压缩感知理论及其研究进展

 信号采样是联系模拟信源和数字信息的桥梁.人们对信息的巨量需求造成了信号采样、传输和存储的巨大压力.如何缓解这种压力又能有效提取承载在信号中的有用信息是信号与信息处理中急需解决的问题之一.近年国际上出现的压缩感知理论(Compressed Sensing,CS)为缓解这些压力提供了解决方法.本文综述了CS理论框架及关键技术问题,并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展,评述了其中的公开问题,对研究中现存的难点问题进行了探讨,最后介绍了CS理论的应用领域.  

激光测距弱信号数字相关检测技术的研究和仿真

针对激光远程测距或恶劣环境测距中回波弱信号信噪比低 ,难以提取的困难 ,提出运用数字相关检测技术进行处理 ,并对单脉冲互相关、多脉冲互相关等数字处理技术作了介绍 ,并结合激光雷达的测距系统进行一系列仿真和计算 ,收到了良好效果  

压缩感知回顾与展望

 压缩感知是建立在矩阵分析、统计概率论、拓扑几何、优化与运筹学、泛函分析等基础上的一种全新的信息获取与处理的理论框架.它基于信号的可压缩性,通过低维空间、低分辨率、欠Nyquist采样数据的非相关观测来实现高维信号的感知.压缩感知不仅让我们重新审视线性问题,而且丰富了关于信号恢复的优化策略,极大的促进了数学理论和工程应用的结合.目前,压缩感知的研究正从早期的概念理解、数值仿真、原理验证、系统初步设计等阶段,转入到理论的进一步深化,以及实际系统的开发与应用阶段.本文分析了压缩感知的原理与应用,综述了压缩感知的最新进展及存在的问题,指出了进一步研究的方向.  

基于SURF的图像配准方法研究

图像配准在计算机视觉、医学诊断与治疗、图像拼接等领域有广泛的应用.基于特征的方法具有压缩信息量、执行速度快、精度高等优点,成为近年来研究的热点,SIFT是其中之一.但传统的SIFT方法数据量大、计算耗时长,提出了一种基于SURF的图像配准方法.首先用SURF方法提取特征点,其次用最近邻匹配法找出对应匹配点对,结合RANSAC和最小二乘法求出图像之间的映射关系,最后利用所求的变换参数插值得到配准后的图像.实验表明:该配准算法既满足参数估算准确的要求,又具有比SIFT计算量小、速度快的优点,有一定的理论和应用价值.  

对线性调频雷达的卷积干扰技术

根据线性调频雷达信号处理的特点,该本文提出一种新的应答式干扰技术--卷积干扰,即干扰机接收到雷达照射信号后,用某视频信号与接收信号卷积后转发.阐述了卷积干扰的机理,分析了干扰信号的时频特性,讨论了干扰功率及干信比方面的优势.理论分析证明,卷积干扰对线性调频雷达具有显著的干扰效果.根据视频信号的不同,干扰机能产生假目标欺骗干扰和噪声覆盖干扰两种效果,且需要较小的干扰功率.仿真实验表明理论分析的正确性和实际应用的可行性.  

基于直觉模糊推理的威胁评估方法

该文针对威胁评估问题,提出一种基于直觉模糊推理的评估方法.首先,分析了联合防空作战中空天来袭目标影响威胁评估的主要因素、威胁评估的不确定性,以及现有威胁评估方法的特点与局限性,建立了威胁程度等级划分的量化模型.其次,设计了系统状态变量的属性函数,讨论了在模糊化策略方面对输入变量进行的量化和量程变换方法.再次,建立了系统推理规则,设计了推理算法和清晰化算法,分析了规则库中所包含规则的完备性、互作用性和相容性,给出了规则库的检验方法.最后,以20批典型目标的威胁评估实例,验证了方法的有效性.  

子波理论与应用:进展与展望

子波理论被认为是傅里叶分析的重大突破,它已成为当今从应用数学到信号与图象处理等众多领域的研究热点。本文综述了子波分析这一前沿领域的发展现状,评述了它的最新进展(包括离散与连续子波变换、快速子波算法及应用),指出了这一领域研究的有关问题。  

CLASSIFICATION OF MPSK SIGNALS USING CUMULANT INVARIANTS

A new feature based on higher order statistics is proposed for classification of MPSK signals, which is invariant with respect to translation(shift),scale and rotation transforms of MPSK signal constellations, and can suppress additive color or white Gaussian noise.Application of the new feature to classification of MPSK signals, at medium signal-to-noise ratio with specified sample size, results in high probability of correct identification.Finally, computer simulations and comparisons with existing algorithms are given.  

一种基于模糊神经网络的非线性系统模型辨识方法

该文提出一种非线性系统的模型辨识方法。通过结构的辨识（学习）和参数的辨识（学习），构造了一个模糊神经网络，经调整网络的权值，获得一个精确的模糊模型。对两个非线性系统辨识的仿真结果验证了该方法的有效性。  

基于频域"CLEAN"Wigner-Ville分布中交叉项的抑制

针对ISAR飞机成像中出现的多分量线性调频（chirp）信号，该文提出一种基于频域“CLEAN”的信号分解方法，将其分解成多具单分量chirp信号，然后分别计算每个单分量的Wigner-Ville分布（WVD），以此来抑制此多分量信号WVD中的交叉项，与已有的chirp信号分解方法相比，该法减少了待估计参数的个数，使得计算更加简单，并能保证信号各分量正确的强度及时频变化特征，经过处理后的信号的WVD，保持了WVD高时频分辨率的特点，而交叉项得到了很好的抑制，实验表明，该方法应用于实测数据，成像质量明显提高了。