基于稀疏表示模型的SAR图像目标检测算法

针对合成孔径雷达（synthetic aperture radar,SAR）图像可视性差、目标区域小以及特征不明显等特性对目标检测造成的困难,将稀疏表示模型应用于SAR图像目标检测,提出一种基于稀疏表示模型的SAR图像目标检测算法。首先,利用K—SVD算法训练样本提取对样本最具描述能力的SIFT特征形成字典;其次,通过将进化机制和稀疏表示结合,逐步提取整幅图像中含有目标的图像块;最后,输出稀疏表示误差小于阈值的图像块的位置作为目标检测的结果。实验结果表明,与传统目标检测算法相比,该算法在检测率和运行效率方面均有一定的提高,取得了较好的效果。     

基于调制宽带转换器的倒谱恢复算法

亚奈奎斯特采样主要应用于宽带通信和射频(RF)技术中。目前理论成熟且硬件实现的亚奈奎斯特采样技术有随机解调器和调制宽带转换器。随机解调器主要用于谱线的检测,而调制宽带转换器是用于稀疏多频带信号。调制宽带转换器(MWC)是一种用于获取频域稀疏、时域连续信号的一种亚奈奎斯特采样方法。其平均采样速率要低于奈奎斯特速率。亚奈奎斯特采样是一种全盲采样方法,即在信号采样和信号重构时都是不知道频谱信息和频谱位置。本文提出一种基于调制宽带转换器的时域对偶信号的倒谱恢复算法,能在极小误差(0.0098)范围内完美的恢复出原始信号。     

基于特征显著性的均值漂移鲁棒目标跟踪

在均值漂移算法框架下,提出基于目标显著性的特征融合与在线模板更新策略,实现复杂动态环境下的鲁棒跟踪.通过目标区域与背景区域的特征对比定义了特征显著性测度.提出了基于特征显著性的色彩空间选择以及基于Gabor小波稀疏编码的纹理特征提取算法.通过特征显著性加权实现参考直方图模板的初始化,并在此基础上针对遮挡现象与目标自身形变的区别设计了在线模板更新策略.实验结果表明,本文方法与其他跟踪算法相比具有较强的鲁棒性和较高的准确性.
     

一种基于部分补偿与稀疏阵列的深度非球面测量新方法

为了克服传统非球面补偿法测量对象的单一性,并提高非球面的动态测量范围,提出一种部分补偿与稀疏阵列CCD结合测量深度非球面的新方法.该方法首先采用多针孔阵列将CCD的感光面转换成稀疏阵列,通过降低干涉条纹的条纹密度来提高干涉仪的可测空间频率;根据被测非球面所需补偿的动态范围设计计算全息元件,部分补偿非球面性后,通过干涉测量获得深度非球面的表面信息.分析表明,采用该方法的干涉仪相对于传统干涉仪测量范围能扩大到10倍,实验表明稀疏阵列和部分补偿方法结合后能够实现精确的深度非球面测量.     

大型稀疏系统齐次化算法的探讨

主要讨论解决大型稀疏线性问题的齐次化算法,提出改进的齐次化算法,证明该算法的收敛性.数值实验表明,该算法具有收敛速度快、计算精度高等特点.     

基于CS的灰度图像压缩

采用较新的压缩感知理论,通过Harr正交稀疏变换和伯务利采样矩阵,实现了对灰度图像的低速压缩采样,并利用正交匹配追踪算法实现压缩数据的恢复.实验结果表明,此算法能较好地实现图像的感知压缩.     

超宽带通信信号欠定盲源分离

针对超宽带通信信号,提出了一种新的二阶段欠定盲源分离方法:阶梯图-最小角度法。在第一阶段即混叠矩阵估计阶段,提出用阶梯图对均匀抽样的数据点进行聚类计算,建立了一种估计混合矩阵的工程化模型,它可以直接估计出源信号个数,并且得到精度较高的混合矩阵估计值;在第二阶段借助最小角度分离准则估计出源信号,从而获得较好的分离性能。     

一种非负矩阵分解的快速稀疏算法

提出了一种非负矩阵分解的快速稀疏算法,该算法有利于处理高维小样本数据.在非负矩阵分解的过程中,通过代数变换,将原高维n×m阶的非负矩阵分解转化成低维m×m阶非负矩阵分解,大大提高了分解速度.在目标函数中加入了约束稀松度的项,通过控制稀松度,提高分解得到的潜在语义信息,改进文档集的话题划分,并能快速提取主题相关的语句生成文摘.     

基于联合稀疏模型的OFDM线性时变信道估计

为了进一步提高OFDM线性时变信道估计性能,利用信道抽头的时域稀疏特性和相关性,提出一种基于联合稀疏模型的信道估计方法.首先,将线性时变信道模型下对连续多个符号周期的信道估计转换成一个联合稀疏重构模型;其次,采用基于测量矩阵互相关性最小化的分组导频设计准则,在应对子载波干扰的同时,保证了稀疏重构算法的性能;最后,设计一种基于循环并行树的分组导频优化算法.仿真结果表明:与传统线性时变信道估计方法和联合稀疏模型下的信道估计方法相比,所提方法所需导频数量少,信道估计性能更好,同时便于工程应用.