空间域中压缩感知在车载雷达目标定位中的应用（英文）

针对毫米波汽车雷达在对目标定位时用传统Nyquist采样定理导致采样率过高、利用MUSIC算法计算目标到达角(DOA)快拍数要求高的问题,以及传统方法中使用匹配滤波器造成目标速度和距离计算分辨率不高的问题,提出空间域中基于压缩感知的方法,实现对目标距离-速度-角度的联合定位.用Matlab仿真空间域中基于压缩感知方法定位目标的过程,仿真结果表明在空间域中利用压缩感知技术可以提高雷达对目标距离和速度的分辨率并且在计算目标DOA时相比MUSIC算法可以降低对快拍数的要求同时达到更好的分辨率,并且利用压缩感知方法可以省略传统雷达上用到的匹配滤波器.     

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.     

利用不规则曲线测量数据实现雷达目标三维成像

由于平台任务要求或环境影响,雷达数据采样路径可能是不规则曲线。利用通常舍弃的不规则曲线测量数据实现雷达目标三维成像,而且在稀疏测量情形下的成像分辨率甚至超过密集采样时传统成像算法的分辨率。不规则曲线测量数据的空间采样具有稀疏性和非均匀性,不能用传统成像算法得到高分辨率图像。基于压缩感知的雷达目标成像,突破了传统分辨率的瑞利准则限制,且可应用于非均匀采样数据。目标高频散射的稀疏性为压缩感知在雷达成像中的应用奠定了基础。更重要地研究证明,不规则曲线测量矩阵具有良好的互不相干性,因此基于压缩感知的三维成像能够满足重构精度和稳定性要求。考虑到三维成像中测量矩阵的高维性,用分段正交匹配追踪算法实现目标信号的稀疏重构。实验结果表明,算法不仅能够精确实现超分辨三维成像,而且成像算法具有很好的鲁棒性。     

稀疏步进频合成孔径雷达成像算法

提出了一种适用于稀疏步进频信号的成像算法,以较少的时间和频谱资源完成了雷达目标成像。该算法将稀疏步进频回波数据等效为均匀步进频回波数据的观测值,利用压缩感知重构算法实现目标区域的距离向重构,然后经过距离徙动校正与方位向脉压完成对目标场景成像。仿真结果表明:该算法在发射频点高度稀疏条件下仍能实现高分辨成像。采用地基雷达实测数据验证了算法的有效性。     

基于局部性质的改进正交匹配追踪算法

正交匹配追踪算法是一种重要的压缩感知重构算法,针对正交匹配追踪算法中当前信号的最优估计,每一个采样点都有它的局部性质,且相邻采样点之间必然相互影响.本文基于局部性质,对正交匹配追踪算法进行改进,提高了对稀疏参数的估计精度,实现了信号的重构,实验证明了该方法的有效性.     

交替方向块稀疏信号快速重构算法

研究模型压缩感知中的块稀疏信号重构问题.在l2/l1模型基础上,提出一种基于交替方向法的块稀疏信号重构算法.在该算法中,首先对目标函数进行变量分裂,然后利用交替方向法对各变量进行交替更新,直至满足收敛条件.仿真实验中,将该算法与块正交匹配追踪和块压缩采样匹配追踪算法进行比较,结果表明该算法能够在保持高重构精度的前提下获得更快的计算速度.     

基于子空间追踪的稀疏信号重构算法

信号重构算法是压缩感知理论中的重要环节,其优劣影响压缩感知的重构效果.基于子空间追踪算法,对经稀疏表示和测量矩阵压缩后的信号进行重构验证,理论分析和实验结果表明,子空间追踪算法能使信号在较高压缩比下保持良好的重构效果.     

基于非均匀快速傅氏变换的多站无源雷达成像算法

为了解决基于窄带外辐射源的无源雷达成像无法获得理想分辨率的问题,增加多个不同发射频率的外辐射源以获得更大的合成带宽.推导了散射强度函数和接收站采集数据的傅氏变换对关系.针对采集数据在频域存在非均匀分布且稀疏的缺陷,提出了基于快速非均匀傅氏变换的无源雷达成像算法.仿真结果证实与直接傅里叶重构算法相比,在民用照射源分布密集区域,该算法的目标在小角度转动下也可获得理想成像效果.     

基于加权L1最小化的图像小波域压缩感知重构

压缩感知理论因为能以少量的采样精确地重构原始信号而得到广泛关注.通过在压缩感知的框架下研究小波域图像重构问题,提出了一类小波域的加权l1最小化方法.该方法不仅利用了信号稀疏性的先验信息,而且在重构模型中,通过对不同小波子带上的系数施加不同的权重,从而整合了图像小波域的结构信息,与经典的压缩感知算法相比具有更好的信号可恢复性.仿真实验结果表明,选用该方法能够以更少的采样得到同等精度的重构图像,验证了该方法的有效性.     

压缩感知重构算法在稀疏信号恢复中的应用

阐述了压缩感知理论产生的背景、基本原理和应用方式,研究了两类压缩感知重构算法的重构思想和方法,并将两类重构算法的典型算法正交匹配追踪和基追踪应用于稀疏信号的重构。结果表明：对于无噪观测和含较小噪声的观测,正交匹配追踪算法从重构频率和重构时间两方面显示出更好的性能。     

基于压缩感知的新型宽带频谱协作检测算法

针对认知无线电领域现有的宽带频谱检测技术在低信噪比情况下检测性能不足的问题,提出了一种新型的基于压缩感知的宽带频谱协作感知算法。该算法依据无线通信信号在循环谱域具有独特的稀疏特性,首先从信号相关函数的压缩采样中获取循环谱的观测值,然后利用稀疏自适应同步匹配追踪协作重构算法重构出整个宽带内所有信号的循环谱。仿真结果表明：该宽带检测算法在低信噪比和瑞利衰落信道条件下,具有较好的检测性能。同时,与以往经典的重构算法相比,该算法中提出的稀疏自适应同步匹配追踪协作重构算法在重构精度和算法复杂度等方面都有较大的提高。     

含旋转部件目标稀疏孔径ISAR成像方法

针对稀疏孔径条件下含旋转部件目标(ISAR)成像质量较差的问题，提出了一种基于子孔径Chirplet变换和压缩感知(CS)的含旋转部件目标稀疏孔径ISAR成像方法：首先，建立了含旋转部件目标的稀疏ISAR成像模型，推导了宽带雷达条件下含旋转部件目标的微多普勒效应，并分析了孔径的稀疏与微多普勒效应共存时对成像的影响；其次将回波信号投影到Chirplet变换基，利用目标主体回波信号和微动部件回波信号在Chirplet变换投影参数上的差异，有效剔除有效子孔径中的微多普勒调制信号;最后，采用基于正交匹配追踪(OMP)算法的CS方法对有效子孔径进行恢复成像，获得了含旋转部件目标的高质量成像结果。仿真实验表明，该方法可以有效消除微多普勒效应和孔径稀疏的干扰，并实现高质量的ISAR成像。     

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。     

基于旋转天线的二维高分辨成像算法

受涡旋电磁波产生方法和自旋目标成像方法的启发,提出了基于旋转天线的二维高分辨成像方法。首先构造了基于旋转天线的雷达观测模型;利用距离向傅里叶变换获取目标的距离仿真,推导出了包含目标方位角信息的多普勒效应的正弦表达式;最后将正交匹配追踪算法应用到该正弦信号中,重构出目标的方位角,有效提升了雷达波束范围内的方位角分辨能力。仿真实验证明,该算法对雷达性能要求较低,克服了成像质量对纯净的高模态涡旋电磁波的依赖,实现了对静止目标的二维高分辨成像。     

基于小波变换的图像零树压缩感知方法

稀疏性是压缩感知的前提,然而,自然图像通常不是稀疏的,因此对图像直接应用压缩感知算法很难取得高压缩效率.针对图像信号,将编码思想融入压缩感知理论,提出一种简单有效的零树压缩感知方法.该方法先利用零树思想辅助压缩感知测量,在得到测量值的同时编码重要系数的位置;然后提出零树追踪重构算法,通过精确解码重要系数位置来重构原始图像小波系数,提高重构精度.实验结果表明,相比于现有匹配追踪算法和EZW算法,本文方法有更高的压缩比和更好的图像重构质量.     

稀疏线性预测字典在语音压缩感知中的应用

压缩感知理论框架可以同时实现信号的采样和压缩,将压缩感知应用于语音信号处理是近年来的研究热点之一.本文根据语音信号的特点,采用K-SVD算法获得稀疏线性预测字典,作为语音信号的稀疏变换矩阵.高斯随机矩阵用于原语音信号的采样从而实现信号的压缩,最后通过正交匹配追踪算法(OMP)和采样压缩匹配追踪算法(Co Sa MP)将已采样压缩的语音信号进行信号重构.实验考察了待处理语音信号帧的长度、压缩比,稀疏变换字典以及压缩感知重构算法等因素对语音压缩感知重构性能的影响,结果表明,基于数据集训练的稀疏线性预测字典相比传统解析构造的离散余弦变换字典,对语音的重构性能具有0.6 d B左右的提升.     

基于BP算法的线性分组码译码研究

在压缩感知理论中,基追踪BP算法用于求解l1范数的最小值问题,采用原对偶内点法实现对稀疏信号的重构.在线性分组码译码中,把差错图案E看作一维稀疏信号,借助压缩感知理论,提出了重构差错图案E的方法.把伴随式S和校验矩阵H分别作为测量信号和测量矩阵,代入基追踪BP算法重构出差错图案E.验证了重构的差错图案E是正确的.对线性分组码译码进行仿真实验,通过基追踪BP算法和最大似然算法实现了汉明码的译码,通过基追踪BP算法和Berlekamp算法实现了BCH码的译码.通过比较译码的误码率BER和码字C估值的成功率,可以看出,采用压缩感知理论和基追踪BP算法较好地实现了对汉明码和BCH码的译码.     

基于边缘提取与图像融合的压缩感知补偿算法

针对测量数据极稀疏情况下,某些压缩感知方法在多种类噪声干扰环境下进行图像传输存在重构效果模糊、图像细节欠佳的问题,提出1种基于图像边缘提取与融合技术的压缩感知补偿算法.首先,在发送端预提取图像边缘特征作为压缩感知测量值的重要补充,随后,在接收端进行边缘解码与压缩感知重构,最后,使用空间域方法实现2者融合.实验结果表明,该方法可以以较小的传输代价获得更加清晰、全面的图像细节特征,可增强原算法抵抗噪声、尤其是稀疏性噪声的能力,具有一定的应用价值.     

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.     

基于稀疏阵列和压缩感知理论的艇载雷达运动目标成像研究

为了解决稀疏阵列艇载雷达运动目标成像问题,提出了基于稀疏阵列和压缩感知理论的运动目标成像方法,该方法对采用传统MTI进行杂波抑制后的信号,在距离向采用脉冲压缩处理方式,在方位向根据稀疏阵列构型和脉冲压缩后信号形式,构造基矩阵,利用压缩感知理论对目标进行重建,避免了稀疏阵列旁瓣和积分旁瓣比较高的问题.仿真结果表明了该方法的有效性.