基于时-空稀疏解的方位超分辨算法

受限于阵列波束宽度的瑞利限,常规单脉冲测角方法无法分辨处于一个波束宽度内的多个目标,为此,提出一种基于时-空稀疏解的方位超分辨算法,对距离、多普勒维无法分辨的同一波束宽度内的多个目标进行角度测量。该方法首先构造基于类-p范数稀疏度和2范数约束的代价函数,通过迭代过程最小化代价函数求得时-空二维稀疏解,最后由时-空二维稀疏解估计目标的多普勒频率和方位角。与传统的方位超分辨算法相比,该方法利用了多普勒信息,改善了方位超分辨性能,具有较高的分辨率和极低的旁瓣电平,同时该方法无需多维空间谱搜索过程。计算机仿真结果验证了该算法的有效性。     

米波雷达低仰角测高方法研究

针对米波雷达低仰角测高问题,提出米波雷达低仰角测高解决方案和基于遗传交替投影算法的最大似然超分辨方法.仿真结果表明该方法的有效性和可行性.     

OFDM系统中基于压缩传感理论的信道估计算法

信道估计是OFDM系统中的一项关键技术,信道估计质量的好坏对整个系统的性能有重要的影响。传统的最小均方算法对稀疏信道进行估计时存在精确性差的缺陷。本文利用信道冲激响应的稀疏性,提出了一种基于近似l₀范数的信道估计算法。该算法用三种函数逼近l₀范数,应用梯度下降法和梯度投影算法获得代价函数的最优解,从而得到信道的最稀疏解。仿真实验结果表明:在相同条件下,与基于l₁范数的信道估计算法比较,本文算法的收敛速度快,估计值信噪比高,且均方误差小。      

一种新的二维角度估计的高分辨算法

该文针对常规2维波达方向估计的高分辨算法运算量大和稳健性差等问题,提出了一种新的2维角度估计的高分辨方法。该方法首先建立基于范数约束的最优化问题的目标函数;然后用迭代算法沿均匀面阵接收数据的方位向求最小化目标函数的稀疏解,得到方位、俯仰角耦合的空间角频率,并分离信号;最后对每个分离的信号,沿面阵俯仰向求稀疏解,得到信号的俯仰角,进而求得对应的方位角。针对算法存在测角盲区的问题,提出了一种改进方法,通过求解空间2维稀疏解得到信号的2维角度。与传统的高分辨算法相比,该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程,具有较高的分辨力和极低的旁瓣电平。     

一种基于空域滤波的米波雷达测高新方法

针对米波雷达波束宽、易受阵地反射多径影响的问题,提出一种基于空域滤波的米波雷达低仰角测高新方法。首先该方法形成指向偏离搜索仰角的空域滤波器,并在搜索仰角及对应的多径反射角处形成两个零陷以对消目标直达回波和多径反射回波。然后,对阵列信号进行滤波,通过滤波后信号能量最小值的角度信息估计目标仰角和高度。与传统的高分辨算法相比,该方法对平坦及粗糙反射面均具有适应性,具有低运算复杂度和高测量精度。最后,计算机仿真和实测数据的处理结果验证了该算法可行有效。     

基于稀疏贝叶斯学习的多频带雷达信号融合

针对多频带雷达信号融合,建立了多频带雷达信号表示模型,将多频带信号融合问题等价于一个信号表示问题。研究了基追踪算法在多频带信号融合中的局限性,研究表明:由于多个频带的稀疏分布,破坏了字典的相干性,使得基追踪算法可能无法收敛到真实的稀疏解。提出了基于稀疏贝叶斯学习的多频带信号融合方法,并证明了字典满足唯一表示性条件从而可以保证算法收敛到真实的稀疏解。实验表明:基于稀疏贝叶斯学习的多频带信号融合方法能够更加真实地反映目标散射特性。     

基于压缩感知的阅卷系统手写汉字识别算法

针对阅卷系统中手写汉字识别率和识别精度低的问题,文中提出一种基于压缩感知理论的阅卷系统手写汉字识别算法。该算法首先对阅卷系统手写汉字图像进行随机采样得到其特征;然后对其进行稀疏表示,并最小化其l1范数以得到样本的稀疏解;最后利用该稀疏解的系数判别测试样本的类别。该方法用对信号的随机采样替代了传统的特征提取方法,简化了算法的实现过程,同时用现有的训练样本组成训练字典,避免了复杂的训练过程。该算法在手写汉字数据库ETL9B上的识别率达到99.1%。     

基于Lawson范数的通用lncosh稀疏自适应算法

该文提出一种通用稀疏系统识别Lawson-lncosh自适应滤波算法,该算法采用系数向量的Lawson范数和误差的lncosh函数构建代价函数.Lawson范数约束引入参数p,实现稀疏约束滤波动态调整,所提算法可以提高稀疏系统识别时的收敛速度,减小了稳态误差.误差的lncosh函数具有良好的抗脉冲噪声性能.然后,算法分...     

迭代式正交匹配追踪及稀疏解

欠定线性方程组Ax=y的稀疏求解算法是稀疏表示与压缩感知中的研究热点,包括最小化L0拟范数与L1范数及迭代武阈值的方法.介绍一类最小化L0拟范数的方法,即迭代式正交匹配追踪,剖析并证明其基坐标迭代更新框架,介绍三种迭代式算法包括Hermite逆迭代,cholesky与QR迭代分解.迭代式算法的特点避免了逐步求逆运算,从而提高了计算速度.介绍正交匹配追踪获取稀疏解的性质.压缩感知实验表明迭代式正交匹配追踪可快速稳定地求取欠定系统的稀疏解.     

基于波束域的米波雷达低仰角波达方向估计

针对米波雷达低仰角工作时除了收到目标的直达波外,还会收到与直达波相干的地(海)面反射的多径信号,提出了一种基于波束域的米波雷达低仰角波达方向估计的新算法.利用阵列输出数据协方差矩阵构造一个Toeplitz矩阵,以实现对雷达回波数据的解相干;在波束域对降维后的数据协方差矩阵应用基于信号子空间的角度超分辨算法实现波达方向估计;最后,研究了波束域下米波雷达低仰角波达方向估计的特点,分析了不同信噪比、波束个数对算法性能的影响.所提算法不但可以有效地克服多径效应,还极大地降低了运算量,理论分析和计算机仿真都证明了新算法的优越性.     

基于稀疏阵列的米波TR MIMO雷达低空目标测高方法

基于时间反转（Time Reversal, TR）技术的米波多输入多输出（Multiple Input Multiple Output, MIMO）雷达能够有效利用反射波能量,较大地提升信噪比,但由于多径效应的存在,其采用均匀线阵信号模型时仍面临超低空目标测高精度下降以及测高误差随俯仰角变化起伏剧烈的问题。本文以降低多径效应的影响为目的,从阵列结构和算法实现两个方面出发,将稀疏阵列应用于米波TR MIMO雷达的低空目标测高。首先,本文建立了基于稀疏阵列的单基地米波TR MIMO雷达镜面反射信号模型,然后结合广义多重信号分类算法和最大似然算法,提出了适用于该模型的低空目标测高方法。最后,仿真实验表明,本文所提出的基于稀疏阵列的米波TR MIMO雷达低空目标测高方法具有更显著的结构优越性和更优的低空目标测高性能。     

用于稀疏系统辨识的低复杂度集员NLMS算法

针对现有的稀疏集员(SM,Set-Membership)自适应滤波算法,普遍存在稳态均方偏差(MSD,Mean Square Deviation)的稳定性较低及运算复杂度较高等问题,提出了一种新颖的稀疏集员NLMS(NLMS,Normalized Least Mean Square)算法.该方案提出一种运算复杂度更低的...     

基于图像稀疏表达的模拟退火图像复原

针对现有的图像复原方法振铃效应严重的问题,提 出了一种基于图像稀疏表达的模拟退火的图像复原方法来恢复模糊图像。首先根据模拟退火 算法的要求,建立价格函数并 通过图像的模糊因子确定参数;然后在价格函数中的约束项引入图像的稀疏性,以提高复原 图像的质量;接着给初始解一个随机扰动,产生扰动解,并根据扰动解所造成的价格函数 的变化判断是否接受该扰动解;最后,当价格函数小于某一预设值时所得到的解即为复原 图像。实验结果表明,复原后图像细节增加且振铃效应明显减少,相对于目前已有的复原方 法,峰值信噪比(PSNR)平均提高了2~3dB。恢复效果表明,本文方法具有较大的实用价值。     

二值传感器网络的分布式稀疏LMS算法

在基于无线传感器网络的参数估计中,每个节点在数据采集、存储、处理和传输等方面的能力是有限的。二值传感器网络中的每个节点只能提供低精度1比特测量值,与能够提供模拟测量值（无限精度）的传感器相比,二值传感器有较低的使用成本。如何利用低成本二值传感器网络获得较好的参数估计性能近些年已引起广泛关注,基于该二值传感器网络,论文提出了一种分布式稀疏参数估计的自适应最小均方（LMS）算法。该算法采用稀疏惩罚最大似然优化,并结合期望最大化和LMS方法,获得稀疏信号的在线估计。仿真实验表明,尽管只采用1比特测量,提出的算法仍具有较好的收敛性,并且稳定状态的估计误差接近于非1比特测量的同类算法。      

利用稀疏贝叶斯推理估计干扰导向矢量和功率的稳健自适应波束形成方法

现有稳健自适应波束形成（Robust adaptive beamforming,RAB）方法对快拍数有较高要求，可用快拍数的不足可能会使RAB方法无效。稀疏贝叶斯推理（Sparse Bayesian Inference,SBI）从贝叶斯的角度，通过对信号的稀疏先验假设来利用稀疏信息，在建模稀疏信号方面具有较好的灵活性，可以提高解的稀疏性，即使在样本数较低的情况下也能取得很好的估计效果。本文使用SBI估计干扰信号的导向矢量和功率，提出了一种新颖的基于干扰加噪声协方差矩阵（Interference plus Noise Covariance Matrix,INCM）重建的RAB方法。所提方法利用SBI在建模稀疏信号方面的优越性，通过准确重建出INCM，实现高输出SINR。仿真结果表明，本文提出的方法在比较宽的输入SNR范围内和少量快拍情况下都实现了较好的性能。     

基于Bandelet变换的图像压缩传感

提出并讨论了一种基于Bandelet变换的图像压缩传感算法。该算法可自适应跟踪图像的正则方向,提高对图像的稀疏表示能力,进而提高重构后的图像质量。对一幅图像在不同测试矩阵下利用小波法、DCT法和Bandelet法压缩传感算法进行图像重建仿真,仿真结果表明,该算法具备更为出色的图像还原质量和更优的PSNR。     

基于变换域APSO的任意阵列宽带DOA估计算法

为了提高宽带信号来波方向（Direction-of-arrival, DOA）估计精度并降低计算复杂度, 本文结合已知的发射信号波形, 提出了一种基于变换域加速粒子群最优化（Accelerated Particle Swarm Optimization, APSO）的宽带DOA估计算法, 该算法适用于任意阵列和低采样率情况。首先对阵列接收数据进行匹配滤波以及傅里叶变换处理,其次根据频域宽带阵列数据模型,利用确定性极大似然（Deterministic Maximum Likelihood, DML）准则构建宽带DOA估计的空间谱函数,然后采用变换域APSO算法对空间谱函数进行最大值搜索,搜索结果即为DOA估计值。该算法无需DOA预估计,不依赖空间谱函数的梯度信息,计算复杂度低。仿真实验表明,所提算法具有高估计精度和低计算复杂度,在信噪比为20?dB时,DOA估计均方根误差为0.02°。      

Low-Complexity Non-Uniform Penalized Affine Projection Algorithm for Sparse System Identification

In this paper, an improved sparse-aware affine projection (AP) algorithm for sparse system identification is proposed and investigated. The proposed sparse AP algorithm is realized by integrating a non-uniform norm constraint into the cost function of the conventional AP algorithm, which can provide a zero attracting on the filter coefficients according to the value of each filter coefficient. Low complexity is obtained by using a linear function instead of the reweighting term in the modified AP algorithm to further improve the performance of the proposed sparse AP algorithm. The simulation results demonstrate that the proposed sparse AP algorithm outperforms the conventional AP and previously reported sparse-aware AP algorithms in terms of both convergence speed and steady-state error when the system is sparse.     

基于文化粒子群算法的广义OPM测向

在引入合成导向矢量和合成导向矩阵的基础上建立了一种更通用的阵列数据模型,提出了广义正交传播算子测向算法。该方法在不损失阵列孔径的前提下可有效估计相干信源和独立信源。为快速求解所提基于四阶累积量的广义OPM算法,在文化算法中使用和粒子群演进进化机制,提出了一种多维搜索的文化粒子群算法。Monte-Carlo仿真试验证明了所设计的测向算法可有效解决使用高阶累积量不能直接测相干信源的局限,所提算法在检测性能上与现有一些算法比较有较大的优势。