首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 15 毫秒

1.  基于波形选择的MIMO雷达三维稀疏成像与角度误差校正方法  
   杨杰 廖桂生 李军 党博 刘长赞《电子与信息学报》,2014年第36卷第2期
   该文研究稀疏目标场景下,波形选择对基于压缩感知理论的MIMO雷达成像效果的影响并提出一种改进的成像角度误差校正方法。首先分析了模糊函数和压缩感知匹配字典的相关系数之间的关系;然后,在空间小角度域情况下,针对成像场景中的角度误差,提出一种改进的基于迭代最小化的稀疏学习(SLIM)算法进行校正。仿真结果表明,选择具有较低旁瓣模糊函数的发射波形可以提高成像质量,改进的SLIM算法可以有效补偿角度误差。    

2.  可实现图像自修复的压缩感知超分辨率成像  
   胡春海  张湃  张海峰《计算机辅助设计与图形学学报》,2012年第24卷第12期
   为了在不增加系统复杂度的前提下实现对降质图像的传输、修复及超分辨率成像,基于压缩感知理论和图像的退化模型建立了一个新型的压缩感知系统.该系统利用图像退化模型中降采样操作和模糊算子改进测量矩阵,并提出了基于小波-Shearlet的图像变换作为稀疏表示方法,在重构端结合迭代硬阈值算法重建图像.实验结果表明,文中系统在重构图像的质量和运算效率上均具备一定优势.    

3.  一种基于单像素相机的压缩感知图像重建优化算法  
   魏子然  张建林  徐智勇  刘永《半导体光电》,2019年第40卷第3期
   基于压缩感知图像重构和单像素相机成像的基本原理,对单像素成像系统中的图像重建算法进行了改进优化。基于最小范数类优化算法,结合凸优化算法和非凸优化算法各自的优点,设计了一种逼近L0范数的数学模型,从而实现了从凸优化向非凸优化算法的迭代逼近,即逼近光滑L0范数算法。该新型算法以更高的效率和更大的概率逼近原始信号全局最优且尽可能稀疏的解。相较于传统压缩感知图像重建的贪婪类算法和最小范数类算法,该算法使压缩感知重建图像的质量和单像素相机的成像效果均得到了有效提升,并通过实验仿真和实际场景的成像实验验证了该优化算法的可行性。    

4.  Compressed Sensing Projection and Compound Regularizer Reconstruction for Hyperspectral Images  
   FENG Yan    JIA Yingbiao    CAO Yuming    YUAN Xiaoling《个人电脑》,2012年第33卷第9期
   压缩感知理论提供了一种新的数据获取和压缩思路,能有效地把计算负担从编码端转移到解码端.高光谱数据具备数据稀疏性、空间相关性和谱间相关性,结合这3类先验知识,提出了一种基于复合正则化的高光谱图像压缩感知投影与重构方法.该方法的编码端只需要一个简单的投影操作;在重构算法实现中,基于变量分裂的思想,把具备多个正则项的优化问题转化成多个简单的优化问题,并用迭代方式求解.实验结果表明,本文算法在高光谱图像重构上能获得更高的峰值信噪比和更好的重构效果.该方法具备极低的编码复杂度,适用于资源受限的机载和星载高光谱成像平台.    

5.  压缩感知OMP算法与IRLS算法在计算鬼成像中的对比分析  被引次数:1
   董博  姚治海  李喆  常锋  于佳意  王晓茜《长春理工大学学报(自然科学版)》,2016年第1期
   将压缩感知技术和鬼成像系统相结合,能够大幅度地降低成像所需的测量次数,并能有效地提高重构图像的峰值信噪比。本文将离散余弦变换(DCT)矩阵作为图像稀疏化矩阵,采用正交匹配追踪算法(OMP)和迭代加权最小二乘算法(IRLS)两种压缩感知算法作为压缩感知鬼成像系统图像重构的算法。通过对两种算法在改变稀疏度和测量次数时重构结果的峰值信噪比变化的比较,探究了这两个变量对峰值信噪比的影响。发现IRLS算法重构精度更高,图像质量更好,而OMP算法迭代速度比IRLS更快,重构图像所需的时间较少。    

6.  基于SL0压缩感知信号重建的改进算法  
   杨良龙  赵生妹  郑宝玉  唐文娟《信号处理》,2012年第28卷第6期
   SL0算法是一种基于近似L0范数的压缩感知信号重建算法,它采用最速下降法和梯度投影原理,逐步逼近最优解,具有匹配度高、重建时间短、计算量低、不需要信号的稀疏度这个先验条件等优点。但是,它的迭代方向为负梯度方向,存在"锯齿效应",并且SL0算法及其改进算法(NSL0)中的连续函数"陡峭性"不大,使近似L0范数的估计不精确、收敛速度慢。本文采用"陡峭性"大的近似双曲正切函数,结合修正牛顿法和阻尼牛顿法,提出一种更快速高效的信号重建算法(ANSL0)。数值计算结果表明,在相同的条件下,相比SL0和NSL0算法,ANSL0算法在匹配度、峰值信噪比和信噪比方面都有了较大提高。    

7.  基于SCAD的压缩感知阈值迭代算法的收敛性分析?  
   张会  张海  勾明《工程数学学报》,2016年第3期
   基于SCAD罚函数的压缩感知在有噪声稀疏信号重建中具有优良的理论及应用效果,开展其快速重建算法研究有着重要的意义,阈值迭代算法是解决压缩传感问题最有效的算法之一。本文研究了基于SCAD罚函数的压缩感知阈值迭代算法的收敛性问题,给出了算法收敛到稀疏解的充分条件,并证明了迭代估计值以指数阶速率收敛于最优值。进一步,本文给出了基于AMP改进的SCAD阈值迭代算法的收敛性分析。    

8.  基于压缩感知的空间目标三维雷达成像方法  
   张凯  杜小勇  王壮《信号处理》,2011年第27卷第9期
   对于稳定飞行的空间目标,俯仰向上的多圈次回波数据是稀疏分布的,从有限的观测数据中反演目标的三维反射率函数是不适定问题,观测噪声也会影响反演的结果,因此传统的FFT算法不再适用,必须引入适当的先验信息才能生成目标的三维图像.文章针对空间目标轨道的运动特性,首先推导了回波俯仰向表达式,然后结合目标散射中心稀疏分布特性和压缩感知原理,提出了一种基于多圈次稀疏观测的空间目标三维成像算法.该方法利用噪声单元估计噪声门限,当观测模型满足约束等距性质时,利用加权迭代的压缩感知算法进行成像处理,生成目标的三维图像.最后结合实测轨道模型,仿真验证了在低信噪比下,基于噪声估计的压缩感知算法能实现对目标三维像的精确重构.    

9.  基于非局部相似性和交替迭代优化算法的图像压缩感知  
   陈书贞  李光耀  练秋生《信号处理》,2012年第28卷第2期
   压缩感知理论突破了信号带宽对奈奎斯特采样定理的限制,并且实现了在数据采样的同时进行压缩。目前压缩感知系统通常利用图像在某个变换域具有稀疏性的先验知识,从少量观测值中重构原始图像。本文利用图像像素的邻域结构信息及图像子块的相似性,将图像的非局部相似性作为先验知识运用到压缩感知图像重构中。结合图像的非局部相似性及其在变换域的稀疏性先验知识,提出了基于非局部相似性和交替迭代优化算法的图像压缩感知重构算法,该算法利用迭代阈值法和非局部全变差来交替迭代求解变换域的稀疏性优化问题和非局部相似性的优化问题。实验结果表明,本文算法可以有效提高图像重构的视觉效果和峰值信噪比。    

10.  基于线性Bregman迭代类的多量测向量ISAR成像算法研究  
   陈文峰  李少东  杨军  马晓岩《雷达学报》,2016年第4期
   为实现目标回波数据稀疏时的快速稳健ISAR成像,该文在构建多量测向量ISAR回波模型的基础上,利用压缩感知(Compressive Sensing,CS)中的线性Bregman迭代理论,研究了基于线性Bregman迭代类的多量测向量快速ISAR成像算法。该类成像算法共包括4种算法,首先给出此类算法的整体迭代构架、应用条件以及4种方法之间的联系;其次对此类算法的重构性能、收敛性、抗噪性以及正则化参数选择等方面进行全面的比较分析;最后基于实测数据进行ISAR成像,实验结果表明,与传统单量测向量ISAR成像算法相比,该文算法在低信噪比条件下可在更短的成像时间内获得更高的成像质量。    

11.  超材料压缩感知成像技术  
   白佳俊  陈 强  陈 亮  付云起《太赫兹科学与电子信息学报》,2015年第13卷第4期
   基于超材料和压缩感知理论设计了一套简便的快速成像系统,可用于毫米波及太赫兹(THz)成像,具有结构简单,成像速度快,在不同频段移植性强等优点。系统采用超材料结构互补(CELC)单元设计单通道成像口径,实现了对信息的物理层压缩。基于口径在不同频率辐射特性的不相关性,构造测量矩阵,以扫频方式实现对目标场景的稀疏测量,最后采用两步迭代阈值(TwIST)算法实现对目标场景的重构。已完成K波段、THz波段成像口径设计,以及K波段成像仿真实验,40 cm成像口径理论上具备4.6 cm的距离分辨力和1.3°的角度分辨力。    

12.  压缩感知中测量矩阵与重建算法的协同构造  被引次数:1
   李佳  王强  沈毅  李波《电子学报》,2013年第41卷第1期
   本文提出基于感知字典的迭代硬阈值(SDIHT)算法,以此协同构造压缩感知中测量矩阵与重建算法.将成对测量矩阵与感知字典分别用于压缩投影和构造重建算法,重建迭代至残差为零,从而精确恢复原始稀疏信号.本文证明了SDIHT算法精确恢复原始稀疏信号的充分条件.SDIHT算法的优点是重建精度高和计算复杂度低.仿真实验表明,当信号稀疏度或测量次数相同时,相比IHT、OMP和BIHT算法,SDIHT算法重建0-1稀疏信号和二维图像效果更好、算法效率更高.    

13.  基于量子关联成像的图像重构算法采样数研究  被引次数:1
   苏枫  刘翔  龙华保  卢山  阳光《量子电子学报》,2015年第32卷第2期
   量子关联成像技术采用单点强度探测,存贮信息量大,成像速度慢,需研究快速图像重构成像算法。对量子关联成像技术图像重构算法中的统计迭代法和压缩感知算法的采样次数进行了仿真分析,压缩感知算法采用二维离散余弦变换(DCT)将图像稀疏化,高斯随机矩阵作为测量矩阵,正交匹配追踪(OMP)算法对图像进行重构。结果表明:图像越大,重构图像需要的采样次数和采样时间越长,采用压缩感知算法能有效减少采样次数,从而提高系统成像速度。因此,研究量子关联成像的图像重构算法,减少图像的采样次数,对提高成像速度具有重要意义。    

14.  UWB MIMO近场成像雷达稀疏阵列设计方法研究  
   张小虎  顾红  苏卫民《火控雷达技术》,2019年第3期
   传统方法设计近场高分辨成像雷达的阵列时,往往需要大量且分布密集的阵元,这样的设计会带来巨大的开销和制作工艺要求高等问题。为了避免上述问题,本论文将MIMO与UWB相结合,提出了一种基于等效相位中心原理设计UWB MIMO近场成像雷达稀疏阵列的方法,并对等效相位中心近似带来的误差做了补偿。然后通过数值仿真工具(FDTD)进行仿真,考察了设计的阵列的波束方向图,并分别对单个点目标和分布式目标进行成像,仿真结果验证了该阵列设计方法的有效性和应用于近场高分辨成像的可行性。    

15.  稀疏补分析子空间追踪算法  
   张宗念  林盛鑫  毛焕章  黄仁泰《计算机应用》,2015年第35卷第5期
   针对压缩感知理论的稀疏分析模型下的子空间追踪算法信号重构概率不高、重构性能不佳的缺点,研究了此模型下的稀疏补子空间追踪信号重构算法;通过选用随机紧支框架作为分析字典,设计了目标优化函数,改进优化了稀疏补取值方法,改进了算法迭代过程,实现了改进的稀疏补分析子空间追踪新算法(IASP).实验结果证明,所提算法的信号完全重构概率明显高于分析子空间跟踪(ASP)等5种算法的信号完全重构概率;对于含高斯噪声的信号,所提算法重构信号的整体平均峰值信噪比明显超过ASP等3种算法整体平均峰值信噪比(PSNR),但略低于贪婪分析追踪(GAP)等2种算法的整体平均峰值信噪比.所提算法可用于语音和图像信号处理等领域.    

16.  结合自适应字典学习的稀疏贝叶斯重构  
   王勇  乔倩倩  杨笑宇  徐文娟  贾拯  陈楚楚  高全学《西安电子科技大学学报(自然科学版)》,2016年第4期
   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.    

17.  基于近似观测的加权L1 压缩感知SAR成像  
   李博刘发林周崇彬王峥韩浩《微波学报》,2018年第34卷第6期
   近些年,压缩感知(CS)理论已经被应用于合成孔径雷达(SAR)成像。传统的CS-SAR 成像需要消耗很高的计算机内存,为了减少计算机内存消耗,基于近似观测的CS-SAR 成像模型被提出。已有的基于近似观测的CS-SAR 成像模型使用Lq(0≤q≤1)正则化项来稀疏约束成像结果,当q 越小时,得到的解越稀疏;但是当q = 0 时, 该优化问题就变成了NP 难问题。提出了基于近似观测的加权L1 -CS-SAR 成像模型,加权L1 正则化既能够很好地逼 近L0 正则化,又能够避免NP 难问题。进一步地,我们针对该成像模型提出了相应的迭代加权阈值算法,仿真结果证明了所提出的成像算法的性能优于已存在的迭代阈值算法。    

18.  机载下视稀疏阵列三维SAR系统及成像  被引次数:2
   叶荫  刘光炎  孟喆《中国电子科学研究院学报》,2011年第6卷第1期
   主要介绍了阵列三维SAR成像系统的基本理论,讨论一种双侧放置发射阵元的单激励稀疏阵列三维SAR成像系统;利用相位中心近似原理对天线进行优化,推导了阵列三维SAR系统的模糊函数,详细分析了稀疏阵列三维SAR分辨率特性;最后,讨论了三维SAR系统的RD成像算法,并进行了仿真成像。    

19.  基于压缩感知的连续场景稀疏阵列SAR三维成像  被引次数:1
   李烈辰  李道京《电子与信息学报》,2014年第36卷第9期
   该文提出一种基于压缩感知的连续场景稀疏阵列SAR 3维成像方法。利用多孔径观测结构,使SAR复图像在频域和变换域具备稀疏性,将压缩感知(CS)方法引入频域和变换域的信号处理过程中,实现高分辨率3维成像,获得与满阵成像结果相同的成像质量。该文方法适用于随机稀疏阵列,可减少对高程向阵型的设计约束,为孔径综合处理后无法获得满阵条件下实现对地成像提供了可能。仿真试验验证了该文方法的有效性。    

20.  基于压缩感知超宽带信号盲稀疏度信道估计  
   王平  阮怀林  樊甫华  陈小波《电讯技术》,2012年第52卷第11期
   鉴于超宽带(UWB)信道估计要求预先给出信道才能精确重构的不足,研究了基于压缩感知的盲稀疏度匹配追踪类算法用于信道重建.这种盲稀疏度方法根据迭代终止条件和字典中最优原子选择方式的不同,设置迭代终止阈值和阶段转换阈值,通过可变步长的增大逐步逼近稀疏度,实现精确重建.仿真结果表明,相同条件下,基于此思想经过改进算法可有效用于解决实际UWB信道估计,较改进前算法估计性能相当,是一种具有应用价值的盲稀疏度重构方法.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号