SAR图像目标增强模型最优性能分析

研究用于SAR图像目标增强的lk范数正则化方法的最优性能.从有偏参数估计的统计性能极限角度,将达到渐进最小总方差的参数估计看作目标增强的最优效果.根据Bayes框架以及罚最大似然估计原理,研究了达到最优性能时正则项需满足的条件,该条件与图像大小、信号统计分布以及观测数据噪声方差有关,可为模型设计与迭代算法设计提供依据.并证明了仅当噪声方差较小时lk范数约束才能使得处理结果达到该最优估计性能.仿真实验验证了该结论的正确性.     

推广的正则化FOCUSS算法及收敛性分析

针对一类可分的稀疏性度量函数,利用梯度分解技术给出了稀疏信号重构的拟牛顿算法。进一步研究表明,基于再加权最小2 范数的FOCUSS算法以及基于p 范数的正则化FOCUSS算法都是拟牛顿算法的特例。由此导出了可用于稀疏成份分析的广义正则化FOCUSS算法,并证明了该算法的收敛性。数值结果表明广义FO CUSS算法收敛到局部极小点,并且在迭代初值较为准确时能找到最合理的稀疏解。     

基于扩散张量的自适应正则化变分模型

结构张量是描述图像的有效工具。利用结构张量对图像灰度变化的方向和大小进行判断,提出基于扩散张量的自适应正则化变分模型。该模型将冲击滤波器耦合在其中,使其在恢复图像的同时能有效地增强边缘。同时,给出一种构造正则化参数的方法。仿真实验表明,该模型在对带噪图像进行自适应恢复时,能较好地保护边缘信息,增强纹理特征,得到了较为满意的结果。     

用于雷达方位超分辨的范数正则化方法

方位超分辨是国内外雷达界长期以来持续探索的一项技术难题,针对求解过程中所遇到的病态性,本文深入研究了范数正则化方法。利用L₂范数正则化方法对方位超分辨模型进行求解,针对L₂范数正则化方法的不足并考虑到目标信号的稀疏性质,建立了L₁范数正则化模型。为提高求解的计算效率,将其转化为半定规划模型,用预测校正原对偶路径跟踪法进行求解。针对不同信噪比情况进行了计算机仿真,初步结果表明,两种方法都能用于雷达方位超分辨,且在相同条件下L₁范数正则化方法分辨性能更好,具有较强的噪声适应能力,在信噪比低至0 dB时,分辨力提高1.7倍。     

自适应阈值多小波故障暂态信号去噪方法

在介绍多小波基本理论的基础上 ,探讨了基于多小波的信号去噪方法。针对目前多小波去噪方法的不足 ,提出一种基于自适应阈值的多小波去噪方法 ,应用于电力系统输电线故障暂态信号的去噪 ,并与基于传统阈值多小波和小波的去噪效果进行了比较。仿真结果表明 ,该方法可以根据实际信号自适应改变阈值大小 ,在去噪效果上优于传统多小波去噪方法。     

基于范数的基本输入变量重要度排序的计算策略

针对Borgonovo基本输入变量重要度中概率密度函数积分不易求解的缺陷,基于重要度定义将范数的概念引入灵敏度分析中的重要度排序分析领域,提出一种新的基本输入变量重要度排序的计算策略,并为该计算策略选择了若干等价范数,从而避免求解积分的困难.该方法将所求积分用其等价范数进行替代,同时采用适用性更加广泛的一种正则化基本输入变量重要度的计算方法.从理论上讲,该计算策略能够为重要度排序计算提供多种等价范数形式.从所提计算策略与Borgonovo方法、Liu方法的比较可以看出:所提方法是三种方法中最简单有效的.最后,给出两个算例来说明所提方法的可行性.     

基于对称小波变换的多层系数乘积去噪算法

为了有效地去除信号中的噪声,提出了一种基于对称小波多层系数乘积的信号去噪算法.该算法利用时称小渡能够反映信号突变位置的特点,把相邻的两层细节系数相乘得到模极大值,再加以阈值化和归一化,然后与低层的细节系数相乘,得到降噪的细节系数,重构后得到去噪信号.给出了应用该算法的具体步骤,并且通过仿真实验证明了该算法的有效性.     

不确定广义系统的保成本可靠控制

对一类含有时变范数有界参数不确定广义系统和部分执行器可能失效的系统,结合一个二次型性能指标,研究了使得闭环系统保持正则、无脉冲和稳定,且闭环性能指标值不超过某个确定界的保成本可靠控制律的设计问题。通过矩阵不等式导出保成本可靠控制律的一个充分存在条件,进而用线性矩阵不等式给出了保成本可靠控制器的一个参数化的表示。在此基础上,通过建立并求解一个凸优化问题,给出了最优保成本可靠控制律的设计方法。最后,通过例子对所得结论加以说明。     

改进混合正则化约束多帧湍流退化图像盲复原方法

针对高速湍流造成成像平台接收目标图像模糊的问题,基于L₀正则化图像盲复原方法,提出了一种改进的混合正则化约束多帧湍流退化图像盲复原方法。首先,根据湍流退化时空变化关系,构建多帧退化图像复原模型描述湍流退化过程。其次,图像正则项在图像梯度L₀范数正则化基础上,增加图像梯度的L₂范数约束,改善复原图像中的阶梯伪像。再次,针对模糊核正则项,依据对湍流退化图像点扩散函数特性分析,提出了L₀-L₂混合正则化约束,保证了支持域的连续平滑特性。最后,使用多尺度图像金字塔的策略优化了求解过程。实验结果表明,该方法较好地复原湍流退化图像,与近年提出的具有代表性算法相比,在视觉效果和客观质量评价指标均有提升。     

一种基于EMD和ANC技术的自适应降噪方法

为了提高分析信号的信噪比,基于经验模态分解和自适应噪声抵消技术,提出了一种新的信号去噪方法。该方法首先对信号进行自适应噪声抵消,然后进行经验模态分解,得到不同尺度上的固有模态函数,再对不同尺度上的固有模态函数进行噪声属性判定,如果不是噪声则选用不同的滤波参数,进行自适应噪声抵消,最后对各尺度上噪声抵消后的信号进行重构,得到去噪后的信号。结果表明,该方法比基于最小均方误差准则的自适应噪声抵消方法更能有效地消除信号中的噪声。     

基于重构信号和1范数的动目标参数估计方法

提出了一种基于重构信号和1范数的动目标参数估计方法。该方法利用重构信号与杂波抑制后数据的1范数构造代价函数完成对动目标的参数估计,能够在雷达发射脉冲数有限的情况下获得准确的参数估计结果。给出了其对应Cramer-Rao界的详细推导过程;通过将仿真结果与Cramer-Rao界的比较,证明了该方法的有效性。     

基于原子范数的多跳频信号时频参数估计

针对现有多跳频信号参数估计方法构造的基字典与信号不匹配的问题,提出了基于原子范数的时频参数估计方法。首先定义无限原子集合并建立原子范数最小化模型,再利用其对偶问题完成对信号的估计,最后根据对偶多项式在单位圆上的绝对值完成信号频率的估计,通过统计频率分量的个数完成了信号跳变时刻的估计。仿真结果表明该算法在多跳频信号条件下能够得到比现有算法更高的估计精度和性能。     

基于正则化RBF神经网络的软测量技术及其在质量预测中的应用

神经网络对噪声污染数据的过拟合是模型设计中主要考虑的问题。将Tiknonov正则化方法用于RBF神经元网络的设计,在网络学习中将正交最小二乘与前向选择相结合进行网络参数的估计,通过k均值聚类算法获得网络中心,采用L-曲线方法进行正则参数估计,并将该正则化RBF网络用于气体分馏装置产品质量的预测。仿真结果表明,该模型简单易行,并具有较快的计算速度和较好的泛化能力。     

双约束稳健Capon波束形成算法的分析与求解

针对Capon波束形成算法在导向矢量的不确定集和模约束下的求解问题,提出了新的分析和求解方法。通过对最优化问题进行深入分析,发现不确定集约束决定该算法的性能,而模约束只是起辅助约束作用,因此可以通过对不确定集约束Capon波束形成算法的解进行标量化处理,使其满足模约束而获得该算法的最优解。所提出方法不仅使得不确定集约束参数的选择更加简单,同时使得波束形成算法的性能改善达到最优。发现不确定集约束参数选择得越大,算法的性能改善越接近于最优,而此时对应于负加载。仿真分析验证了方法的正确性和有效性。     

鲁棒原子范数降噪及其在线谱估计中的应用

针对测量数据中含有异常值的线谱估计问题,提出了一种对异常值鲁棒的原子范数降噪方法来提高线谱估计的性能。该方法构建了一个可以联合估计出异常值及原始信号的优化问题,并在代价函数中加入l₁范数和原子范数惩罚项来分别对异常值的稀疏性和信号本身的特性进行约束。一旦获得了该优化问题的解,那么就可利用现有的算法对降噪后的信号进行线谱估计。仿真结果表明,在数据中存在异常值的情况下,所提的算法能够更准确地恢复原始信号,从而使降噪后的谱估计的精度和分辨率明显提高。     

基于RTI双重构的免携带设备目标无线定位

免携带设备定位是利用目标对无线通信链路产生的阴影衰落来估计目标的位置。针对现有算法定位精度有限、计算复杂度高等问题,在无线层析成像(radio tomographic imaging, RTI)的基础上提出了基于双重构的定位算法。该算法利用正则化快速重构的特点,首先对目标进行初步的定位;其次将粗定位区域进行像素精确划分,同时利用链路选择法减少链路个数,降低算法复杂度;最后提出补空间稀疏度自适应匹配重构算法,将目标位置转化为稀疏信号重构问题,完成定位。实验仿真结果表明,与基于RTI的单重构定位算法相比,所提双重构算法能达到较好的定位精度,且实时性更高。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

干扰效果在线评估参数筛选与特征表示方法

针对利用雷达侦察信号进行干扰效果在线评估时参数冗余、信号变化程度判别不清的问题,提出雷达干扰效果在线评估参数筛选与特征表示方法。对多功能海上雷达信号,利用信息熵筛选剧烈变化参数,通过盒维数和皮尔逊相关系数提取信号变化特征,结合支持向量机实现对未知威胁的干扰效果在线评估。仿真实验表明,当信号参数偏离误差小于10%时,新方法的评估准确率高于92%,显著提高了雷达干扰效果在线评估的可靠性。