压缩感知重构算法研究

压缩感知技术突破了奈奎斯特准则的局限性,在图像处理方面有着广泛的应用。在精典TV重构算法的基础上通过对测量矩阵与迭代过程加以改进,以测量值基本逆变换(IY)作为迭代初值的IY-TV重构算法;TV算法有利于去除信号的中噪声,在迭代过程中与IY变换图像差值相联合重建原始信号。测量矩阵直接影响图像的重构质量,设计与该算法相适应的测量矩阵以提取更多的基本信息。实验表明,该算法可以在较低采样率时,同样重构出较高的图像质量。     

最小二乘与加权最小二乘空域矩阵滤波器设计

空域矩阵滤波器是一种新的信号处理技术,通过一个滤波矩阵与接收到的阵列数据相乘,可实现保留通带目标信号,抑制阻带干扰的目的.本文主要研究了最小二乘和加权最小二乘两类的空域矩阵滤波器.给出了空域滤波器设计基本原理,通过最优化问题得出了最优解.最小二乘空域矩阵滤波器是加权系数为1的加权加权最小二乘空域矩阵滤波器的特列.由加权最小二乘迭代仿真结果可以看出,迭代次数的增加使滤波器阻带响应极大值逐渐变小,可实现恒定阻带抑制效果,设计效率较高.     

基于总体最小二乘算法的多站无源定位

将总体最小二乘算法应用于多站无源定位中,分别提出了基于角度估计的总体最小二乘算法,基于时差估计的总体最小二乘算法以及基于角度和时差估计的总体最小二乘算法。算法首先把非线性的观测方程转化为伪线性的观测方程,然后构造增广矩阵,并对该矩阵进行奇异值分解即可估计出目标位置,因此无需迭代计算或者获得目标位置的粗略估计,仿真结果表明该算法具有较高的定位精度。     

基于压缩感知和最小二乘的分布式协作频谱感知

针对认知无线电(CR)集中式频谱感知算法对融合中心要求高,而且对节点失效的容忍性也不高等缺点,提出了一种基于压缩感知的分布式多节点协作算法.认知无线电网络中每个CR节点在接收信号频谱后,首先根据压缩采样理论在本地获取压缩采样测量值,然后利用l1范数约束的最小二乘算法在本节点估计频谱,把在此节点估计的频谱传给下一相邻节点,以此进行迭代优化直到算法收敛.理论分析和仿真结果表明,所提算法不仅计算复杂度低,收敛速度快,而且精确重构性能好,可靠性较高.     

基于混沌压缩感知的稀疏时变信号在线估计

混沌压缩感知是一种利用混沌系统实现非线性测量的压缩感知理论。针对稀疏时变信号的混沌压缩感知,该文提出稀疏时变信号的在线估计架构,构建一种递归最小二乘准则下的稀疏约束目标函数;通过利用迭代加权非线性最小二乘算法求解目标函数最小化问题,实现稀疏时变信号的参数估计。以Henon混沌系统为例仿真分析了频域时变稀疏信号的估计性能,数值模拟证明了该方法的有效性。     

基于深度学习的二值测量矩阵自适应构建方法

在基于压缩感知的计算鬼成像领域中,测量矩阵的设计问题一直是被研究的对象.理想的测量矩阵需要满足较高的采样效率、较好的重构效果和较低的硬件实现要求.为了减轻测量矩阵的设计与实现难度,提出了一种基于深度学习的二值测量矩阵的构建方法.该方法通过卷积操作模拟图像的压缩采样过程,并利用设计的采样网络对图像数据进行训练,以自适应的方式对测量矩阵进行迭代更新.仿真与实验结果表明,构建的测量矩阵能够在较低采样率条件下得到高质量的重构图像,进一步促进了计算鬼成像的实际应用.     

基于卡尔曼滤波的压缩感知弱匹配去噪重构

现有的贪婪迭代类压缩感知重构算法均基于最小二乘对信号进行波形估计,未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出了一种基于线性Kalman滤波的压缩感知弱匹配去噪重构算法.该算法不需已知稀疏度先验,通过引入Kalman滤波,在最小均方误差准则下,每次迭代都获得最佳信号估计;并以弱匹配的方式同时筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KFCS算法.     

基于迭代重赋权最小二乘算法的块稀疏压缩感知

压缩感知是一种新颖的信号处理理论。它突破了传统香农采样理论对采样的限制,以信号的稀疏性或可压缩性为基础,实现了信号的高效获取和精确重构。然而在现实中,部分稀疏信号还表现出一些其他结构,典型的例子就是一类块稀疏信号,其非零元素以块的形式出现。针对这类信号,本文研究了求解块稀疏压缩感知的迭代重赋权最小二乘算法（IRLS ）,给出了该算法的理论分析：误差估计和局部收敛性分析。大量试验验证了基于迭代重赋权最小二乘算法的块稀疏压缩感知策略的有效性。     

哈默斯坦非线性时变系统的加权学习辨识方法

针对有限区间哈默斯坦(Hammerstein)非线性时变系统,该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开,采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和,采用带遗忘因子的迭代学习最小二乘算法,进而引入权矩阵,采用加权迭代学习最小二乘算法改进系统跟踪误差,以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明,与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比,加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。     

阵元失效条件下MIMO雷达成像方法研究

为了提高天线阵元失效条件下非均匀采样MIMO雷达的成像性能,提出了一种基于失效阵元丢失数据重构的MIMO雷达成像方法。该方法先对失效阵元丢失的数据上叠加幅度微小的随机扰动量,利用矩阵填充技术恢复成均匀采样整体数据,并采用迭代加权lq方法获得低精度的目标场景向量估计值,然后根据该目标场景向量估计值和感知矩阵重构出失效阵元所丢失的回波数据,最后利用矩阵填充和迭代加权lq方法以获得更接近最佳稀疏度的目标场景向量估计值。仿真结果表明,该方法能有效降低天线阵元失效情况下MIMO雷达的目标场景向量估计误差,提高目标的三维成像质量。     

VBLAST系统的译码算法研究

对已有的传统译码算法如迫零算法（ZF）、最小均方（MMSE）算法、连续抵消（SIC）算法等的性能进行了研究,并在此基础上提出将迫零算法与连续抵消算法、最小均方算法与连续抵消算法相结合,构成迫零-连续抵消算法（ZF-SIC）与最小均方-连续抵消算法（MMSE-SIC）,从而明显改善系统的误码性能。此外,对收发两端采用不同天线数时的系统误码性能进行了仿真与分析,同时仿真分析了系统采用QPSK与16QAM调制方式的误码性能,最后给出仿真分析结果。     

字符串相似度度量中LCS和GST算法比较

就字符串相似度度量算法的LCS和GST在概念、实现、效率方面进行比较分析,简要探讨了两种算法的应用领域.     

一种Turbo译码算法改进研究

Turbo码是近年来广泛应用于通信系统中的一种性能优异的编码方式.文中首先分析了基于最大后验概率的Turbo码传统译码算法,然后指出了使用这类算法具有大译码延时的缺点,分析了常用的能减小译码延时的SW-MAP算法;最后根据此算法的特点提出了SW-MAP算法的改进方案.算法改进后能有效降低译码延时,提高译码性能.     

DOA估计的几种特征结构算法的性能比较

Pisarenko算法、多信号分类（MUSIC）算法、最小模算法和ORPD算法是来波到达方向（DOA）估计中常用的四种特征结构算法。在不同的信噪比及阵元数目条件下，对这几种算法的分辨性能作了比较。仿真结果表明：MUSIC算法是最稳定的一种算法；在预知大致方位的前提下。ORPD算法分辨性能最好；对于提高各种算法的分辨能力，改善信噪比相对增加阵元数目更有效。     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法。首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配。仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算法、传统加速稳健特征算法及其他改进的图像配准方法相当,但在图像配准实时性方面具有一定的优势,仿真实验二通过立体匹配库验证了该方法具有普遍有效性。     

一种改进的松弛算法

本文从建立松弛(RELAX)算法所对应的多维非线性优化问题出发,对松弛算法和最大似然(ML)算法进行了多方面的比较.基于这些讨论,提出了改进的RELAX算法。     

一种新的排序算法——端点排序算法

提出了一种新的排序算法：端点排序算法。其方法为：依次找出数据总数为N的数列最小和最大值,把二者放在本次所排数列的两端,再把剩余两端之间的数据总数为N-2的数列的最小值和最大值找出,放在此数列的两端,依此类推,直至数列中间,实现整个数组的排序。实验表明,该算法具有与冒泡排序更快的性能。在数据个数较多的情况下优于选择排序。     

RFID防碰撞算法的研究

随着物联网技术的高速发展,作为其关键技术之一的RFID显得愈为重要。标签碰撞的应用在RFID系统中是不可避免的,因此RFID防碰撞算法是RFID系统中一个重要问题,直接决定了RFID系统可以识别多个标签的能力。目前防碰撞算法在时域上主要可以分为非确定性算法（ALOHA算法）和确定性算法（树形算法）两大类。本文分析了现存的两大类算法中主流的防碰撞算法,总结出两大类算法的优点以及存在的问题。通过MATLAB仿真进一步证明此结论,并总结未来研究中需要继续关注的问题与方向。