基于自适应投影矩阵的压缩感知超宽带信道估计

超宽带信号由于功率谱密度较低和传输多径复杂,准确的信道估计十分重要。考虑其过高带宽带来的采样难度较高的问题,压缩感知理论提供了一种可行的低速采样方法。而目前常用的随机投影矩阵与超宽带信道稀疏变换矩阵相关度较高,算法必须在降维比较高时才能达到重构要求,采样速率依然较高。针对上述问题,提出使用贝叶斯压缩感知理论中的自适应投影矩阵设计方法进行超宽带信道估计。贝叶斯压缩感知理论给信道向量中的每个值设置受超参数控制的后验概率密度,计算信道向量的统计特性,并根据协方差矩阵计算新的投影向量,该投影向量可以使重构解的微分熵下降最快。通过这种自适应的投影矩阵设计方法,可以利用较少的采样值进一步地提高重构解的可信度,达到进一步降低采样速率的目的。实验结果表明该方法相对于现有的压缩感知重构算法可以在较低的降维比条件下达到较好的重构效果,显著降低了采样速率。     

某高层建筑工程安全施工管理浅议

安全生产，责任重于泰山，通过对某高层建筑工程安全施工管理进行总结，使我们更加意识到，抓好安全生产管理刻不容缓。     

基于改进梯度投影算法的压缩感知超宽带信道估计

超宽带是近年来兴起的一种高速无线通信技术,考虑其过高带宽带来的采样难度较高的问题,压缩感知理论提供了一种可行的低速采样方法。针对梯度投影稀疏重构算法应用于超宽带信道估计中效果不佳的问题,提出了改进的梯度投影算法。改进算法采用原始算法的目标函数形式,取消原始算法中沿负梯度方向搜索和负梯度向可行集合投影后再搜索的交替搜索方式,改为一直沿负梯度方向搜索的单一搜索方式,从而避免了原始算法的高运算复杂度和过于严格的约束条件对算法的限制,同时该目标函数相对于梯度追踪算法加上了对稀疏噪声的约束条件,变成了l₁范数优化问题。实验结果表明该算法相对于梯度投影稀疏重构算法能够显著降低运算复杂度,提高运算速度,同时相对于梯度追踪算法也有重构性能上的提升。      

基于贝叶斯压缩感知理论的超宽带通信信道估计

超宽带是一种新颖的高速无线通信技术。其过高的带宽给采样带来了困难,压缩感知理论提供了一种可行的低速采样方法。针对目前的压缩感知超宽带信道估计方法必须假设信道稀疏度已知,论文提出了基于贝叶斯压缩感知理论的超宽带信道估计方法。将超宽带信道估计转化为压缩感知理论中的重构问题,并使用贝叶斯压缩感知方法进行重构,得到信道估计值及其误差范围,最终实现信息解调。贝叶斯压缩感知理论将稀疏贝叶斯学习理论引入到压缩感知中,给需要重构向量中的每个值设置受超参数控制的后验概率密度函数,在超参数的更新过程中,零值所对应的超参数将趋向于无穷大,与之对应的后验概率将趋向于零,通过这种方法剔除非重要多径,自适应地找出信道向量中的重要多径,并使用回归算法进行重构。实验结果表明在信道稀疏度未知的情况下,该方法能够对原信道进行有效的重构。     

压缩感知理论与非凸优化方法研究

针对某些信号带宽较宽导致难以直接采样的问题,压缩感知理论提供了一种可行的低速采样方法。信号在特定变换域中拥有稀疏表示,通过低速采样得到少量的投影值,已经包含了重构所需的重要信息。利用压缩感知理论从投影值中重构出稀疏向量,进而重建原信号。同时介绍一种基于非凸优化的压缩感知重构算法。相比L1范数的凸优化和无稀疏约束的L2范数,非凸优化的Lp范数拥有对稀疏性更强的约束。实验结果表明,使用压缩感知理论可以显著降低对信号的采样速率,而使用非凸优化算法可以取得更好的重构效果。     

基于多星联合的雷达精度鉴定方法研究

针对雷达数据汇集处理中心评估不同型号雷达测轨数据精度的迫切需求,研究了利用多颗低轨卫星开源精密星历开展精度鉴定的方法。通过分析标校卫星过境规律,探讨了多星联合观测标校方法在雷达精度鉴定中的可行性。系统讨论了标校星位置计算方法,解决了精密星历与测量数据在时间系统、坐标系统、数据率等方面存在的不一致问题,分析了雷达测量数据误差修正方法,有效消除了外界因素对测量误差的影响。在残差统计方面,通过统计雷达单圈次测量误差及多圈次总误差,综合反映雷达测轨精度水平。利用该方法对某型雷达测轨数据进行了误差分析,验证了该雷达测距优于10 m,测角优于360″。结合实际案例,探讨了该方法在雷达精度鉴定、雷达状态常态化监测中的应用价值。     

基于梯度追踪的压缩感知超宽带通信信道估计

针对现有压缩感知超宽带信道估计方法运算复杂度较高的问题,提出了基于梯度追踪算法的压缩感知超宽带信道估计方法.将超宽带信道估计转化为压缩感知的重构问题,并使用梯度追踪算法进行重构得到信道估计值,最终实现信息解调.梯度追踪算法通过每步计算目标函数的负梯度方向和搜索步长,使目标函数沿负梯度方向以此步长搜索得到每步重构值的最优解,从而避免了正交匹配追踪算法中高维度最小二乘运算以及基追踪算法中求解凸优化问题所导致的运算复杂度高的缺点.仿真结果表明该方法相对于正交匹配追踪算法和基追踪算法能够降低运算复杂度,提高运算速度,同时依然能够保证估计效果.