基于压缩感知的一维海面与二维舰船复合后向电磁散射快速算法研究

矩量法作为数值方法中积分方程方法的代表, 具有计算精度高、所用格林函数自动满足辐射条件、无须额外设置边界条件等优点. 但是在舰船目标与海面复合后向电磁散射仿真中, 传统矩量法需针对每个入射角反复求解矩阵方程组, 导致其在处理后向散射问题时计算量大, 耗时长, 仿真效率低下. 为解决上述问题, 本文提出了一种基于压缩感知技术的矩量法的改进算法. 该算法在求解复合后向散射问题时, 首先利用观测矩阵与传统矩量法中的电压矩阵相乘, 得到一组新的低维度的电压矩阵; 其次通过求解新电压矩阵下的矩阵方程组, 获得电流矩阵的观测值; 最后利用恢复算法(本文采用正交匹配追踪算法)重构出所需的原始入射源照射下的电流系数. 通过与传统矩量法的计算结果对比, 表明本文所提算法能够在保证计算精度的前提下, 明显减少计算时间, 提高计算效率.     

一种快速稀疏分解图像去噪新方法

提出了一种基于分层树型结构正交匹配追踪算法的快速图像去噪方法.通过选择高斯函数和墨西哥草帽小波母函数构建混合冗余字典,采用分层树状结构表示字典,结合构正交匹配追踪算法,实现图像稀疏表示,提高了图像表示的稀疏性,降低了算法的复杂度.依据噪音能量阈值,通过多次迭代达到图像去噪的目的.实验结果表明,在相同的噪音水平下,该迭代去噪算法取得了较高的较好的PSNR,获得更好的视觉效果.     

一种快速稀疏分解图像去噪新方法*

提出了一种基于分层树型结构正交匹配追踪算法的快速图像去噪方法.通过选择高斯函数和墨西哥草帽小波母函数构建混合冗余字典,采用分层树状结构表示字典,结合构正交匹配追踪算法,实现图像稀疏表示,提高了图像表示的稀疏性,降低了算法的复杂度.依据噪音能量阈值,通过多次迭代达到图像去噪的目的.实验结果表明,在相同的噪音水平下,该迭代去噪算法取得了较高的较好的PSNR,获得更好的视觉效果.     

改进的正交匹配追踪图像快速重建算法

传统采样需要的采样间隔小,当信号过长时会增加采样量,消耗过多的时间,占用更多的存储空间。提出了以Daubechies小波变换基作为稀疏变换基,用高斯随机矩阵作为观测矩阵,采用基于Dice匹配准则的正交匹配追踪算法作为恢复算法对图像进行重建。在分析了正交匹配追踪算法的特点后,提出了一种基于Dice匹配准则的改进的正交匹配追踪算法。该算法在原子匹配过程中将几何平均值用算术平均值替代,使重要成份在向量中的作用更加突出,能更准确地从字典中挑选出与残差向量最匹配的原子。仿真结果表明,该算法在相同的观测条件下,能减少重构误差,可将图像的重构质量提高2%左右,重构概率提高7%左右,有较高的应用价值。     

一种基于压缩感知的三维导体目标电磁散射问题的快速求解方法

提出了一种将压缩感知和特征基函数结合的方法来计算三维导体目标的雷达散射截面.利用压缩感知理论,将随机选择的矩量法阻抗矩阵作为测量矩阵,将激励电压视为测量值,然后再用恢复算法可实现二维或二维半目标感应电流的求解.对于三维导体目标,使用Rao-Wilton-Glisson基函数表示的感应电流在常用的离散余弦变换基、小波基等稀疏基上不稀疏.为此,本文将计算出的目标特征基函数作为稀疏基,用广义正交匹配追踪算法作为恢复算法来加速恢复过程,并应用到三维导体目标的雷达散射截面计算中.数值结果证明了本文方法的准确性与高效性.     

时域压缩合成孔径超分辨水声成像算法

提出一种针对水下稀疏目标的时域压缩合成孔径声呐成像方法(TC-SAS),实现了水声目标高分辨实时成像。通过多子阵的孔径合成,在时域上构造出成像网格格点到有效孔径内逐帧阵列的格林函数,并给出成像区域散射强度到数据域的映射矩阵;然后利用该区域空域稀疏的先验知识,通过正交匹配追踪的稀疏重构方式,解算出成像区域散射系数矩阵,实现了稀疏目标高分辨成像.同时,针对线性调频信号提出数据缩减的方法,通过对观测数据和字典矩阵同时脉压后截取,减小了数据规模;进一步结合二维矩阵数表查表的方法,以空间换时间,实现了区块实时成像。数值仿真以及湖试试验表明,所提算法能分辨出传统的时延求和算法难以分辨的目标,并且在图像清晰度指标上平均提升4.9 dB.改善了合成孔径声呐的成像质量.      

应用压缩传感求解宽角度电磁散射问题

基于矩量法中阻抗矩阵与电磁波入射方向的无关性,引入压缩传感技术,构建一种全新的含有丰富角度信息的入射源.在该入射源照射下利用矩量法获得感应电流的测度,在数次测度之后,通过快速正交匹配追踪算法可恢复各个角度入射下的激励电流.与传统的矩量法相比,计算结果保持很高的精度,且计算时间减少为原来的三分之一,从而降低了宽角度电磁响应分析的计算复杂度.     

起伏海面环境下水声信道特性及估计方法*

为了研究随机起伏海面的散射对水声信道特性的影响,以及不同信道估计算法在该信道条件下的性能问题,该文从利用Monte Carlo方法模拟的基于PM海浪谱的二维随机起伏海面出发,提取了与风向不同夹角的一维随机起伏海面,并利用Kirchhoff近似法计算了其散射强度。将得到的声散射特性和海面环境信息融入到信道模型中,建立了基于PM海浪谱的随机信道模型。通过仿真分析了不同风速、传播距离条件下,声波的传播损失和信道冲激响应变化,并利用l_0-最小均方误差法、匹配追踪算法和正交匹配追踪算法进行了信道估计。给出了不同环境条件下,三种算法估计性能的综合比较结果,验证了算法针对该信道模型的有效性。     

基于动态阈值匹配追踪的主动声呐直达波抑制方法

双基地声呐中的直达波干扰可以通过重构抵消的方式进行抑制。这种方法需要对直达波信道进行估计，传统的正交匹配追踪算法的收敛速度慢，分步正交匹配追踪等算法在提高收敛速度时牺牲了信道估计精度，导致回波检测能力下降。本文提出一种动态阈值匹配追踪算法估计直达波的信道响应，在提高收敛速度的同时兼顾了信道估计精度。在仿真环境中，达到同样的直达波抑制效果，所提算法与传统正交匹配追踪算法相比，收敛速度显著提升，检测输出的回波强度比分步正交匹配追踪算法高4dB；海试数据处理结果中，所提方法迭代收敛速度较正交匹配追踪算法提升4倍；输出的回波强度比分步正交匹配追踪算法高2dB。     

基于粒子群优化的核匹配追踪目标识别

提出了一种基于粒子群优化的用于目标识别的核匹配追踪算法.该算法用粒子群优化算法在基函数字典中选择最优的基函数,大大降低了基匹配追踪算法的计算复杂度.通过与标准核匹配追踪算法及基于遗传算法的核匹配追踪算法对UCI数据集及纹理图像的识别试验表明,核匹配追踪算法优良的分类性能以及粒子群优化算法高效的全局搜索能力使新算法能有效识别目标数据.     

TOFD图像时域解混叠的自适应匹配追踪方法*

当TOFD检测的时域分辨率不足时,小缺陷的上下端点衍射波会出现时域混叠,难以准确判断缺陷性质及测量缺陷高度。为解决此问题,提出了自适应匹配追踪算法,该算法利用主成分分析法从检测图像中提取匹配追踪原子,根据散射规律生成字典,通过正交匹配追踪算法实现对时域混叠信号的分离,并使用投影矢量重新成像,实现对缺陷上下端点的有效区分。该方法能够改进TOFD技术在小缺陷测高方面的不足,试验证明,该方法对薄板对接接头中高度为1.80 mm的埋藏缺陷测量误差小于0.30 mm。     

基于弱选择正则化正交匹配追踪的图像重构算法

正则化正交匹配追踪算法由于重构效率高在信号重构中得到广泛应用,然而该算法需要以信号稀疏度为先验条件,若稀疏度水平估计不合适会造成重构结果不稳定.针对该问题,提出了一种基于弱选择正则化的正交匹配追踪算法.该算法可以实现在信号稀疏度未知的条件下,根据弱选择标准对算法中每次迭代产生的余量与观测矩阵之间的相关性进行判定,并且自适应地确定表示原信号的原子数目和原子候选集,进而通过正则化原则从候选集中快速有效地挑选出完成信号重构的最优原子组.数值实验表明,所提出算法和其它贪婪算法相比较,峰值信噪比提高0.5～1.5dB,最小均方差也明显降低,图像信号重构效果优于其它同类算法.     

基于弱选择正则化正交匹配追踪的图像重构算法

正则化正交匹配追踪算法由于重构效率高在信号重构中得到广泛应用,然而该算法需要以信号稀疏度为先验条件,若稀疏度水平估计不合适会造成重构结果不稳定.针对该问题,提出了一种基于弱选择正则化的正交匹配追踪算法.该算法可以实现在信号稀疏度未知的条件下,根据弱选择标准对算法中每次迭代产生的余量与观测矩阵之间的相关性进行判定,并且自适应地确定表示原信号的原子数目和原子候选集,进而通过正则化原则从候选集中快速有效地挑选出完成信号重构的最优原子组.数值实验表明,所提出算法和其它贪婪算法相比较,峰值信噪比提高0.5~1.5dB,最小均方差也明显降低,图像信号重构效果优于其它同类算法.     

基于渐进添边的准循环压缩感知时延估计算法

针对时延估计问题中压缩感知类算法现有测量矩阵需要大量数据存储量的问题,提出了一种基于渐进添边的准循环压缩感知时延估计算法,实现了稀疏测量矩阵条件下接收信号时延的准确估计.该算法首先建立压缩感知与最大似然译码之间的理论桥梁,然后推导基于低密度奇偶校验码的测量矩阵的设计准则,引入渐进添边的思想构造具有准循环结构的稀疏测量矩阵,最后利用正交匹配追踪算法正确估计出时延.对本文算法的计算复杂度与测量矩阵的数据存储量进行理论分析.仿真结果表明,所提算法在测量矩阵维数相同的条件下正确重构概率高于高斯随机矩阵和随机奇偶校验测量矩阵,相比于随机奇偶校验矩阵,在数据存储量相等的条件下,以较少的计算复杂度代价得到了重构概率的较大提高.     

基于压缩感知理论的PIE显微成像研究

为了克服PIE成像中所面临的数据量过大的问题,将压缩感知理论用于PIE成像。将采样到的衍射斑稀疏变换并压缩后,可以显著减少需要存贮的数据量。再现过程中选用子空间匹配追踪算法(SP)或者正交匹配追踪算法(OMP)重构出散射斑的原始分布,用常规的PIE算法进行图像重建。模拟和实验结果均表明,当压缩采样率在30%的时候就能重构出很好的图像。和OMP重构算法相比,SP算法更适合在PIE成像中应用。     

基于回溯筛选的稀疏重构时延估计算法

针对无线定位中时延估计在小样本(单快拍)、低信噪比条件下需要大量独立分布测量数据问题,提出了一种基于回溯筛选的稀疏重构时延估计算法,实现了单快拍、低信噪比条件下接收信号的精确时延估计.该算法首先建立接收信号的稀疏表示模型,然后基于该模型建立正交观测矩阵,最后在重构算法中引入回溯筛选思想,利用时延与观测矩阵之间的一一对应关系得到时延的无偏估计.对该模型下时延估计的克拉美罗界进行了推导.仿真分析表明,所提方法在单快拍、低信噪比条件下精度远高于求根多重信号分类算法,相比于正交匹配追踪算法,在较小的复杂度代价下性能得到了较大提升.     

一种基于编码孔径的压缩传感图像重构算法的改进

针对压缩传感理论应用于实际系统成像时重构图像质量随图像采样率变化的问题,通过对正交匹配追踪算法进行改进,提出了一种利用空间光调制器实现编码孔径成像的压缩传感图像重构方法。该方法对传统的正交匹配追踪法迭代计算中已选入支撑集的列向量进行标记,并在下一次迭代计算中予以排除,从而减少了重构时间。在此基础上提出了将测量矩阵分别按行和按列排列进行重构后平均的图像增强算法。增强算法在达到同样重构质量时,减小了图像采样率,有利于图像数据的传输和存储。仿真实验验证了方法的有效性和稳定性,可为压缩传感技术的应用提供技术参考。     

基于OMP算法的图像重构研究与FPGA实现

针对高分辨率的图像在采集过程中存在数据量较大的问题,提出了一种基于正交匹配追踪(OMP)算法的图像重构方法,设计了OMP算法的硬件结构,并在FPGA平台上进行了仿真验证;首先,研究了压缩感知算法的基本原理;然后,分别基于匹配追踪算法(MP)和正交匹配追踪算法实现了图像的重构;最后,通过仿真对比分析了这两种方法的图像重构结果,OMP算法误差在10-15量级,明显优于MP算法的10-3误差量级,并且OMP算法的迭代收敛性也优于MP算法。     

海洋可控源三维电磁响应显式灵敏度矩阵的快速算法

借助电场耦合势三维有限体积法与直接求解技术,研究建立了一套海洋可控源三维电磁响应显式灵敏度矩阵(或称为Fréchet导数)高效算法.首先,利用Yee氏交错网格和有限体积法对电场混合势Helmholtz方程进行离散处理,建立与移动源电磁场正演模拟相对应的大型代数方程组,再应用直接法得到的逆矩阵和三维线性插值技术事先确定插值算子和投影算子,并利用投影算子与各个发射源离散向量的乘积计算多发射源电磁响应,极大地提高了多发射源电磁场正演模拟效率.在此基础上,根据块状模型和像素模型中异常体电导率分片常数分布特征,将电导率摄动产生的一次散射电流场表示成Yee氏剖分网格上散射电流元的叠加,由投影算子与散射电流元的离散向量的乘积快速计算出电场强度与磁场强度的显式灵敏度矩阵.最后,通过数值计算检验算法的有效性,并通过块状模型与像素模型分别研究海洋可控源电磁响应特征.     

新型缩减矩阵构造加快特征基函数法迭代求解

针对特征基函数法在分析电大目标电磁散射特性时存在缩减矩阵方程迭代求解收敛慢的问题,提出一种新型缩减矩阵构造方法提高特征基函数法的迭代求解效率.首先,应用奇异值分解技术压缩激励源,求解出新激励源下各子域的特征基函数;其次,将新激励源和特征基函数作为构造缩减矩阵的检验函数和基函数新方法构造的缩减矩阵的对角子矩阵均为单位矩阵,缩减矩阵条件数得到了优化.与传统方法相比,新方法构造的缩减矩阵方程迭代求解效率得到了显著提高;另外,由于矩阵方程求解次数减少,特征基函数的构造效率也得到了提高,数值结果证明了新方法的精确性和有效性.