三维欧氏重构的快速算法

提出一种分层三维欧氏重构算法。以仿射投影来逼近透视投影,采用线性迭代估计射影深度,通过测量矩阵的奇异值分解实现射影重构。然后利用场景中的平面与像平面的单应矩阵关于摄像机内参数的约束来实现摄象机的标定,最后求解一个满足欧氏重构条件的4×4非奇异矩阵,通过此矩阵将射影重构变换为欧氏重构。实验结果表明该算法是行之有效的。     

基于噪声圆形特性的宽带相干信号DOA估计方法

针对色噪声下基于差分去噪的宽带相干信号波达方向(direction of arrival, DOA)估计方法对相干信源数有限制的问题，提出一种基于噪声圆形特性去噪和Toeplitz矩阵重构的估计算法。首先，对接收到的信号求取协方差矩阵，利用噪声的圆形特性消除噪声。为达到对协方差矩阵进行Toeplitz矩阵重构的要求，通过协方差矩阵相乘来构造新的数据协方差矩阵。然后，通过Toeplitz矩阵重构来解相干。最后，利用旋转子空间算法准则构造聚焦矩阵，使用传播算子算法实现DOA估计。理论分析及仿真实验验证了该算法的有效性，该算法对相干信源数的奇偶没有限制，同时该算法也适用于高斯白噪声下宽带相干信号DOA估计的场景。     

一种基于交叉验证的稳健SL0目标参数提取算法

利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达（compressive sensing based pseudo random step frequency radar, CS-PRSFR）。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪声统计特性未知时,传统稀疏信号重构算法无法适用的问题,提出一种基于交叉验证的稳健SL0（robust SL0 based on cross validation, CV-RSL0）目标参数提取算法。CS-PRSFR由于其感知矩阵较强的非相关性,可获得更高的距离-速度联合分辨性能;该算法无需已知噪声统计特性,随着信噪比的提高,其目标参数提取性能能够快速逼近最佳估计的下限。仿真结果表明该方法的正确性和有效性。     

基于高斯-勒让德积分的鲁棒波束形成算法

针对矩阵重构类波束形成算法在协方差矩阵重构过程中计算复杂度较高的问题, 提出一种基于高斯-勒让德积分重构协方差矩阵的鲁棒波束形成算法。该方法首先根据信号导向矢量之间的正交性, 利用高斯-勒让德积分构建干扰信号空间; 然后将快拍数据投影到干扰信号空间, 剔除期望信号, 完成干扰噪声协方差矩阵重构; 最后将准阵列权矢量投影到信号空间, 修正导向矢量失配。仿真结果表明本文方法在视向误差、导向矢量随机误差条件下具有较好的鲁棒性, 且有效地降低了计算复杂度, 验证了算法的有效性。     

快速计算分层粗糙面散射的FBM/SAA算法

为快速获取分层粗糙面的电磁散射特性,提出一种结合前后向迭代算法（forward-backward method, FBM）与谱积分加速法（spectral accelerate algorithm, SAA）的快速算法（FBM/SAA）,该算法的计算量和内存均与粗糙面离散剖分产生的未知量同量级（O(N)）。建立了分层粗糙面上关于未知电流分布的电场积分方程并采用矩量法（method of moment, MoM）将其离散为矩阵方程;在用FBM对矩阵方程进行迭代求解过程中,采用SAA技术加速计算矩阵和矢量乘积以快速求解;将FBM/SAA应用于三层媒质分层粗糙面的双站散射系数的计算,计算结果与传统MoM和FBM相一致,证明了算法的有效性;分析了粗糙面参数不同情况下算法的收敛性,比较了传统MoM和FBM/SAA所耗费的CPU时间。结果表明,在计算较长分层粗糙面的散射时,FBM/SAA具有明显优势。     

基于局部随机化哈达玛矩阵的正交多匹配追踪算法

针对现有测量矩阵的优缺点,采用具有良好相关性、随机独立性及快速计算的局部随机化哈达玛矩阵作为测量矩阵,同时针对标准正交匹配追踪算法在测量过程中受扰或在稀疏信号情况下难以稳定精确重构问题,提出了一种基于局部随机化哈达玛矩阵的正交多匹配追踪算法。该算法利用局部随机化哈达玛矩阵的结构特性,能够快速精确重构原信号。仿真结果表明,测量过程中存在噪声或无噪,无论处理一维信号还是二维图像信号时,该算法性能均超过同类其他贪婪算法和凸优化基匹配法。     

期望信号稳健阻塞的协方差矩阵重构波束形成算法

针对期望信号导向矢量存在失配时自适应波束形成器性能下降的问题,提出期望信号稳健阻塞的干扰噪声协方差矩阵重构算法。首先,构造角度展宽的信号阻塞矩阵,完成回波数据中期望信号的分离,进而利用无污染的回波数据计算准干扰噪声协方差矩阵。接着,对准干扰噪声协方差矩阵做特征分解,借助矩阵投影变换完成干扰噪声协方差矩阵的准确重构。最后,对剔除掉干扰和噪声分量的采样协方差矩阵做特征分解,完成期望信号导向矢量的有效估计。理论分析和仿真结果表明,所提算法不仅具有近乎理想的性能,还具有较低的计算复杂度。     

基于PSO的USQUE在组合导航姿态估计中的应用

针对组合导航姿态估计中无味四元数估计(unscented quaternion estimation, USQUE)的噪声协方差矩阵参数无法准确给出等问题,提出基于粒子群优化的USQUE(USQUE based on particle swarm optimization, PSO-USQUE)算法。通过粒子群算法对噪声协方差矩阵Q和R进行寻优,获取优化的噪声协方差矩阵等滤波先验条件;分别进行仿真实验和微机电惯导系统/GPS车载实验。实验结果表明,对于USQUE的姿态估计问题, PSO-USQUE算法相比常规算法具有更高的精度,验证了所提算法的有效性。     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

基于JADE-斜投影的鲁棒波束形成算法

针对矩阵重构类波束形成算法对阵列幅相误差敏感的问题,提出一种基于盲源信号分离和斜投影的矩阵重构鲁棒波束形成算法。首先,依靠盲源分离技术得到接收信号和混合矩阵,结合期望信号先验信息完成混合矩阵中信号导向矢量的搜索。然后,利用盲源分离得到的信号协方差矩阵完成阵列幅相误差估计。最后,基于幅相误差校准的混合矩阵和斜投影思想,构建各干扰的斜投影算子,将接收数据分别向干扰斜投影空间进行投影,得到对应的干扰信号,完成干扰噪声协方差矩阵重构。仿真结果表明,所提方法对阵列幅相误差具有较好的鲁棒性,验证了算法的有效性。     

基于近似相机内参数的精确三维欧氏重建算法

提出一种并不需要精确知道相机内参数情况下序列图像的精确三维欧氏重建算法,与传统分层重建策略相比,利用现有数码相机的技术参数估计初始内参数,对序列图像进行准欧氏重建,避免了复杂繁琐的自定标过程。虽然从严格意义上讲,准欧氏重建方法的初始结果仍为射影重建,但场景的结构已经非常接近欧氏模型,进一步通过基于最小化重投影误差的光束平差方法可以得到精确的三维欧氏模型,仿真数据以及真实图像的实验结果验证了算法的有效性和精确性。     

微波段电单轴介质主轴方向确定及参数反演

给出了各向异性介质介电系数张量主系表达式和实验室系表达式之间的关系。讨论了实验室系中电单轴介质介电系数张量的特点。将各向异性介质沿三个正交方向切割成板状样品,分析了电磁波沿不同入射方向和不同极化情形下,样品板后向散射的特点。提出了一种测量板状样品后向散射场交叉极化分量并结合已有方法反演微波段电单轴各向异性介质参数和确定介质主轴方向的新方法。利用时域有限差分方法数值模拟了电各向异性板状材料的后向散射,并给出了参数反演和主轴方向确定的算例。理论分析和数值模拟结果表明,本文方法可应用于自由空间测量中电单轴各向异性介质主轴方向确定和介质参数测量。     

基于盲压缩感知模型的图像重构方法

为了解决压缩感知重建中噪声引起图像质量明显下降的问题,研究了自适应学习的压缩感知模型,提出了一种盲压缩感知图像重构方法。该方法采用盲压缩感知的稀疏矩阵与稀疏基交替更新的思想,应用了图像冗余变换和初始组合余弦变换基相结合的迭代策略,解决了压缩感知中的稀疏基难于表示的问题,抑制了噪声,提高了图像重构质量。通过实验验证所提方法较基于小波变换的正交匹配追踪方法和全变差方法有明显的噪声抑制功能,且能保持较好的图像纹理信息。     

基于Gabor框架的线性调频信号压缩采样与重构

针对线性调频信号在传统采集过程中存在的高采样频率问题, 提出了一种基于Gabor框架的线性调频信号压缩采样与重构方法。首先, 利用线性调频信号在Gabor变换下所具有的时频稀疏特性, 提出了基于Gabor框架的线性调频信号压缩采样系统。基于该采样系统, 分析了压缩采样系统工作过程, 建立了该系统压缩观测过程数学模型。随后, 分析了压缩采样系统重构模型, 将压缩采样重构问题转化为多观测向量重构问题。最后, 基于多维扩展的稀疏贝叶斯学习算法, 提出利用优化分类的方法来保证线性调频信号的精确重构。仿真实验结果表明, Gabor框架压缩采样系统有效降低了线性调频信号采样频率与采样点数, 在重构过程中, 本文提出的重构方法能够有效降低重构误差, 提高重构概率。     

一种基于PC的快速三维图像重建方法

主要从传统FDK算法的改进和数据并行计算两方面来研究快速三维图像重建算法,提出了一种Z线优先重建法,能够有效地组织和划分重建数据,从而使得对重建数据的内存访问非常连续,便于采用单指令多数据(Single Instruction Multiple Data, SIMD)技术进行数据并行处理。最后基于Intel Pentium 4 CPU的PC平台,利用SSE/SSE2技术开发了三维图像快速重建引擎。实验结果表明本文提出的方法非常有效,与原始重建算法相比,在保证图像质量不受损失的前提下取得了20倍以上的重建加速比。     

基于互相关矢量重构的解相干算法研究

针对相干信号源的波达方向角估计问题,提出了一种能有效解相干的互相关矢量Toeplitz算法。该算法利用了阵列接收数据互相关矢量的内在关系实现了相干源的完全解相干,在相干系数等于1的情况下,不损失阵列孔径,不需要通过空间平滑和加权。相对常规的空间平滑类算法,该方法实现简单,运算量小、鲁棒性好、估计精度高。通过仿真试验证明了该方法的有效性。     

基于弯曲路径的复杂温度场重建算法仿真研究

以最小二乘法温度场图像重建算法为基础以费尔马定理为依据，对声学法工业炉温度场检测中由于声波传播路径弯曲对温度场重建所产生的影响进行了研究，给出一种实现声波路径弯曲补偿的复杂温度场重建算法，通过仿真，考察了该算法对不同温度场分布函数的重建效果，结果表明：该算法不但可实现声波路径弯曲的补偿，而且可同时进行温度场的重建，具有较高的重建精度。     

基于远场的薄壳式天线罩壁厚修磨量反求方法

复杂的成型工艺使得机载弹载天线罩罩体各处的材料介电常数往往不一致,这将影响带罩天线系统的电性能,需要通过修磨罩壁几何厚度来补偿材料介电常数偏差的影响。提出了一种基于远场的天线罩壁厚修磨量的反求方法,根据带罩天线的远场计算公式,建立了求解罩体各处透射系数的反演模型,然后根据透射系数以及天线罩的外形、厚度等已知信息反求出各处的介电常数值,再按照电厚度一致的原则确定出壁厚修磨量。此外又提出了一种不增加天线罩网格数的近场积分网格细化方法,提高了反演模型的精度。最后对某1.2 m口径正切卵形天线罩进行了数值仿真,结果验证了所提方法的正确性和有效性。     

相空间重构的一种新方法研究

通过分析非线性动力学系统的特性,讨论了鞍点与混沌产生的关系,并通过仿真证实了吸引子上存在特征点对和特征距离。根据特征距离的2个重要性质提出了一种新的相空间重构方法。结果表明该方法是有效的。在数据量较少以及信号中存在噪声的情况下,该方法有较好的稳健性。     

Super-resolution image reconstruction based on three-step-training neural networks

A new method of super-resolution image reconstruction is proposed, which uses a three-step-training error backpropagation neural network (BPNN) to realize the super-resolution reconstruction (SRR) of satellite image. The method is based on BPNN. First, three groups learning samples with different resolutions are obtained according to image observation model, and then vector mappings are respectively used to those three group learning samples to speed up the convergence of BPNN, at last, three times consecutive training are carried on the BPNN. Training samples used in each step are of higher resolution than those used in the previous steps, so the increasing weights store a great amount of information for SRR, and network performance and generalization ability are improved greatly. Simulation and generalization tests are carried on the well-trained three-step-training NN respectively, and the reconstruction results with higher resolution images verify the effectiveness and validity of this method.