稀疏重构

摘要： 为了提高稀疏捷变频(sparse frequency agility, SFA)雷达信号在稀疏重构中的精度和稳定性,提出一种基于进化粒子群优化(particle swarm optimization, PSO)算法的SFA雷达信号的优化设计。首先,推导了SFA雷达的信号模型和稀疏重构时的字典矩阵。然后,以最小化SFA雷达信号对应字典矩阵的相关性为目标函数,稀疏载频情况下有效带宽和有效跳频间隔为约束条件,建立优化模型。最后,通过进化PSO算法求解得到最优载频序列。仿真结果表明,所提算法在满足稀疏性约束的条件下,能够有效提高字典矩阵的正交性,保证稀疏重构信号的精度和可靠性。

摘要： 针对当前抗干扰方法面对主瓣干扰时存在的抗干扰性能急剧下降的问题,本文提出了一种基于稀疏重构的空域-极化域联合抗主瓣干扰方法。该方法首先利用稀疏重构对干扰信号的波达角(DOA)进行估计;然后在恒模约束的基础上,利用相关性最大原则估计干扰信号的极化参数;最后利用估计得到的信号导向矢量,构建联合斜投影滤波器进行干扰抑制。仿真实验表明,该方法能够有效对抗主瓣干扰信号与副瓣干扰信号,与当前流行的抗干扰方法相比,整体上具有更高的输出信噪比,尤其是在对抗空域上与期望信号很相近的干扰信号时。此外,本文方法还具有较快的运算速度,符合雷达抗干扰的实际要求。

摘要： 在杂波较强的环境下,雷达目标回波往往淹没在杂波中难以被检测,尤其在海杂波背景下,目标的多普勒频率有可能会落在杂波频率范围中,此时传统的杂波抑制方法就产生了一定的局限性。针对此问题,依据杂波、目标信号的稀疏特性和二者在多普勒频率分布特性上的不同,设计了对应的时频域过完备字典;再通过形态成分分析算法求出目标和杂波分量的稀疏系数向量;将对应字典和稀疏系数向量相乘,恢复出目标和杂波分量,同时实现了杂波抑制和目标信息提取。最后,通过实测数据验证了该算法的有效性。

摘要： 针对遥测振动信号非线性、非平稳性、瞬态冲击性等特点,提出一种基于时频流形自适应稀疏重构的遥测振动信号特征增强方法,对振动信号进行相空间重构提取其时频流形;以时频流形为基础,采用KSVD算法自适应构建过完备字典,并从中找到最匹配的时频原子,根据得到的原子与相空间展开信号的时频分布,依次匹配计算获得其重构的稀疏系数;利用稀疏系数和时频原子对相空间中各维信号的时频分布进行重构,通过时频分布的逆运算和相空间还原得到特征增强信号。仿真和实测信号处理结果验证了算法的有效性。

摘要： 相比于传统的脉冲-多普勒体制雷达,多参数捷变雷达具有十分优秀的抗干扰能力,这使得其在复杂电磁环境下被广泛应用。然而,脉间参数的变化会严重破坏回波脉冲的相干性,导致动目标检测(moving target detection,MTD)等相干处理难以实现。针对以上问题,提出一种针对多参数捷变雷达的快速MTD算法。该算法对多参数捷变信号进行建模和稀疏表示,采用快速傅里叶匹配追踪(fast fourier matching pursuit,FFMP)对回波信号进行重构以实现MTD。仿真结果证明了本方法的有效性、优越性以及该方法在运算量上的优势。

摘要： 为提高传统字典学习方法选用固定的语音分段长度重构源信号的精度,提出基于动态字典学习的欠定盲语音重构算法,以提取信号中最优的稀疏表示特征。在欠定语音盲分离的两步法框架下,利用正则化Sim CO字典学习对信号进行稀疏表示,依据最速下降思想通过改变语音分段长度迭代优化信号的重构结果直至收敛,得到信号恢复的总体最优解。实验结果表明,相较传统算法,动态Sim CO字典学习算法进一步提取了信号在字典稀疏域的语音特征,在保证运行成本低的同时有效提高了欠定盲语音的重构质量。

摘要： 为了解决FMCW雷达信号处理中速度模糊严重、抗噪声性能差的问题,结合压缩感知理论和Keystone变换提出了一种多载频、调频间隔随机抖动的FMCW信号合成处理方法。该方法根据信号波形的随机特性,采用Keystone变换实现多载频信号的合成;根据雷达应用场景的稀疏性,采用稀疏重构CoSaMP算法实现多普勒维处理,并利用互相关补偿相位的方法提升目标检测精度。仿真结果表明,所提方法有效解决了速度模糊问题,并且具有较高的目标检测精度和较好的抗噪声性能。

摘要： 为提升磁性纳米粒子三维成像和重构速度,降低三维重构对采样投影数据完备性要求,针对含噪声投影数据三维重构优化问题,本文提出了一种具有噪声鲁棒性的三维磁性纳米粒子成像快速重构方法(noise-robust 3D sparse sampling magnetic particle imaging,3D NRSS-MPI).该算法通过求解一个由MPI投影成像正向模型l2范数和稀疏正则约束建立的凸优化问题实现3D MPI图像重构.模型不受MPI扫描轨迹限制,为不断发展的MPI新技术提供了普适性的基础模型;建立的三维全变分稀疏算子(3D total variation sparse operator, 3D TV Sparse Operator)利用MPI先验信息提升含噪MPI投影数据三维重构的鲁棒性,且可以进行无矩阵运算,大幅提升了运算效率.通过点源和冠状血管模型成像实验表明,在1/4欠采样下,本文3D NRSS-MPI方法可以有效消除重构图像星状伪影,获取较高的图像信噪比,同时冠状动脉重建结构相似性超过0.701,可以准确地对欠采样、有噪声的MPI数据进行快速而稳健的重建,有效缩短了4倍成像和重构时间.

摘要： 合成孔径雷达(synthetic aperture radar,SAR)能够突破天线孔径对分辨率的限制,因而得到了广泛应用.本文提出了一种基于聚合型涡旋电磁波束的三维SAR成像方法,通过设计合适的成像几何构型,利用涡旋电磁波的相位特性实现对高度维的分辨,并推导得到高度维分辨率与模式数及雷达参数之间的关系.考虑到回波信号中引入的涡旋相位项,对后向投影算法进行改进,实现对观测区域的三维成像,并引入稀疏重构算法减少对模式数的需求.仿真结果表明,利用多模式聚合型涡旋电磁波束能够对分布在不同高度的目标进行准确重构,利用稀疏重构算法能够用少数模式实现高分辨三维成像.本文提出的方法为新体制雷达成像研究提供了一定的参考.

摘要： 基于压缩感知的无源目标定位算法利用目标对无线链路的链路遮挡和阴影效应对其位置进行估计,将目标定位问题转化为信号的稀疏重构问题,可以实现低成本定位,但该算法定位误差较大,且抗干扰性差。针对这一问题,提出了结合K-均值聚类算法的无源目标定位技术,以基于变分贝叶斯推理的重构算法为基础多次定位,然后以此作为数据集,并结合网格修剪机制进行聚类操作。仿真结果表明,所提方法有效提高了定位精度,有较强的鲁棒性。

摘要： 三维SAR成像是基于图像域的高分辨三维SAR图像目标特征提取的首要步骤.通过非线性单航过孔径或者稀疏多航过孔径获取的三维SAR数据存在明显的稀疏性,本文提出了一种改进的三维稀疏重构算法,并基于重构图像进行高分辨率三维SAR目标特征提取.首先对三维稀疏采样数据做距离压缩处理,将三维稀疏重构问题转化为一系列沿距离向二维稀疏图像切片重构问题,再利用改进的平滑0l范数(SL0)算法重构切片图像.然后从稀疏重构图像中分割出强散射区域,基于CLEAN思想分别对每个区域的散射中心进行参数初始化和参数优化,最终提取出三维SAR目标中所有散射中心的特征参数.实验通过高频电磁计算软件,生成一个简单散射体的非线性、稀疏采样的三维双站SAR散射数据,比较基于本文算法,和基于传统傅里叶成像算法以及现有三维稀疏重构算法的重构性能,然后基于重构图像进行特征提取.结果表明,本文算法在保持特征提取精度的同时,有效降低了运算时间和内存消耗,提高了特征提取的效率.

摘要： 基于可见度函数的快速反演重构目标毫米波图像的算法,在可见度函数出现误差时会在反演出的毫米波图像中引入较强的噪声,为了去除噪声,本文研究了一种在过完备字典上对毫米波图像进行稀疏重构的去噪方法,即通过K-SVD算法训练一个过完备字典,然后在该字典上运用稀疏理论来重构目标的毫米波图像,达到去噪的目的.由matlab软件得到的仿真结果显示出该方法对可见度函数误差引起的反演噪声有良好的去除效果.

摘要： 语声增强的目的在于消除带噪语声信号中的噪声干扰,提高语声信号的可听度与可懂度.与传统语声增强算法不同,本文利用语声信号与噪声信号的稀疏性差异,提出了一种基于稀疏重构的压缩感知语声增强模型,并导出该模型的数学表达式.基于此语声增强模型,本文还融入了语声信号的稀疏性与非平稳性,提出了语声存在概率为加权因子的加权正交匹配追踪语声增强算法.仿真实验表明本文提出的语声增强模型与算法具有可行性、有效性以及优越性.本算法不仅可以有效的抑制噪声干扰,还可以保留大部分语声信号,达到语声增强的目的.此外,与谱减法和最小均方误差算法比较,虽然本文算法计算量较大,但是其性能优越.

摘要： 动物回声定位所用超声波具有双曲调频的形式,为了提高声纳系统的距离分辨力,具有大带宽多谐波结构的仿生信号被广泛用于声纳系统中.近年来,稀疏表达和压缩感知理论的发展为信号参数估计提供了更有效的工具.基于回波信号的时间稀疏性将距离估计问题转化为信号的稀疏重构.给出了噪声背景下稀疏重构的数学模型,文献提出利用内点法对仿生信号进行稀疏重构.本文利用11-majic算法重构仿生信号,同时比较两种算法在低信噪比条件下的回波距离分辨能力.

摘要： 针对阵列信号波达方向估计中的解相干问题,研究对相干源不敏感的快速稀疏重构OMP(Orthogonal Matching Pursuit)算法并进行改进.首先分析相干信号接收数据矩阵的秩亏损原理,运用截尾奇异值分解得到包含全部角度信息的接收矩阵,再将接收数据自相关矩阵做矢量化处理,提出一种改进解相干方法一改进矢量化正交匹配追踪(Modified Vectorized OMP,MVO)算法.改进方法只通过矢量化后的一维矢量来重构角度,无需知道信号源的数目,即可降低噪声影响,实现较好地解相干效果.相对于经典OMP算法,稀疏重构效果更优.理论分析和仿真结果都验证了算法的良好性能.

摘要： 雷达超分辨成像可广泛应用于战场侦查、安检反恐和末制导等领域.综合太赫兹波长短分辨率高的优势,太赫兹时空编码波束成像方法对太赫兹波波前进行实时编码调制,可产生丰富的照射模式,具有超分辨的可行性.文章介绍了太赫兹时空编码波束成像方法的研究背景及意义,推导了成像基本原理,构架了成像系统框架,建立了成像数学模型并采用稀疏重构法实现超分辨成像,最后仿真该方法实现了5倍超分辨,验证了超分辨成像的可行性.为太赫兹超分辨成像奠定了基础.

摘要： 传统的匹配场处理方法存在分辨率低、抗噪性能差、不适用低快拍等问题.近年来出现了一类利用匹配场的空间稀疏性,将源定位转化为物理空间的稀疏重构的定位方法,能够实现高精度的匹配场定位.通常求解这些问题时是将l0范数转换为l1范数.虽然该方法能解决常规的NP-hard问题,在优化求解方面具有一定的优势,但是与直接通过l0范数求解的方法相比,不能很好地描述空间稀疏特性,以至于难以充分体现和利用声场冗余字典的稀疏特点.因此,相比于传统的压缩感知算法,通过分析匹配场的空域稀疏特性,在学习平滑l0范数重构算法的基础上,提出了基于平滑l0范数的匹配场源定位方法.在分析了水下目标定位的稀疏数学模型的基础上,逐渐降低数值逼近参数的方式来得到数学模型的最优解,在保证高精度匹配场定位的同时,减少了运算的时间,提高了匹配场定位的效率.

摘要： 外辐射源雷达系统中,目标回波信号功率微弱,淹没在直达波、多径杂波以及接收机热噪声中,一般需要通过时域杂波对消和时频二维匹配滤波来检测目标.考虑到回波信号在距离一多普勒域的稀疏性,本文建立了外辐射源雷达目标检测的稀疏模型.该模型对辐射源信号形式没有要求,不需要杂波对消,并且强目标的存在不影响弱目标的检测.仿真实验结果表明:基于该模型的目标检测方法与常规方法性能相当,并且在强目标存在时也能有效检测到弱目标.

摘要： 相比于传统双基地合成孔径雷达(BiSAR),星机双基地线阵合成孔径雷达(SA-BiLASAR)具有多视角灵活三维成像的重大优势,可实现前视及下视三维传成像探测.但由于受到雷达分辨率瑞利准则限制,传统成像算法难以利用SA-BiLASAR有限线阵天线长度实现高分辨率成像能力.针对此问题,结合三维空间目标稀疏特性,本文提出了一种基于后向投影及压缩感知稀疏联合的SA-BiLASAR高精度三维稀疏成像算法.首先,推导了目标稀疏条件下SA-BiLASAR的原理和信号模型,并将SA-BiLASAR三维成像表示为求解线性方程的稀疏解;其次,利用后向投影算法对稀疏强散射目标进行位置预测,提取其对应的SA-BiLASAR回波数据子集;然后,用正则化L1范数最小化算法对各强散射目标位置区域及回波数据子集进行稀疏成像;最后,合并各区域成像结果获得最终SA-BiLASAR高精度三维稀疏成像图像.仿真数据验证了本文算法的有效性,并说明相对于传统成像算法该算法可获得更好的成像质量,而相对经典稀疏成像算法却具有更好的效率.

摘要： 相比于传统双基地合成孔径雷达(BiSAR),星机双基地线阵合成孔径雷达(SA-BiLASAR)具有多视角灵活三维成像的重大优势,可实现前视及下视三维传成像探测.但由于受到雷达分辨率瑞利准则限制,传统成像算法难以利用SA-BiLASAR有限线阵天线长度实现高分辨率成像能力.针对此问题,结合三维空间目标稀疏特性,本文提出了一种基于后向投影及压缩感知稀疏联合的SA-BiLASAR高精度三维稀疏成像算法.首先,推导了目标稀疏条件下SA-BiLASAR的原理和信号模型,并将SA-BiLASAR三维成像表示为求解线性方程的稀疏解;其次,利用后向投影算法对稀疏强散射目标进行位置预测,提取其对应的SA-BiLASAR回波数据子集;然后,用正则化L1范数最小化算法对各强散射目标位置区域及回波数据子集进行稀疏成像;最后,合并各区域成像结果获得最终SA-BiLASAR高精度三维稀疏成像图像.仿真数据验证了本文算法的有效性,并说明相对于传统成像算法该算法可获得更好的成像质量,而相对经典稀疏成像算法却具有更好的效率.

摘要： 本发明涉及一种基于稀疏基误差的自适应稀疏表示压缩重构方法及系统，首先输入训练样本，组成训练样本矩阵，并初始化稀疏基为正交稀疏矩阵，然后利用正交匹配追踪算法求得投影系数矩阵以及恢复信号；通过稀疏表示的逆运算求得稀疏基误差，得到补偿后的稀疏基，对训练样本进行反复的训练学习，最终得到自适应稀疏基。本发明基于稀疏基误差的自适应稀疏表示压缩重构方法，不仅能够更加准确地捕捉不同信号特点，显著提高信号重构精度，而且在相同重构精度要求下，信号重构成功率更高，所需测量数更少，有利于提高信号压缩率。

摘要： 一种块稀疏度未知的稀疏信号压缩感知重构方法，它涉及压缩感知技术领域，具体涉及对块稀疏信号的重构方法。本发明通过初始化块稀疏度

摘要： 本发明涉及一种基于稀疏基误差的自适应稀疏表示压缩重构方法及系统，首先输入训练样本，组成训练样本矩阵，并初始化稀疏基为正交稀疏矩阵，然后利用正交匹配追踪算法求得投影系数矩阵以及恢复信号；通过稀疏表示的逆运算求得稀疏基误差，得到补偿后的稀疏基，对训练样本进行反复的训练学习，最终得到自适应稀疏基。本发明基于稀疏基误差的自适应稀疏表示压缩重构方法，不仅能够更加准确地捕捉不同信号特点，显著提高信号重构精度，而且在相同重构精度要求下，信号重构成功率更高，所需测量数更少，有利于提高信号压缩率。

摘要： 一种块稀疏度未知的稀疏信号压缩感知重构方法，它涉及压缩感知技术领域，具体涉及对块稀疏信号的重构方法。本发明通过初始化块稀疏度k，对每一个块稀疏信号的迭代，找到信号支撑集的一个子集，随着不断迭代，块稀疏度随之增加，最后找到整个源信号x的支撑集，从而达到重构源信号x的目的，本发明采用多次迭代并修正支撑集的思想来重构信号，重构的精度高，与现有的块稀疏度匹配追踪以及正交匹配追踪方法相比，对块稀疏信号的重构概率大，不存在过匹配现象。且本发明不需要以块稀疏度作为先验知识，尤其适用于块稀疏度未知信号重构领域。

摘要： 本发明涉及无线传感器网络通信技术领域，具体为一种用于无线传感器网络环境下的基于卡尔曼滤波的分布式稀疏信号重构方法，发方法包括以下步骤：步骤A，卡尔曼滤波稀疏信号估计；步骤B，稀疏信号恢复；步骤C，嵌入伪测量卡尔曼滤波；步骤D，SRUKCF‑PM稀疏信号重构。综合考虑将平方根无迹卡尔曼滤波器与一致性算法相结合。同时，在滤波器中引入伪测量方程来处理信号的稀疏性。提供了令人满意的稀疏非线性信号估计，使用远少于传统所需的测量；同时，有效地延长无线传感器网络的生命周期。

摘要： 本发明属于信号处理领域，具体涉及一种二维免求逆稀疏贝叶斯学习快速稀疏重构方法，包括以下步骤：S1：对二维稀疏重构问题进行稀疏表示建模；S2：对向量化稀疏信号x以及向量化噪声n进行统计建模；S3：求解向量化稀疏信号x、向量化方差倒数γ与噪声方差倒数α的后验概率；S4：更新辅助变量的矩阵形式Z。与IFSBL方法相比，本发明方法直接对二维信号进行处理，避免了二维信号向量化而产生大矩阵的问题，运算效率明显提升，且显著降低了对计算内存的需求；另一方面，本发明是在统计信号处理框架下实现稀疏重构，与非统计稀疏重构方法相比，具有更易获取全局最优解，对噪声鲁棒性更强，以及算法性能对参数初始化依赖程度不高等优势，工程实用性强。

摘要： 本发明属于信号处理领域，具体涉及一种二维免求逆稀疏贝叶斯学习快速稀疏重构方法，包括以下步骤：S1：对二维稀疏重构问题进行稀疏表示建模；S2：对向量化稀疏信号x以及向量化噪声n进行统计建模；S3：求解向量化稀疏信号x、向量化方差倒数γ与噪声方差倒数α的后验概率；S4：更新辅助变量的矩阵形式Z。与IFSBL方法相比，本发明方法直接对二维信号进行处理，避免了二维信号向量化而产生大矩阵的问题，运算效率明显提升，且显著降低了对计算内存的需求；另一方面，本发明是在统计信号处理框架下实现稀疏重构，与非统计稀疏重构方法相比，具有更易获取全局最优解，对噪声鲁棒性更强，以及算法性能对参数初始化依赖程度不高等优势，工程实用性强。

摘要： 本发明公开了一种基于稀疏重构的超声图像重构方法，涉及图像处理技术领域，该方法包括：利用超声探头获取待测样品的超声回波时域信号，通过参考回波信号构造得到过完备字典，利用过完备字典对待测样品的超声回波时域信号进行稀疏分解得到稀疏分解系数，根据稀疏分解系数和过完备字典重构得到超声回波时域信号，再将各个重构得到的超声回波时域信号按照空间位置组合形成待测样品的重构超声图像；可以提高图像的横纵向分辨率，可以快速有效的观察到样品内部的微缺陷的位置、尺寸和分布情况。

摘要： 本发明公开一种基于多拍联合稀疏重构的射频干扰源定位方法和系统，属于阵列信号处理与源定位领域。包括：获取天线阵列等效视场的连续多拍信号，将每个单拍信号进行互相关、视场配准、矢量化操作，利用冗余转移矩阵进行冗余平均，得到该单拍的去冗余矢量化等效矢量，联合多拍的等效矢量联合信号测量矩阵；在无冗余uv基线分布基础上，将射频干扰源的来波方向划分为网格，得到过完备字典；构建射频干扰联合稀疏重建模型Z＝D°(C°)Q+E，对矩阵Q稀疏度量并求解，得到射频干扰源的检测与定位结果。本发明提升射频干扰源检测与定位方法的定位精度与稳健性，解决不同信噪比条件下的算法的定位精度与稳定性问题，具有较高的实际应用价值。

摘要： 本发明给出了一种基于多频空域稀疏重构的水声多址通信方法与系统，包括在压缩感知框架下提出在网络节点配备小尺度水平阵，基于多频频率键控(MFSK)构造空域测量矩阵，将网络多址通信问题转化为每个频点上的空域稀疏恢复问题，以稀疏重构算法对信号进行重构从而恢复节点通信数据，实现异步网络模式下的水声网络多址通信。本发明方案将网络多址通信问题转化为每个频点上的空域稀疏恢复问题，实现了以较低的实时运算复杂度获取更好的水声网络多址通信效果，避免了因碰撞、握手协议导致的时延及低多址接入效率，同时在水声网络节点上有着很好的适装性，结合MFSK与频率分集抑制水声信道多径导致频域选择性衰落的影响，在压缩感知框架下实现了网络多址通信。