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.     

基于FOCUSS算法的稀疏阵列综合

以最大稀疏化阵列得到所期望的方向图是稀疏阵列综合理论中的关键问题. 由于阵列天线本身具有稀疏的物理特性, 因此可将稀疏阵列综合归结为稀疏信号的重建过程. 该文提出一种将阵列天线的波束形成问题等效为求解稀疏信号向量的最优化问题的方法, 并利用FOCUSS算法快速准确地得到最大稀疏化的阵列, 以及阵元位置和激励幅度. 理论分析和数值仿真表明了该方法的有效性.     

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．     

一种新的基于稀疏贝叶斯学习的ISAR成像方法

将BP(基寻踪)算法和FOCUSS(Focal underdetermined systemsolver)算法用于ISAR成像中,由于它们具有一些缺点,在实际应用中受到很大的限制.但是SBL(稀疏贝叶斯)方法可以克服这些缺点.本文首次提出可以将SBL代替BP和FOCUSS用于ISAR成像中.真实ISAR数据的成像结果表明SBL是一种比BP和FOCUSS更有效,更有潜力的成像方法.     

基于加权星图稀疏正则化的图像压缩感知重构

为了更有效地表达图像的高阶稀疏结构,提出基于图稀疏正则化的压缩感知重构算法,通过图论方法描述图像稀疏系数间的相关性。首先,采用图结构化稀疏度量表征图像的非局部相似性,并化简稀疏系数的完全图结构为仅与均值节点连接的星图结构,以实现更高效的稀疏表达;然后,通过加权范数的形式体现稀疏系数的不同重要性,达到自适应恢复的目的。进一步,提出求解星图稀疏模型的近似消息传递算法,通过引入辅助变量,使得权值参数和稀疏系数的优化问题更易求解。实验结果表明,所提出的算法在客观质量和主观质量上优于其他基于非局部稀疏模型的重构算法,验证了星图稀疏模型的有效性。     

一种稀布阵列天线的近场波束综合算法

针对由于稀布阵列天线孔径较大导致大多数感兴趣的探测目标位于近场范围内的问题,提出了一种近场情况下的稀布阵列天线波束综合算法．通过采用近场电磁波传播模型,对传播时延表达式进行分析,在给定阵元数目和不同阵元间距约束的条件下,通过差分进化等智能算法实现了控制峰值旁瓣电平的稀布直线阵列综合,同时给出了相应的算法步骤．通过给定场景下的计算机仿真实验验证了算法的有效性和可行性,实现了在较高稀疏率情况下的近场聚焦波束修正和峰值旁瓣电平控制．仿真实验证明,所提算法有效地降低了阵列间距拉开产生的高峰值旁瓣电平,得到了比传统算法更好的旁瓣性能．     

Sparse channel estimation for MIMO-OFDM systems using distributed compressed sensing

A sparse channel estimation method is proposed for doubly selective channels in multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) systems. Based on the basis expansion model (BEM) of the channel, the joint-sparsity of MIMO-OFDM channels is described. The sparse characteristics enable us to cast the channel estimation as a distributed compressed sensing (DCS) problem. Then, a low complexity DCS-based estimation scheme is designed. Compared with the conventional compressed channel estimators based on the compressed sensing (CS) theory, the DCS-based method has an improved efficiency because it reconstructs the MIMO channels jointly rather than addresses them separately. Furthermore, the group-sparse structure of each single channel is also depicted. To effectively use this additional structure of the sparsity pattern, the DCS algorithm is modified. The modified algorithm can further enhance the estimation performance. Simulation results demonstrate the superiority of our method over fast fading channels in MIMO-OFDM systems.     

基于二阶锥规划的共形阵列宽带方向图综合

针对目前共形阵列方向图综合算法中全局优化算法计算复杂度高,已有凸优化算法不能处理宽带信号的问题,提出了一种基于二阶锥规划的共形阵列宽带恒定束宽方向图综合方法。该算法首先推导并建立了更为简单的共形阵列宽带信号模型;然后在频域上构造空间响应变化约束,并在空域上构造方向图的目标函数和约束条件;最后利用二阶锥规划求得最优权矢量,实现宽带信号方向图综合。理论分析和仿真结果表明,该方法能够有效地获得期望信号并抑制干扰信号,在计算复杂度上低于全局优化算法,且阵列响应具有良好的频率一致性。     

基于特征表征的单幅图像超分辨方法

基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可以得到更好的主观视觉评价和客观量化评价。     

基于压缩感知的双连续超松弛迭代算法研究

压缩感知理论是在已知信号具有可压缩性或通过变换具有稀疏性的条件下,对其信号进行采集,稀疏和重构的新理论.其中稀疏信号重构算法是其中关键的一部分,对信号恢复的精确性及时效性验证有着重要的意义.该文在总结目前已有的重构算法的基础上,提出了一种新的基于压缩感知的双连续超松弛迭代重构算法.该算法通过参数估计自适应的寻找合适的稀...     

空域抽样与相干因子融合的超声阵列自适应波束形成算法

针对超声成像中自适应波束形成算法计算效率低的问题,提出了一种基于空域抽样与相干因子融合的自适应波束形成算法.该算法通过分析阵列数据波束图,推导出不同阵元数目下的最大抽取因子,将阵列中所有阵元接收的数据按最大抽取因子进行空域等间隔抽样,得到阵元稀疏后的回波数据,减少了采集数据量.将空域抽样数据输入波束形成器,计算其协方差...     

Fast DOA estimation methods for underdetermined wideband signals with a high accuracy

In order to handle the low accuracy of the algorithm DCS-SOMP, two underdetermined wideband direction of arrival estimation methods with a high accuracy are proposed from the perspective of multiple iteration. First, the wideband signal processing model using the sparse array is established and transformed into a distributed compressive sensing problem through sparse representation. Then, the noises are eliminated through matrix transformation. After that, an algorithm utilizing proximity searching is proposed to improve the estimation accuracy and an algorithm based on the refined grid is proposed to compensate grid mismatch. Simulation results show that the proposed algorithms outperform the DCS-SOMP with a higher estimation accuracy and possess the advantage in computational speed.     

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.     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

DOA矩阵方法及其性能分析

为了在小样本、低信噪比以及高信源相关性的条件下都能对波达方向（direction of arrival,DOA）进行精确估计,基于压缩感知理论,利用目标信号空间分布的稀疏性,提出了基于加权l₁范数稀疏信号表示的DOA估计算法.该算法对l₁-奇异值分解（singular value decomposition,SVD）算法进行改进,对接收矩阵进行预处理,根据子空间的正交性确定加权矩阵,以加权l₁范数作为最小化的目标函数进行优化得到稀疏信号,进而得到信号的DOA.仿真结果表明,通过加权处理的l₁范数下稀疏信号重构方法能有效抑制偏差,在低信噪比下能够准确稳定地估计出DOA,并且能够提高估计精度.

     

基于凸优化及其求解软件的最低旁瓣方向图综合算法

针对任意阵列天线的方向图综合问题,提出了基于凸优化及其求解软件的方向图综合方法。其中针对最低旁瓣方向图综合问题的特殊性,利用了凸优化的优良数值求解特性,以及最新的凸优化求解软件cvx对任意阵列天线的最低旁瓣方向图综合算法进行了有效的建模和求解,获得了满足给定要求的综合方向图。并通过详细的仿真分析验证了所提方法的正确性和有效性,而且优于当前提出的迭代算法。     

基于Curvelet稀疏和共轭梯度法的压缩传感图像重构

压缩传感以低采样率、抗干扰性强等特点备受关注。在图像能够稀疏表示的先验条件下,可以通过较少的随机投影,就能对原始图像进行精确重构。本文将Curvelet阈值收缩和共轭梯度相结合进行压缩传感重构,克服了正交小波方向选择性差,传统重构算法需要内存大、收敛速度慢、重构图像的细节与平滑不能兼备的缺点。实验结果表明,该算法提高了重构图像的峰值信噪比,加快了收敛速度,平衡了图像的细节与平滑成分。     

Sparse Bayesian learning in ISAR tomography imaging

Inverse synthetic aperture radar(ISAR) imaging can be regarded as a narrow-band version of the computer aided tomography(CT). The traditional CT imaging algorithms for ISAR, including the polar format algorithm(PFA) and the convolution back projection algorithm(CBP), usually suffer from the problem of the high sidelobe and the low resolution. The ISAR tomography image reconstruction within a sparse Bayesian framework is concerned. Firstly, the sparse ISAR tomography imaging model is established in light of the CT imaging theory. Then, by using the compressed sensing(CS) principle, a high resolution ISAR image can be achieved with limited number of pulses. Since the performance of existing CS-based ISAR imaging algorithms is sensitive to the user parameter, this makes the existing algorithms inconvenient to be used in practice. It is well known that the Bayesian formalism of recover algorithm named sparse Bayesian learning(SBL) acts as an effective tool in regression and classification,which uses an efficient expectation maximization procedure to estimate the necessary parameters, and retains a preferable property of the l0-norm diversity measure. Motivated by that, a fully automated ISAR tomography imaging algorithm based on SBL is proposed.Experimental results based on simulated and electromagnetic(EM) data illustrate the effectiveness and the superiority of the proposed algorithm over the existing algorithms.     

前视扫描SAR超分辨成像

提出了一种前视SAR超分辨成像算法.方位维分辨通过安置线性阵列,采用"多发多收"的工作方式,通过波束形成技术得到较窄的发射波束以覆盖有限观测场景,利用目标的稀疏先验信息建立正则化问题,然后通过求解最优化问题实现超分辨成像.该算法在有限阵列长度的条件下可以获得更优的成像结果,有效降低了系统的成本和复杂度.仿真结果验证了该文分析的正确性和算法的有效性。     

阵元缺损下的波达方向估计算法

为解决在均匀线阵中阵元降采样或其他因素引起的阵元损坏导致角度估计精度下降的问题,该文对缺损的采样数据矩阵进行Hankel矩阵变换,利用Hankel矩阵变换的性质以及矩阵填充理论,将不满足矩阵填充理论的接收数据矩阵变换为适用于矩阵填充理论的数据矩阵,通过不定增广拉格朗日乘子法精确重构出完整的接收数据矩阵,实现了精确的波达方向估计。仿真实验验证了该方法在均匀线阵阵元出现损毁的情况下,仍能实现对角度的精确估计,同时给出了算法随阵元缺损程度变化的性能变化趋势。