基于FDD-OFDM信号外辐射源双基雷达的低空目标微动特征提取

作为当前一种广泛使用的民用移动通信信号,LTE信号是低空目标探测的一种重要外辐射源信号。开展基于LTE信号的低空目标特征分析与提取研究,对于低空监视与要地防护等具有重要意义。LTE移动通信信号的核心技术之一是多载频正交频分复用技术, OFDM,分为时分双工TDD和频分双工FDD 2种模式。针对FDD-OFDM信号,首先建立了带旋翼低空目标雷达回波模型,推导了目标散射点的多普勒和微多普勒参数化表达,并分析了其微多普勒频率的影响因素。在此基础上,使用时频分析和Hough变换结合的方法对目标的微动特征参数进行提取,验证基于FDD-OFDM信号外辐射源双基雷达的低空目标微动特征提取的可行性和有效性。     

基于FOCUSS的图像分块压缩感知

为了解决图像重建计算复杂度大的问题,有人提出了分块压缩感知( Block Compressed Sensing),但基于正交匹配追踪(OMP)的图像分块重建会产生明显的块效应.针对这一问题,本文提出了基于欠定系统局灶解法(FocalUnderdetermined System Solution,简称FOCUSS)的图像分块重建,算法首先对图像进行分块,然后用傅里叶变换把图像稀疏化,再用FOCUSS重建分块图像.仿真实验结果表明,基于FOCUSS的图像分块重建不仅降低了图像块效应,而且提高了重建图像质量.     

一种机载外辐射源雷达微弱目标检测方法

针对机载外辐射源雷达系统中直达波信号参数估计误差导致的杂波抑制性能下降、微弱目标检测性能恶化的问题,提出了一种机载外辐射源雷达体制下微弱目标检测方法。该方法在建立杂波和微弱运动目标信号模型的基础上,对重叠分段后的两通道信号进行匹配滤波,然后分别对两通道信号进行Keystone变换完成相对径向速度的距离徙动校正,最后构造通道间相位偏差补偿函数,并结合两通道相位中心偏置天线(DPCA)方法解决杂波剩余问题。仿真结果表明:考虑直达波参数估计误差的影响能够提高微弱目标检测能力;在载机偏航角为2°的情况下,该方法与忽略相位偏差的传统DPCA方法和理论值补偿相位偏差的DPCA方法相比,检测信噪比分别提高了12dB和7dB以上。     

基于ATmega128的连续信号压缩感知实现方法

为了解决硬件对高频模拟信号采集困难的问题,根据连续信号可以在特定的频域有稀疏的特性,在采样节点,根据伯努利观测矩阵分布特点设计采样间隔,利用压缩采样方法采集数据,降低收发芯片CC1000所需发送的数据量,从而降低传感器节点在通信传输时所损耗的能量,延长节点的使用时间;在汇聚节点使用压缩采样匹配追踪算法(Compressive Sampling Matching Pursuit, CoSaMP)对接收到的稀疏数据进行重构,将重构的数据通过串口助手导出到终端,使用Matlab软件绘图分析,验证压缩感知实现方法的可行性。实验结果表明：该方法能够很好的在ATmega128芯片上实现压缩观测。在压缩率达到68%时,通过分析计算原始信号波形和重构信号波形,二者具有99.30%的相似度,显然将压缩感知理论可应用到局域网中,能减少网络传输的数据量,降低网络传输的能耗。     

基于半张量积的修正压缩感知模型重构算法研究

为了降低随机观测矩阵的存储空间,给出一种基于半张量积的正交匹配追踪重构算法.该方法利用半张量积理论,修正压缩感知模型,构造低维观测矩阵对原始信号进行随机观测,并采用正交匹配追踪算法对信号进行重构,从而得到稀疏信号的估计值.仿真实验分别采用1维时域稀疏信号、1维变换域稀疏信号进行测试,并从重构误差、重构概率、重构时间等角度进行了测试.给出的算法可以大大降低观测矩阵的存储空间,也可以降低数据运算复杂度,在压缩感知中可以得到广泛应用.     

基于多方向正交匹配追踪的压缩感知图像重构算法研究

针对压缩感知中图像信号的压缩比较大、重构效率较低的问题,提出一种基于正交匹配追踪的压缩感知图像重构算法。该算法在图像压缩阶段,利用测量矩阵对目标图像进行二次测量,进一步缩小压缩比。在图像重构阶段,将单次循环的正交匹配对象由一维向量拓展到二维矩阵,利用多方向正交投影对压缩数据进行图像重构。仿真实验结果表明,在缩小压缩比的情况下,可较准确地重构出原始图像;并且显著提高重构效率。     

齿轮振动信号的压缩感知采集与故障诊断

传统的采样策略会产生大量的数据,为了减少齿轮振动监测中的数据量,在压缩感知的基础上,建立了齿轮振动信号采集和重构模型。首先通过高斯随机矩阵对振动信号进行压缩测量、传输和存储压缩后的信号可以节省成本。信号重构归结为一个最优化问题,应用正交匹配追踪求解信号重构问题。进而得到重构信号的Hilbert解调谱,从Hilbert解调谱中提取特征频率,以特征频率能否识别来评价信号重构的效果。仿真实验和齿轮实验证明了模型的有效性。     

基于压缩感知的OFDM系统稀疏信道估计新方法研究

提出了一种基于压缩感知理论的正交频分复用(OFDM)系统稀疏信道估计的新方法,并具体采用正交匹配追踪(OMP)压缩感知算法对OFDM时域信道脉冲响应进行估计。与传统的最小二乘算法比较,它可以在使用较少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。根据仿真和压缩感知理论分析确定了OMP信道估计中最佳导频数和最佳导频位置。     

水声OFDM信道压缩感知估计研究

针对传统最小二乘(least square,LS)算法估计时变水声OFDM信道误差较大问题,提出一种基于压缩感知的准确估计方法.首先导出了水声OFDM系统接收序列、发送序列及信道传输矩阵之间的关系;在此基础上利用水声信道稀疏特征,探讨了采用正交匹配追踪(orthogonal matching pursuit,OMP)算法估计水声OFDM信道的方法;分析了导频插入方式、导频数及径数等对水声OFDM信道估计均方误差(mean square error,MSE)的影响.研究表明:当导频随机插入时,OMP算法用较少导频即可准确估计水声OFDM信道的传输矩阵.当信噪比大于10dB时,OMP算法的MSE小于-24dB,比传统的LS算法小18dB.     

基于块分割的新型压缩感知算法

针对现有块分割压缩感知(block compressive sensing,BCS)算法的块效应问题,提出一种低复杂度、可消除块效应的新型块分割重构算法.在稀疏表达时,采用小波变换(DWT)代替离散余弦变换(DCT),改善图像细节分量;在测量时,依据分块图像频率特征对测量矩阵加权,提高图像质量;在重构时,采用正交匹配追踪(orthogonal matching pursuit,OMP)算法代替匹配追踪(matching pursuit,MP)算法,提高重构速度.仿真结果表明,所提出的算法可在保证重构速度的情况下,有效消除块效应,且不增加内存占用.     

基于Spark的合成孔径雷达压缩感知分布式成像

压缩感知(compressive sensing,CS)方法在合成孔径雷达(synthetic aperture radar,SAR)成像中应用广泛,但其存在计算时间长和计算能力扩展性不足等问题.为了解决上述问题,提出了一种基于Apache Spark的SAR压缩感知成像分布式成像方法.该方法首先将压缩后的数据沿方位角...     

压缩感知的UWB信道盲估计算法

针对超宽带系统采样速率过高难以实现的问题,利用信道稀疏性提出一种基于压缩感知的盲信道估计算法。将接收信号通过一个随机测量矩阵,利用测量信号的一阶统计量建立压缩感知的数学模型,最后利用正交匹配追踪(OMP)算法重构得到估计信道。算法只需很少测量值就可估计出信道,节省了大量的模数转换(ADC)资源,使系统实现成为可能。仿真结果表明算法具有良好的估计性能,且算法的误比特率(BER)性能相比利用准确信道只有2～3dB的差距。     

基于压缩感知的高分辨距离像散射中心参数估计

提出利用压缩感知理论实现高分辨距离像散射中心参数估计。该方法首先将散射中心参数估计转化为信号的稀疏表示,然后重点研究测量矩阵的设计和稀疏参数的选取。为了提高解的鲁棒性,在构造字典矩阵时将采用位置错开以降低测量矩阵原子之间的互相关性。在算法求解过程中,采用贝叶斯信息准则确定模型阶次和稀疏参数。数据实验表明,算法能够稳定精确地估计散射中心参数。     

压缩感知中基于广义Jaccard系数的gOMP重构算法

为了解决信号重构性能差的问题,提出了一种基于广义Jaccard系数的广义正交匹配追踪(generalized orthogonal matching pursuit, gOMP)重构算法。该算法利用广义Jaccard系数相似性匹配准则替换gOMP算法中的内积度量准则,优化了通过感知矩阵来选择与残差余量最匹配原子的匹配方式。实验结果表明,该算法的重构成功率不仅高于gOMP算法,同时也高于OMP、StOMP等算法。     

自适应OFDM系统中基于分布式压缩感知的CQI反馈方案

提出了正交频分复用(OFDM)系统中基于分布式压缩感知的信道质量信息(CQI)反馈压缩机制。利用CQI的时间相关性、频率相关性以及空间相关性,提出了两种联合稀疏模型,并分别通过压缩感知算法和分布式压缩感知算法对反馈的数据进行压缩、重建。仿真结果表明,与压缩感知相比,分布式压缩感知算法在不增加终端复杂度的同时,能够显著地降低测量值的数目,从而达到降低系统反馈速率、提高吞吐量的目的。     

基于压缩感知的自适应谱减法语音增强算法

针对在压缩感知框架下,噪声的影响会被扩大这个问题,提出了一种新的基于压缩感知的语音增强算法。该方案利用压缩感知下的行阶梯观测矩阵能够保留大部分语音特性的特点,对观测序列进行谱减法消噪,再对得到的观测序列进行基于输入信噪比的自适应重构,最后通过低通滤波器对重构语音进行平滑滤波,除去高频成分。实验结果表明:提出的语音增强方法具有较强的抗噪能力,重构速度快,输出的信噪比高,鲁棒性能好。     

基于压缩感知的在线多示例学习目标追踪

近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题。然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度。为了解决这一问题,在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息。因此,我们提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪。通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性。     

采用双正交小波和分段正交匹配追踪实现压缩感知图像重构研究

采用B样条双正交小波实现图像的稀疏化,用低采样率对高频子带进行压缩感知采样,通过分段正交匹配追踪重建算法实现图像重构.实验结果表明:方案具有较好的图像重构效果,在低通滤波器消失矩相同的情况下,高通滤波器的消失矩越高,图像的压缩感知重构效果越好.随着高通滤波器消失矩的增加,重构图像的效果改善程度减缓,计算复杂性增加.     

基于块目标的频率步进连续波探地雷达压缩感知重建算法

压缩感知理论对于解决频率步进连续波探地雷达信号处理过程中存在的采样速率高、存储数据量大、信号处理时间长等问题具有重要意义. 针对雷达探测中块目标物体在探测区域不满足稀疏性的问题,提出一种适合块目标的压缩感知重构模型.利用某些稀疏正交基对块目标进行稀疏化处理使其满足稀疏性,将字典矩阵与稀疏矩阵结合形成适用于块目标物体的新观测矩阵,再通过压缩感知凸优化算法求解稀疏化系数,最后把该系数通过稀疏变换得到块目标的反射系数.通过实验仿真验证该方法的可行性,与未稀疏化处理的压缩感知重构模型相比具有更高的精度和分辨率.