如何解决基不匹配问题:从原子范数到无网格压缩感知

压缩感知理论能够以远低于经典Nyquist速率进行采样, 采用非自适应线性投影获得了保留信号有用信息的少量观测点, 并通过求解最优化问题精确重构原始信号.压缩感知理论大大缓解了信号采样、存储和传输的巨大压力, 在计算机科学、电子工程和信号处理等领域具有广阔的应用前景.信号的稀疏表示是对信号进行压缩采样和重构的前提, 即假设信号在某个变换基(傅里叶基、小波基等)下是稀疏的, 这些基可以看作是用于描述信号参数空间的有限离散字典.然而在如雷达、阵列信号处理、通信等领域的应用中, 信号的参数空间是连续的, 在假定的离散变换基下并不稀疏, 这种基不匹配问题会严重影响信号重构精度.本文首先介绍了基不匹配产生的原因及其对重构精度的影响, 接着从原子范数出发, 综述了无网格压缩感知的理论框架和关键技术问题, 着重介绍了一维和多维无网格压缩感知的最新研究进展, 最后对其在信号处理等领域的应用进行了探讨.     

基于压缩感知的低数据率雷达采样与成像方法

传统的信号获取体制要求采样率大于两倍信号带宽,这使得高速率A/D转换成为经典超宽带高分辨雷达系统的瓶颈技术之一。压缩感知理论提供了一种低速率采样的信号精确采集和重构方式。本文基于压缩感知理论,提出一种新的雷达采样与成像方法。根据目标的散射特性,采用了基于小波变换的雷达目标稀疏表示方法;结合雷达成像原理,构造了基于Fourier束的最优测量矩阵。仿真实验表明,基于压缩感知的低数据率雷达采样与成像方法,能在数据率仅为传统系统数据率15%的条件下,获得良好的成像结果,尤其是能对弱小目标进行高分辨成像。本文所提的方法可为新体制高分辨率成像雷达系统的设计提供支持。     

基于压缩传感的超分辨率红外成像研究

为解决红外图像系统复杂度与成像分辨率之间的矛盾,采用压缩传感(compressive sensing,CS)理论对红外成像系统进行研究.通过对原始红外图像进行稀疏化,构造基于高斯随机噪声的测量矩阵,实现对目标的压缩感知,以较少数目的测量信号表示目标,获取目标的稀疏表达,基于对目标的稀疏表达,构造基于正交匹配追踪的重构算法对目标信号进行重构,实现以较少的测量信号构造较高分辨率的图像.在几种典型红外目标图像上的分析表明,压缩传感理论可实现对目标的超分辨率成像,以较低分辨率的传感器获得较高分辨率的目标信息,重构出的目标红外图像与相应高分辨率传感器所获得的图像之间误差较低.     

基于压缩感知理论的WSNs时序信号分段压缩算法

针对压缩感知理论(CS)应用在无线传感器网络中时序信号在传输过程存在压缩比率低、通信能耗高等问题,提出了一种时序信号分段压缩算法来解决在信号稀疏度未知及高稀疏度条件下,压缩感知数据重构算法中存在的重构效率低,重构精度差,影响网络生命周期的问题.该算法将采集数据中非零元素个数作为分段依据,通过减少段内非零元素组合数量来提高信号重构精度,同时利用了压缩感知理论特性实现了对信号的高压缩率.实验结果表明,在以混沌量子免疫克隆重构(Q-CSDR)算法为重构算法、在信号盲稀疏度及稀疏度高于40的条件下,能够以大于0.4的压缩比率对信号进行压缩,其重构信号的均方误差小于0.01,能够延长网络寿命2倍左右.     

结构化压缩感知研究进展

压缩感知（Compressive sensing,CS）是一种全新的信息采集与处理的理论框架. 借助信号内在的稀疏性或可压缩性,可从小规模的线性、非自适应的测量中通过非线性优化的方法重构信号. 结构化压缩感知是在传统压缩感知基础上形成的新的理论框架,旨在将与数据采集硬件及复杂信号模型相匹配的先验信息引入传统压缩感知,从而实现对更广泛类型的信号准确有效的重建. 本文围绕压缩感知的三个基本问题,从结构化测量方法、结构化稀疏表示和结构化信号重构三个方面对结构化压缩感知的基本模型和关键技术进行详细的阐述,综述了结构化压缩感知的最新的研究成果,指出结构化压缩感知进一步研究的方向.     

基于压缩感知的红外人脸识别

压缩感知理论是一种全新的数据采集技术,其采用非自适应线性投影来保持信号的原始结构,通过数值最优化问题准确重构原始信号。本文利用压缩感知的优秀特性,采用基于稀疏表示的模式分类方法,通过提取红外人脸图像的全部信息作为特征并建立特征矩阵,将待识别人脸作为压缩感知测量值,并通过正交匹配追踪算法进行重构,根据重构的稀疏系数所属类别进行红外人脸识别。实验表明,基于压缩感知的红外人脸识别结果准确率高。实验验证了本算法的有效性。     

光子学压缩感知技术研究进展

压缩感知是近来发展的一种新型的信号获取方法。根据压缩感知理论,频域稀疏信号可以以远低于奈奎斯特定律所规定的采样率进行采样和高精度的恢复。压缩感知在宽带信号获取中的应用将有利于降低对模数转换器的要求。最近,利用光子学技术实现基于压缩感知的稀疏信号获取引起了相关领域的广泛兴趣。光子学技术及其相关器件的应用可以大大提高系统的带宽,使得光子学压缩感知成为超宽带稀疏信号获取的一种很有前景的方法。本文综述了光子学压缩感知技术在稀疏信号获取中应用的研究进展,并给出一些研究成果。     

融合压缩感知和SVM的SAR变形目标识别算法

为降低合成孔 径雷达(Synthetic aperture radar, SAR)图像目标识别中目标方位角的影响,并提高对SAR变形目标的识别率,本文提出了一种基于压缩感知和支持向量机决策级融合的目标识别算法。该算法首先基于稀疏表征理论将SAR目标识别问题描述为压缩感知的稀疏信号恢复问题,然后基于稀疏系数分别进行目标类别判别与方位角估计。对样本进行姿态校正后,利用支持向量机分别对经过姿态校正和未经姿态校正的样本进行目标分类。最后采用投票表决法对3种算法的分类结果进行决策级融合。实验结果表明,基于压缩感知结果进行目标方位角估计有效,且随着训练样本数的增加,提出的决策级融合算法提高了SAR变形目标的识别率。     

LFM宽带雷达信号的多通道盲压缩感知模型研究

在传统压缩感知(Compressed sensing, CS)基础上,提出了一种基于盲压缩感知(Blind compressed sensing, BCS)理论的线性调频(Linear frequency modulated, LFM)雷达信号欠采样与重构的多通道模型.这一机制在稀疏基未知的条件下,利用LFM信号在分数阶傅里叶变换(Fractional Fourier transform, FRFT)域上良好的能量聚集特性,将多个LFM信号看作是在多个未知阶次下FRFT域的稀疏表达,通过时延相关解线调和逐次消去相结合的的欠采样方法逐一估计出每个通道的LFM信号满足聚集性条件的特定分数阶傅里叶域,以此构造出该通道LFM信号对应的DFRFT正交稀疏基字典,以各DFRFT 正交基为对角块构建混合信号正交稀疏基字典,最后利用块重构算法从测量值中估计出稀疏信号,同时验证了LF M信号多通道BCS问题解的唯一性,从而实现了稀疏基未知情况下针对多路LFM宽带雷达信号的多通道盲压缩感知.     

动态压缩感知综述

动态压缩感(Dynamic compressed sensing, DCS)知由视频信号处理问题引出, 是压缩感知(Compressed sensing, CS)理论研究领域中新兴起的一个研究分支, 旨在处理信号支撑集随时间发生变化的时变稀疏信号, 较为成功的应用范例是动态核磁共振成像. 本文首先介绍动态系统模型, 给出时变稀疏信号支撑集缓慢变化的定义、 时变稀疏信号的稀疏表示和感知测量的方法; 其次, 建立一个统一的时变稀疏信号重构模型, 基于该模型对现有算法进行分类, 简要综述时变稀疏信号的重构算法, 并且对比分析算法的性能; 最后, 讨论动态压缩感知的应用, 并对其研究前景进行展望.     

Waveform design and high-resolution imaging of cognitive radar based on compressive sensing

We introduce the compressive sensing(CS) theory for waveform design of cognitive radar,and then propose an algorithm for the high-resolution radar signal waveform and its corresponding imaging method based on the sparse orthogonal frequency division multiplexing-linear frequency modulation(OFDM-LFM) signal.We first present the principle of spectrum synthesis and high-resolution imaging based on OFDM-LFM signals.Then,we propose the spectrum-sparse waveform design criterion and the reconstruction algorithm for a highresolution range profile(HRRP) based on CS.Based on this,we analyze in detail the relationship between the scattering characteristics of the target and the parameters of the designed signal,and we construct the feedback of the target characteristics on the waveforms.Therefore,the "cognitive" function of radar can be achieved by adaptively adjusting the waveform with the target characteristics.Simulations are given to validate the effectiveness of the proposed algorithm.     

Transputer在高速雷达视频回波采集系统中的应用

介绍以ＴｒａｎｓｐｕｔｅｒＴ４２５单片高速并行计算机为中心控制环境，与高速Ａ／Ｄ（３５ＭＨｚ，８ｂｉｔ相结合构成的实时高速雷达回波采集系统。该系统的特点是：采集速度高，存贮量大；利用标准的Ｔｒａｎｓｐｕｔｅｒ链路实时完成处理器间的数据传输和通讯；系统采用并行Ｏｃｃａｍ语言编程。这样既充分发挥处理器的并行功能，又使数据采集和数据处理同步进行，这在实时信号采集与处理系统中具有特别重要的意义。     

红外/雷达双模导引头融合器硬件及软件实现

基于单传感器(雷达或红外)的系统存在着局限性。介绍了基于多传感器(雷达和红外)信号融合的目标识别和跟踪系统,它能利用不同传感器的数据互补和冗余。主要讨论了利用DSP处理芯片为核心的控制器的硬件设计与软件的实现。该控制器利用雷达系统与红外系统的信号对导弹进行控制。在较远距离时,该控制器利用雷达系统的信号对导引头进行控制,同时利用该信号对红外伺服系统进行控制,在较近距离时,当红外系统在控制下稳定跟踪目标后,该设备将原先的雷达系统控制信号转换为更精确的红外系统控制信号。     

基于伪随机码调制的车载激光雷达距离速度同步测量方法

针对双检测器激光雷达系统用于同步测量道路目标距离和速度时存在的成本高、回波利用效率低的问题,提出了一种基于伪随机（PN）码调制的脉冲式多普勒激光雷达结构模型,研究使用单个光外差接收器同步测量目标距离和速度的可行性并通过计算机仿真验证方法的性能。首先,给出激光雷达的系统模型,分析模型在脉冲方式下用于距离和速度测量时存在的问题;然后,讨论通过单个光外差接收器输出的电信号计算目标距离和速度的方法,即计算输出信号与本地调制码的相关函数确定激光飞行时间进而得出目标距离和使用非等间隔采样信号频谱分析方法确定输出信号的多普勒频率进而得出目标的速度;最后通过仿真验证所提出的方法可同时实现目标距离和速度的稳定检测。实验结果表明,在道路环境中该方法可实现目标距离和速度的稳定可靠测量,与直接检测系统相比,测量的灵敏度可提高10 dB以上,且与回波的到达时间、多普勒频率的大小无关。     

基于小波变换的雷达回波信号去噪方法研究

为了准确识别雷达回波信号中的目标信号,木文将小波变换引入到雷达回波信号处理,对回波信号进行分解、重构以及滤波器设计,去除雷达信号中的噪声,采用MATLAB软件进行系统仿真,结果表明,采用小波变换mallat算法对探地雷达回波信号进行目标识别具有较好的时频分辨率,且可抑制杂波,去除噪声,能很好的识别目标信号,具有很好的应用前景。     

基于卷积神经网络的雷达目标检测方法

雷达目标检测近年来一直是雷达信号处理中的重要任务,在探测监控等安全领域中有非常重要的作用;针对传统恒虚警目标检测方法存在的环境适应能力较弱、复杂地形环境下雷达虚警数量急剧上升等问题,提出一种基于卷积神经网络的雷达目标检测方法;以雷达回波信号数据处理后得到的距离-多普勒图像作为模型的训练集和测试集,设计基于FasterR-CNN结构的雷达目标检测模型,训练模型并将测试结果与传统恒虚警目标检测算法结果相比较,所设计的模型提升了雷达目标检测正确率并较大地减少了虚警数量,这表明将卷积神经网络应用于雷达回波信号的处理任务中是可行的。     

基于PCI总线的雷达目标回波模拟

目标回波模拟在雷达系统的调试和验收过程中具有非常重要的作用,而目标回波及噪声数据的产生和传输是其中关键的一个环节.随着现代雷达功能的广泛扩展和性能的大幅提高,如何高速高效地实时产生和传输大量的数据将成为雷达模拟设备的设计人员所必须仔细考虑并解决的问题.该文以两类雷达目标视频回波模拟器为例,提出利用PCI总线实现数据传输的方案,详细介绍了如何利用PCI总线作为目标回波数据的传输通道,并总结了利用PCI总线开发雷达信号模拟器的一般步骤和注意事项.该文同时简要介绍了开发PCI设备的关键芯片PCI9052.实践表明,这是解决大数据量高数据率雷达目标回波信号模拟的一种可行有效的解决方案.     

基于高速定点DSP的雷达信号处理实验系统

本文介绍了一个基于高速定点DSP的雷达信号处理实验系统的设计和研制．其中包括雷达中频信号采集．多种雷达信号的设计和产生。雷达回波的脉冲压缩处理、动目标显示、动目标检测和恒虚警处理。实验系统以ADI公司最新推出的Blackiln系列高速定点DSP芯片BF53x为核心，在多任务管理软件VDK的控制下．各软件模块以独立线程的方式并行工作．每个模块的参数及相互之间的连接方式通过PC上的LabView软件界面进行设置。     

A survey on one-bit compressed sensing: theory and applications

In the past few decades, with the growing popularity of compressed sensing (CS) in the signal processing field, the quantization step in CS has received significant attention. Current research generally considers multi-bit quantization. For systems employing quantization with a sufficient number of bits, a sparse signal can be reliably recovered using various CS reconstruction algorithms.Recently, many researchers have begun studying the one-bit quantization case for CS. As an extreme case of CS, one-bit CS preserves only the sign information of measurements, which reduces storage costs and hardware complexity. By treating one-bit measurements as sign constraints, it has been shown that sparse signals can be recovered using certain reconstruction algorithms with a high probability. Based on the merits of one-bit CS, it has been widely applied to many fields, such as radar, source location, spectrum sensing, and wireless sensing network.In this paper, the characteristics of one-bit CS and related works are reviewed. First, the framework of one-bit CS is introduced. Next, we summarize existing reconstruction algorithms. Additionally, some extensions and practical applications of one-bit CS are categorized and discussed. Finally, our conclusions and the further research topics are summarized.     

基于Mel频率倒谱系数和遗传算法的煤矸界面识别研究

针对现有的煤矸界面识别技术采用的γ射线法不适用于顶板不含放射性元素或者放射性元素含量较低的工作面,而雷达探测法探测范围小、信号衰减严重的问题,提出了一种基于Mel频率倒谱系数和遗传算法的煤矸界面识别方法。该方法利用煤矸放落过程中产生的声波信号的特征差异进行煤矸识别,采用Mel频率倒谱系数将去噪后的煤矸声波信号变换到频域进行处理,提取出煤矸声波信号的32维特征参数;采用遗传算法优化处理32维特征参数,得到最优参数组合;采用支持向量机和BP神经网络对最优参数进行识别。实验结果表明,该方法能够准确识别出煤矸下落状态。