基于SVD的双线性非负矩阵集分解

非负矩阵分解（non-negative matrix factorization,NMF）是一种常用的非负多元数据描述方法。处理数据矩阵集时,NMF描述力不强、推广性差。基于双线性型的非负矩阵集分解（bilinear form-based non-negative matrix set factorization,BFBNMSF）是对NMF的扩展,处理数据矩阵集时,BFBNMSF比NMF描述力强、推广性好。但BFBNMSF在初始化时使用随机分布,为使BFBNMSF更快收敛,该文提出一种基于奇异值分解（Singular value decomposition,SVD）初始化的BFBNMSF,即SVD-BFBNMSF,对系数矩阵进行初始化,已达到快速收敛的目的。实验结果表明：与传统BFBNMSF比较,该方法在收敛速度确有所改善。     

稀疏编码在静息态核磁共振图像中的应用

为了提取静息态的默认网络,降低核磁共振图像中的数据运算量,本文提出了数据降维和非线性变换的方法。首先,对核磁共振图像进行主成分分析,降低运算维度和数据复杂度。然后,对静息核磁数据进行稀疏编码学习,提取默认网络。实验结果表明,稀疏编码学习的效果优于传统的独立成分分析,且前者提取默认网络更加迅速,噪声更低。     

Computationally efficient variational Bayesian method for PAPR reduction in multiuser MIMO‐OFDM systems

This paper investigates the use of the inverse‐free sparse Bayesian learning (SBL) approach for peak‐to‐average power ratio (PAPR) reduction in orthogonal frequency‐division multiplexing (OFDM)‐based multiuser massive multiple‐input multiple‐output (MIMO) systems. The Bayesian inference method employs a truncated Gaussian mixture prior for the sought‐after low‐PAPR signal. To learn the prior signal, associated hyperparameters and underlying statistical parameters, we use the variational expectation‐maximization (EM) iterative algorithm. The matrix inversion involved in the expectation step (E‐step) is averted by invoking a relaxed evidence lower bound (relaxed‐ELBO). The resulting inverse‐free SBL algorithm has a much lower complexity than the standard SBL algorithm. Numerical experiments confirm the substantial improvement over existing methods in terms of PAPR reduction for different MIMO configurations.     

基于方向性小波变换的图像稀疏修复

图像修复有着重要的应用价值,稀疏表示作为前沿的信号处理方法,也已经使用在图像修复中。但是,传统方法在稀疏图像的时候利用的是预先给定的图像基,不能自适应图像,因此稀疏表示能力有限。文中提出从参考图中估计出图像的最佳几何方向使得稀疏变换能自适应图像几何信息,提供更稀疏的图像表示方法。稀疏修复通过最小化1范数模型进行求解。实验结果表明,所提方法较传统的二维小波变换可以更好地保留图像中边缘和纹理,获得更高的峰值信噪比。     

基于分解协调的SWCC-OBS网络路由选择研究

针对稀疏分布有限波长转换能力的光突发交换(SWCC-OBS)网络容易出现的高丢包率和负载不均 衡问题,建立了稀疏分布OBS全网丢包率的数学模型。为了克服模型求解过程中多 变量带来的非 线性问题,对影响全网突发丢包率的参变量进行分解预估和反馈更新,求得全网对应业务流 模型下的优化 路由路径,获得了全网突发数据的近似最低丢包率。仿真实验表明,在SWCC-OBS网络中, 本文提出的路由 选择模型及分解协调的路由选择算法,不仅能有效地避免突发数据包间的相互冲突、降低了 全网丢包率,而 且能很好地适应突发数据业务的动态变化,保证了网络的负载均衡和较低的丢包率。     

非傍轴矢量高斯光束

对傍轴近似下的光束传输变换问题进行了广泛的研究.但是,当光束有大的发散角或与波长相比拟的小光斑尺寸时,傍轴近似不再成立.已发展了多种非傍轴方法用以研究非傍轴光束的传输问题.对非傍轴光束的研究方法作了总结,使用角谱表示法和瑞利衍射积分公式对非傍轴矢量高斯光束的传输作了分析和比较.结果表明,基于瑞利衍射积分公式推导出的非傍轴矢量高斯光束在自由空间传输的解析公式在传输距离远大于波长时是严格的解析结果,并且在有光阑的情况下也是适用的.光束的非傍轴性主要由f参数决定,但当有光阑存在时,截断参数也对光束非傍轴行为产生影响.     

基于字典学习的毫米波大规模MIMO系统混合预编码

针对毫米波大规模多输入多输出(MIMO)系统混合预编码方案设计的难题,采用字典学习的思想,提出了一种高精度混合预编码方案.该方案首先对全数字预编码矩阵的各列采用稀疏表示;进而按列将字典原子从稀疏表示中分离出来,通过对误差矩阵采用奇异值分解(SVD)来更新对应的字典原子,直到所有字典原子更新,以形成新的字典矩阵;最后,利用更新后的字典矩阵稀疏重构全数字预编码矩阵,以得到模拟预编码矩阵和数字预编码矩阵.仿真结果表明,相较于基于正交匹配追踪(OMP)的混合预编码方案,所提方案在提升系统频谱效率和降低误码率方面具有明显的优势.     

共相位望远镜阵列的光束耦合问题研究

研究了共相位望远镜阵列的两种重要光束耦合误差——光瞳面平移(piston)误差和光瞳面倾斜(tilt)误差。设piston误差和tilt误差都服从均值为零但标准差待定的正态分布,根据中心点亮度判据,通过迭代方法计算了piston误差和tilt误差所允许的最大标准差,揭示了这两类光束耦合误差所允许的最大标准差与子望远镜个数和遮光比的关系。Piston误差所允许的最大标准差与子望远镜的遮光比无关,但随着子望远镜个数不断增加,在0.11λ～0.08λ范围内缓慢减小。Tilt误差所允许的的最大标准差在子望远镜出瞳大小已知的情况下,随遮光比不断增加而逐渐减小,而与子望远镜个数无明显的相关性。