码本在压缩感知矩阵中的应用

压缩感知矩阵的构造在压缩感知理论中起着举足轻重的作用.基于线性码和最优码本构造了一类新的压缩感知矩阵,并与DeVore构造的压缩感知矩阵和Gaussian随机矩阵的进比较,从不同的角度分别证明了当参数满足一定的条件时,新构造的压缩感知矩阵具有更好的性能.     

基于视觉心理学的SFS流形算法研究

通过视觉方法获取形状在科学研究及工程实践中有着重要作用,灰度图像是最容易获取的视觉信息之一。目前由灰度重构的形状(SFS,shape from shading)受到了广泛的关注,但现有的算法稳定性差、效率低,一直阻碍着SFS方法的推广应用。受近期的视觉心理学研究成果的启发,针对SFS问题,从局部分析入手,即:在图像上,在每一灰度极值点附近,根据灰度单调变化的情况,形成一个椭圆形邻域,对应着表面凹凸区;在每一椭圆域上,形状可用抛物面逼近,其参数可由局部辐射度约束求解;整个图像被椭圆形邻域覆盖,这些覆盖可构成一个二维流形;借助于流形上单位分解函数,各局部抛物面粘合在一起,形成光滑的整体形状;总体形状在整幅图像的灰度约束下再进行全局优化,可得到最终的重构结果。给出了初步算例,算法的稳定性和效率均有大幅度提高。     

选择性双向顺序压缩感知重建动态磁共振成像

压缩感知是一种新兴技术,该技术能够用远低于奈奎斯特采样频率采集的信号恢复出原始信号. 压缩感知成像方法大大提高了心脏磁共振成像的采集速度,已有的方法主要利用动态图像时间相关及心脏的周期性运动特征,如采用在时间维做傅立叶变换或求解每帧数据跟参考帧数据的差异获取稀疏数据,满足压缩感知重建的要求. 该文提出了选择性双向顺序压缩感知重建算法,利用相邻帧的差异更小的特点,获取更加稀疏的差异数据,同时利用动态图像的周期性,以目标函数积分为判据,在时间顺序和时间逆序两个方向选择效果更好的方向进行数据重建,降低图像伪影和噪声. 该选择算法,可以在不增加重建时间的情况下,选择双向顺序重建中最佳的结果. 该文对心脏磁共振图像数据进行了数据处理实验,并且跟传统压缩感知算法、参考帧差异方法及匙孔成像方法进行了比较. 结果表明：该方法无论从视觉效果还是从统计结果上,都有很大的改善.     

智能电网的10G-EPON中基于贝叶斯分类的业务感知机制

随着智能电网的发展及其多种信息业务的涌现,10G-EPON作为业务接入技术日益成为重要支撑;然而业务的多元化对10G-EPON的多业务支撑能力提出了重要挑战.为了适应电力系统中多种不同类型业务的需求,本文对智能电网的信息业务特性进行分析,提出了一种基于贝叶斯分类的10G-EPON业务感知机制;并且根据10G-EPON中OLT与ONU的主从式网络架构特点,提出了业务感知的主从式实现方式.该机制使用贝叶斯网络分析数据包的特征,进而确认待传送业务的类型.在贝叶斯业务分类的基础上,通过OLT和ONU之间的交互决定业务的资源分配和传输策略.为了验证新机制的有效性,分别从时延和丢包率两方面进行系统仿真.仿真结果表明,所提出的基于贝叶斯分类的业务感知机制在时延和丢包率具有显著的优势,能够实现业务与10G-EPON的高效匹配,提高10G-EPON在智能电网应用中多业务的区分支持能力.     

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。     

低噪声地听器

本文化创见的地听器较通用的单端中心压缩型加速度计的结构有改进；特别是主体设计加一真空罩能够有效地隔外界杂散干扰，实测表明性能良好，宽带抗空气声干扰能力20db。     

基于压缩感知的激光干扰图像尺度分析

利用激光干扰CCD成像侦察系统可以使其降低或失去侦察能力,客观、准确、定量地评估干扰的效果是干扰技术研究的重要环节。本文以现有的背景杂波量化尺度为基础,结合激光干扰图像对CCD成像系统目标检测性能的影响,提出了基于压缩感知的图像尺度,并将该尺度运用于基于机器视觉的激光干扰CCD效果评估。激光视场内干扰实验及数值计算表明:该方法能够利用压缩感知理论的特点,较好地实现了对激光干扰CCD成像检测系统效果的定量评估,从而验证了该尺度的有效性。     

压缩感知在合成发射孔径医学超声成像中的应用

为了解决合成发射孔径技术在医学超声成像实现中面临的数据量大及接收通道多的问题,提出一种超声成像系统频率域稀疏性模型的压缩感知成像算法。首先对超声系统频率域稀疏性模型进行了验证;然后根据稀疏性模型利用压缩感知理论对回波信号进行压缩采样,并使用最优化方法完成回波信号重建;最终通过合成发射孔径技术完成超声成像。针对医学成像中常用的点目标及模拟胎儿目标进行成像仿真实验,对重建图像在均方误差、分辨率及成像质量等方面与常规成像结果对比分析。实验结果表明在保证成像质量的同时,仅使用30%原始数据量及50%总接收通道数目可完成成像;频率域稀疏性模型的压缩感知成像算法可以大幅度减少合成发射孔径成像所需数据量及接收通道数,极大地降低了系统复杂度。      

认知无线电网络中利用FEC和DE的多节点频谱感知算法

针对认知无线电网络(CRN)中空闲频谱感知困难的问题,本文提出了基于前向纠错和差分进化算法的多节点频谱感知算法。首先,利用基于差分进化算法的协同检测完成信号感知;然后,研究了信道噪声对频谱感知性能的影响;最后,分析了前向纠错技术在信道存在噪声时对频谱感知性能的影响。仿真实验将纠错和无纠错控制信道的不同信噪比作为依据,采用三种不同的检测方法评估了本文算法。仿真实验结果表明,在存在噪声的认知无线电网络中,本文算法提高了系统的性能和检测概率,且协同感知算法的性能随着节点数目的增加而提高,该算法适合应用于实时性要求较高的应用程序。     

依据列相关性优化高斯测量矩阵

为了提高信号重建的精度以及稀疏度适用范围,提出了一种新的测量矩阵优化方法,减小测量矩阵和稀疏变换矩阵的相关性。首先,由测量矩阵和稀疏变换矩阵的乘积构造Gram矩阵;根据Gram矩阵的维数,计算互相关函数的下确界即Welch界;其次,由Welch界确定阈值,收缩Gram矩阵中大于阈值的非对角元;然后,由新得的Gram矩阵和稀疏变换矩阵反解出测量矩阵,迭代更新,从而达到减小相关性,优化测量矩阵的目的。实验结果表明：依据Welch界优化测量矩阵,能快速降低压缩感知矩阵相关性的最大值,提高OMP算法的性能,例如在误差率为10_-0.9时,原高斯随机矩阵需要23个观测值,算法优化后只需16个观测值,相对于Elad、Zhao等观测矩阵优化方法,文中提出的算法具有更小的重构误差,性能和稳定性也略有提升。