基于二进制序列族的压缩感知测量矩阵构造

构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义。该文源于代数编码理论,提出一种基于二进制序列族的确定性测量矩阵构造算法。相关性是描述矩阵性质的重要准则,减小相关性可使重建性能提高。该文推导出所构造测量矩阵的相关性小于同条件下的高斯随机矩阵和伯努利随机矩阵。理论分析和仿真实验表明,该方式构造的测量矩阵的重建性能优于同条件下的高斯随机矩阵和伯努利随机矩阵;所构造矩阵可由线性反馈移位寄存器结构实现,易于硬件实现,有利于压缩感知理论的实用化。     

基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构

该文基于多通道脑电信号时空特性构建非正交变换过完备字典,准确稀疏表示蕴含时空相关性信息的多通道脑电信号,提高基于时空稀疏贝叶斯学习模型的多通道脑电信号压缩感知联合重构算法性能。实验选用eegmmidb脑电数据库的多通道脑电信号验证所提算法有效性。结果表明,基于过完备字典稀疏表示的多通道脑电信号,能够为多通道脑电信号压缩感知重构算法提供更多的时空相关性信息,比传统多通道脑电信号压缩感知重构算法所得的信噪比值提高近12 dB,重构时间减少0.75 s,显著提高多通道脑电信号联合重构性能。     

基于压缩感知的加速前向后向匹配追踪算法

前向后向匹配追踪(FBP)算法作为一个新颖的两阶段贪婪逼近算法,因为较高的重构精度和不需要稀疏度作为先验信息的特点,受到了人们的广泛关注。然而,FBP算法必须运行更多的时间才能得到更高的精度。鉴于此,该文提出加速前向后向匹配追踪(AFBP)算法。该算法利用每次迭代中候选支撑集的信息,实现对已删除原子的再次加入,以此减少算法迭代次数。通过不同非零项分布的稀疏信号和稀疏图像的仿真结果表明,相对于FBP算法,该文提出的方案在不降低重构精度的同时,大幅降低了算法运行时间。     

CS5530_F1模／数转换器在拉力试验机中的应用研究

拉力试验机的测量部分要求采集的数据精度高,模／数转换速度快,针对这一要求,介绍了一种用于数据采集的芯片CS5530_F1。通过分析它的性能特点,设计了CS5530_F1在数据采集中的硬件电路,重点研究了用CS5530_F1采集数据的编程方法。实验证明,CS5530_F1采集的数据精度高,速度快,效果好。这里采用24位的数据采集芯片,大大提高了数据精度和转换速度。     

压缩感知测量方法的机密性

分析了压缩感知（CS）的安全性问题,讨论了在攻击者不知道测量矩阵情况下是否 可以有效对信号进行重构的问题,论证了压缩感知可以达到保密性但达不到完善的保密性 。最后联合信道容量和速率失真函数,讨论了压缩感知恢复信号所需测量数据量的下限,并 分析了测量噪声对信号重构性能的影响。     

逆合成孔径成像激光雷达低信噪比稀疏多孔径成像方法研究

受目标非合作特性的影响,逆合成孔径成像激光雷达(ISAIL)回波存在缺失;同时受大气衰减和自然背景光等因素的影响,ISAIL回波信号信噪比较低,因此,常规的稀疏多孔径成像方法不再适用。针对上述问题,该文提出了一种结合压缩感知(CS)和权矩阵的稀疏多孔径成像方法。首先,通过基于CS的稀疏多孔径成像方法对原始数据处理,得到目标像的支撑域;然后,据此建立权矩阵,优化采用CS重构时的代价函数,对稀疏多孔径ISAIL原始数据进行成像处理,利用不完整的回波信号获得高分辨目标像。此算法具有较好的抗噪能力。采用室内ISAIL系统实测数据验证了算法的有效性。     

基于双树小波通用隐马尔可夫树模型的图像压缩感知

标准压缩感知图像重构仅利用图像小波系数具有稀疏性的先验知识,未能利用小波系数的结构分布特性。利用基于模型压缩感知重构思想,将能有效描述图像小波系数分布特性的隐马尔可夫树(HMT)模型引入到图像的压缩感知重构。经过理论推导,将基于HMT模型的重构转化为型如标准图像压缩感知重构的优化问题,并提出基于贝叶斯优化的凸集交替投影法进行求解。为进一步提高重构质量和速度,引入了双树小波域通用HMT (uHMT)模型及改进的uHMT (iuHMT)模型代替小波域HMT模型。实验结果表明,基于双树小波域iuHMT模型的重构图像的平均峰值信噪比(PSNR)比uHMT模型高0.97 dB.     

斜视SAR成像处理中多普勒频率的新应用

多普勒频率在斜视SAR成像处理中的新应用被发现.由于斜视SAR方位向采样不同、脉冲重复频率不同,而且不同的斜距目标具有不同的多普勒频率,该文从雷达信号的回波模型入手,详细分析了回波信号的瞬时方位频率和瞬时多普勒频率及距离Chirp斜率对方位频率的影响,说明在CS算法中,选择适当的多普勒频率才能进行正确的成像,点目标仿真结果表明,该方法是合理的,能有效的进行距离压缩和方位聚焦,改善成像质量.     

基于SWCoSaMP算法的稀疏信号重构

压缩感知(compressed sensing, CS)稀疏信号重构本质上是在稀疏约束条件下求解欠定方程组。针对压缩感知匹配追踪(compressed sampling matching pursuit, CoSaMP)算法直接从代理信号中选取非零元素个数两倍作为支撑集,但是不存在迭代量化标准,本文提出了分步压缩感知匹配追踪(stepwise compressed sampling matching pursuit, SWCoSaMP)算法。该算法从块矩阵的逆矩阵定义出发,采用迭代算法得到稀疏信号的支撑集,推出每次迭代支撑集所对应重构误差的L-2范数闭合表达式,从而重构稀疏信号。实验结果表明和原来CoSaMP算法相比,对于非零元素幅度服从均匀分布和高斯分布的稀疏信号,新算法具有更好的重构效果。      

基于索引调制OFDM雷达通信共享信号压缩感知方法研究

针对在雷达通信一体化(RadCom)系统中正交频分复用(OFDM)共享信号通信速率不高、可靠性较差的问题,该文提出一种采用子载波索引调制(IM)的OFDM共享信号方案(OFDM-IM)以及对应的基于压缩感知(CS)的雷达信号处理算法。该方案在发射端采用IM调制增强OFDM信号通信质量,在雷达接收端采用CS技术获取目标的距离-速度2维超分辨图像,进一步采用快速分段重构、2次相参积累的方法降低算法的计算复杂度。仿真实验表明,相比于传统算法,该方法能显著提升对OFDM-IM共享信号的处理性能,并实现超低距离副瓣,是一种能够同时增强雷达与通信性能的一体化共享信号方案。