交替寻优生成元素幅值结合混沌随机相位构造循环测量矩阵

循环矩阵由于其对应离散卷积且具有快速算法被广泛应用于压缩测量矩阵. 本文从循环测量矩阵生成元素的幅值和相位两个方面探索循环测量矩阵的优化构造, 提出交替寻优生成元素的幅值并结合混沌随机相位实现循环测量矩阵的最优构造. 由一维和二维信号循环测量矩阵的不同表示形式出发, 将等价字典列向量之间互相干系数的Welch界作为逼近目标, 推导出了一维和二维信号循环测量矩阵生成元素幅值优化的统一数学模型, 提出采用交替寻优方法求解生成元素幅值的最优解. 利用混沌序列构造循环测量矩阵生成元素的随机相位. 与已有的典型循环测量矩阵相比, 本文优化构造的循环测量矩阵所对应的等价字典列向量之间具有更低的互相干性, 这正是所构造的循环测量矩阵优越性的本质所在.     

基于0-1稀疏循环矩阵的测量矩阵分离研究

当前压缩感知中测量矩阵的优化是测量阶段和重构阶段采用同一矩阵的事前优化。采用了以行变换为主的测量矩阵优化算法和过渡矩阵将压缩感知的测量矩阵和重构矩阵相分离,在测量阶段采用单像素相机的0-1稀疏矩阵,在重构阶段采用近似矩阵,这是区别于传统思路的测量数据和测量矩阵的事后优化方法。理论分析和实验结果表明,优化矩阵的性能好于稀疏循环矩阵,近似矩阵和优化矩阵具有相近的性能。研究成果降低了测量矩阵工程设计和实现的难度。     

近似零伪范数约束的水声信号压缩与重构

提出近似零伪范数约束的稀疏压缩与重构方法。该方法首先采用稀疏二进制矩阵作为测量矩阵,对信号进行压缩和传输;在接收端仅给定测量矩阵和压缩信号的条件下,采用小波滤波器设计字典,利用最陡梯度法寻优和投影方法求得信号的稀疏表达,最终结合稀疏表达值与字典用于水声数据重建,海试实验结合扫频以及单载频信号进行处理,采用NMSE、SNR以及算法运行时间作为算法的评估指标,以验证本文方法相对于传统算法在恢复精度上的提高。      

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响,测定的光谱数据含有大量噪声这一实际问题,提出了基于小波变换的压缩感知去噪算法,并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理,采用压缩感知去噪算法,将信号在小波域内分解,得到含噪高频系数;采用随机高斯矩阵作为压缩感知算法的观测矩阵,压缩比设置为2,对高频系数进行观测;选择正交匹配追踪算法恢复高频小波系数的稀疏性,从而达到去噪目的。同时针对传统的小波阈值去噪,采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性,采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理,实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统,该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪,且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比,信噪比提高了12.201 5 dB,均方根误差减小了0.009 3,峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题,而且在重构过程中有效地抑制了噪声,为直接光谱法检测水质参数提供了一种新的解决方案。     

基于小波域马尔可夫随机场模型的压缩传感图像重构

目前在压缩传感重构算法中利用图像的可稀疏性表示先验知识,从比奈奎斯特采样少得多的观测值中恢复原始图像。除了稀疏性之外,邻域系数的相关性也可以作为先验知识加速重构算法收敛。为了克服目前算法中没有利用邻域系数相关性的缺点,提出了基于小波域马尔可夫随机场模型的压缩传感图像重构算法,根据显著性度量对变换系数进行分类得到具有马尔可夫性的初始掩模,利用ICM算法完成掩模优化,实现系数更新,并将算法与未考虑邻域相关性的算法进行了比较。实验结果证明了算法的有效性。     

脉冲激光作用下气溶胶导致大气击穿研究

 利用锁模Nd:YAG激光及其倍频激光照射漂浮在大气中的Al₂O₂、ZnO、ZrO₂、18号玻璃粉等气溶胶粒子，在不同光学参数下对光致大气击穿阈值进行了测量。测量结果表明：空气中含较大粒子(d >30 μm)的光致击穿阈值比含较小粒子(d <1μm)的空气击穿阈值低2~3个数量级；含杂空气的击穿阈值随入射激光束直径的增大而下降，随气溶胶粒子直径的增大而减小，且随气溶胶成份的不同而不同；光致击穿阈值随波长的减小而增大。     

基于单光弹调制器的米勒矩阵测量技术

针对已有米勒矩阵测量方法的不足,提出了一种基于单光弹调制器的米勒矩阵测量技术,给出了米勒矩阵测量优化算法及系统参数两步校准法。该技术通过两步校准法对系统参数进行校准测量,利用优化算法计算得到待测样品的米勒矩阵。实验结果表明,待测1/4波片相位延迟量测量值为90.4185°,误差在标称偏差λ/300以内,快轴方位角测量值为0.2348°,误差在最大旋转误差0.4°以内。同快轴方位角为0°的1/4波片标准米勒矩阵相比,待测1/4波片米勒矩阵各元素最大相对误差的直接测量值和间接测量值分别为1.97%和0.83%,均小于最大相对误差的模拟仿真值2.11%。通过提高旋转台的读数精度和减小相位延迟量的标称偏差,可以进一步减小米勒矩阵各元素的最大相对误差。     

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.     

水声多输入多输出信道的分布式压缩感知估计

多输入多输出技术通过采用多个阵元进行多发多收空间复用信道可在极其有限的通信带宽下实现高速水声通信,但由于同时存在通道间干扰和多径干扰,水声MIMO信道估计变得困难。提出利用MIMO水声信道多径稀疏结构存在的相关性,在经典联合稀疏模型的基础上对MIMO观测矩阵进行重组,从而建立基于分布式压缩感知的单载波水声MIMO通信信道联合稀疏模型;同时,针对信道响应中具有相同多径位置的稀疏部分和特有稀疏部分设计区分性正交匹配追踪算法进行联合重构,进一步抑制通道间干扰的影响。最后通过仿真和海上实验进行本方法有效性的验证,实现16 kbps的MIMO水声通信。通过算法推导、仿真和实验可得到结论:利用MIMO水声信道多径相关性进行分布式压缩感知估计可提高估计性能。      

反射式表面粗糙度光纤传感器及其模糊算法

本文提出了一种新型表面粗糙度光纤传感器,阐述了它的结构、工作原理,给出了测试结果.运用模糊算法,分析实测数据,得到系统的测量规则和隶属函数.经过模糊推理和决策计算出相应的输出值.该算法可减小测量误差,提高测量精度,扩大测量范围.本系统能准确地识别R_a分别为0.012μm,0.025μm,0.5μm,0.1μm的被测表面.     

水声正交频分多址上行通信稀疏信道估计与导频优化

针对水声正交频分多址(OFDMA)上行通信中用户导频数量少、分布不均匀, 导致传统内插信道估计方法产生误码平层的问题, 提出一种稀疏信道估计与导频优化方法. 基于压缩感知(CS)理论估计稀疏信道冲激响应, 并依据CS理论中测量矩阵互相关最小化原理, 提出基于随机搜索的导频图案和导频功率联合优化算法. 仿真结果表明, 所提方法在不同多径扩展信道下的性能均优于基于线性内插的最小二乘估计、未经导频优化的CS信道估计以及单纯基于导频图案优化的CS信道估计. 水池实验分别验证了交织式和广义式子载波分配的水声OFDMA上行通信性能, 在接收信噪比高于10 dB时利用所提方法实现了两用户接入的可靠通信.     

离散分数阶随机变换与加权直方图交叉置乱的双图像加密算法

为了实现对两幅图像进行同步加密,降低传输负载并提高密文的抗明文攻击能力,提出了离散分数阶随机变换与加权像素混沌置乱的双图像加密算法。将2个分阶参数引入到Tent映射中,设计了新的Tent映射;根据明文像素值,构建加权像素直方图模型,联合位外部密钥,生成改进的Tent映射的初值;再利用初值对分数阶Tent映射进行迭代,输出2组随机序列,对2幅明文进行位置交叉混淆,获取2个置乱密文;基于DWT(discrete wavelet transform)技术,对2个置乱密文进行稀疏表示;根据混沌序列,定义随机循环矩阵,联合稀疏表示,获取2个置乱密文对应的测量矩阵。根据随机掩码与调制相位掩码,建立数据融合模型,将2个测量矩阵组合为复合矩阵;基于离散分数阶随机变换,对复合图像进行扩散,获取密文。测试数据显示:与已有的多图像加密方案相比,该算法的抗明文攻击能力与用户响应值更理想,密文的NPCR、UACI值分别达到了99.83%、34.57%。该算法具有较高的加密安全性,能够有效抵御网络中的外来攻击,确保图像安全传输。     

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.     

虚拟阵列Khatri-Rao积与子空间联合稀疏表示的DOA估计方法

利用目标信号在空域分布的稀疏性,该文提出了一种基于虚拟阵列Khatri-Rao(KR)积与信号子空间联合稀疏表示的单快拍DOA估计方法;该方法利用单次快拍的采样数据,构造出双向虚拟阵列数据,并对虚拟阵列数据的协方差矩阵进行KR积变换处理,然后对向量化后的数据进行顺序重构,利用重构矩阵的大奇异值对应的左奇异向量为估计信号子空间;最后,利用凸优化工具箱对稀疏模型进行二阶凸规划的优化求解,得到高精度的DOA估计值;仿真实验验证了算法的有效性,在低信噪比下比传统MUSIC和OMP算法具有更高的估计精度。     

二进制信号的混沌压缩测量与重构

二进制信号的压缩感知问题对应超奈奎斯特信号系统中未编码的二进制符号的检测问题, 具有重要的研究意义. 已有的二进制信号压缩测量采用高斯随机矩阵, 信号重构采用经典的l₁最小化方法. 本文利用混沌映射构造基于Cat序列的循环测量矩阵, 并提出一种针对二进制信号的全新的重构算法——平滑函数逼近法. 文章构造的混沌循环测量矩阵兼具确定性和随机性的优点, 能够抵御低信令效率和低信噪比的影响, 取得更好的压缩测量效果. 文章提出的平滑函数逼近法利用非凸函数代替原问题不连续的目标函数, 将组合优化问题转化为具有等式约束的优化问题进行求解. 利用稀疏贝叶斯学习算法进一步修正误差, 得到更准确的重构信号. 在信道含有加性高斯白噪声的条件下对二进制信号进行了压缩测量与重构的数值仿真, 仿真结果表明:基于Cat 序列的循环测量矩阵的压缩测量效果明显优于传统的高斯随机矩阵; 平滑函数逼近法对二进制信号的重构性能明显优于经典的l₁最小化方法.     

低复杂度的MIMO声呐协方差矩阵重构方法*

多输入多输出声纳在对目标进行测向时会产生复杂的运算量,从而降低算法的测向效率。针对这一问题,提出了一种基于降维变换方法的低复杂度协方差矩阵重构方法。该方法能够抑制噪声,提高目标侧向性能。首先利用降维变换方法对接收信号进行波束形成,获得低维度的协方差矩阵,再对矩阵进行Toeplitz处理,抑制矩阵的相干性。所得到的新的协方差矩阵,通过特征分解获得噪声子空间和信号子空间,利用MUSIC方法进行测向。为了进一步降低运算复杂度,利用阵型所满足的旋转不变性,可以采用ESPRIT算法对目标进行波达方向估计。理论分析和实验结果表明,该方法有效降低了运算复杂度,提高了算法的测向性能。在有限快拍数的情况下,与传统测向方法相比,具有运算速度快,目标分辨力强的特点。     

交叉验证多路径匹配追踪水声矢量阵稀疏方位估计

水下运动目标的高分辨DOA估计和目标的左右舷分辨问题一直是水声阵列信号处理中的一个核心问题。矢量阵相比于声压阵具有天然的左右舷分辨能力和更高的处理增益,近年来得到了广泛关注。Capon等一些传统高分辨处理方法存在不能解相干源、需要多快拍处理以及对阵列流行误差敏感等多种问题。针对水声阵列信号处理领域面临的以上问题,利用声呐工作场景中空间目标的稀疏性,本文提出了一种基于交叉验证技术的多路径匹配追踪（Multiplepath Matching Pursuit with Cross Validation,CV-MMP）声矢量阵稀疏DOA估计算法。该算法采用交叉验证技术可以在未知场景中目标个数的条件下实现稀疏DOA的估计,相比于常规的声矢量阵Capon算法而言,可以在小快拍数甚至单快拍数条件下实现多目标的稀疏DOA估计以及高分辨能力。仿真和海试试验数据处理验证了提出的算法的有效性。