基于似P范数FOCUSS的稀疏信号盲分离

把似P范数FOCUSS方法应用于稀疏信号盲分离中,采用k均值聚类算法来估计混合矩阵;然后利用似P范数FOCUSS方法来求解具有线性约束优化问题的稀疏源信号,从而给出了一种基于似P范数FOCUSS方法的稀疏信号盲分离算法。该算法计算量小,精度较高。仿真结果表明该算法是有效的,具有良好的分离性能。     

基于相同子阵的稀疏阵列方向图综合算法

为了抑制稀疏阵列方向图的栅瓣,提高分布式星栽雷达阵列方向图的性能,对相同子阵组成的稀疏阵列方向图综合进行研究,提出了一种基于相同子阵的稀疏阵列方向图综合算法．首先对予阵级稀疏阵列进行建模,并对其阵列方向图的特性进行分析．然后通过优化子阵级稀疏阵列,实现对方向图栅瓣的抑制．最后通过仿真,验证了该算法的有效性．     

基于稀疏矩阵的全聚焦阵列优化算法

为了满足全聚焦阵列超声扫查实时成像、图像缺损清晰可辨等要求,建立了一种全聚焦成像（TFM）相控阵列的稀疏优化模型,利用最小冗余度阵列（MRLA）进行稀疏设计,利用遗传算法（GA）对扫查图像信噪比进行优化;将最终优化后的稀疏阵列与满阵、最小冗余阵、遗传算法优化阵列的声场波束图进行对比,并以此阵列为基础建立全聚焦扫查环境,对连续的20个点缺陷进行扫查测试。实验证明：37选16的阵列利用此模型稀疏优化后,最高旁瓣可获得4.902 8 dB的优化,稀疏率为0.27的阵列较满阵成像效率提高了58.3%,且API值为0.539 7,得到的扫查图像既可获得最小冗余下的最大信息量,又具有良好的旁瓣特性,同时阵列稀疏化,极大地提高了全聚焦扫查效率。     

基于最大输出SINR波束形成的最优稀疏阵列设计

传统自适应波束形成仅通过优化阵列激励权值来提高波束形成性能,忽略了阵元位置对其性能的影响。为进一步提高自适应波束形成的性能,提出一种新的自适应波束形成算法,旨在一定阵元个数及阵列孔径下,联合优化阵元激励和位置以使得输出信干噪比(SINR)最大。首先分析推导在最小无失真方差响应(MVDR)准则下阵元位置和阵列输出SINR之间的关系,其次建立阵元位置和阵列输出SINR的函数关系式,并将其转化为二元整型优化问题,最后利用一种改进的遗传蜂群算法对模型进行求解。阵列排布决定波束形成的性能上限,相比传统波束形成,在优化阵元激励权值基础上对阵元位置进行优化,进一步提高自适应波束形成的性能,减少硬件开销。仿真结果也验证所提算法的有效性。     

基于模糊离散粒子群算法的非均匀阵列优化

首次将模糊离散粒子群算法应用到稀疏阵列天线阵元位置优化上,以得到低的副瓣电平。与遗传算法等进化算法相比,模糊离散粒子群算法有参数少、易于执行的优点。为了尽量避免算法陷入局部最优,在优化中引入了混沌过程;同时用罚函数方法进行了主瓣约束。对于线性阵列的仿真结果表明,该方法能很好地处理离散问题。     

基于改进RD-MUSIC算法与稀疏方形阵列的双局放源超声定位方法研究

电气设备局部放电超声阵列定位是将超声阵列传感器与阵列信号处理技术应用于局部放电超声定位的一种新方法。研究表明,传统的测向算法对双局放源的定位精度不足,分辨力较低;满阵传感器结构复杂且成本昂贵,不适合工程应用。据此,提出一种基于改进RD-MUSIC(Reduced Dimension-Multiple Signal Classification)的测向算法和稀疏方形阵列传感器的双局放源检测方法。以稀疏度为4阶的4×4方形平面阵列传感器为例,研究了基于改进RD-MUSIC算法的双局放源的波达方向估计算法的有效性。仿真结果显示改进RD-MUSIC算法得到的测向星谱图可直观获得DOA估计量,提高了计算速度和测向精度,实验验证了该方法的有效性。     

基于稀疏阵列技术的MIMO声呐低运算量二维成像

为了降低多输入多输出(multiple-lnput multiple-output,MIMO)声呐二维成像系统的运算量,提出了稀疏阵列和MIMO声呐相结合的低运算量二维成像方法。在MIMO声呐的虚拟接收阵列为矩形平面阵的前提下,使用模拟退火算法(simulated annealing,SA)对该虚拟矩形平面阵的阵元位置和加权系数同时优化,在保持期望波束性能的前提下大量减少其虚拟阵元数目;根据虚拟接收阵元与匹配滤波器一一对应的关系,移除掉与关闭虚拟阵元所对应的匹配滤波器;对保留匹配滤波器的输出信号进行波束形成等处理,获得目标的二维强度图。计算机仿真结果验证了该方法的有效性。     

基于交替下降求解的稀疏信号重建算法

压缩感知理论（CS）是现代信号处理领域中一个崭新的研究方向,信号的快速优化重建是该理论的研究热点。实际工程应用中,由于各种误差不可避免,信号重建过程中字典矩阵只是近似知道,因此降低了信号重建质量。为有效解决字典矩阵和观测数据同时含有噪声的多测量矢量（MMV）稀疏重建问题,基于多测量矢量欠定系统正则化聚焦求解（RM-FOCUSS）算法,提出一种交替下降稀疏重建算法,迭代过程中在稀疏解和字典误差之间交替下降求得最优稀疏解。仿真结果表明,文章算法较大程度地提高了信号的重建质量。     

基于fast-RVM算法的CACIS型互质阵列DOA估计

针对CACIS型互质阵列的快速、高精度DOA估计问题,提出了一种能够用于复数数据的fast-RVM算法.首先分析了CACIS型阵列结构;其次基于虚拟阵列扩展原理,构建了基于复数数据的稀疏信号模型;最后进行了数据的实数化处理,使其能够适用fast-RVM算法的数据结构.仿真结果表明,本文提出的CACIS型互质阵列DOA估计方法在具有较低运算复杂度的同时,也兼具了较高的DOA估计精度.     

射频稀疏阵列成像算法

基于电磁波全息技术的射频成像方法,探讨了利用单频全息图像重构及物理光学方法的数据,在成像过程中引入样条插值算法,在保证成像质量的前提下,可以大大减少天线阵阵元个数,缩短系统处理时间和减少系统资源消耗。     

Study of Array Antenna Pattern Synthesis Based on Sparse Sensing

基于稀疏感知的阵列天线方向图综合技术研究

王停^1,2,董轶²,邵国峰²,王凡²

（1.河北工业大学 电子信息学院,天津 300401;

2.中国人民解放军93756部队,天津 300131）

中文摘要：

针对均匀阵列需要大量的阵元才能满足方向图指标要求的问题,本文基于稀疏感知理论提出稀疏阵列方向图综合的方法。首先,对稀疏感知理论中的信号复原方法OMP(Orthogonal Matching Pursuit)算法和EALM (Exact Augmented Lagrange Multiplier)算法进行改进,提出更高效的OMMP( Orthogonal Multi-Matching Pursuit)算法和SEALM(Semi-Exact Augmented Lagrange Multiplier)算法,然后将两种改进算法分别应用于线阵和平面阵方向图综合。两种算法均可以以非常少的阵元来实现要求的方向图。数值仿真验证了所提出两种合成方法的有效性和优越性。此外,与现有稀疏阵列综合方法相比,本文的方法更加稳健和准确,同时保持了易于实现的优点。

关键字：阵列天线;压缩感知;低秩恢复;精确拉格朗日乘子法

     

Array Antenna Pattern Synthesis Based on Selective Levy Flight Culture Wolf Pack Algorithm

基于选择性莱维飞行文化狼群算法的阵列天线方向图综合

王停*^1,2, 唐海林², 于跃宝²,郑斌², 刘慧娟³

(1.河北工业大学 电子信息工程学院,天津 300401;

2.中国人民解放军93756部队,天津 300000;

3. 天津广播电视电影学院 影视技术系,天津 300112）

摘 要：

针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在文化狼群算法(CWPA)的基础上,设计一种基于选择性莱维飞行的新的狼群算法-莱维文化狼群算法（LCWPA）。新算法利用文化算法在寻优过程中的良好整体管理能力和莱维飞行能够有效提高种群多样性的特点,明显提高了搜索效率。然后将其应用于阵列天线方向图综合。仿真结果表明,在多零点和低旁瓣约束情况下新算法均可取得良好的优化效果,而且该算法相对于量子粒子群算法（QPSO）,粒子群算法（PSO）和遗传算法（GA）来说,在方向图综合中速度和精度更有优势,有很好的推广价值。

关键词： 阵列天线;方向图综合;莱维飞行;狼群优化算法

     

基于稀疏点的三维模拟插值算法

对三维模拟插值问题进行了探讨，指出现有的一些插值算法不适应信息点较少的情况．介绍了B-样条插值的有关理论和特点，在此基础上，构造了一种基于稀疏点信息的三维模拟插值算法．该算法的思想是将三维插值问题化作稀疏矩阵的插值问题，利用B-样条函数分别对稀疏矩阵的行和列进行插值操作，形成满阵．在实际工程中，利用该算法对某采空区进行三维模拟计算，采用一类边界条件，取得了较好效果．     

基于稀疏点的三维模拟插值算法

对三维模拟插值问题进行了探讨,指出现有的一些插值算法不适应信息点较少的情况.介绍了B-样条插值的有关理论和特点,在此基础上,构造了一种基于稀疏点信息的三维模拟插值算法.该算法的思想是将三维插值问题化作稀疏矩阵的插值问题,利用B-样条函数分别对稀疏矩阵的行和列进行插值操作,形成满阵.在实际工程中,利用该算法对某采空区进行三维模拟计算,采用一类边界条件,取得了较好效果.     

Multiple Endmember Hyperspectral Sparse Unmixing Based on Improved OMP Algorithm

In conventional linear spectral mixture analysis model, a class is represented by a single endmember. However, the intra-class spectral variability is usually very large, which makes it difficult to represent a class, and in this case, it leads to incorrect unmixing results. Some proposed algorithms play a positive role in overcoming the endmember variability, but there are shortcomings on computation intensive, unsatisfactory unmixing results and so on. Recently, sparse regression has been applied to unmixing, assuming each mixed pixel can be expressed as a linear combination of only a few spectra in a spectral library. It is essentially the same as multiple endmember spectral unmixing. OMP (orthogonal matching pursuit), a sparse reconstruction algorithm, has advantages of simple structure and high efficiency. However, it does not take into account the constraints of abundance non-negativity and abundance sum-to-one (ANC and ASC), leading to undesirable unmixing results. In order to solve these issues, this paper presents an improved OMP algorithm (fully constraint OMP, FOMP) for multiple endmember hyperspectral sparse unmixing. The proposed algorithm overcomes the shortcomings of OMP, and on the other hand, it solves the problem of endmember variability. The ANC and ASC constraints are firstly added into the OMP algorithm, and then the endmember set is refined by the relative increase in root-mean-square-error (RMSE) to avoid over-fitting, finally pixels are unmixed by their optimal endmember set. The simulated and real hyperspectral data experiments show that FOPM unmixing results are ideally comparable and abundance RMSE reduces much lower than OMP and simple spectral mixture analysis (sSMA), and has a strong anti-noise performance. It proves that multiple endmember spectral mixture analysis is more reasonable.     

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.     

基于ReLU稀疏性的MAXOUT卷积神经网络的数据分类算法

卷积神经网络作为一种具有深度学习能力的人工学习网络,由于其具有权值数量少、网络模型复杂度低以及算法效率高等优点在很多领域被广泛应用,但是其表现在很大程度上依赖于激活函数的选取,而激活函数的选取又比较复杂,大都是依靠经验或者实验来选择,所以这个过程中会出现无先验知识可借鉴或者参数类型繁琐难以较快确定的情况。MAXOUT卷积神经网络的出现解决了激活函数难以选择的问题,在研究M AXOUT网络构架的基础上,针对其不稀疏的特性引入Re LU稀疏单元,提出了一种基于Re LU函数稀疏性的MAXOUT卷积神经网络,并在MINST和CIFAR 10两个数据集上分别进行了数据分类实验。实验结果表明,具有稀疏性的MAXOUT卷积神经网络的分类效果更加理想。