共轭梯度子空间基追踪算法及其相关结果

压缩感知可以在低于Nyqiust采样率条件下实现稀疏信号的精确恢复. 重构算法是压缩感知的主要研究内容之一. 本文基于子空间基追踪算法的回溯思想与共轭梯度法, 提出了共轭梯度子空间基追踪算法. 通过仿真实验验证了算法的有效性, 并讨论了该算法利用几种常见测量矩阵对稀疏信号的重构效果. 结果显示, 当测量矩阵为部分Fourier矩阵时, 该算法具有最优的重构效果.     

基于压缩感知的无重构时频差提取技术

时频差提取是信号处理领域的研究热点，传统方法基于Nyquist采样信号，因此无法很好地解决算法运算量过大、耗时过长的问题。为此，提出一种基于压缩感知技术的时频差提取方法，不同于传统压缩感知技术，本方法省去了压缩感知中的信号重构，即给定一种改进型循环矩阵作为观测矩阵对信号进行压缩采样，并从压缩采样样本中直接提取时频差。实验结果表明，该算法的运算量较传统时频差提取算法有明显下降，并且其时频差提取正确率高于同类提取算法。     

考虑双方主体失望-欣喜感知的多指标双边匹配决策方法

在双边匹配研究中很少关注如何描述双方主体的失望-欣喜感知并将其引入双边匹配模型.通过对匹配主体失望-欣喜感知的刻画,提出了一种新的具有指标期望的多指标双边匹配决策方法.首先,针对具有指标期望的多指标双边匹配问题给出了数学描述;其次,匹配决策者通过对主体的指标期望值与对方主体真实值之间的比较分析,建立了双方主体的损益矩阵;然后,依据失望理论,构建双方主体在各指标下的感知效用矩阵,并集结得到双方主体的综合感知效用矩阵;进一步构建以双方主体可接受最低水平为约束,双方主体综合感知效用最大为目标的多目标优化模型,并将多目标优化模型转换为单目标优化模型,通过求解单目标优化模型得到最优双边匹配结果.最后,通过算例比较分析了本文方法与现有方法的差异,进一步说明了本文方法的有效性与合理性.     

一种认知无线电感知时隙与周期联合优化算法

鉴于目前已有的感知时隙与周期优化算法通常忽略授权用户的出现概率,造成感知性能和传输效率下降的问题,因此提出了一种基于授权用户出现概率的感知时隙与周期联合优化算法。新算法考虑授权用户的出现概率,首先以总的系统损失概率为约束条件进行感知时隙优化,然后以最大化系统频谱效率为目标进行感知周期的优化。实验证明：该联合优化算法能保证系统始终用最小的感知时隙和最优的感知周期进行频谱感知,在满足感知性能的条件下能够使认知用户的感知效率与传输效率达到最大。     

混合最小化问题下重构块稀疏信号的充分条件

基于混合最小化问题,提出了测量矩阵的块鲁棒零空间特性(robust null space property,rNSP),在有噪声情况下证明rNSP是稳定重构块稀疏信号的充分条件。并且当块限制等距常数小于0.453 1时,证明块限制等距性蕴含着块鲁棒零空间特性。     

基于gOMP算法的循环码译码研究

在压缩感知理论中,广义正交匹配追踪(gOMP)算法常用于解决l0范数的最小化问题.借助无噪声干扰的压缩感知观测模型,提出了循环码差错图案E重构的压缩感知模型,以校验矩阵H作为测量矩阵,伴随式S作为测量信号,采用gOMP算法重构了差错图案E,其与收码R进行模2加运算,求得发码C的估值.进一步提出了校验矩阵H作为测量矩阵的构成形式及其2个定理.详细论述了gOMP算法重构差错图案E的计算过程.以(7,1)、(7,3)、(7,4)、(15,7)和(31,21)循环码为例,分析了gOMP算法对循环码的纠错能力;以(7,1)循环码为例,分析了gOMP算法中原子选取个数s与纠错位数的关系.通过误码率和码字C重构的成功率,比较分析了gOMP算法和最大似然译码算法的译码效果.仿真实验表明,采用压缩感知理论和广义正交匹配追踪gOMP算法实现循环码译码是可行和有效的.     

基于函数映射的二维形状内蕴对称检测算法

针对现有的二维形状内蕴对称检测方法表现欠佳的问题，提出了基于函数映射的二维形状内蕴对称稠密点对应谱优化（FM-2DSISD）方法。首先，设计了对噪声数据鲁棒的稀疏特征对称点对提取算法。其次，利用特征对称点对和函数映射框架，建立了以保持函数映射矩阵每个主子矩阵对角正交性为优化目标的数学模型，证明了该优化目标能保持内蕴对称映射的等距性。借助谱上采样技术，通过频谱域和空间域交替迭代优化函数映射矩阵和逐点映射矩阵。数值实验表明，FM-2DSISD方法对二维光滑形状和噪声形状的检测效果均优于现有检测方法。     

自适应权重的GPSR压缩感知重构算法

在压缩感知信号重构的过程中,为使投影梯度稀疏重构算法（GPSR）在保持低复杂度的同时,能有效提高重构性能,引入了自适应思想,给重构模型添加具有惩罚意义的权重系数,以寻找算法复杂度和精度之间的最佳平衡点;根据解的收敛进程不断调整权重值,以加速收敛.仿真实验表明：在相同条件下,该算法的计算效率优于传统的GPSR算法和典型的OMP算法,能在较短的运行时间内大幅度提高重构精度.     

双向中继网络中基于压缩感知的稀疏信道估计

为提高双向中继网络中稀疏信道估计的精度并减少训练序列的长度, 利用双向中继信道(Two-way Relay Channel, TWRC)的潜在稀疏特性, 研究了基于压缩感知的稀疏TWRC估计问题, 提出了一种改进的正交匹配追踪(Improved Orthogonal Matching Pursuit, IOMP)算法. 新算法运用迭代重加权最小二乘估计代替了正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法中的最小二乘估计过程, 通过对样本进行迭代重加权, 逐步减小了异常样本的影响, 不断地修正了估计值, 在使用相同长度的训练序列时, 提高了估计的精度. 与传统的最小二乘估计算法相比, 新算法能够在获得相同估计效果的情况下, 显著减少所需训练序列的长度. 仿真结果验证了基于新算法的稀疏TWRC估计的有效性.     

稀疏正则化最小类散度半监督分类机

基于稀疏表示理论提出一种稀疏正则化最小类散度半监督分类机(SRMCV), 且对于模式分类问题, SRMCV通过引入稀疏Laplacian正则化项和类内散度信息以实现预测空间函数在全局稀疏表示结构下平滑变化, 同时通过类内数据散度结构进一步优化决策函数的判别方向, 此方法能解决现有SSL方法对模型参数敏感和在噪声学习环境下缺乏鲁棒性等问题, 其有效性已在实际数据集上通过实验验证.     

基于半监督子空间迁移的稀疏表示遥感图像场景分类方法

利用已有的标记数据对新领域图像进行分类是遥感图像场景分类的重要研究方向。提出了一种基于半监督子空间迁移的稀疏表示（sparse representation method based on semi-supervised transfer learning subspace，SR-SSTLS）遥感图像场景分类方法。为减少源域和目标域数据分布变化，将不同数据域的遥感图像投影至共享子空间。源域和目标域数据在投影子空间协同学习共享字典，使得带标记的源域数据辅助目标域模型的建立。同时，建立了基于源域、目标域、源域-目标域标记数据的拉普拉斯图矩阵和目标域未标记数据的拉普拉斯正则化项，使得目标域中的数据均得到很好编码。在多个遥感图像数据集上的实验结果均证明了SR-SSTLS方法的有效性。     

一种动态实时的遥感专题应用系统定制框架

遥感专题应用系统广泛用于遥感影像的加载、分析、专题提取、出图等.为实现遥感专题应用系统动态、实时和可扩展的定制化开发,设计了一套基于组件的遥感专题应用系统定制框架：定义了组件划分方式,将专题系统划分为功能类组件和容器类组件,建立了组件属性和组件间的关系;采用XML文件描述遥感专题应用系统中的组件,并提供从XML到遥感专题应用系统的解析方法;设计了遥感专题应用系统定制平台,提出一种动态实时的软件设计方法,可以“所见即所得”地定制遥感专题应用系统,并将其保存为XML文件.采用该定制平台定制的多个专题系统已应用于相关部门.该框架为快速高效定制遥感专题应用系统提供了一种新的开发设计模式,降低了遥感数据在多行业应用的技术门槛,减少重复性开发工作.     

面向网络发布的海洋遥感数据库引擎设计与应用

以浙江海洋水质遥感速报GIS系统的实现为例．针对海洋遥感数据有效管理和网络动态发布的需求,自主设计了面向海洋遥感数据的空间数据库引擎MRSSDE（Marine Remote Sensing Spatial Database Engine）,详细介绍了MRSSDE的数据存储结构和数据访问机制．在浙江海洋水质遥感速报GIS系统中的应用表明,该引擎在对海洋遥感数据方面具有存储效率高、数据上载速度快及响应时间短的特点,达到了海洋遥感数据高效管理和网络实时发布的目的．     

基于卫星遥感和GIS技术的水土流失动态监测体系研究

综合考虑影响水土流失的降雨量、土壤可蚀性、坡度、植被覆盖率、土训流失容许量和保护因子等,笔者提出建立基于GIS和遥感技术的水土汉失反演分析模型,实现水土流失的动态和快速监测预报,技术要点如下：1）遥感技术能实现高精度的植被覆盖率和土地利用现状制图,可满足中长期水土流失变化监测预报的数据要求。2）利用气象卫星数据可实现对雨量的短期预报监测,进而实现水土流失的短期快速预报和监测。3）在GIS支持下,利用土壤背景和数字地形模型可实现水土流失潜在可能性分析。4）利用GIS空间数据处理技术实现基于像素的地面逐点分析,满足对水土流失逐点定量分析的要求。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。     

基于多通道Gabor纹理特征的遥感图像检索

遥感图像数据量的急剧增加,给研究者们提出了有效检索和管理图像的难题.为了快速准确地检索海量遥感图像,提出一种基于五叉树分解的多通道Gabor纹理特征图像检索新方法.该方法用五叉树分解法层层分解图像,在利用多通道Gabor滤波器与图像做卷积得到滤波能量值基础上,提取各子图像24个滤波能量均值和均方差作为纹理特征,并计算查询图像和与其大小相当的数据库子图像的纹理特征相似性距离,从而获得与查询图像相似的数据库子图像.将该方法用于高分辨率卫星和航空图像数据库的检索,实验结果证明了方法的有效性.     

一种基于影像块组织的遥感数据分布式存储方法

云存储是解决动态增长的海量遥感数据产品存储管理难题的有效手段．针对云存储在遥感数据存储领域中存在的问题,提出了一种基于影像块组织的遥感数据分布式Key-Value存储模型,解决了分布式文件系统存储大规模影像块效率低下的问题,使遥感数据云存储具备了空间区域访问特性;结合开源分布式文件系统HDFS,实现了影像数据的分布式高效存储与空间区域检索．实验与分析表明,系统在多用户并发连接情况下可以维持较高的吞吐率,同时具备良好的可伸缩性和稳定性．