基于优化哈达玛矩阵的图像重构算法研究

基于传统的压缩感知理论,提出了一种置乱块哈达玛矩阵,对图像进行非相干测量。将测量矩阵中的部分块进行哈达玛变换并随机交换列,使得矩阵中的元素服从零均值和方差的正态分布。通过对多种类型的图像样本进行重构实验,比较分析置乱块哈达玛矩阵在BP、OMP、StOmp等不同重构算法下的重构效果,以及OMP算法在分别以随机矩阵、托普利兹矩阵、循环矩阵和置乱块哈达玛矩阵为测量矩阵时的重构效果。实验结果表明,以置乱块哈达玛矩阵为测量矩阵,图像重构的信噪比更高、压缩成像的效果更好、运算所需时间更短。     

阶数为素数幂的一类整循环矩阵

在循环哈达玛矩阵的研究中,引进了代数数论中的素理想分解方法,证明了阶数为４ｒ（ｒ＞１）的循环哈达玛矩阵是不存在的,并给出了全部４阶循环哈达玛矩阵．对于阶数为ｎ＝ｐｒ（ｐ为素数）且元素为整数和循环矩阵Ｈ,若满足ＨＨＴ＝ｎＩ,则Ｈ的结构可完全确定．这种Ｈ可视为有限域Ｆｐｒ上的矩阵,因而得到了Ｆｐｒ上一种正交码的构造．     

阶数为素数幂的一个整循环矩阵

在循环哈达玛矩阵的研究中，引进了代数数论中的素理论分解方法。证明了阶数为４＾ｒ（ｒ〉１）的循环哈达玛矩阵是不存在的，并给出了全部循环哈达玛矩阵。对于阶ｎ＝Ｐ＾ｒ且元素为整数和循环矩阵Ｈ，若满足ＨＨ＾Ｔ＝ｎＩ，则Ｈ的结构可完全确定。     

基于局部哈达玛变换的织物疵点检测

提出一种局部哈达玛变换和互相关相结合的织物检测疵点方法.首先,选取正常织物作为模板并对模板和待检测织物图像进行直方图均衡化增强.在此基础上,对待检测织物图像进行等尺寸分割,分割得到的子图像大小与选定的模板相同.然后,分别对织物模板和待检测子图像做二维哈达玛变换.最后,分别计算模板图像与待检测子图像哈达玛变换的互相关,并选取合适的阈值作为疵点判别的依据.仿真试验表明,本方法对断经、跳花、勾丝、缺经等常见织物疵点具有良好的检测效果.     

产生Walsh函数序列的一种新方法

由于正交误差是影响walsh函数序列的重要指标，文中介绍了一种能完全避免正交误差的Walsh函数序列的新型产生方法。首先讨论Walsh函数序列的哈达玛矩阵表示形式，然后讨论Walsh函数序列发生器的设计，阐述了该设计的理论依据，最后利用VHDL语言对其进行了软件仿真。结果表明，此方法切实可行，可以使设计过程大为简化，完全避免了Walsh函数序列的正交误差问题。     

基于插值Directionlet变换的图像融合方法

为了凸显区域的细节特征,改善图像的视觉效果,本文通过对Directionlet变换进行插值处理,并结合压缩感知理论提出一种新的图像融合方法。在进行插值Directionlet变换分解以后,对低频分量通过其区域特征及其接近度进行系数融合;对于高频分量,使用改进稀疏化的哈达玛矩阵进行观测,并对观测值进行加权融合,然后对融合后的高频方向子带进行重构;最后通过插值Directionlet逆变换重构图像。数值试验显示,本文提出的融合算法计算复杂度低,融合效果好,能同时得到目标和场景均清晰的融合图像。     

噪声相关下含无序量测的多传感器信息融合估计

多传感器跟踪系统中因通信延迟常会出现无序量测现象,为了提高系统估计精度,采用直接更新法对状态进行更新估计,并针对噪声相关下含无序量测的多传感器系统,提出了矩阵加权最优信息融合状态估计算法,考虑了过程噪声和量测噪声的相关性以及局部估计的误差相关性.仿真计算验证了算法的有效性.     

关于循环哈达玛猜想的讨论

本文介绍了完全循环Hadamard矩阵、Barker序列和1维最佳2元阵列之间的等价关系,并指出目前出现的几种循环Hadamard猜想的“证明”的错误,表明了这一猜想至今仍未被解决.     

用改进的奇异摄动法设计飞行控制系统

本文应用Ｂ．Ｐｏｒｔｅｒ等提出的跟踪系统控制律设计的奇异摄动法设计飞行控制系统；引入特征结构配置进行量测矩阵Ｍ的选择；应用复数域内的奇异值分解方法计算矩阵的零空间以选取闭环系统特征向量；最后通过计算逆回差矩阵的最小奇异值之量分析了闭环系统的鲁律性．     

一种高斯型非线性迭代更新滤波器

针对高斯型非线性滤波器在大初始偏差条件下性能下降、甚至发散的问题,提出了一种新的非线性滤波算法,即迭代更新扩展卡尔曼滤波器（iterated update extended Kalman filter,IU-EKF）。首先,该算法在EKF框架下,将传统的一步量测更新在伪时间上分为多步进行,采用部分增益将当前量测信息逐步地引入量测更新过程实现对状态的后验估计;其次,由于多步量测更新过程引入了每一步的过程噪声,因此将量测噪声与每一步更新后的状态估计误差之间的互协方差代入误差协方差矩阵,再利用此误差协方差矩阵的迹对标准卡尔曼增益矩阵求导并令结果为零,以导出噪声相关条件下的最优卡尔曼增益矩阵表达式;最后,根据后验量测残差自适应地调整迭代更新次数,在保证一定滤波精度的前提下,降低了算法的计算量。以2维目标跟踪问题为例,在大初始偏差条件下,通过仿真实验将本文算法分别与EKF、IEKF、UKF、CKF算法进行对比,并针对不同迭代次数对滤波精度的影响进行对比分析。仿真结果表明：本文算法较EKF大幅提高了滤波估计精度,且在大初始偏差条件下,本文算法性能优于现有经典高斯假设滤波器。同时,当迭代次数按1、2、5、10、20递增时,本文算法的滤波精度也随之提升,但提升幅度逐渐减缓。     

N0-矩阵的模最小特征值的估计

在M-矩阵和逆M-矩阵的Hadamard积的性质的基础上给出了N0-矩阵的几个性质,并讨论了N0-矩阵和逆M-矩阵Hadamard积的模最小特征值以及N0-矩阵的模最小特征值的估     

关于广义Hadamard矩阵及其对应有向图类的特征

Hadamard矩阵在信号处理方面有重要应用,而Hadamard矩阵是广义Hadamard矩阵的特殊情形.讨论了广义Hadamard矩阵对应简单有向图类的特征及其相互关系;给出了广义Hadamard矩阵对应简单有向图的特征值的性质,从而证明了有向图的邻接矩阵是广义Hadamard矩阵的必要条件,为简单有向图是偶阶的;并得到了广义Hadamard矩阵在Kronecker积下的性质.为区组设计和编码理论提供了一些新的方法,并在信源编码中有重要的应用.     

广义HADAMARD矩阵

将一般的二维Hadamard矩阵元素推广到复数域上的m次单位根,给出了一系列性质,讨论了广义的Hadamard矩阵与ChrestenSon谱之间的关系。     

广义Hadamard积

对Hadamard积进行推广,定义了矩阵间的一种新运算,称为广义Hadamard积．给出了广义Hadamard积的一些性质,并证明了矩阵分析中的几个重要结论．     

关于循环Hadamard矩阵存在的必要条件

利用循环矩阵的一些方法求出了循环Ｈａｄａｍａｒｄ矩阵的特征值,并由此得到了几个关于循环Ｈａｄａｍａｒｄ矩阵存在的必要条件,最后讨论了循环Ｈａｄａｍａｒｄ矩阵与Ｂａｒｋｅｒ序列的关系。     

Generation and Display System of Measurement Matrix Based on DMD

A measurement matrix is the key to sampling and signal reconstruction during the process of compressed sensing. On the basis of digital light processing (DLP) technology, a generation and display system of measurement matrix based on digital micro-mirror device (DMD) is proposed and well designed. In this system, the generation and controlling of measurement matrix are implemented on a PC, which reduces the hardware requirement to generate a random matrix and overcomes the difficulty of the hardware implementation for the random matrix. It can set up the display number of the measurement matrix, the mode of display and display time according to the requirements from users. The display information can be designed to complete the display of measurement matrix with a better adaptability. The system can be easily embedded into a variety of compressed sensing applications, which can be used to generate and display the corresponding measurement matrice with strong portability. In addition, the DMD of this system will be used as a spatial optical modulator to manipulate near-infrared light in a fast, accurate and efficient way in several applications such as in 3D scanning devices and spectrometers.     

特殊矩阵的几种性质

首先给出两个矩阵A,B的Hadamard乘积的定义,然后给出M-矩阵在Hadamard积下的几个运算性质,运用矩阵Hadamard乘积及特殊矩阵理论,将M-矩阵在Hadamard积下的若干性质,推广到其他类型的特殊矩阵上。获得了M-矩阵,L-矩阵,H-矩阵和Hermitie-矩阵的几种特征值(q(A),l(A),λ(A))的不等式,以及谱半径ρ(A)、矩阵迹tr(A)满足的几个不等式性质。     

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。     

m序列压缩感知测量矩阵构造

利用m序列,提出了一种新的确定性测量矩阵构造方法,称为m序列矩阵.在压缩感知理论中,spark定义为测量矩阵的最小线性相关列数,是一个重要的性能参数,利用m序列的相关特性,推导了所构造测量矩阵spark值的一个下界.仿真实验表明,该方式构造的测量矩阵的重建概率明显高于同条件下的高斯随机测量矩阵;一旦给定m序列,则能确定出所构造矩阵的每一个元素值,避免了随机矩阵的不确定性;所构造矩阵具有循环特性,易于硬件实现,克服了随机矩阵浪费存储资源的缺陷,具有实用价值.     

广义Hadanard矩阵及其计算机图形特性

讨论了由Kronecker积法构造的Hadamard矩阵、广义Hadamard矩阵及其计算机图形的性质,并给出广义Hadamard矩阵对应的分形。