基于压缩感知的合成聚焦超声成像的研究

为解决合成聚焦技术用于超声成像中存在数据存储量大的问题,针对超声回波信号在频域内存在稀疏性的特点,利用压缩感知技术对其在频域进行压缩采样,使用最优化方法完成对回波信号的重建,最终将恢复的信号送入成像系统完成超声成像。通过仿真实验,将该方法用于点目标进行非均匀稀疏采样,所获得的压缩信号恢复出原始信号,完成了成像。结果表明,基于压缩感知的合成聚焦成像方法,在保证成像质量的前提下,可以大幅度减少数据量,降低系统复杂度,仅使用50%数据量,图像质量仍未出现明显失真。     

基于压缩传感的宽带频谱协方差感知算法

宽带感知需要超宽的射频前端,非常快的数字处理设备,传统的频谱检测机制承受着巨大的压力.利用宽带频谱中信号频谱的稀疏特性以及实际稀疏数据观察值成组出现,即组稀疏的特性,将压缩传感算法应用于宽带频谱感知,通过阈值判断,对欠采样下的信号进行重构,进而进行频谱感知,提出了基于压缩传感的频谱协方差感知算法,当压缩比为0.1时系统...     

基于压缩感知的信号欠采样和重建研究

为了实现基于压缩感知理论的信号欠采样和重建,采用模拟信息转换器和正交匹配追踪（0rthogonal Matching Pursuit,OMP）算法对正弦脉冲信号的欠采样和信号重建进行了仿真分析。通过Matlab仿真分析验证了压缩感知理论在信号欠采样和重建过程中的可行性,通过对此在不同信噪比下的效果发现,在高信噪比时,性能较好,可以为信号采样系统和信号恢复处理系统的设计应用提供理论参考。最后,总结讨论了压缩感知在射频和无线通信领域的应用价值。     

基于A* OMP算法的压缩感知声纳成像

传统声纳成像系统所要采集的数据量巨大,给硬件设备以及数据的存储和传输带来很大的压力。压缩感知作为一种全新的采样理论,可以从很少的采样数据中以很大的概率重建原始信号。将压缩感知用于声纳成像,减少数据采集传输量。考虑到水下环境的复杂性,提出了A* OMP作为声纳成像算法,该算法使用A*搜索方法寻找最优原子,得到全局最优路径。实验结果表明,相比于传统OMP算法,所提算法有效地提高了声纳成像的质量。     

改进的毫米波复数网络稀疏成像算法

针对基于压缩感知的重构方法耗时巨大的问题,从信号恢复的角度提出了一种基于深度学习方法的稀疏成像方案。首先,构建基于复数卷积的U-Net网络。其次,将欠采样信号输入网络得到满采样信号。最后,使用距离维脉压的二维匹配滤波算法重构出目标。实验建立在不同稀疏度和不同采样间隔下的欠采样仿真数据集中,并与传统和最近的信号处理方法进行对比。再使用实测数据进行验证,实验结果表明该算法在重构耗时以及图像平均梯度上具有更好的表现。     

一种基于压缩感知的超声阵列全矩阵数据重构方法

针对传统全矩阵数据采集数据量大、采样时长随阵元个数增加的问题,提出了一种基于压缩感知的超声阵列全矩阵数据重构方法.根据多阵元等幅同步有限次激励下采集的超声信号与全矩阵数据的压缩采样关系,利用多阵元等幅同步有限次激励下采集到的少量超声信号进行超声阵列全矩阵数据重构,并将重构数据用于缺陷的全聚焦成像.基于提出的数据压缩采集模式,开展了块状试件中缺陷超声相控阵检测实验,并分析了稀疏变换基、激励阵元个数、激励次数等因素对检测结果的影响规律.实验结果表明,提出的方法可以在75％压缩率下实现超声全矩阵数据的重构,重构数据与实际全矩阵数据的均方根误差约为6％,可用于缺陷的全聚焦成像.     

基于压缩感知理论的图像压缩技术研究

压缩感知理论是近年来信号处理领域诞生的一种新的信号处理理论。相较于传统的奈奎斯特采样定率,压缩感知理论采样数据量少,节省了后续处理时间和存储空间,这使其在信号处理领域有着广阔的应用前景。首先讨论了应用压缩感知理论的三个关键问题:信号稀疏表示、随机测量矩阵设计、信号重构算法,初步研究了压缩感知理论在图像压缩技术中的应用,给出了在不同压缩率下的重构图像和PSNR。计算机模拟结果表明了理论的可行性。     

基于压缩感知的MIMO-TDCS频谱感知方法

针对MIMO-TDCS系统频谱感知中因数据量大而较难实现的难题,提出一种利用压缩感知的MIMO-TDCS频谱感知方法.在电磁环境一致的情况下,收发两端分别用远低于乃奎斯特的采样速率对电磁环境信号进行采样,然后用正交匹配追踪算法对信号进行重构,并通过二元门限进行状态判决.实验结果证明,运用压缩感知技术能大大减少电磁环境宽带信号的快速采样和处理难度,在选取合理测量值的情况下能够准确恢复信号,进而能有效地检测和剔除干扰,达到抗干扰的目的.     

空间欠采样太赫兹时域光谱成像方法

文章针对传统太赫兹时域光谱成像技术存在的扫描时间长以及数据存储量大等问题,提出了一种基于压缩感知理论的空间欠采样太赫兹时域光谱成像方法。首先通过扫描电机获得目标非等间隔欠采样信号,然后利用压缩感知方法来重构缺失像素点的太赫兹信息。实验结果显示,当压缩比为0.5时,所重构的太赫兹信号与全采样条件下的信号相关性可达99.95%。通过对压缩重建图像的显示分析,时域图像中的缓变区域和频谱成像中的低频信号恢复效果较好。该方法为快速太赫兹光谱成像提供了一种有效的技术手段。     

基于非下采样轮廓波的MRI图像的压缩感知重构

压缩感知是一种全新的信息采集与处理的理论框架,借助信号内在的稀疏性或可压缩性,可从小规模的线性、非自适应的测量值中通过非线性优化的方法精确重构信号。压缩感知以远低于奈奎斯特频率的采样频率,在压缩成像系统、医学图像处理等领域有着广阔的应用前景。提出算法采用非下采样轮廓波变换稀疏表达原始图像,通过傅立叶矩阵进行测量,最后采用迭代软阈值算法实现医学MRI图像的压缩感知重构。以峰值信噪比、互信息、伪影功率为评价指标,比较小波变换、频率局部化轮廓波变换以及非下采样轮廓波变换三者的压缩感知重构效果。实验结果表明,无论采样率设置如何变化,提出算法在峰值信噪比、原始信息保留比例以及重构精度等方面均具有明显优势,在快速医学成像领域具有广阔的应用前景。     

基于压缩感知的遥感成像稀疏重构性能分析

压缩感知是一种新型的信息论，打破了传统的Shannon-Nyquist采样定理，能够以少量数据完成信号采样。稀疏重构是压缩感知由理论到实际的关键环节，为了将压缩感知有效地应用于遥感成像领域，研究了稀疏重构对遥感成像过程的影响。针对稀疏重构理论模型，分析了重构误差的成因；同时，针对典型的凸优化类算法和贪婪类算法，利用峰值信噪比指标对遥感图像重构误差进行评价。在仿真实验中，定量考察遥感图像在不同压缩采样率、不同重构算法下的稀疏重构性能。结果表明，稀疏重构算法能够成功重构遥感图像，各算法在不同压缩采样率下均表现出了较好的重构质量，整体上能够满足遥感成像应用，验证了压缩感知稀疏重构方法在遥感成像中应用的可行性。     

基于CUDA的超声B模式成像

超声B模式成像是超声成像系统中最基本的成像模式,能够为临床诊断提供器官组织的解剖信息。 但是由于从聚焦的射频信号（RF,Radio-Frequency）到B模式图像的基带处理过程中涉及大量运算,为了得到高质量的B模式图像,现有的医疗系统在实际实现过程中通常依赖于复杂的硬件,这大大加大了实现难度及成本。为此提出了一种基于NVIDIA 公司统一计算设备架构（CUDA,Compute Unified Device Architecture）的超声B模式成像的并行实现,利用图形处理单元（GPU,Graphic Processing Unit）并行计算实现从RF到B模式图像过程中的卷积计算,正交解调,包络检测, 数据压缩及扫描转换等处理。 临床活体组织数据上的实验表明,针对由规模为191 * 9344的RF数据得到648 *512的B模式图像,基于CUDA的并行实现与基于CPU的实现相比,在保证得到相同质量的B模式图像的前提下,速度提高了69倍。     

A novel cognitive ISAR imaging method with random stepped frequency chirp signal

The random stepped frequency chirp signal(RSFCS)has better performance in anti-jamming than that of conventional stepped frequency chirp signal(SFCS).In combination with the theory of compressing sensing(CS),a novel ISAR imaging method is proposed based on RSFCS,in which the high resolution range profile(HRRP)is reconstructed by using the conventional OMP algorithm,whereas the cognitive approach is introduced to further reduce the number of sub-pulse in RSFCS.In the proposed method,via cognizing the characteristics of moving targets,the number of sub-pulse in each burst can be adjusted adaptively.Finally,in the cross-range direction,the accurate reconstruction of ISAR image by using CS theory is implemented,which can effectively accomplish unwrapping.With the proposed method,high quality HRRP and ISAR image can be achieved with fewer sub-pulses of RSFCS and lower burst repetition frequency(BRF).Some simulation results are given to validate the effectiveness and robustness of the proposed algorithm.     

CUDA平台下的超声弹性成像并行处理算法

超声弹性模式成像是新兴高端超声成像系统中出现的新型成像模式,与传统的黑白超,彩超成像模式不同,它能够为临床诊断提供组织器官的硬度信息.弹性成像模式可以帮助医生定性和定量地检测组织的弹性值变化,特别是对一些肿瘤疾病如乳腺癌等的早期检测有巨大的推动作用,因此,这一新型检测手段具有十分重大的临床应用价值.但是弹性成像系统在处理时涉及大量的复杂运算,使其难于在临床实时系统中得到应用,为此文章研究并提出一种基于CUDA(Compute Unified Device Architecture,统一计算设备架构)平台的超声弹性成像模式并行处理算法.算法包括了信号预处理,运动计算,应变估计和图像后处理与显示等处理步骤的并行实现.由弹性体模得到的数据实验表明,基于CUDA的超声弹性成像处理结果与基于CPU的实现相比,不仅可以得到相同质量的显示图像,而且可以取得较大的加速效果,满足实时系统需求,文章的数据测试显示对于256×512的信号数据能够达到63fps的帧率,速度提高了85倍.     

压缩传感综述

在传统采样过程中, 为了避免信号失真, 采样频率不得低于信号最高频率的2倍. 然而对于数字图像、视频的获取, 依照香农(Shannon)定理会导致海量采样数据, 大大增加了存储和传输的代价. 近年来, 一种新兴的压缩传感理论为数据采集技术带来了革命性的突破, 得到了研究人员的广泛关注. 压缩传感采用非自适应线性投影来保持信号的原始结构, 能通过数值最优化问题准确重构原始信号. 压缩传感以远低于奈奎斯特频率进行采样, 在压缩成像系统、模拟/信息转换、生物传感等领域有着广阔的应用前景. 本文主要介绍了压缩传感的基本理论及相关应用, 并对其研究前景进行了展望.     

基于压缩感知的低数据率雷达采样与成像方法

传统的信号获取体制要求采样率大于两倍信号带宽,这使得高速率A/D转换成为经典超宽带高分辨雷达系统的瓶颈技术之一。压缩感知理论提供了一种低速率采样的信号精确采集和重构方式。本文基于压缩感知理论,提出一种新的雷达采样与成像方法。根据目标的散射特性,采用了基于小波变换的雷达目标稀疏表示方法;结合雷达成像原理,构造了基于Fourier束的最优测量矩阵。仿真实验表明,基于压缩感知的低数据率雷达采样与成像方法,能在数据率仅为传统系统数据率15%的条件下,获得良好的成像结果,尤其是能对弱小目标进行高分辨成像。本文所提的方法可为新体制高分辨率成像雷达系统的设计提供支持。     

基于训练字典的压缩感知光谱稀疏化方法

压缩感知理论利用目标的稀疏特性,能从极少的测量值中重构出目标图像,已成为突破奈奎斯特采样定理,实现超分辨成像的一个极具潜力的研究方向,其应用于对地观测遥感成像的一个核心问题在于面对复杂的地物场景,如何探求有效的稀疏化表达方法。对于具有超高数据量的高光谱成像而言,充分利用波段间丰富的冗余光谱信息,研究有效的光谱稀疏化表达方法更加具有实用价值。首先介绍了压缩感知光谱成像以及光谱稀疏化表达的基本原理,然后利用来自ASTER光谱库的多种类型地物光谱数据构建了一种基于K-SVD方法的训练字典,将其与DCT基、小波基分别作为稀疏基,对于几种典型地物目标进行仿真重构,结果表明:所构建的稀疏字典在采样数较少的情况下明显优于DCT基和小波基,在20%的低采样率时即可近乎完美地重构光谱曲线。     

基于压缩感知理论的单像素成像系统研究

近年来出现的压缩感知理论为信号处理的发展开辟了一条新的道路,它指出可压缩或者稀疏信号的少量线性投影含有足够的信息来进行信号重建和信号处理,在压缩感知理论的基础上,一种新的单像素成像系统的发展得到了广泛的关注,它的主要特点就是只用一个像素的探测器通过用少于图像像素值的采样数目来重建图像,主要介绍了基于压缩感知理论的单像素成像系统的图像重建算法,为单像素成像系统的发展做了有益的探索。     

基于参数化流形学习的压缩传感重构方法

压缩传感是一种新的信息获取理论,它突破了传统的采样理论,将数据采集和压缩合二为一,再利用重构算法将原始数据恢复。为了能够得到更好的压缩传感重构效果,把流形学习的思想和方法与压缩传感相结合,提出了一种基于参数化流形学习的压缩传感重构方法。实验结果表明,提出的方法对自然图像进行重构取得了很好的效果,充分验证了基于参数化流形学习的压缩传感重构方法的有效性。