块稀疏水声信道的改进压缩感知估计

压缩感知信道估计可利用信道稀疏特性提高估计性能,但对于具有典型块稀疏分布的水声信道,经典的l₀或l₁范数无法很好地描述块稀疏特性。利用水声信道块稀疏分布规律特性提出一种能够识别块稀疏结构的块稀疏似零范数,并在稀疏恢复信道估计算法中引入块稀疏似零范数约束项,进一步推导了复数域块稀疏似零范数恢复迭代算法,该算法通过对块稀疏似零范数进行梯度下降迭代并将梯度解投影至解空间来获得水声信道的块稀疏似零范数估计。数值仿真和海上水声通信实验结果表明该算法相对经典的稀疏信道估计算法有较明显的性能改善。通过算法推导、仿真和实验可获取结论:利用水声信道的块稀疏特性进行压缩感知重构可有效提高信道估计性能。      

基于混合范数约束的非均匀稀疏水声信道估计方法*

水声信道具有明显的簇状稀疏特性,即稀疏的信道冲激响应大部分为零或接近零的小值系数,而非零值系数是以簇的形式非均匀分布于时延域。为此本文提出了一种基于非均匀混合范数约束仿射投影算法的水声信道估计方法。该方法首先根据信道簇状结构对其进行非均匀分组,基于此将范数约束规则加入仿射投影算法中,具体方法为：对簇状部分施加范数约束,有效提高系数间的相关性,而簇状结构与其他零值抽头之间利用范数约束实现了整体的稀疏特性。数值仿真以及深海远程水声通信实验数据处理结果表明了本文所提出的水声信道估计算法相较现有稀疏信道估计方法能够实现更快的收敛速度以及更高精度的信道估计结果。     

水声通信近似L0范数约束的BP网络均衡器*

针对稀疏水声信道的长时延扩展及梯度下降的权值迭代方案导致的神经网络均衡器收敛速度慢的问题,提出了近似L₀范数约束的BP神经网络均衡器。首先在传统BP网络均衡器基础上增加判决反馈项,然后在代价函数中对均衡器输入层到隐含层的权值增加L₀范数约束,构造新的代价函数,利用高斯族函数近似L₀范数约束,并根据不同隐层神经元节点输出权值的L₂范数设定近似参数。仿真结果表明,稀疏信道条件下,本方法相比传统的BP网络均衡器收敛速度更快,误码率更低,可以有效提升神经网络均衡器的性能。     

基于基追踪去噪的水声正交频分复用稀疏信道估计

针对传统的l₂-范数信道估计精度低的问题, 提出了一种基于基追踪去噪(BPDN)的水声正交频分复用稀疏信道估计方法, 该方法针对水声信道的稀疏特性, 利用少量的观测值即可以很高的精度估计出信道冲激响应. 与贪婪追踪类算法相比, 基于BPDN算法的稀疏信号估计具有全局最优解, 采用l₂-l₁范数准则估计信号, 同时考虑了观测值含噪情况, 通过调整正则化参数控制估计信号稀疏度和残余误差之间的平衡. 仿真分析了导频分布、正则化参数等对BPDN 算法的影响以及BPDN算法与最小平方(LS)、正交匹配追踪(OMP)信道估计算法的性能. 湖试结果表明, 在稀疏信道下, 基于BPDN的信道估计方法明显优于LS和OMP信道估计方法.     

一种快速水声目标波达方向估计方法

以基追踪为重构算法的水声目标波达方向估计方法在实际的应用中往往运算速度较慢,针对这一问题,在分析水声目标空间稀疏特性的基础上,结合压缩感知理论框架下波达方向估计的特点,提出一种快速水声目标波达方向估计方法。该方法通过逐步减小逼近参数的方式来得到l₀范数最优解,实现水声目标信号的波达方向估计。通过计算机仿真从成功率、运算时间、分辨角度等多个方面与基追踪算法进行比较分析,实验表明:在成功率和分辨角度上所提出算法与基追踪算法性能相当,但运算时间却仅仅是基追踪算法的1/11。      

变步长似p范数约束稀疏水声信道估计方法

针对范数约束类归一化最小均方(NLMS)算法在正交频分复用(OFDM)稀疏水声信道估计中误码率较高的问题,提出一种改进的变步长似p范数约束信道估计方法。采用改进双Logistic函数构造步长,并将误差信号自相关函数引入其中,实时调整步长和零吸引项,使得收敛速度和估计精度能够很好地折中。算法仿真结果表明,在浅海多径稀疏水声信道下,相比于传统方法,所提出的信道估计获得的最高性能提升为收敛速度提高72.3%,稳态误差降低95.9%。湖上试验数据处理结果显示,相比于传统信道估计方法,所提出的方法能使通信误码率降低2~3个数量级,实现零误码水声通信。      

时变水声信道的动态压缩感知估计

水声多径信道具有的稀疏特性已被应用于设计稀疏估计方法提高信道估计性能。然而,水声信道具有的快速时变特性,给传统稀疏信道估计方法带来了很大的困难。考虑到水声信道除了高时变性多径,还存在着相对静止,缓慢变化的直达径或者海底反射径,通过将水声信道建模为由静态和时变稀疏支撑集组成,把时变水声信道估计转化为动态压缩感知问题。结合卡尔曼滤波和压缩感知理论,并采用原始对偶追踪算法求解Dantzig selector模型,从而实现对复数域基于卡尔曼滤波器的压缩感知稀疏求解问题的处理。信道时变条件下的数值仿真及基于信道估计的判决反馈均衡器的海上实验结果表明,该算法相对经典的正交匹配追踪和最小二乘QR分解算法具有较明显的性能改善。从而说明,通过对时变水声信道进行动态压缩感知估计可有效提高估计性能。     

多频带水声信道的时频联合稀疏估计

多频带水声信道多径结构在相邻数据块和不同子频带存在相关性,从分布式压缩感知的角度可对这种时频联合稀疏特性进行利用。但是,在传统联合稀疏模型下水声信道间存在的不同多径时延部分形成差异支撑集,由此引入的干扰导致估计性能下降,提出利用多路径选择机制进行差异支撑集检测;同时,进一步结合频域子频带信道间、时域相邻数据块信道间存在的相关性进行频带-时间域联合稀疏估计.利用数值仿真及海试实验结果进行了性能验证和比较,表明利用时频联合稀疏估计构造的水声通信接收机改善了匹配性能,可获得较为明显的输出信噪比、误比特率等通信性能提升.从而说明:利用多频带水声信道在时域、频域存在的联合相关性可有效提高信道估计性能。      

波导环境多目标时延-多普勒解卷成像

有源声呐感兴趣的参量是目标距离和径向速度,它们无法直接观测得到,需要通过估计而获得。利用波导多路径环境多目标时延-多普勒模型,可以导出采样互模糊度函数均值是发射信号自模糊度函数与广义目标反射性密度函数的两维卷积,其中广义目标反射性密度函数为信道扩展函数与目标反射性密度函数的两维卷积。依据信息理论最小Csiszar鉴别准则,可导出R-L (Richardson-Lucy)迭代解卷算法,对采样互模糊度函数均值进行两维迭代解卷积,消除发射信号和信道引入的模糊,序贯地实现时延-多普勒两维像的估计,进而获得多目标的时延和多普勒参量估计。仿真结果和海上实验数据分析验证了R-L解卷算法的可行性和有效性,较之常规的匹配滤波和维纳滤波算法,R-L算法有效地提高了时延和多普勒估计的分辨力和精度。      

基于物理总能量目标函数的稀疏重建模型

欠采样条件下的稀疏重建模型往往直接取稀疏约束项或保真项作为求解的目标函数, 却从未阐述其中的物理演化规律. 针对此问题, 从物理运动的角度出发, 提出了一种基于物理总能量目标函数的稀疏重建模型. 首先, 建立了微粒在黏性介质中的运动模型, 模型中粒子的重力势能函数为松弛变换后的l₂-l₁ 范数; 其次, 基于该微粒的物理总能量建立了新的稀疏重建模型, 该重建模型在保留l₂-l₁ 模型稀疏约束和保真项的基础上, 增加了对相邻两次迭代结果偏差的约束, 避免因该偏差过大引起的震荡; 第三, 提出了针对该模型的梯度投影算法, 并证明了算法的收敛性, 算法在新模型目标函数下的梯度方向总是包含上一步迭代的物理惯性, 从而达到加速收敛和避免局部最优解的目的; 最后, 将该模型应用于标准灰度图像的稀疏重建以及精密电子组装中微焦点X射线缺陷检测. 实验结果表明, 该算法不仅保证了图像的重建质量, 收敛速度还得到了大幅提升. 在精密电子组装内部缺陷检测应用中, 该算法在微焦点X射线图像的边缘细节保留方面有明显的优势, 可更准确地识别缺陷, 满足工业应用快速性和准确性要求.     

稀疏贝叶斯学习水声信道估计与脉冲噪声抑制方法

水声信道具有显著的稀疏特性,利用稀疏贝叶斯学习(SBL)算法能够实现稀疏水声信道的有效估计。针对SBL计算复杂度较高的问题,将广义近似消息传递-稀疏贝叶斯学习(GAMP-SBL)引入水声信道估计。该方法在SBL的框架下结合GAMP以消息传递的方式计算信道冲激响应,能够有效降低SBL的计算复杂度。针对假设背景噪声服从高斯分布的信道估计方法在脉冲噪声环境下性能下降问题,提出了基于GAMP-SBL的脉冲噪声抑制水声信道估计方法:首先利用脉冲噪声时域稀疏特性,采用GAMP-SBL估计脉冲噪声并进行抑制,然后再次利用GAMP-SBL实现水声信道估计.基于第九次北极科考冰下脉冲噪声的两次仿真结果表明,所提出的方法在归一化均方误差上相对于未进行脉冲噪声抑制的GAMP-SBL最大分别降低了18.71%,6.61%,在信道解码前误码率上最大分别降低了1.66%,4.05%,并且相对于Clipping方法更加稳健。在信噪比为20 dB时,误码率可低于10-2。      

基于加权块稀疏联合非凸低秩约束的高光谱图像去条带方法

针对高光谱图像（hyperspectral images, HSI）去条带易引起影像结构细节丢失问题,提出一种基于加权块稀疏（weighted block sparsity, WBS）正则化联合最小最大非凸惩罚（minimax concave penalty, MCP）约束的HSI去条带方法。本算法采用加权?_{2, 1}范数和MCP范数对条带稀疏结构和低秩约束,?₁范数对干净图像结构保持正则化约束,构建加权块稀疏和MCP约束的条带去除模型,采用交替方向乘子（alternating direction method of multipliers, ADMM）算法迭代求解对应模型,重建获得干净的HSI图像。实验结果表明,提出方法在实际HSI的平均等效视数从28.45提高到83.47,边缘保持指数较其他算法至少增加0.056,特别是对于非周期条带噪声,采用自适应权值更新稀疏水平,增强了组稀疏性,在保持影像边缘和加强区域平滑性方面性能更佳,去噪声效果更好。     

一种利用分布式传声器阵列的声源三维定位方法

为了提高噪声和混响条件下分布式传声器阵列进行声源定位的性能,提出一种利用空间稀疏性和压缩感知原理的声源三维定位方法。该方法首先通过两次离散余弦变换方式提取出声音信号特征,并用该特征来构建稀疏定位模型,以便能够综合利用语音信号的短时和长时特性,同时降低模型维数;然后利用在线字典学习技术动态调整字典,克服稀疏模型与实际信号之间的失配问题,增强稀疏定位模型的鲁棒性;进而提出一种改进的平滑l₀范数稀疏重构算法来进行声源位置解算,以提高低信噪比条件下的重构精度。仿真结果表明该方法不仅可以实现多目标定位,而且具有较强的抗噪声和抗混响能力.      

频率不变波束形成器抽头稀疏化设计的交替方向乘子法

针对具有空间响应变化函数约束的频率不变波束形成器设计问题,提出了采用交替方向乘子法实现抽头稀疏设计的优化算法。该算法利用交替方向乘子法能够将原始优化问题进行分裂处理的特点,通过引入替代变量和指示函数,使得表征波束形成器抽头稀疏度量的非凸L₀范数与阵列响应约束分离,进而将问题分裂到元素层级并给出近邻算子的解。对于指示函数的近邻算子求解,在分裂到元素层级后则退化为简单的双边约束问题,因而降低了优化求解的计算复杂度。仿真分析表明,提出的方法比现有的L₁范数方法在宽频带条件下的抽头稀疏度能够提升6%~13%,通带最大波动误差减小了约2 dB,并且优化消耗时间更短。实验结果进一步验证了所提方法在实现高抽头稀疏度波束形成的同时,对声信号造成的失真更小。因此,所提出的方法在降低传声器阵列波束形成器的实现复杂度以及保持阵列响应的频率不变性能方面更具有优势。      

基于稀疏信号重构的阵元位置误差校正方法

阵元位置误差的存在会严重影响水听器阵列的测向性能,为此在使用阵列之前需对该误差进行校正。针对这一需求,提出了一种对任意阵型适用的高精度阵元位置有源校正方法。结合远场阵列模型以及位置误差"有界"的特点,基于压缩感知理论,将阵元位置估计转化为对稀疏信号的重构过程,建立了阵元位置误差模型,构造了该模型下凸优化函数,并采用l₁-SVD(Singular Value Decomposition,SVD)方法进行求解,同时给出了物理解释和算法实施步骤。计算机仿真表明基于稀疏信号重构的校正方法性能明显高于子空间拟合算法,且性能接近相应克拉美罗下界,对于校正源方位误差有较强的容错能力,不受制于微小误差的假设以及初值的选取。该方法是一种可对阵列中的部分或全部阵元进行校正的高精度、稳健的有源校正算法。