基于压缩感知的SAR抑制旁瓣技术研究

压缩感知技术其数学本质是一种基于稀疏约束的欠定方程求解技术。该文提出了一种基于压缩感知的旁瓣抑制的方法,该方法在高信噪比的条件下不但可以利用场景目标散射系数稀疏先验信息抑制旁瓣,在场景目标散射系数足够稀疏的情况下还可以通过增加采样率且利用文中所介绍的方法提高分辨率且此分辨率能够突破系统能够达到的最高的物理分辨率,达到超分辨的效果;在低信噪比条件下不但较好地抑制了旁瓣,同时还抑制了噪声的影响。最后通过1维,2维成像仿真以及实际数据处理验证了此算法的有效性。     

切趾滤波旁瓣抑制技术在合成孔径雷达中的应用

线性调频SAR回波信号经过二维匹配滤波,所得到二维像具有较高的旁瓣电平,虽然通过幅度加权处理可以降低旁瓣电平,但是主瓣的分辨率会降低。该文针对这一问题,探讨了应用切趾滤波技术来抑制线性调频SAR图像的旁瓣电平的优点,并给出了具体的实现步骤。理论分析和仿真表明,在获得相同的峰值旁瓣电平下,与幅度加权旁瓣技术相比,切趾滤波技术可以保持原SAR图像的分辨率。最后,多目标SAR图像的仿真结果验证了切趾滤波技术的优越性。     

基于改进粒子群算法的压缩感知

在稀疏信号处理中,压缩感知能够用较低的采样频率对稀疏信号进行压缩采样,而信号重建的问题则可归结为一个最优化问题,并可采用粒子群算法进行求解。针对压缩感知问题,本文对传统的粒子群算法进行了深入的分析和改进,得到了粒子数目的下界,并提出了三维环形邻域结构和多群协作机制,依此建立了有效的感知压缩重建方法,且将其应用于二维稀疏信号的重建。最后,本文通过在模拟和真实数据上实验结果验证了这种新型感知压缩方法的有效性和优越性。      

基于压缩感知的实时目标追踪算法

提出了一种高效的基于压缩感知的实时目标追踪算法,该算法将空域数据转换到小波域,然后利用变密度采样矩阵对小波域数据进行压缩,从而极大地降低了数据量。在稀疏重建上,将St-OMP算法代替OMP算法以提高稀疏重建的速度。在多种具有挑战性的视频序列上进行实验,结果表明该算法提高了追踪准确度和速度。     

分布式压缩感知联合重构算法

分布式压缩感知是用尽可能少线性测量值来表示一个联合稀疏信号。分布式压缩感知联合重构算法是以信号集中的某个信号为边信息,根据信号集中信号之间的相关关系来重构信号的算法。为了解决已有重构算法的复杂性以及减少重构算法所需的测量值数,提出了两种新的分布式压缩感知联合重构算法。对提出的两种新算法在信号和图像处理上进行了实验,验证了其可行性与先进性。结果表示,这两种联合重建算法在获取相同的图像质量时需要测量值更少。     

线性调频脉冲压缩信号旁瓣抑制分析

介绍了目前多数雷达所采用的线性调频脉冲压缩信号的特点,分析了线性调频脉冲压缩信号旁瓣抑制的目的和方法,并引入加权窗函数,对其进行仿真,得出如何进行适当的加权处理,得到最佳的旁瓣抑制效果,达到雷达所需的技术性能.     

一种高效快速的二相码旁瓣抑制算法

高效的旁瓣抑制能力可以提高雷达对微弱目标的检测能力,传统的旁瓣抑制方法中,递归最小二乘算法（RLS）不仅数值稳定性差,而且运算量大。通过合理构建脉冲压缩后的信号模型,提出一种基于横向滤波器的快速旁瓣抑制算法。该算法采用投影技术和向量空间法,不仅大大减小了运算量,而且具有高效的旁瓣抑制特性。仿真实验表明：该算法迭代2次就可收敛于真值,迭代5次即可达到RLS算法迭代100次的旁瓣抑制效果,并且信噪比损失要低于RLS算法。     

一种设计组合巴克码脉冲压缩旁瓣抑制滤波器的新方法

在对组合巴克码距离旁瓣分布特性进行分析的基础上,提出了一种可由计算机软件实现的组合巴克码旁瓣抑制滤波器实现方法,并对该滤波器中与通常巴克码旁瓣抑制滤波器设计时的异同进行了论述.最后,以65位组合巴克码为例,设计出了滤波器,证明这一方法的可行性.     

基于压缩感知的直扩通信多音干扰抑制

针对直扩通信多音干扰抑制算法应用受限于采样率较高的问题,在分别构建信号和干扰稀疏字典的基础上,利用正交匹配追踪算法,设计了一种压缩域直扩通信多音干扰抑制算法,并通过理论分析和计算机仿真验证了算法的有效性。仿真结果表明,在已知干扰稀疏度的条件下,该方法能够有效抑制多音干扰,干扰抑制效果不随干扰数量、干扰强度变化而变化,在压缩率为1/2、干信比为20 dB的条件下重构信号与加性高斯白噪声信道中传输信号解调性能相比只有约5 dB的信噪比损失。这将为在多音干扰条件下压缩采样后直扩信号的重构提供一种有效方法。     

基于压缩感知的数字图像水印算法

压缩感知理论作为新一代信息处理理论基础,在很多领域得到了应用,但在数字水印方面的应用还有待发展。利用压缩感知理论,在图像稀疏化后的观测域中实现水印嵌入过程。用小波变换将原图像稀疏化,选择一个固定高斯随机矩阵对其进行观测,在观测压缩域中嵌入与提取水印,用匹配追踪算法恢复稀疏信号。实验结果表明,该算法满足透明性、鲁棒性和安全性要求;同时抗提取实验表明,该算法能有效抵御非法提取水印信息,增加了安全性。     

一种基于数据平滑的压缩感知信号重构法

本文针对压缩感知中低信噪比信号重构问题,提出了一种基于数据平滑的信号重构算法。算法分为两步,第一步将采样值分段,并求出连续若干段采样矢量的算术平均值;第二步针对采样矢量的算术平均值,基于l1-范数最小准则估计其非零系数位置用于构造信号子空间,而后利用获得的信号子空间针对每段采样矢量分别求解非零系数的值,并重构信号。该方法适用于稳定信号,理论分析与仿真都表明本算法的性能优于标准正交匹配追踪方法。     

WSN data gathering algorithm based on compressive sensing and matrix completion technique

The unreliable links and packet losing are ubiquitous in WSN.The performance of data collection algorithm based on compressive sensing is sensitive to packet losing.Firstly,the relationship between packet loss rate and CS-based reconstruction precision was analyzed,and the sparsest block measurement (SBM) matrix was formulated to keep the data gathering consumption smallest and make sure the low-rank property of measurements.Then,combined with the matrix completion (MC) and compressive sensing (CS),the CS data gathering algorithm based on sparsest block measurement matrix (CS-SBM) algorithm was proposed.CS-SBM gathered data in a period and recovered the loss data based on MC to weaken the impact of packet loss on data gathering.CS-SBM reconstructed data based on CS to reduce measurement number and energy consumption and prolong the network lifetime.Simulation analysis indicates that the proposed algorithm reconstruct the whole data with high-accuracy under 50% packet loss rate,resisting unreliable links effectively.     

改进的基于拉普拉斯先验的贝叶斯压缩感知算法

贝叶斯压缩感知(Bayesian Compressed Sensing,BCS)通过稀疏贝叶斯回归模型中相关向量机(Relevance Vector Machine,RVM)的学习来解决压缩感知(Compressed Sensing,CS)中的信号重构问题。本文通过修正基于拉普拉斯先验BCS的噪声模型,较好地实现了含噪CS信号的重构。它主要利用稳健型相关向量机(Robust RVM,RRVM),改进了基于拉普拉斯先验的BCS算法。它通过对每个观测噪声方差系数进行最优化估计,来消除内外部噪声对信号重构的影响。相关的仿真验证了在外部脉冲噪声以及内部高斯白噪声共同干扰条件下,相比原始BCS算法,改进算法具有更好的重构性能和稳定性。     

一种快速的压缩感知信号重构算法

重构算法是压缩感知技术的重要环节之一,文中针对现有重构算法收敛速度较慢的问题,提出了一种适用于压缩感知的快速重构算法。该方法的思想是在求解过程中,设计一种有效的步长迭代方案,以此来更新由梯度Lipschitz指数确定的迭代步长,再利用更新后的步长对原始信号的稀疏域表示向量进行迭代收缩,提高收敛速度。实验结果表明,相比传统的正交匹配追踪(OMP)算法、固定步长的l1范数重构算法,该方法在保证信号恢复精度的前提下,具有更快的收敛速度和更高的重构精度。     

能量约束贝叶斯压缩感知检测算法

为了解决无线传感器网络在监测区域内遇到处理能力不足和能量受限问题,提出了一种能量约束贝叶斯压缩感知检测算法。算法在选择观测向量时不仅考虑了重构效果,同时还考虑了节点的能量,并利用改进的分簇算法选择最佳传输路径,以均衡整个网络的能量,防止某些节点由于能量消耗过快导致整个网络失效。实验表明,与传统的贝叶斯压缩感知直接检测相比,能量约束贝叶斯压缩感知检测算法在网络生存时间上有了很大的提高。     

改进的一比特量化压缩感知重建算法

传统的压缩感知理论考虑的测量值均是实值的,具有无限比特精度。然而在实际应用中,由于数据存储或传输需求,必须考虑测量值的量化问题。通过研究总结已有的一比特量化压缩感知(1-bit Quantized Compressive Sensing)重建算法,提出了一种改进的二进制迭代硬阀值(BIHT)算法。该算法通过引入回溯筛选的思想,在每一步迭代过程中优化了对原子的选择。实验仿真表明,在采样比特数较低时,基于回溯的二进制迭代硬阀值(BBIHT)算法比二进制迭代硬阀值算法重建精度高2~3 d B,且重建速度快。因此,BBIHT算法更有实际应用意义。     

二维非重构压缩感知自适应目标检测算法

针对重构算法影响压缩成像目标检测效率和结果的问题，提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型，利用Hadamard矩阵的特性对压缩差分图像进行解压缩，直接解码目标的空域特征，并利用改进的自适应阈值法对解码后的图像进行目标检测，避免了重构带来的存储空间和运算时间的浪费。仿真实验表明:在单目标和多目标的情况下，该算法都可以有效检测目标，并在检测率、虚警率和运算时间等指标上具有优越性能，为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。     

基于压缩传感的半脆弱水印的视频篡改检测算法

现针对目前的视频水印算法在篡改检测方面存在不足,提出一种基于压缩传感的半脆弱水印的视频篡改检测算法.通过压缩传感算法提取I帧的图像特征,生成半脆弱的内容认证水印,嵌入到I帧图像的中高频系数中,实现帧内篡改检测.通过对P帧的序号进行哈希运算,生成完整性水印,嵌入到P帧的运动矢量中,实现帧间篡改检测.仿真实验表明,算法对视...