基于CS测量矩阵优化的图像融合

测量矩阵是压缩感知理论的三大核心部分之一,它直接影响着压缩感知理论在图像融合领域的应用。针对随机测量矩阵不易硬件实现的问题,本文设计了一种仅由-1、0和1三个值组成的测量矩阵,并利用基于Gram矩阵的优化方法使其尽可能地与稀疏变换矩阵不相关。实验结果表明,该测量矩阵不仅能提高重构图像的PSNR(Peak Signal to Noise Ratio),而且将其应用于基于压缩感知的图像融合中,在采样率仅为非压缩域50%的情况下仍能取得较好的融合效果。     

一种适用于TDOMP算法的测量矩阵优化方法

测量矩阵的优化设计有利于提高压缩感知中信号的重构性能。该文研究了适用于TDOMP (TwoDictionaries OMP)重构算法的测量矩阵优化方法。TDOMP算法是一种改进的OMP算法,该算法使用与感知矩阵互相关性低的匹配矩阵来辨识正确的感知矩阵原子。所提方法利用交替投影的思想来优化测量矩阵从而得到相关性低的感知矩阵和匹配矩阵,然后用于TDOMP算法来提高信号的重建性能。仿真实验验证了所提方法的有效性。      

一种基于特征值分解的测量矩阵优化方法

测量矩阵是压缩感知中一个很重要的部分,为了减小测量矩阵与稀疏变换矩阵的互相干性,从而改善重建质量,本文首先通过测量矩阵和稀疏变换矩阵的乘积构造得到一个Gram矩阵,然后定义了一种基于Gram矩阵非对角线元素的整体互相干系数,推导出整体互相干系数与Gram矩阵特征值之间的关系。在此基础上,我们提出了一个最优化模型,在不改变Gram矩阵特征值和的前提下,让每个大于零的特征值的大小都为它们和的平均值,使得测量矩阵和稀疏变换矩阵的整体互相干系数达到最小,从而优化了测量矩阵的性能。将该方法用在一些已知的测量矩阵上,实验结果中矩阵的优化速度快,并且用优化矩阵所得的图像的PSNR有所提高,表明本文优化测量矩阵的方法在重建效果和优化速度方面都有一定的优势。      

改进的压缩感知测量矩阵优化方法

压缩感知理论中,测量矩阵优化是一类通过减小测量矩阵与稀疏字典的互相关性来改善测量矩阵性能的方法。本文提出一种能够同时降低整体相关系数和最大值相关系数的测量矩阵优化算法,该算法分为两步:一是通过平均化Gram矩阵特征值来降低测量矩阵的整体相关系数;二是利用阈值函数收缩Gram矩阵非对角线上较大值。两个步骤交替执行,直到解出符合优化要求的测量矩阵。该算法在保证整体相关系数降到最低的同时,又使最大值相关系数显著降低。实验结果表明,与现有算法进行对比,本文方法在降低相关系数和重构成功率上都有一定优势。      

一种用于压缩感知理论的投影矩阵优化算法

考虑到投影矩阵对压缩感知(CS)算法性能的影响,该文提出一种优化投影矩阵的算法。该方法提出可导的阈值函数,通过收缩Gram矩阵非对角元的方法压缩投影矩阵和稀疏字典的相关系数,引入基于沃尔夫条件(Wolfes conditions)的梯度下降法求解最佳投影矩阵,达到提高投影矩阵优化算法稳定度和重构信号精度的目的。通过基追踪(BP)算法和正交匹配追踪(OMP)算法求解l0优化问题,用压缩感知方法实现随机稀疏向量、小波测试信号和图像信号的感知和重构。仿真实验表明,该文提出的投影矩阵优化算法能较大地提高重构信号的精度。     

一种基于拟牛顿法的MIMO雷达发射方向图综合方法

波形设计直接关系到MIMO雷达目标检测和参数估计的性能,通过设计发射互相关矩阵来分配空间发射功率是一类MIM0雷达渡形设计方法.本文在发射方向图综合的二次规划(Quadratic Programming,QP)模型基础上,提出了一种基于DFP拟牛顿法的MIMO雷达方向图综合设计方法,该方法用可变的一维搜索步长代替了最陡下降法的固定步长,并且不需计算Hesse逆矩阵.仿真结果表明,该方法复杂度低,较最陡下降法收敛速度快,并具有更好的数值稳定性,可以满足MIMO雷达发射方向图设计的要求.     

基于训练字典优化测量矩阵的SAR图像压缩算法

为压缩复数合成孔径雷达(SAR)图像,基于压缩感知理论,设计了基于训练字典优化测量矩阵。该方法可增强测量矩阵的列之间的不相关性,有效地降低测量矩阵列向量间的互相干性,提高重构结果的精确度。基于优化后的测量矩阵,可以获取更好的复数SAR图像压缩结果。通过真实场景的复数SAR图像实验,验证了该算法的有效性。     

基于麻雀算法的压缩感知观测矩阵优化方法

为了解决在利用压缩感知理论重构信号时,随机矩阵优化算法不能很好地解决最优相关性的问题,提出用改进的麻雀搜索算法来加强观测矩阵的全局寻优性,使得观测矩阵与稀疏矩阵的互相关系数降低,以此提高信号的重构精度.该算法用黄金正弦算法优化了麻雀算法的种群生成模式,减少了算法的迭代次数,增强了全局寻优能力,然后用改进麻雀算法在随机高...     

基于自适应次梯度投影算法的压缩感知信号重构

本文提出一种利用自适应次梯度投影算法（Adaptive Subgridient Projection Method,ASPM）进行压缩感知（Compressed Sensing,CS）信号重构的方案。APSM算法首先根据CS重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用并行次梯度投影的思想将对该凸集的投影转化为对多个闭合半平面的投影,最后将更新后的干扰抑制滤波器系数矢量投影到限定集合上。同时为了获得快速收敛性,本文设计了在迭代的不同阶段自适应地调节该膨胀系数的机制。理论分析和仿真结果表明,本算法具有快速收敛性和较低的重构误差,在不同的噪声强度下具有较高的鲁棒性。      

基于设计结构化Gram矩阵的ISAR运动补偿方法

运动补偿是ISAR（Inverse Synthetic Aperture Radar）成像算法中的重要步骤.本文将运动补偿归结为多参数估计问题,基于设计结构化Gram 矩阵的最优化理论提出了一种运动补偿方法.该方法可分为距离对准和相位补偿两部分,其中距离对准算法通过让所有距离像之间的相关性同时逼近最大值的准则实现偏移量的估计,而相位补偿算法则通过分析信号模型推导出最优矩阵从而利用最优化方法提取相位误差.实测数据处理结果表明,这两种算法都具有较强的鲁棒性和较高的估计精度,是一种有效的运动补偿方法.     

基于投影矩阵的摄像机标定新方法

提出一种基于投影矩阵的摄像机标定新方法。该算法根据旋转矩阵的单位正交性结合Cholesky分解,由投影矩阵直接估算内参数矩阵;然后由旋转矩阵行列式约束排除误解,获得摄像机位置和方位矩阵,并以最小化反投影残差为代价函数对估计参数实现优化。该标定方法在针孔相机模型下进行,整个过程无需求解非线性方程,简单可靠。模拟数据和真实图像实验均证明了此算法的可行性与鲁棒性。通过误差分析得出结论,随着已知空间点数量的增加和拍摄距离的减小,标定精度能进一步得到提高。     

压缩感知观测矩阵的优化算法

为克服基于压缩感知的图像重构算法存在的不足,文中对观测矩阵设计方法进行了改进,并根据稀疏信号的特点对观测矩阵加权,令奇异值分解得到的对角阵对角线上的元素全部为1。通过仿真实验表明,将改进后的矩阵作为压缩感知算法的观测矩阵,在大压缩比时PSNR值约提高(1~2 dB),在小压缩比较时PSNR值提高了(8~9 dB)。     

一种基于拟牛顿法的递归最小二乘方法

基于拟牛顿优化方法,提出了一种稳健的自适应FIR滤波算法。新算法用最小二乘误差(LSE)代替了均方误差(MSE)作为代价函数,它具有和常规递归最小二乘(CRLS)算法相近似的追踪能力,且不存在数值计算不稳定性的问题,在收敛速度以及稳态效果方面也要优于De Campos的拟牛顿(QN)算法。通过计算机仿真比较了有关算法的性能。     

机载雷达主瓣杂波抑制的投影矩阵方法

在机载单通道雷达的运动目标检测中,若雷达相干处理的Dopp ler分辨能力差于主瓣杂波Dopp ler谱宽,在Dopp ler域主瓣杂波无法与慢速目标有效区分,这给运动目标检测带来了很大的困难。文中提出的投影矩阵方法首先在时域将主瓣杂波滤除,然后进行多普勒滤波,由于主瓣杂波被有效抑制,系统对慢速目标的检测能力大大提高。理论推导和仿真实验证明,投影矩阵方法在主杂波之外信噪比损失性能比三脉冲相消方法有明显的改善。     

基于图像块整体稀疏性与流形投影的压缩成像

如何利用自然图像本身固有的先验知识来提高重构图像质量是压缩成像系统的一个关键问题.本文在压缩成像系统中融合图像块整体稀疏性与流形特性,提出了一种高质量压缩成像算法.在该算法中,图像块由字典稀疏表示,同时还可由一组与图像块位于同一低维流形上的近邻点线性逼近,从而使稀疏重建信号分布在原始信号所处的流形附近.另外本文充分利用了图像中任意位置处图像块的稀疏性先验知识,使得压缩成像算法在低采样率下能重构出质量较高的图像.     

行阶梯观测矩阵、对偶仿射尺度内点重构算法下的语音压缩感知

基于语音信号在离散余弦域上的近似稀疏性,针对采用随机高斯观测矩阵及线性规划方法进行语音压缩感知与重构时,重构零(近似零)系数定位能力差而导致重构效果不好的缺点,本文提出一种新的行阶梯矩阵做观测矩阵,用对偶仿射尺度内点重构算法对语音进行压缩感知与重构,并对该算法下的重构性能进行理论分析.语音压缩感知仿真结果表明,在离散余弦基下,压缩比(观测序列与原始序列样值数之比)为1∶4时,行阶梯观测矩阵下的平均重构信噪比比随机高斯观测矩阵下提高9.73dB,平均MOS分比随机高斯观测矩阵下提高1.22分.     

基于感知域测量值的自适应压缩采样方法

现有的自适应采样方法需要在采集端获得原始信号,这在实际的蒸发波导相关气象要素压缩感知过程中不易实现。针对这一问题,提出了一种以测量值数据特征为依据的采样率自适应设定方法。该方法以能量表征各信号块的重要性,以观测值能量近似估计原信号块能量,根据感知域中测量值的能量变化自适应地为各块设定采样数目。理论分析和实验表明,该方法的重构性能优于传统自适应方法,相同采样率下可获得更高的重构信噪比。