基于稀疏迭代协方差估计的缺失数据谱分析及时域重建方法

应用于缺失数据恢复的迭代自适应方法(IAA)被证实可利用20%的有效数据估计信号参数,并能高精度恢复缺失数据,优于经典GAPES方法,但当缺失数据超过80%时其数据恢复性能迅速下降。该文基于稀疏迭代协方差估计提出一种新的缺失数据谱分析方法(M-SPICE)及针对该方法的缺失数据修正时域重建方法。该方法将加权缺失数据协方差拟合代价函数转换为凸优化问题,构造循环最小化器保证缺失数据参数估计的全局收敛特性,通过对缺失数据估计算子的更新实现了时域重建方法的修正,使其在有效数据功率谱欠估计的情况下获得更高的数据重建精度。仿真实验表明无论是数据块缺失还是任意缺失,该方法均能够利用更少的有效数据进行谱分析,并重建大比例缺失数据。     

基于稀疏协方差矩阵迭代的单快拍气流速度估计算法

该文研究基于声传感器阵列的单快拍气流速度估计问题。首先,根据声波在亚音速和超音速气流中的传播特性,针对特定的测量装置,建立了声传感器线性阵列的输出模型。在此基础上,提出一种稀疏协方差矩阵迭代的单快拍(Sparse Covariance Matrix Iteration with a Single Snapshot, SCMISS)气流速度估计算法,与其他稀疏估计方法相比,该文提出的SCMISS算法无需正则化参数选择,计算量更低,具有更强的实时性,且只需单快拍采样数据就可对亚音速和超音速气流速度进行统一估计。最后,为了评价所提算法的估计性能,推导了气流速度估计的克拉美-罗界(Cramr-Rao Bound, CRB)表达式。仿真实验验证了该算法的有效性。     

宽带协方差矩阵的多字典联合稀疏表示DOA估计

为了直接处理相干宽带信号和提高其波达方向估计的分辨率,提出一种基于宽带协方差矩阵的多字典联合稀疏分解估计方法。首先,利用多个频率点处的过完备基对其协方差矩阵进行稀疏表示,然后形成多个字典的多测量矢量稀疏表示模型,最后通过多字典稀疏表示系数的联合稀疏约束以求解稀疏反问题的形式实现宽带信号的波达方向估计。对于均匀线阵结构,多字典协方差矩阵稀疏表示系数的联合稀疏性使其不再受空域采样条件的限制,既可通过增大阵元间距提高分辨率,而又无空域混叠现象。通过对噪声功率的预估计抑制噪声,提高了波达方向估计的稳健性。另外,该方法与信号协方差矩阵的秩无关,对相干信号和不相干信号都适用。仿真实验验证了该方法的有效性。      

基于几何方法的结构化协方差矩阵估计

针对雷达在非均匀环境下难以获得足够数量样本估计协方差矩阵,致使干扰抑制性能下降的问题,遵循几何范式,本文提出了两种结构化干扰协方差矩阵（ICM）估计算法。具体而言,算法从一组训练数据出发,考虑不同的协方差矩阵结构信息（Persymmetric或Toeplitz结构）,构造了两种结构样本协方差矩阵（SSCMs）,通过利用正定矩阵空间特性并施加条件数上限约束,以ICM和SSCMs之间的Frobenius范数作为目标函数建立极小化问题,并对该问题进行转化,最终得到估计器的闭式解。在两种场景下的仿真结果表明了所提算法可更加精确地估计ICM,有效地提高了干扰抑制性能,且在小样本情况下的优化效果更为显著。     

稳健的基于参数化协方差矩阵估计的空时自适应处理方法

参数化协方差矩阵估计（Parametric Covariance Matrix Estimation,PCE）方法利用雷达系统参数估计杂波协方差矩阵（Clutter Covariance Matrix,CCM）,显著提升非均匀环境下空时自适应处理（Space-Time Adaptive Processing,STAP）的性能;但是在系统参数和杂波分布存在误差情况下,性能下降严重.本文提出一种稳健的基于PCE方法的STAP杂波抑制方法.首先利用稀疏恢复方法与Radon变换估计杂波分布,然后提出一种归一化广义内积统计量修正杂波的分布,最后利用PCE方法估计CCM并进行STAP杂波抑制.通过分析舰载高频地波雷达仿真和实测数据处理结果表明：所提方法的稳健性大幅提升,相比稀疏恢复STAP方法和前后向空时平滑STAP方法滤波器凹口更加准确且更深,在有效抑制杂波的同时更利于慢速目标的检测.     

宽带相关信号的二维DOA高分辨估计

研究利用导向最小方差(STMV)法实现了宽带相干信号的一维和二维高分辨DOA估计.与传统的最小方差无畸变响应(MVDR)法相比,STMV法更适于处理宽带信号.由于利用了导向协方差矩阵的时空统计特性,该方法比MVDR具有更高的空间分辨力和更好的稳健性.     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

有色噪声中一维谐波频率估计的稳健迭代算法

本文通过构造基于观测信号的统计量,采用三步迭代（TSI）算法来估计乘性和加性有色噪声中一维谐波信号频率参数,得到了最终估计量的渐近分布,证明了估计的一致性。TSI算法通过引入周期图估计作为初估计,从谐波模型内在特性出发构造统计量,采用迭代方式逐步提高初估计精度,仅需三次迭代就能达到加性噪声情形下最小二乘估计（LSE）的关于样本的收敛速度。由于只需要三次迭代就可以达到收敛,所以算法的计算量比较少。另外相比较传统的迭代算法而言,TSI算法能保证每次迭代后都能够提高估计的精度,从而克服了传统的迭代算法收敛不够稳定不足。仿真实验证实了估计的一致性以及估计的渐近分布,而且在较大噪声情形下该迭代算法依然可行。最后,由于TSI算法具备小的计算量以及高的估计精度,因而十分适合作为一维谐波参数估计的在线算法。      

基于互相关协方差矩阵的改进多重信号分类高分辨波达方位估计方法

针对经典高分辨波达方位(DOA)估计方法在低信噪比下分辨性能较差的问题,该文提出一种适用于主动探测系统的基于互相关矩阵的改进多重信号分类(MUSIC)高分辨方位估计方法(I-MUSIC)。该方法首先利用主动声呐发射信号已知的特性,将发射信号与阵元接收信号进行互相关,利用互相关序列形成新的空域协方差矩阵,再进行特征分解。理论分析表明,互相关处理在抑制噪声的同时保留了阵元之间的相位信息,可以得到比MUSIC方法更准确的子空间划分,进而提高低信噪比方位估计性能。在此基础上,提出一种基于相关时间门限的改进MUSIC高分辨方位估计(T-MUSIC)方法,通过对互相关序列设置时间门限进一步提高方位估计信噪比。仿真结果表明,与MUSIC方法相比,I-MUSIC与T-MUSIC可以分别使低信噪比时的估计性能提高3 dB和6 dB,相应平均估计误差分别为原方法的77%和53%。在阵元间接收噪声存在相关性时,T-MUSIC与I-MUSIC方法相比可获得8 dB的估计增益,估计性能更优。I-MUSIC与T-MUSIC应用于多目标主动探测,可大幅提高探测系统在低信噪比下的方位估计性能。     

The Empirical Likelihood method applied to covariance matrix estimation

This paper presents a new estimation scheme for signal processing problems in unknown noise field. The Empirical Likelihood has been introduced in the mathematical community, but, surprisingly, it is still unknown in the signal processing community. This estimation method is an alternative to estimate unknown parameters without using a model for the probability density function.The aim of this paper is twofold: first, the Empirical Likelihood theory is presented and revisited thanks to the moment method. Its properties are derived. Second, to emphasize all the potentiality of this method, we address the problem of Toeplitz matrix estimation: this leads us to obtain improved estimates in comparison to conventional ones, as shown in simulations.     

基于协方差矩阵双层重构的稳健自适应单脉冲测角

常规自适应单脉冲方法在主瓣干扰下会引起自适应波束形成性能恶化并导致其单脉冲比曲线严重失真,影响被动雷达的测角精度与跟踪性能。针对此问题,提出了一种适用于平面阵的基于协方差矩阵双层重构的稳健自适应单脉冲测角方法。首先,利用Capon功率谱通过稀疏重构法初步估计出干扰加噪声协方差矩阵,通过干扰导向矢量估计完成对协方差矩阵的优化校正以提高自适应波束形成性能;然后,基于线性约束最小方差(Linearly Constrained Minimum Variance, LCMV)准则对方位角和俯仰角进行联合线性约束以避免单脉冲比曲线在主瓣干扰下严重失真;最后,根据自适应单脉冲比值求出目标与波束指向之间的偏转角以实现目标测角。与常规方法相比,所提方法在干扰抑制能力与测角精度上都有显著提升。     

一种基于稀疏矩阵的指纹识别新方法

为了实现对指纹识别速度上的需求,对指纹算法做了较深入的探讨和分析,提出一种新的指纹匹配算法,该算法将稀疏矩阵应用到指纹匹配当中,根据稀疏矩阵计算速度快和存储容量小的特点,使得指纹匹配速度在一定程度上得到了提升。通过实验结果表明,本文算法在指纹图像增强和匹配速度方面有很大的提高,同时也降低了计算机的内存消耗。     

一种基于分数低阶协方差矩阵的波束形成新方法

利用稳定分布对具有脉冲特性的噪声进行建模，提出了一种新的分数低阶协方差概念，推导了一种基于分数低阶协方差矩阵的波束形成方法，并分析了其旁瓣特性。模拟表明新方法具有更高的信号干扰噪声比及更强的波束形成与旁瓣抑制能力。新算法在高斯和分数低阶稳定分布环境下比传统的算法具有更好的韧性。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

基于压缩感知和迭代优化策略的LED参数的快速估计

为快速有效地估计LED智能照明中的未知参数, 首先,将解析表达式中由频率偏移-相位构成的二维平面空间在 水平和垂直两个方向上离散化,构成网状格点空间,并根据测量得到的数据在格点空间具有 稀疏性的特 点建立稀疏模型;然后,在稀疏模型的基础上采用最新的压缩感知(CS)技术,对脉冲宽度调 制PWM信号进行伪 随机线性测量;并利用基追踪(BP)算法重建未知参数;最后,采用迭代细分网格策略对稀 疏模型 进行优化,减少估计误差。实验结果表明,在理想情况下,本文方法仅使用相当于奈奎斯特 采样定理所要 求的0.23%的采样值,就可以快速准确地重建未知参数;经过3次迭代 优 化后,算法的均方误差(RMSE)一般不大于 10－4;算法具有良好的抗噪性能,在信噪比(S NR)大于－160dB时表现出良好的鲁棒性。     

An improved SAR-GMTI method based on eigen-decomposition of the sample covariance matrix

An improved two-channel Synthetic Aperture Radar Ground Moving Target Indication (SAR-GMTI) method based on eigen-decomposition of the covariance matrix is investigated. Based on the joint Probability Density Function (PDF) of the Along-Track Interferometric (ATI) phase and the similarity between the two SAR complex images, a novel ellipse detector is presented and is applied to the indication of ground moving targets. We derive its statistics and analyze the performance of detection process in detail. Compared with the approach using the ATI phase, the ellipse detector has a better performance of detection in homogenous clutter. Numerical experiments on simulated data are presented to validate the improved performance of the ellipse detector with respect to the ATI phase approach. Finally, the detection capability of the proposed method is demonstrated by measured SAR data.     

稀疏L型阵中基于压缩感知的角度估计方法

利用二级Nested阵来构建稀疏L型阵列,针对此阵列,提出了基于压缩感知的角度估计方法。该方法通过计算接收数据的自相关协方差矩阵并向量化,然后进行重排序和去冗余,得到虚拟阵列的入射角信息。该虚拟阵列的长度远远大于实际物理阵列的长度,因而相比同物理阵元的均匀L型阵,阵列孔径和自由度明显增大。最后利用正交匹配追踪技术对虚拟阵列的l1范数约束问题进行求解,并完成二维角度的配对。计算机仿真表明,所提算法具有更高的信源分辨力,并且在高信噪比、高快拍数、大角度间隔条件下,具有更好的估计性能。     

一种基于稀疏矩阵的多核并行扰码方法

针对多核环境中高速无线信号的加扰、解扰,提出了一种基于稀疏矩阵的多核并行扰码方法。首先对输入信号进行串/并转换,并将各路信号分别送入对应的处理器核;考虑基于稀疏矩阵的并行扰码生成器,在单个处理器核内,将其生成的伪随机码与输入信号进行模二加运算,得到单路信号的扰码输出;最后将多路并行的扰码输出变换为串行输出。运算量分析结果表明,采用IEEE 802.11n中的扰码生成多项式,与普通矩阵乘法实现的多核并行扰码方法相比,基于稀疏矩阵的多核并行扰码方法,其运算量降低了一个数量级。     

基于区间估计的快速单幅图像去雾方法

单幅图像去雾是一个病态反问题。为了解决这个问题,对于大气光强度和介质传输率的估计已进行了大量研究。本文从新的角度提出一种简单但有效的基于区间估计的单幅图像快速去雾方法。该方法从大气散射模型出发,首先,通过对大气光强度和介质传输率取值范围的讨论,减小区间估计的范围。其次,通过快速联合双边滤波和中值滤波对介质传输率进行边缘优化,并利用大气光强度与暗通道差值绝对值大小对介质传输率中明亮区域进行判断和修正。最后,通过色调调整对复原图像进行整体优化。实验结果表明,与几种典型的图像去雾方法比较,本文方法明显提高了算法运算速度,并获得了较好的复原效果。