基于离散萤火虫压缩感知重构的无线传感器网络多目标定位

研究了压缩感知(CS)理论在无线传感器网络(WSNs)多目标定位中的应用。提出一种基于离散萤火虫算法的压缩感知重构方法,并设计了具体算法实现流程,该算法摆脱了传统压缩感知重构算法对稀疏度K的依赖且能够准确地重构出原始信号。基于此,将新的压缩感知重构算法应用于WSNs目标定位,建立了WSNs系统模型,构造了合理的测量矩阵和稀疏矩阵,并分析了测量矩阵与重构结果之间的关系,最终实现了WSNs多目标定位。仿真结果表明该方法在稀疏信号重构性能及多目标定位精度方面具有较好效果,定位精度优于贪婪匹配跟踪(GMP)算法、正交匹配追踪(OMP)算法和最大似然估计(MLE)算法,且用于WSNs定位的传感器节点数目减少了20%,抗噪性达到了20dB。     

超宽带穿墙雷达偏离网格目标稀疏成像方法

在超宽带穿墙雷达成像应用中,由于目标成像空间的稀疏性表示可以采用压缩感知在较少数据采集下获得高分辨、低旁瓣的成像结果。然而,这些稀疏成像方法要求真实目标必须位于预设的网格点上才能保证较好的成像质量,否则会出现严重的虚假目标像。本文提出一种基于修正贝叶斯压缩感知的偏离网格目标稀疏成像方法。该方法对偏离网格目标的感知矩阵在预设网格点进行一阶泰勒级数展开,把真实目标与网格点之间的偏移量视为稀疏贝叶斯模型的参数,然后通过构造的联合概率密度函数利用最大期望方法联合估计目标散射系数和偏移量,保证了目标真实像的准确恢复。仿真和实验结果表明,该方法通过校正目标偏离网格引起的模型误差有效改善了传统稀疏重建方法的成像质量。     

盲解卷积和频域压缩感知在轴承复合故障声学诊断的应用

针对时域盲解卷积算法对单一故障机械声信号有效,及传统稀疏分量分析对声信号分析失效等问题,提出一种盲解卷积、形态滤波和频域压缩感知重构的稀疏分量分析相结合的轴承复合故障声学诊断方法。通过时域盲解卷积算法优选分量结果,提取声信号的冲击成分。使用形态滤波滤除背景噪声。使用模糊C均值聚类估计混合矩阵,重构传感矩阵,并运用稀疏度自适应匹配追踪基算法(Sparsity adaptive matching pursuit,SAMP)的频域压缩感知重构分离信号。双通道滚动轴承故障声信号分析结果表明该方法能够有效分离和提取滚动轴承故障特征。     

基于压缩感知的新型声信号采集方法

介绍了一种基于压缩感知的声音信号采集方法,特别适合于无线传感器网络的声学监控应用,能够大大降低采样过程中对硬件采样速率和能量的需求,同时减轻了无线通信的负担,从而实现无线传感器的低成本化和实用化.利用声学信号在频域中的稀疏性质,在压缩感知相关理论的指导下设计了一种新型的随机压缩采样方法,实现了信号有用信息的高效获取;同时,利用加权L1 -magic算法对信号进行重构,完成完整的信号采集过程.仿真及实验表明,该方法能够实现在1/10以下标准采样频率下的声信号采集.     

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(SpatioTemporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。     

机械振动信号分块自适应压缩感知算法

为提高振动信号分块压缩感知过程中的信号重构效果,提出了机械振动信号的自适应分块压缩感知算法。首先将信号分割,构造信号矩阵,并利用K-SVD构造与信号矩阵相适应的冗余字典;然后根据不同信号块在冗余字典下匹配追踪系数的衰减速度,定义不同信号块的复杂度权值;最后以复杂度权值为依据,制定自适应的压缩感知采样策略,在保证振动信号的整体采样率不变的同时,自适应分配不同信号块的观测数目。将该算法应用于机械振动信号压缩感知,与传统压缩感知算法以及其他自适应压缩感知算法相比,信号重构的精度得到提高。     

基于压缩感知的多角度观测光声成像方法

在光声成像过程中,由于各种限制因素,往往只能完成有限角度的信号采集.采集到的不完备的信号会在图像重构过程中产生伪迹现象,丢失细节信息.基于光声图像的稀疏特性,提出了基于压缩感知的光声成像算法.该方法通过2个单阵元超声探测器成角度采集光声信号,然后基于压缩感知重构算法进行光声图像重建并进行融合处理.仿真证明采用多个角度观测,选用合适的探头分布角度和测量矩阵可以有效弥补远场成像分辨率和减少测量次数,消除光声图像的伪迹现象,最终实现以较少的数据量和较简单的硬件设备实现高分辨率光声成像.     

基于压缩感知的非均匀脉冲SAR欺骗性干扰抑制方法

针对SAR欺骗式干扰的特点和传统干扰抑制后SAR成像质量恶化以及传统干扰抑制方法存在着冗余度高、有效信息提取率低等问题,本文提出了将两种新的稀疏采样方式-互质采样与嵌套式稀疏采样同压缩感知算法相结合,用来抑制欺骗式干扰并实现目标高分辨重建的方法。通过仿真实验,对比了本文提出的新重构算法与传统非均匀采样重构算法,证明了在采样率远低于Nyquist速率的条件下,基于压缩感知的稀疏非均匀SAR采样与成像方法不但可以抑制欺骗式干扰,而且能够在避免信号冗余的情况下实现目标的高分辨成像。     

正则化自适应匹配追踪电能质量数据重构方法

为了有效改善传统方法应用在电能质量信号的采集和压缩方面所面临的资源浪费以及重构性能较差等问题,提出了一种基于正则化自适应匹配追踪的电能质量数据重构方法,此方法利用压缩感知理论,对电能质量信号进行采样和压缩并行处理。首先,对感知矩阵中的原子进行一次挑选并且计算相关系数,将挑选出的原子索引值存入至候选集中。然后,在电能质量信号稀疏度K不作为先验条件的前提下,对候选集中原子的数目进行自适应地调节,并运用正则化的处理过程完成支撑集的二次挑选,用步长逐步逼近信号的稀疏度进而准确重构出电能质量原始信号。仿真实验结果表明,信号的重构精度高于98.2%,并且能够保存原始电能质量信号大部分能量,重构信噪比高,均方误差小。     

基于自适应字典压缩感知的欠定工作模态参数识别

针对基于稀疏成分分析和正交基压缩感知的欠定工作模态参数识别方法准确率低、鲁棒性差的问题,提出一种基于自适应字典压缩感知的欠定工作模态参数识别方法。所提方法在模态振型估计的基础上利用自适应字典压缩感知重构模态坐标响应。在压缩感知框架下,首先,所提方法利用滤波分离的方法构造字典学习的训练样本;然后,使用基于K均值奇异值分解的字典学习方法和层次耦合字典训练策略生成自适应字典,实现了无监督的字典学习;最后,利用正交匹配追踪算法得到稀疏系数分量,进而恢复源信号重构模态坐标响应。在压缩感知框架下,所提方法利用K均值奇异值分解算法学习得到的自适应字典,对于信号的分解比傅里叶基或离散余弦基等正交基具有更强的稀疏表示能力。在5自由度的仿真数据集下的欠定工作模态参数识别的结果表明,所提方法比稀疏成分分析、正交基压缩感知等方法具有更好的识别精度和鲁棒性。     

Efficient Imaging and Real-Time Display of Scanning Ion Conductance Microscopy Based on Block Compressive Sensing

Scanning Ion Conductance Microscopy (SICM) is one kind of Scanning Probe Microscopies (SPMs), and it is widely used in imaging soft samples for many distinctive advantages. However, the scanning speed of SICM is much slower than other SPMs. Compressive sensing (CS) could improve scanning speed tremendously by breaking through the Shannon sampling theorem, but it still requires too much time in image reconstruction. Block compressive sensing can be applied to SICM imaging to further reduce the reconstruction time of sparse signals, and it has another unique application that it can achieve the function of image real-time display in SICM imaging. In this article, a new method of dividing blocks and a new matrix arithmetic operation were proposed to build the block compressive sensing model, and several experiments were carried out to verify the superiority of block compressive sensing in reducing imaging time and real-time display in SICM imaging.     

基于稀疏布阵的实时三维成像声纳系统

水下实时三维成像声纳系统可以有效地提高对水下目标探测及识别的能力,本文提出基于稀疏面阵的实时三维成像声纳系统,该系统包括3个部分:窄带信号发射系统、稀疏布阵接收系统及信号处理系统。信号处理系统在远场情况下采用二维FFT波束形成获得目标三维成像,近场情况下采用自聚焦二维FFT波束形成获得三维成像结果。相比于直接相移波束形成,稀疏布阵情况下采用二维FFT波束形成算法具有更小的计算量和内存需求量的优势。基于该成像算法,设计并实现一套实时三维成像声纳系统,通过多次湖上及海上实验对该系统进行测试,实验结果表明:该系统可以获得水下近场及远场目标的三维图像并满足实时成像的要求。     

粒子群优化结构测量矩阵的遥感压缩成像

针对块循环测量矩阵应用于遥感压缩成像存在图像重构性能不理想的问题,本文把粒子群智能优化算法引入到块循环矩阵优化中,实现了在保持矩阵结构不变的同时对块循环矩阵的优化。首先以相关系数的Welch界为阈值约束Gram矩阵非对角元素构造目标矩阵;然后以Gram矩阵逼近目标矩阵的方式建立目标函数,将优化对象改为构造块循环矩阵的自由元向量。为提高优化效率,文中采用权重自适应更新的方式提高粒子搜索能力。开展了相关重构对比实验,结果表明,优化后的块循环测量矩阵在保持矩阵结构的同时,降低了与稀疏变换矩阵的相关性,其与稀疏变换矩阵的最大相关系数、平均相关系数和阈值平均相关系数分别降低了0.027 3、0.017 5和0.004 6,得到的结果显示优化的块循环矩阵提高了图像的重构性能。     

宽带声源方位估计的多频稀疏贝叶斯学习改进算法

在对空气中未知的宽带声源的波达方向进行估计时,麦克风阵列的阵元间距很容易大于声信号半波长而出现栅瓣,严重影响估计效果。尽管多频带数据的使用在一定程度上可以抑制栅瓣产生,但目前的方法抑制效果比较一般而且计算效率不高。在稀疏贝叶斯学习基础上,提出了一种针对宽带声源方位估计的改进方法。这种方法将超先验引入到传统的多频稀疏贝叶斯估计模型中,然后同时利用声源信号在多个频带上具有的相同空间角度稀疏性并结合期望最大化算法重新推导了多频稀疏贝叶斯模型中各相关参数的迭代形式。与此同时,考虑到实际场景中的声源方位通常不位于稀疏网格上,离网格修复模型也被加入设计框架中,以解决该问题。为验证算法性能,开展了仿真实验和场地实验。结果表明,相比最近提出的基于l₁最小化的多频压缩感知方法和宽带的多频稀疏贝叶斯学习方法,提出方法能更好的利用宽带声源的多频特性以降低栅瓣的干扰,同时具有更高的估计精度和计算速度。在现场实验中,改进方法表现了优于其他先进方法的栅瓣抑制能力,声源方位估计误差可达0.09°,所需迭代收敛步数相比MF-SBL减少约50%。     

压缩感知技术研究及应用

随着信息需求的提高,在超宽带信号处理领域中,奈奎斯特(Nyquist)采样所需硬件成本昂贵、采样获取效率低,且对数据存储先提取后压缩再传输,造成大量资源浪费。压缩感知(Compressive Sensing,CS)把采样和压缩放在一起进行,若信号在某个域上是稀疏的、压缩的,就可以低于奈奎斯特采样频率进行采样。对n维的离散信号取其中少数一些值处理,在接收端采用一些算法进行恢复。本文引入了压缩感知技术以降低系统对采样速率的要求,基于CS理论,介绍了CS三个关键技术:信号稀疏表示、测量矩阵设计、压缩感知重构算法,以及CS技术在具体领域中的应用。     

基于非均匀快速傅里叶变换的正交频分复用水声通信多普勒估计与补偿方法

针对正交频分复用水声通信对多普勒频移敏感的问题,提出了一种基于非均匀快速傅里叶变换的正交频分复用水声通信多普勒估计与补偿算法.将第2类非均匀快速傅里叶变换引入正交频分复用水声通信中,利用非均匀快速傅里叶变换对接收信号进行多普勒因子网格补偿,通过稀疏贝叶斯学习获得水声信道估计,以水声信道的稀疏能量最小作为多普勒因子判断准...     

Guidance algorithm for an autonomous unmanned underwater vehicle to a given target

One possible variant of solving the problem of guidance of an autonomous unmanned underwater vehicle to a given target is considered. At large distances, navigation is based on measuring the time of propagation of acoustic signals. Short-range positioning is ensured by processing images taken by an optical camera. PID control is applied as an algorithm controlling the vehicle position and attitude in space. The proposed algorithm is implemented as a computer code and tested in a series of numerical experiments.     

Two dimensional photoacoustic imaging based on an acoustic lens and the peak-hold technology

A new method of photoacoustic (PA) imaging based on an acoustic lens and the peak-hold technology is presented in this article. A fast PA imaging system, which consists of an acoustic lens, a 64-element linear transducer array, and a peak detection-and-hold circuit, is developed to obtain the two dimensional (2D) PA images of the experimental samples. By utilizing an acoustic lens, the PA signals generated from the sample are directly imaged on the imaging plane and collected by the 64-element linear transducer array which changes the PA signals into the corresponding electronic signals. Then the electronic signals are converted into a one dimensional image using the peak detection-and-hold circuit. After vertical scanning with a step motor on the imaging plane, the 2D PA image of the sample is achieved successfully. The results show that the images reconstructed in this experiment agree well with the original samples. Compared to other methods, this PA imaging system can acquire the PA images more rapidly without any complex algorithms, and it may provide a more convenient method for future in vivo noninvasive imaging of tissues and clinic diagnosis.