,具有更高的声场重建能力;在121个采样点下,压缩感知等效法声源识别图像分辨率优于传统等效源法,声源定位及识别精度高.     

稀疏采样单测量面相干声场分离机理及方法研究

为改进目前等效源法声场分离技术中存在的测点数目多、适用范围小等问题,提出一种稀疏采样方法分离相干声场。该方法首先对等效源强与重建面声压之间的传递矩阵进行奇异值分解,获取声场的一组稀疏基;然后通过等效源强建立起全息面上测量声压和测量法向振速与系数向量之间的关系;最后通过稀疏正则化求解系数向量的解,从而求出声场的分离声压和分离法向振速。数值仿真分析结果表明：在测量点数较少的情况下,该方法相对于单全息面等效源法具有更高的分离精度;同时,该方法提高了等效源向量的稀疏度,扩大了声场分离的频率范围,在较高频率下仍然具有良好的分离精度。     

一种提高声场重构稳定性的射线等效源法

基于传统等效源法的近场声全息中通常使用单极子或偶极子作为等效源进行声场重构计算,但由于这两种等效源只能辐射无指向性或弱指向性声波场,因此容易导致系统矩阵病态,严重影响声场重构结果的稳定性.本文提出了一种可以改善近场声全息中系统矩阵病态性的新思路,即采用可辐射强指向性声场的等效源替换传统等效源以使得系统矩阵呈现主对角占优的良态形式,从而降低其条件数,提高重构稳定性.文中利用偶极子构造了一系列可辐射较强指向性声场的等效源——射线等效源,并采用平面全息面对其进行了重构仿真.计算结果表明:用射线等效源替换传统等效源后不仅可以正确计算平面声全息问题,且降低了系统矩阵条件数,提高了重构精度.     

基于Fourier变换-源强模拟技术近场声全息正则化方法比较

近场声全息中通常需要采取正则化方法来改善重建的不适定性.研究在基于Fourier变换-源强模拟技术的近场声全息理论基础上,分别对截断奇异值法和Tikhonov法进行了比较,并使用广义交叉验证法和L-曲线法对正则化参数进行选取,最后采用不同的组合方法对声场重建进行仿真分析.结果表明：运用L-曲线法结合Tikhonov正则化方法,重建声场的相对误差较小,能有效地解决该理论重建过程中的不适定性.     

新型组合近场声全息技术

近场声全息技术是一种有效的声场可视化技术,当场点声压测量数较少时,该技术重建复杂声场存在重建精度不高的问题.针对此问题,本文提出了一种新型组合近场声全息技术,通过统计最优近场声全息实现全息面声压的数据外推,外推后的声压作为声场重建的输入,采用边界元法和压缩感知相结合技术,重建较少场点条件下复杂声场.针对矩形板开展了仿真...     

基于单元辐射叠加法的水下矩形板声场重建

为解决等效源法在水下结构声源声场重建中存在的虚拟等效源配置位置难以确定、求逆过程中传递矩阵病态性过大的问题,本文提出了基于单元辐射叠加法的水下结构声源声场重建方法。该方法利用结构声源边界元法建模思想与声场波叠加原理,建立了声源表面振动与辐射声场之间的振声传递关系,得到可快速计算的振声传递函数,并利用该函数作为传递算子进行声场重建。通过对矩形板的声场重建仿真,验证了本文方法相比等效点源近场声全息具有更高的重建精度,且具有更大的有效全息距离。通过在不同阵元数、信噪比情况下的仿真分析,进一步证明了本文方法能够改善水下结构声源的声场重建精度。     

基于空心球阵列的稳态声场重建

球形传声器阵列可有效重建三维空间声场,本文利用空心球形传声器阵列结合等效源方法开展声场重建研究。首先介绍球面等效源法声场重建方法,然后引入压缩感知算法,进一步提出基于压缩感知的球面等效源声场重建方法,最后利用单极子源对两种方法进行声场重建数值仿真,分别探讨声源频率、声源位置、信噪比以及重建面半径对声场重建精度的影响。结果表明,基于空心球阵列的球面等效源法和压缩感知球面等效源法均可实现声场重建,压缩感知球面等效源法声场重建精度优于球面等效源法。     

基于奇异值分解的测量矩阵优化

针对压缩感知理论中通用的测量矩阵(如随机高斯、伯努利等)不具有最优性能保证的问题,本文通过引入奇异值分解,提出基于奇异值分解的测量矩阵优化方法,对压缩感知中一般线性测量模型中的测量矩阵与测量向量进行优化,再利用优化后的测量矩阵与测量向量重建原稀疏信号。经典的随机高斯测量矩阵和伯努利测量矩阵的数值实验结果表明本文提出的方法可以显著地提高重建成功恢复概率以及对高斯噪声的鲁棒性。该方法适用于一般线性测量系统,成功地实现了测量矩阵和重建矩阵的分离,可在不改变前端测量模型的前提下使重建矩阵接近最优配置。     

基于深度卷积生成网络的冲击波信号压缩感知方法

因信号的重构效果受到稀疏矩阵选取或设计的影响,传统压缩感知技术在处理冲击波信号时要求信号在某个变换域上满足稀疏先验性.为了避免稀疏矩阵不易选取的问题,提出了一种基于深度卷积生成网络与压缩感知技术相结合的算法.该算法将固定的随机信号作为网络输入值,网络的输出结果为重构信号,利用文中设计的损失函数对网络中的参数进行优化,实现信号端到端的恢复,并通过仿真验证了重构结果误差的减少.在15 psi和5 psi传感器实测冲击波信号的实验结果中表明,本文算法相比于传统压缩感知技术具有更好的重构结果,重构误差在稳定时约为DFT-OMP算法和DCT-OMP算法在M为2400时误差值的0.5倍.     

近场声全息分辨率增强的正交球面波插值方法

为了在不增加测量点数的情况下提高近场声全息图像的空间分辨率,提出一种基于正交球面波插值的近场声全息图像分辨率增强方法.该方法以实际测量点数据为插值条件,通过若干不同阶次的球面波源叠加拟合实际声场,实现全息面插值,从而等效地增加了全息面声压数据,减小了测量间隔,在一定程度上恢复了由于实际测量间隔太大而损失的倏逝波信息,使近场声全息图像空间分辨率得到提高.     

一种稀疏度自适应的网络流量矩阵测量方法

为提高网络流量矩阵测量的精度,在压缩感知框架下提出一种稀疏度自适应的网络流量矩阵测量方法.通过对网络流量矩阵的主成分分析及奇异值归一化处理寻找信号支撑集选择的判定阈值,利用网络流量矩阵重构过程中的残差L2范数匹配计算各测量时间点上网络流量矩阵的稀疏度,减小由于网络流量矩阵近似稀疏表示以及稀疏度选择不准确造成的测量误差.仿真实验结果表明:所提出的方法与现有方法相比能够获得更小的空间相对误差和时间相对误差.通过稀疏度自适应选择方法,能够有效提高网络流量矩阵的测量精度.     

基于压缩感知的滚动轴承振动信号压缩方法

压缩感知是一种基于信号稀疏性的信号采集与处理框架,能够在信号采集的同时对信号进行压缩.本文提出一种基于压缩感知的滚动轴承振动信号压缩方法,在信号的变换域内,使用幅值百分比作为阈值对变换系数进行稀疏处理,采用高斯随机矩阵对信号进行降维观测,实现数据的压缩.通过研究稀疏处理对信号压缩比和逼近误差的影响,分析阈值选择与信号稀疏比和逼近误差的关系,分析不同变换基对稀疏处理的影响.实验数据分析表明,相对于未经过稀疏处理的信号来说,该方法能有效地提高信号的压缩效果,且保持较好的逼近误差.     

基于等效磁流的近场诊断方法

研究了一种由平面近场测量数据确定天线口径场幅相分布的新方法,该诊断方法基于等效磁流,通过引入矩量法,把天线近场-口径场变换的问题转化为矩阵方程的求解问题,给出了求解矩阵方程最小二乘解的奇异值分解迭代算法,通过数值模拟及与相关文献方法比较,说明了这种方法的正确性、有效性和工程实用性。     

矩阵描述的位置控制方法及其存储效率分析

使用计算机实现位置控制时,为了便于程序处理,可利用矩阵对位置点分布及其属性进行描述.将矩阵元素与每一个位置点对应,通过遍历矩阵元素即可对位置点进行处理.根据属性值进行坐标到实际位移量的转化即实现位置控制.存储矩阵时为避免过多占用内存,可以对矩阵进行压缩存储.元素值的特点决定了压缩矩阵时既可以压缩零元也可以压缩非零元,两种压缩法的有效性取决于矩阵稀疏因子的大小.计算结果表明,当矩阵稀疏因子小于25%时应压缩零元,稀疏因子大于75%时应压缩非零元.     

一种检测视频中运动目标的新方法

现有的用于视频运动目标检测的鲁棒主成分分析方法通常将背景矩阵的秩函数松弛为核范数,导致求解低秩矩阵的奇异值收缩算子法的阈值恒定,从而背景恢复精度不高。为此提出由加权核范数和结构稀疏范数组成的新的损失函数并用交替方向乘子法进行优化。采用加权核范数作为矩阵的低秩约束,使得压缩阈值与相应奇异值的大小呈单调递减关系,从而大奇异值得以较小幅度压缩。使用结构稀疏范数作为前景稀疏约束,有效利用了前景运动目标的空间区域连续性的先验知识。实验结果表明,该方法在动态背景、阴影等复杂场景下均能取得较其他鲁棒主成分分析方法更好的效果。     

确定NMF基个数的能量提取法

为了确定NMF算法中的基个数,提出了基于SVD的能量提取法.该方法对矩阵进行奇异值分解,从中提取90％的能量作为NMF算法中的基个数,避免了随机选取带来的盲目性和不确定性.数值实验从运行时间、目标函数值和欧式距离等方面进行对比,表明了该方法是有效且相对较优的.     

快速Fourier源强模拟技术在Patch近场声全息中的应用

近场外推是小全息孔径近场声全息(Patch NAH)的关键步骤,为进一步提高外推精度和计算效率,提出一种新的基于快速Fourier变换算法的源强模拟技术,并将其应用于Patch近场声全息的近场外推问题.首先将虚拟源连续分布在一矩形面上,并将虚拟源强密度函数进行双向Fourier级数展开,得到具有快速Fourier变换(FFT)形式的声压表达式,这样可以利用二维FFT算法加速计算,然后根据小全息面上声压数据求出源强展开系数,从而利用声压表达式实现近场外推.由于采用连续分布的虚拟源和二维FFT加速技术,本文的外推方法具有实施简单,外推精度高,计算速度快的特点.数值算例验证了该方法的正确性和有效性.     

近场口径场变换的共轭递度快速傅里叶变换算法

改进了基于等效磁流的近场－口径场变换方法,采用共轭梯度法迭代求解矩阵方程的最小二乘意义解,把系数矩阵构成循环Toeplitz块矩阵,用二维快速傅里叶变换计算迭代过程中大量的矩阵与矢量乘积,从而形成近场－口径场变换的共轭梯度快速傅里叶变换算法。通过数值模拟,并与奇异值分解法和共轭梯度法比较,说明该算法可以极大地提高计算效率,并由诊断实验验证了算法的工程实用性。     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

基于波叠加近场声全息射线波函数的信息补偿

基于波叠加法的近场声全息技术因其在适应性和数值计算上的优势,近年来已经被广泛应用于声源识别、定位和声场分析.在基于波叠加法的近场声全息技术中,以射线波函数为波叠加法的积分核函数可有效改善系统矩阵的病态性,提高声场计算的数值稳定性.但由于射线波函数在低波数处的指向性过强,声场信息主要集中在射线波函数的主指向处,导致了其他方位的声场信息缺失.针对以上问题,提出了一种射线波函数信息的补偿方法,即在射线波函数中加入一定比例的单极子球波函数对重建声场进行信息补偿.数值算例结果表明:补偿信息后的射线波函数不仅保证了声场重建过程中数值计算的稳定性,而且弥补了单一射线波函数在低波数处的缺陷,进一步提高了声场的重建精度.