斜投影三维极化滤波

为解决传统三维极化滤波造成的高频地波雷达目标信号极化损失和相位失真,提出一种基于斜投影的三维极化滤波方法,利用目标和干扰的矢量信号分别构建信号和干扰矢量子空间,使用斜投影算子作为滤波矢量进行三维极化滤波.与传统的三维极化滤波相比,基于斜投影的三维极化滤波方法在完全滤除干扰信号的同时对目标信号的幅度和相位不产生影响,有效提高了滤波器输出信号和干扰噪声功率之比(SINR)及信号相参性.仿真结果证实了该算法可以有效抑制高频地波雷达中的干扰信号.     

交替极化敏感阵列投影滤波性能分析

针对基于极化敏感阵列的传统投影滤波中阵列结构设备量大、对极化参数要求高以及无法确定滤波损失量等问题,以交替极化敏感阵列为信号接收模型,在设备量减半的情况下也可有效滤波,解决了极化敏感阵列结构性价比较低的问题.同时对传统投影滤波算法做了改进,新的斜投影滤波在期望信号极化参数未知的情况下推导出斜投影滤波算子,再利用该算子提取干扰信号,然后利用对消原理获取纯净的期望信号,有效地解决了传统斜投影滤波对极化参数要求较高的问题;而新的正交投影滤波通过构造正交投影滤波算子,可以确定滤波损失量的变化情况.分析结果表明:改进的斜投影滤波,可以有效地滤除干扰信号,极大地拓展斜投影滤波的限制条件;改进的正交投影滤波可以获得滤波损失量,具有重大的理论意义.     

双息信号的斜投影滤波性能

在干扰信号为完全极化信号的条件下,基于斜投影滤波技术,为了研究双息信号极化敏感阵列的抗干扰性能,利用信号的极化矢量满足列满秩的特性,构建所需的斜投影滤波算子,利用算子与特定运算的性质,抑制掉干扰信号,完整保留期望信号。利用矩阵共轭转置,矩阵求逆以及特征分解等矩阵运算,推导出了针对双息信号滤波的斜投影算子,并对算法进行仿真。同时分析到达角、极化参数估计误差等因素对阵列滤波性能的影响。仿真结果验证了该算法可以有效抑制双息信号中的干扰信号。     

基于斜投影极化滤波的高频雷达电台干扰抑制

为进一步扩展可有效抑制短波电台干扰的极化滤波在非正交极化情况下的应用范围,提出了一种新的极化滤波方法,将目标和干扰信号的极化参数分别看做干扰子空间和信号子空间,构造斜投影算子形成斜投影极化滤波器,进而在时域和频域利用斜投影极化滤波器来消除干扰。理论分析和仿真结果表明该算法方便、有效,可对高频地波雷达系统中的电台干扰进行有效的抑制,是传统极化滤波器的推广。     

一种压缩感知域心律失常心拍识别方法

为实现压缩域心电信号的直接识别,提出了一种基于级联深度稀疏学习的压缩域心律失常心拍识别方法。对心电信号进行压缩传感采样;通过级联深度稀疏滤波模型对压缩域心电信号进行特征学习;并将学习后的特征以及对应心拍的前、后向RR间期作为支持向量机的输入进行心拍分类。实验结果表明:该方法在压缩比为2倍时,能够对四类心电信号实现准确率为95.53%,误判风险为0.8%的压缩域下的高准确率直接识别。     

基于斜投影算子的压缩采样匹配追踪算法

斜投影匹配追踪算法较正交匹配追踪算法针对非正交字典的重构能力有了大幅提高,但受噪声影响大。该文通过投影矩阵迭代公式导出斜投影匹配追踪算法,并引入回溯的思想,提出基于斜投影算子的压缩采样匹配追踪算法,有效降低了噪声的影响和非正交投影产生的误差,提高了重构精度。仿真结果表明,算法的重构效果优于其它同类算法。     

一种新的基于压缩感知的稀疏音频水印算法

提出了一种基于压缩感知的音频水印算法.该算法利用数字水印和音频宿主信号在离散余弦变换域下都具有稀疏性,将水印经过压缩感知处理后,嵌入于音频载体信号的离散余弦变换系数中;在水印提取时,利用压缩感知的去噪原理和重构方法,在不利用原宿主信号情况下,将水印提取出来,此提取完全是盲提取.计算机仿真实验表明,这种算法能提高水印在高斯噪声攻击下的鲁棒性.     

一种快速的基于压缩感知的多普勒高分辨方法

利用雷达目标在多普勒域的稀疏性,基于压缩感知的目标多普勒估计方法,能够在有限的相干积累时间内实现多普勒的高分辨.然而,即使采用压缩感知中的一种高效算法——正交匹配追踪算法,其运算复杂度也相对较高.为了进一步降低运算复杂度,对接收脉冲进行分组,将一维的多普勒估计问题转化为一个二维的稀疏信号重构问题,进而利用一种针对二维稀疏信号优化的低复杂度正交匹配追踪算法对其进行估计.仿真表明,该方法具有较高的运算效率,并能够获得接近直接应用传统的正交匹配追踪算法的多普勒分辨率.     

基于压缩感知的自适应干扰抑制算法

针对基于Nyquist采样理论的干扰抑制算法在宽频带信号接收处理中受限于信号带宽和现有器件水平的问题,提出了一种压缩域的自适应干扰抑制算法。首先利用压缩感知技术以远低于Nyquist采样率的速率获得信号的压缩测量值;然后基于最小输出能量准则,并结合空间投影技术,利用投影值完成干扰信号的检测和抑制;进一步推导并给出了算法的闭式解及LMS自适应实现过程。理论分析和仿真结果表明,该算法极大地降低了对A/D器件和后端数字处理器件的要求,且无需预知干扰信号在宽频带中的位置先验信息,并对干扰源的个数无限制,具有较强的实用性。     

压缩编码孔径红外成像超分辨重建

为了利用低分辨率红外探测器获取高质量图像信息,对基于频谱面的压缩编码孔径成像方法和超分辨率图像重建算法进行了研究。首先,在频谱面加入孔径编码器,通过傅里叶变换对采样图像信号进行编码压缩。然后,利用光学成像系统的分片光滑性,实现信号在傅里叶变换域的稀疏表示。最后,提出了两点步长梯度法与自适应非单调线搜索策略相结合的梯度投影并行加速算法,用于完成对稀疏信号的超分辨重建。实验结果表明,该算法能够以远小于原始信号的数据量重建出高分辨率图像信息。     

基于奇异值分解的测量矩阵优化

针对压缩感知理论中通用的测量矩阵(如随机高斯、伯努利等)不具有最优性能保证的问题,本文通过引入奇异值分解,提出基于奇异值分解的测量矩阵优化方法,对压缩感知中一般线性测量模型中的测量矩阵与测量向量进行优化,再利用优化后的测量矩阵与测量向量重建原稀疏信号。经典的随机高斯测量矩阵和伯努利测量矩阵的数值实验结果表明本文提出的方法可以显著地提高重建成功恢复概率以及对高斯噪声的鲁棒性。该方法适用于一般线性测量系统,成功地实现了测量矩阵和重建矩阵的分离,可在不改变前端测量模型的前提下使重建矩阵接近最优配置。     

基于动态多模式匹配的视频压缩感知三步重构

相较于奈奎斯特-香农定理所要求的采样数据量,压缩感知理论表明采用较少的测量值就可以实现高维信号的重构,因此压缩感知在视频信号传感中具有很大的潜力.现有的视频压缩感知重构算法是利用多假设预测来得到残差模型,大量文献采用基于最小均方误差的方法挑选多假设匹配块,由此对视频信号进行重构,然而没有考虑最大化重构视频的整体结构相似性,在图像重构的整体质量效果上存在较大改进空间,并且挑选匹配块的模式没有采用自适应的选择机制,挑选匹配块的方式较为单一.通过增加一定的复杂度,本文提出了一种基于动态多模式匹配的视频压缩感知三步重构算法,该算法主要包括三大步骤:第一步,对压缩感知的每一视频帧进行独立的重构;第二步,从参考帧中动态地挑选匹配块进行非关键帧的重构;第三步,基于整体结构相似性对重构帧进行最终挑选,完成多帧重构.实验结果表明,所提算法能够在重建端有效提高多假设过程的预测精度,与当前最优的视频重构算法相比,进一步提升了重构质量.     

声纳强脉冲干扰的自适应抵消方法

为了解决声纳实际使用中强脉冲干扰影响目标检测和跟踪的问题,提出一种在阵元域内实现的自适应干扰抵消方法.该方法基于最小均方（LMS）误差准则的自适应滤波来实现,引入频域批处理方法大大降低了运算量,采用可变步长的自适应叠代方法实现了对强脉冲的快速抑制.提出一种自适应干扰抵消参考信号的提取方法,同时在自适应算法中施加梯度约束计算,从而实现强干扰背景下的目标稳定跟踪.经多次水上试验表明：该方法能够不损失目标信息对强脉冲干扰进行有效抑制,达到检测被强干扰掩盖的目标信号的目的,同时也能实现强干扰背景下的目标稳定跟踪．     

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。     

基于稀疏表示模型的图像解码方法

为了更好地提取图像信号的稀疏特性,提出了一种多方向自回归稀疏模型及其重建算法.多方向自回归稀疏模型利用图像局部统计相关和纹理方向实现了图像稀疏表示.在基于变换的编码框架下,以编码端的变换矩阵为观测矩阵,用多方向自回归稀疏模型代替解码端的反变换.图像仿真结果表明,所提出的技术能改善JPEG图像的质量.     

Novel method for frequency hopping signals blind identification in the compressed domain

A novel method to blindly identify frequency hopping signals is presented in the compressed domain. The samples obtained by compressive sampling effectively maintain the structure of and the information on the original signal, so the task of identification of the original signal could be done by directly processing the sampling values. The method is based on the difference in numerical characteristic between sampling values. According to the different characteristics of the expectation of sampling values under different hypotheses, identification is accomplished by using the deviation of the actual sampling values from the expectations under the corresponding hypothesis as the criterion. Without reconstructing the frequency hopping signal itself,hopping frequencies can be estimated through a small number of measurements by the compressive sampling algorithm. Simulation results have proved that the proposed method is adequate to the environments in which the signal-to-noise ratio is higher than -2dB. Meanwhile, compared with other traditional methods, the proposed algorithm greatly reduces the amount of data, the computational complexity, and the identification time.     

梯度投影法求解压缩感知信号重构问题

将结合Barzilai-Borwein步长和非单调线搜索的梯度投影法用于压缩感知信号重构.分析了Barzilai-Borwein步长计算方法,结合其特点给出了非单调线搜索方法,为降低线搜索对算法性能的影响,引入了自适应的策略,最后给出了算法收敛性分析.实验结果表明,该算法能很好地重构不同稀疏度的信号,且在相同条件下,计算效率优于经典的基追踪法、正交匹配追踪和其他梯度投影法.     

一种基于L1范数的目标源测向算法

在高维信号处理中,为了有效地估计信号的角度,提出了基于L1范数的二阶锥规划算法(L1-SVD).该算法将稀疏重构用于目标源测向技术,在窄带信号的模型基础上,引进稀疏域模型,将一个高维信号的角度估计问题抽象成欠定方程组求解问题.经Matlab仿真验证,与其他最小范数法以及经典多重信号分类算法相比,该算法在较大的信噪比范围内都能取得较低的重构误差和较高的成功概率,对相关性较大的信号也能进行识别.这证明了该算法能够有效地实现目标源测向.