环形桁架可展天线抛物面索网的预拉力优化

针对环形桁架可展天线抛物面索网预拉力配置问题,提出了一种寻找预拉力最优配置的方法,该方法基于抛物面索网结构的平衡矩阵奇异值分解,采用含线性不等式约束及线性等式约束的线性规划方法,寻找抛物面索网最优预拉力配置,并对抛物面索网结构平衡矩阵的形成、奇异值分解、线性约束优化方法的数学模型、约束矩阵的     

一种基于压缩感知的卫星图像观测矩阵优化

卫星图像分辨率高,包含信息量大,采用压缩感知对卫星图像进行观测和恢复,能够用少量数据完成图像重构。针对压缩感知观测矩阵随机波动大,鲁棒性不强,随机矩阵结构复杂的特点,本文提出了一种优化的部分确定高斯矩阵,作为压缩感知的观测矩阵,对卫星图像进行观测并重构。实验表明,与常用的高斯矩阵、贝努力矩阵等观测矩阵相比,采用优化的部分确定高斯矩阵,不但提高了重构图像的质量,而且增强了信号的鲁棒性和抗干扰能力。     

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.     

基于混沌序列构造测量矩阵优化算法

针对混沌序列具有良好伪随机性的特点来构造测量矩阵,提出了两种基于调整混沌测量矩阵列向量顺序的优化算法。第一种具体方法是通过对信号稀疏向量中系数的分析,针对恢复信号贡献值最大的系数,设计选用混沌自适应测量矩阵最优的向量去采样。另外提出一种对稀疏向量通过不均匀进行采样的方法。实验结果表明：采用混沌测量矩阵通过理论证明可行性和实验仿真结果证明恢复效果比随机测量矩阵更好,并且两种优化算法在相同的压缩比下能显著地提高信号恢复的效果。     

曹钟慧,吴兴坤（浙江大学 现代光学仪器国家重点实验室,光及电磁波研究中心，浙江 杭州 310027）

针对环形桁架可展天线抛物面索网预拉力配置问题,提出了一种寻找预拉力最优配置的方法,该方法基于抛物 面索网结构的平衡矩阵奇异值分解,采用含线性不等式约束及线性等式约束的线性规划方法,寻找抛物面索网最优预拉 力配置,并对抛物面索网结构平衡矩阵的形成、奇异值分解、线性约束优化方法的数学模型、约束矩阵的集成等关键技 术进行了详细的推导说明,同时,根据理论推导编写了相应的程序,对环形桁架可展天线的3种常用抛物面索网布置形式 进行了算例分析,采用非线性有限元法对分析结果进行了验证,证明了该方法的正确性     

带状随机非线性系统的状态估计

讨论了系统噪声和测量噪声为非零均值并且互为相关情形下的广义随机非线性系统,利用广义逆矩阵和矩阵的奇异值分解,给出了奇异矩阵为带状的广义随机非线性系统的奇异值标准形式,得到了该系统状态的最优预测和滤波递推方程．     

低密度奇偶校验码的压缩感知重构

针对压缩感知(CS)中由观测噪声引起的信号重建误差问题,提出利用非相关性约束理论作为衡量压缩重建条件的重构误差向量的方法。该方法基于线性分组码中稀疏校验矩阵的零化子特性,建立了以误差向量为目标信号的线性规划问题,实现了低密度奇偶校验(LDPC)码的压缩感知重构。仿真结果表明:在加性高斯白噪声信道和原对偶内点算法下,选取的3种LDPC码均具备较强的信号重构能力,其中Mac Kay随机码的相关性系数较小,因此在信噪比为-1 d B时就可达到100%的误差向量重构成功率。同时表明在满足误比特率要求下,CS-LDPC码可使系统实现低信噪比下的高可靠性通信。     

基于遗传算法的压缩感知DOA测量矩阵设计

基于格拉姆矩阵(Gram matrix),利用遗传算法给出一种优化压缩感知波达方向测量矩阵的方法。对阵元进行不重复采样,构造测量矩阵;根据稀疏字典得到压缩感知DOA的感知矩阵,并由其构造格拉姆矩阵;以所得格拉姆矩阵非对角元素的平方和作为遗传算法的适应度值,利用遗传算法求解出最佳采样阵元。仿真实验显示,以所给方法设计的测量矩阵,在采样阵元较少且信噪较低的情形下,仍具有较好的DOA估计性能。     

压缩感知等效源法近场声全息关键参数选取

等效源距离是决定等效源法近场声全息精度的关键参数,传统等效源法中等效源距离根据传递矩阵奇异值分布进行选取,但随着压缩感知的引入,该方法不再适用.通过对压缩感知性质与奇异值分布联合研究,提出一种基于传递矩阵最大列相关系数的压缩感知等效源法的近场声全息等效源位置选取方式.研究结果表明,压缩感知等效源法的等效源距离选取与稀疏基选取有关,传统等效源选取范围距离重建面0.030～0.100 m,而带有稀疏基的等效源选取范围距离重建面0.010～0.060 m,在使用适当稀疏基的情况下,压缩感知方法的等效源布置距离较传统等效源法更为靠近重建面.     

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.     

4-f光学架构频域纯相位调制压缩成像

为了改善传统的多幅亚像素图像配准融合实现超分辨率的方法面临的配准误差和高成本问题,将压缩传感理论引入超分辨率成像. 基于大多数自然图像普遍具有的稀疏表示特性,以经典的4-f光学架构为基础,利用频域中相位比振幅包含更多信息的特点,提出了一种频域纯相位调制压缩成像方法,通过重建算法从单次曝光记录的低维测量值中恢复原高分辨率图像的信息. 数值实验结果表明,提出的方法可以有效地实现图像信息的随机调制和高质量重建,是一种有潜力的压缩成像物理实现方案,具有较高的重建信噪比和较少的重建时间,尤其是对于大尺度图像.     

一种基于奇异值分解的奇异性检测新方法

针对信号中的奇异点检测问题,提出了一种利用一维信号序列以连续截断信号方式构造出较小列数和较大行数矩阵的方法,并通过奇异值分解来实现这种检测.分析了该矩阵方式下奇异值分解的信号分解原理,研究了该方法的奇异性检测效果,并与Hankel矩阵方式以及小波检测效果作了比较,将其应用于铣削力信号的奇异性检测.实验结果表明,该方法能有效揭示铣削过程中可能由铣刀或工件问题引起的微小冲击现象,且其各分量指示奇异点位置的脉冲幅值大、宽度小,能与周围高频噪声形成鲜明对比,有利于更准确地判断奇异点的位置.     

Signal reconstruction algorithm based on the probabilistic structured sparse model

In order to describe structured sparsity of the signal accurately, a probabilistic structured sparse model is constructed for signal reconstruction in compressive sensing(CS). Based on the structured sparse model, Boltzmann distribution is introduced to describe structured sparsity of the signal support rather than to describe the signal directly. Based on Bayesian CS, the maximum a posterior estimate of signal support is computed with the prior distribution and the Gaussian likelihood model of measurement, and then the signal is reconstructed using signal support. Experimental results show that, for the signal with the support known, the proposed algorithm is obviously superior to BP and OMP and that for the signal with the support unknown, its performance outperforms that of BP and OMP in the condition of a high measurement noise level and low reconstruction error tolerance.     

基于奇异值分解的多载波调制信号盲识别算法

针对高斯白噪声背景条件下,IFFT实现的多载波调制信号类内盲识别问题,提出了一种基于对构造数据矩阵进行奇异值分解的多载波调制信号盲识别算法。在无需知道任何多载波调制信号数据信息和扩频码类型及其长度等先验知识的条件下,根据构造数据矩阵的较大非零奇异值个数,按照简单的判定准则,即可准确判断多载波信号的类型,并取得了良好的效果。无需传统识别算法中特征提取之后复杂的分类器设计,简化了识别流程。理论分析和仿真均验证了算法的正确性和有效性。     

基于切比雪夫扩频序列的测量矩阵构造算法(研究生论坛)

针对混沌系统以间隔采样序列构造压缩感知测量矩阵而造成的计算和存储资源的浪费,本文提出了一种基于切比雪夫－贝努利序列构造测量矩阵的算法。提出了通过符号函数将切比雪夫混沌系统产生的混沌序列映射为其扩频序列,并证明了其扩频序列服从贝努利分布特性,进一步提出由其扩频序列构造压缩感知测量矩阵的方法。实验仿真表明,该测量矩阵与随机矩阵、混沌矩阵相比具有同样的重构性能,对于红外图像的重构,本方法具有更好的重构性能。     

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.     

一种新的基于奇异值分解的图像隐藏方法

以数字图像信息隐藏问题为研究的切入点,介绍了奇异值的数学理论基础,讨论了矩阵奇异值分解与重构的原理和方法;构造了一种新的基于奇异值分解的图像隐藏的算法,用实例说明了奇异值分解在图像隐藏中的原理和应用,并在奇异值分解的基础上重构了原图像,取得了较好的效果,表明了该方法的有效性．     

放大重传协议下优化的MIMO中继预编码转发矩阵设计算法

提出了一种优化的多输入多输出（MIMO）系统两跳中继预编码转发矩阵的设计方法. 该方法基于目的节点估计信号的均方误差最小, 在迭代求解〖WTHX〗AX〖WTBX〗+〖WTHX〗XB〖WTBX〗=〖WTHX〗F〖WTBZ〗类型矩阵方程的基础上, 通过奇异值分解得到最佳的转发矩阵．在中继放大重传协议下采用了简单的基于迫零准则的检测算法和线性预编码算法．该算法和基于酉矩阵的方法相比, 在同等条件下遍历容量可以提高2 bit〖DK〗•s-1〖DK〗•Hz-1以上．