引入多状态记忆机制的迭代软阈值学习算法及其应用

迭代软阈值学习算法(Learned Iterative Soft-Thresholding Algorithm,LISTA)将迭代软阈值算法(Iterative Soft-Thresholding Algorithm,ISTA)展开为递归前馈神经网络优化稀疏恢复的求解。针对LISTA单次迭代只依赖于前一迭代点限制算法收敛速率的问题,本文提出了一种引入多状态记忆机制的迭代软阈值学习算法(Learned Iterative Soft-Thresholding Algorithm with Multi-state Memory Mechanism,LISTA-MM)。该算法基于一阶迭代固定步长算法对LISTA进行改进,设置状态连接度数,选择性地组合多个先前迭代点的稀疏信息,确保了迭代过程中信息被正确传递并充分利用,进而加快了算法的收敛速度。实验结果表明,LISTA-MM在保证稀疏恢复精度的同时有效提高了收敛速度。此外,本文将LISTA-MM扩展为卷积形式,并探索其在图像超分辨率中的应用,实验结果表明,基于LISTA-MM的网络在图像质量评价指标和可视化效果上均优于其他网络,重构图像具有与原始图像相近的清晰细节纹理。      

结合MD自聚焦算法与回波模拟算子的快速稀疏微波成像误差补偿算法

稀疏微波成像是将稀疏信号处理理论引入微波成像中,利用系统的稀疏约束突破传统合成孔径雷达(SAR)成像中系统复杂度的瓶颈,是微波成像的新理论、新体制和新方法。在传统的机载SAR成像中都会面临非理想运动带来的回波相位误差问题,可通过基于回波数据的自聚焦算法加以解决;但在机载稀疏微波成像中,因稀疏微波成像采用稀疏重建算法取代了传统SAR中基于匹配滤波的信号处理方法,传统的基于回波数据的自聚焦算法难以直接应用。现有基于稀疏重建的自聚焦算法主要基于两步迭代方法,收敛速度慢、运算量大。该文以基于回波模拟算子的快速稀疏微波成像算法为基础,将子孔径相关(MD)自聚焦算法引入,与之结合构建了新的MD-回波模拟算子自聚焦算法。该方法继承了基于回波模拟算子算法快速重建的优势,并利用MD自聚焦算法实现了回波2次相位误差的正确补偿,与现有基于两步迭代的稀疏微波成像自聚焦算法相比,收敛速度快,并可以实现较好的自聚焦效果。      

基于AI通信的大规模MIMO信道状态信息反馈网络

在大规模多输入多输出系统中，由于天线数量的增加导致信道状态信息反馈带宽开销增大。为了减少反馈开销，提出了一种基于深度学习的反馈网络。该网络将卷积注意力模块和快速迭代收缩阈值算法(Fast Iterative Shrinkage Thresholding Algorithm,FISTA)进行了结合。为了贴合实际应用，考虑到了噪声情况，分析了阈值敏感度。仿真结果表明，该网络在不同环境下其性能和鲁棒性可以得到进一步提高。     

稳健高效通用SAR图像稀疏特征增强算法

针对合成孔径雷达(SAR)成像中的稀疏特征增强问题,传统方法难以在精度与效率之间实现有效的平衡。该文提出基于复数交替方向多乘子方法(C-ADMM),针对SAR稀疏特征增强建立增广的拉格朗日优化方程,并引入复数${\ell _1}$范数邻近算子,基于高斯-赛德尔思想进行对偶迭代运算,从而在复数回波数据域内对多种SAR模式的实测数据进行成像。实验部分首先通过仿真数据的相变图(PTD)验证C-ADMM算法对于复数数据的稀疏恢复性能,然后选取地面静止场景和地面运动目标的原始SAR图像和逆SAR图像实测数据,与凸优化(CVX)方法和贝叶斯压缩感知(BCS)方法进行对比试验,最后验证了该文所提算法在稀疏特征增强应用中的稳健性、高效性和通用性。     

主从模式编队卫星SAR压缩感知成像算法

为减轻主从模式编队卫星SAR对稀疏目标场景回波信号的采集与传输负担,提出了编队卫星SAR的回波信号稀疏方法。在研究编队卫星SAR回波信号特征的基础上,构建了编队卫星SAR距离向和方位向的稀疏基、测量矩阵和重构矩阵。针对主从模式编队卫星SAR与地面的数据传输特点,提出了低传输负荷下的主从模式编队卫星SAR压缩感知成像方法,并借助于正交匹配追踪算法 (Orthogonal Matching Pursuit,OMP) 对稀疏后的回波信号进行了恢复重构,获得了高质量的编队卫星SAR图像。仿真结果表明,针对稀疏目标场景,本文提出的压缩感知成像方法利用较少的回波数据便能重构出原始目标场景,实现了低负荷下的编队卫星SAR成像。      

一种改善SAR对舰船目标成像质量的新方法研究

常规合成孔径雷达(SAR)成像技术适用于静止场景目标成像,在对海上舰船等运动目标成像时,由于目标存在自身转动分量,使得积累时间内回波多普勒频率不为常数,导致常规成像处理后,目标出现散焦、分辨力下降的现象.通过分析存在平动、转动分量目标回波的多普勒频率特征,可以把SAR对舰船目标成像问题转化为稀疏信号表示问题,利用信号重构回波散射系数实现二维成像.将基于贝叶斯学习的稀疏信号表示用在SAR对舰船目标成像上,采用该方法处理实测数据可获得较清晰的目标像,通过与传统方法的比较验证了该方法的有效性.     

一种基于SAR稀疏采样数据的动目标运动参数估计方法

该文针对地面动目标运动参数估计问题进行研究,提出一种利用单天线合成孔径雷达(SAR)稀疏采样数据的动目标2维速度估计方法。首先以目标2维速度为参数构建一个等效参数化模型将动目标回波数据转化为小斜视回波数据,然后利用改进的迭代阈值算法实现不同参数条件下的动目标2维成像,最后以成像结果的图像熵值为优化准则对初始模型参数进行搜索,从而获得准确的动目标运动参数。该方法以稀疏采样数据为输入,可以减少所需数据量,并且能够有效避免多普勒模糊问题,在较低信杂比条件下仍然能够准确估计出目标运动参数。仿真实验结果验证了所提动目标参数估计方法的有效性。     

语音重构的DCT域加速Landweber迭代硬阈值算法

重构信号的最基本理论依据是该信号在某个变换域是稀疏的或近似稀疏的。基于语音信号在DCT域的近似稀疏性,可以采用压缩感知(Compressed Sensing, CS)理论对其进行重构。压缩感知理论中的迭代硬阈值(Iterative hard thresholding, IHT)算法以其较好的性能被广泛用来重构信号,但其收敛速度比较慢,如何提高收敛速度,一直是迭代硬阈值算法研究的重点之一。针对压缩感知理论中的IHT算法收敛速度相当慢的问题,提出了语音重构的DCT域加速Landweber迭代硬阈值(Accelerated Landweber iterative hard thresholding, ALIHT)算法。该算法对原始语音信号做DCT变换,然后在DCT域将每一步Landweber迭代分解为矩阵计算和求解两步,通过修改其中的矩阵计算部分实现Landweber迭代加速,最后通过迭代硬阈值对信号做阈值处理。实验结果表明,加速Landweber迭代硬阈值算法加快了收敛速度、减少了计算量。      

车载毫米波FMCW SAR扩展目标聚焦成像方法

FMCW SAR是一种常见的雷达成像体制，其体积小、分辨率高等一系列特点使其非常适合作为自动驾驶系统中的传感器。针对传统成像方法存在方位分辨率不足问题和点稀疏模式下的成像不能有效利用扩展目标方位向结构特性问题，提出了一种基于块稀疏的扩展目标聚焦成像方法。该方法首先对运动补偿后的FMCW SAR回波数据进行距离压缩，通过一维恒虚警检测检测出有目标的距离单元，然后对有目标距离单元使用提出的块快速软阈值迭代算法（BFISTA）求解块稀疏问题进行方位向成像，最后通过近邻帧图像叠加实现对镜面反射的抑制与弱散射目标的聚焦成像。仿真与实验验证了该算法的有效性。     

二维稀疏信号的联合压缩感知方法研究

传统的压缩感知理论主要考虑一维稀疏信号的感知和重构。当待处理信号是二维(2 dimension, 2D)或多维时,若直接将信号向量化处理,会造成感知矩阵维度急剧变大,使得存储和后续的重构复杂度大大增加,同时重构性能下降。为实现对2D信号的高效感知和快速重构,本文首先构建一个针对2D信号的模拟信息转换(Analog-to-Information Conversion, AIC)感知框架,通过行、列同时感知的策略实现量测值获取,以达到降低量测值存储维度的目的;其次针对压缩采样后的量测数据,提出一种2D快速迭代收缩阈值算法(2D Fast Iterative Shrinkage-Thresholding Algorithm, 2D-FISTA),并对该算法的基本迭代格式、收敛条件、参数选择以及算法收敛速度等问题进行了详细分析。仿真结果表明,所研究的算法可直接处理2D信号,具有重构速度快和存储量低等优势。      

基于联合稀疏功率谱恢复的机载雷达稳健STAP算法研究

机载雷达信号的空时自适应处理（STAP,Space-Time Adaptive Processing）需要利用样本数据来估计杂波协方差矩阵.非均匀杂波环境中的离群点会使协方差矩阵的估计出现偏差,从而导致信号相消现象.针对此问题,本文提出一种基于联合稀疏功率谱恢复的STAP算法（JSR-STAP）处理非均匀杂波,以克服离群点对正侧视模式机载雷达的STAP性能的影响.JSR-STAP算法在高分辨稀疏恢复的条件下,利用多快拍间杂波和离群点的分布规律和相关性不同,通过范数选择合适的稀疏恢复系数来实现离群点的抑制.Monte Carlo实验证明JSR-STAP算法的稳健性和动目标检测性能均优于传统的STAP算法.     

基于加权SPICE的MIMO-STAP稀疏恢复算法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在非均匀杂波条件下动目标检测性能严重下降的问题,引入了加权SPICE算法用于杂波谱的稀疏恢复。加权SPICE算法可以将一大类稀疏恢复算法纳入到统一框架下,根据加权矢量不同可得LIKES,SLIM和IAA算法。这些算法不需要设置任何超参数,基于杂波样本协方差矩阵通过迭代求解未知稀疏参数。仿真实验表明,使用这些稀疏算法恢复杂波谱,可有效提升所恢复杂波谱的准确性,能够更好地实现动目标检测。      

A fast multichannel SAR raw data simulator of clutter and moving targets

Accessibility of a fast and accurate multichannel synthetic aperture radar raw data generator of stationary clutter and moving targets has high importance, especially in the application of ground moving target indication. In this paper, a fast four-stage algorithm for generating the raw data of each channel stationary clutter and moving targets, has been proposed respectively in the frequency and the hybrid time–frequency domain. Using this simulator, in different conditions in terms of target motion speed, acceleration and direction, for each of the channels, after generating the raw data, its final image has been extracted by the range-Doppler algorithm. Then, using clutter suppression techniques such as DPCA, ATI and hybrid DPCA–ATI, the multichannel SAR final image has been obtained in ideal and nonideal conditions. Finally, the obtained images of the first channel have been studied using the extracted formulas for predicting the effects of target motion parameters on the SAR images as well as analyzing the multichannel SAR final image. The results show that the proposed algorithm for generating the raw data of each channel stationary clutter and moving targets has better performance in terms of speed and accuracy than the other existing simulators and the proposed multichannel SAR simulation method has high quality.     

一种基于多级维纳滤波的多通道SAR动目标检测算法

该文针对机载多通道SAR-GMTI系统及实测数据,提出一种新的地面慢动目标检测算法。新算法利用多级维纳滤波器实现多通道SAR系统杂波抑制,同时结合对角加载技术和非均匀检测器,进一步改善SAR系统在非均匀环境下的动目标检测性能。实测数据实验结果表明：与常规的自适应检测方法相比,新算法能够明显提高系统对杂波的抑制能力及非均匀环境下系统的动目标检测性能。     

基于分布式压缩感知的高分宽幅SAR动目标成像技术

高分宽幅SAR动目标成像对目标跟踪具有重要的意义,常规天基多通道SAR技术要实现高分宽幅动目标成像需要通道数量巨大,系统复杂度过高,而且图像在方位向存在成对回波,形成虚警。针对上述问题,该文提出了一种基于分布式压缩感知的高分宽幅SAR动目标成像技术,在通道数量较大时,通道数量相比常规高分宽幅动目标成像构型通道数量约降低1倍,利用动目标稀疏特性和杂波背景非稀疏特性构建分布式压缩感知观测模型,采用先方位1维分布式压缩感知重建再距离方位2维分布式压缩感知重建,实现杂波背景和稀疏动目标的重建,并抑制多通道SAR动目标成像中的成对回波。结合RADAR-SAT数据的仿真试验结果验证了该技术的有效性。      

基于稀疏表示的杂波建模和微弱运动目标探测

雷达回波中,微弱运动目标会被强杂波掩盖,造成目标探测困难。文中提出基于匹配追踪稀疏表示方法的雷达微弱运动目标探测算法,采用训练的过完备字典线性组合对杂波进行建模并解决稀疏表示问题,提高了杂波建模的准确性,利用杂波模型抑制杂波,可以从杂波背景中有效地探测微弱目标。仿真结果表明:文中提出的算法优于传统的目标探测方 法,可以提高杂波抑制和微弱运动目标探测性能。     

基于GEO SAR编队飞行的动目标检测

地球同步轨道合成孔径雷达(GEO SAR)编队飞行,是指2个或2个以上的搭载了合成孔径雷达的地球同步轨道卫星协同工作,组成一颗大的“虚拟卫星”,进而完成多项任务并降低风险。GEO SAR编队飞行形成的多通道可以用来进行动目标检测。空时自适应处理(STAP)在空-时二维平面上抑制杂波,完成强杂波背景下的动目标检测。在传统STAP算法的基础上,提出了基于GEO SAR编队飞行的对地面运动目标检测的方法,并通过仿真分析了该方法的性能。     

弹载导引头雷达ΣΔ-STAP低秩矩阵恢复检测方法

当弹载导引头雷达检测运动目标时,由于海杂波谱严重扩展,和差波束空时自适应处理（ΣΔ-STAP）方法抑制海杂波能力非常有限,提出了一种基于低秩矩阵恢复的弹载导引头雷达ΣΔ-STAP方法。该方法基于低秩矩阵恢复理论建立弹载导引头雷达ΣΔ-STAP信号模型,首先采用ΣΔ-STAP方法预处理海杂波;然后利用鲁棒主成份分析（RPCA）技术从距离多普勒数据矩阵中分离出含有目标成分的稀疏矩阵;最后从距离多普勒谱图中有效地检测出运动目标。仿真实验验证了该方法在低信噪比情况下的有效性和鲁棒性。      

机载火控雷达杂波分区抑制方法研究

在实际工程中,机载火控雷达杂波多普勒谱通常可分为主杂波区和清洁区两部分。常规杂波抑制算法多是对全部数据进行处理,易造成清洁区目标的信杂噪比损失。文中针对和差双通道机载火控雷达的特点,基于杂波分区抑制思想提出了一种杂波分区方法,通过多普勒频心估计和杂波平均功率幅度增量搜索,实现了对杂波的分区,然后在主瓣杂波区采用自适应算法抑制杂波,在清洁区采用恒虚警算法直接进行动目标检测。对实测数据的处理结果显示,该方法不但具有与常规杂波抑制算法相近的动目标检测效果,而且降低了清洁区目标的信杂噪比损失,具有运算量小、易于工程实现等优点。