盲信号压缩重构——模型与方法

通过分析欠定盲信号分离模型和压缩感知模型本质内涵和内在联系,建立了基于压缩感知的欠定盲信号重构问题的数学模型,该模型对于欠定盲信号分离的实现提供了一个新的解决途径。基于该模型的压缩重构方法通过两步来实现：分别利用源信号稀疏域性质实现对盲估计欠定混合矩阵的估计;利用压缩感知的重构稀疏源信号的方法,实现对欠定稀疏盲信号的分离和重构。提出的算法根据实际应用场合,具有一定扩展能力。最后通过模拟实验验证了提出模型和相应算法的有效性。     

改进的压缩感知量测矩阵优化方法

压缩感知理论中信号的重建要求量测矩阵与稀疏变换基之间的互相关性要尽可能小。以降低二者互相关性为目的,研究了一种改进的基于变步长梯度下降的量测矩阵优化方法。该方法利用梯度下降法更新步长,并基于模拟退火中的降温思想引入学习速率因子来进一步调节步长的变化,提高算法的收敛速度,改善算法的性能。仿真结果表明,使用变步长梯度下降法优化后的量测矩阵与稀疏变换基的互相关系数在零附近的分布更加集中,量测矩阵的优化速度快并且重构图像的峰值信噪比提高。因此,所提方法优化所得的量测矩阵无论是降低互相关性还是提高图像重建质量都具有良好的性能。     

抑制SAR图像相干斑噪声方法研究

探讨了抑制合成孔径雷达 (SAR)图像相干斑噪声的方法。传统噪声抑制和近年来小波变换去噪方法都有其不足之处。将小波变换和维纳滤波结合用于抑制SAR图像相干斑噪声 ,能够获得良好效果。通过比较观察在多个小波基情况下的噪声抑制结果 ,可以选择较好小波基 ,从而有较好的相干斑噪声抑制和保留图像边缘与点目标的滤波效果。     

基于压缩感知的条带SAR缺失数据恢复成像方法

针对条带模式合成孔径雷达回波缺失数据,提出了一种利用压缩感知恢复缺失数据并成像的方法。将条带数据分块为多个子孔径数据,对子孔径利用压缩感知恢复缺失数据并拼接得到条带数据,缩短了整个数据的恢复时间,推导了压缩感知处理的基矩阵和测量矩阵。运用最大似然估计的特征向量方法(eigenvector method for maximum- likelihood estimation, EMMLE)实现了子孔径缺失数据的自聚焦,满足了压缩感知对图像的稀疏要求。利用压缩感知恢复完整的相位误差信号,解决了子孔径补偿相位误差数据的拼接问题。最后通过对恢复的雷达回波数据成像并自聚焦校正了距离徙动,得到了聚焦良好的完整图像,提高了缺失数据的成像质量。     

基于贝叶斯模型的shearlet域SAR图像去噪方法

通过对合成孔径雷达(synthetic-aperture-radar,SAR)图像相干斑噪声的特点分析,提出一种基于贝叶斯模型的shearlet域SAR图像去噪方法。首先将变换后的SAR图像在shearlet域进行稀疏表示,得到稀疏系数的分布;其次利用贝叶斯模型进行信号和噪声检测的建模,得到最佳的阈值;然后根据稀疏系数在不同方向上相关性不同的特点,利用自适应加权收缩算法对SAR图像噪声进行平滑处理;最后利用降噪后的高频子图像和低频子图像进行逆shearlet变换,得到SAR重构图像。通过在MSTAR数据库上的实验表明,该算法在滤除相干斑噪声的效果上比其他方法更好,并且不会损失图像的边缘特性。     

认知无线电中实现自适应压缩频谱感知

在实际生活中频谱通常是稀疏的，将压缩感知（compressed sensing，CS）技术运用到宽带频谱感知中具有很大优势。然而，实践中稀疏度通常是未知的，因此需要选择较大的测量数目，导致算法的感知性能下降。为解决这一问题，提出一种自适应压缩频谱感知方法，通过分析压缩测量的二阶导数与稀疏度之间的关系对稀疏度进行粗估计。在粗估计的基础上，逐步增加测量数并对训练子集与测试子集进行迭代计算，当满足停止准则时得到稀疏度的精确估计。仿真结果表明，所提方法在性能上优于现有的其他传统CS方法，对降低复杂度、减少存储空间等方面具有重要意义。此外还验证了所提方法在噪声环境中的有效性。     

基于压缩感知的稀疏无源雷达成像

当窄带外辐射源数目稀少且空间分布不均匀时,通常会在无源雷达成像中产生稀疏的无规则空间谱填充,使得传统快速逆傅里叶方法(inverse fast Fourier transform, IFFT)或极坐标方法难以获得良好的目标成像效果。针对这种空间谱填充的稀疏性和非均匀性,利用压缩感知理论在处理稀疏随机采样信号重构问题上的优势,提出了稀疏无源雷达成像方法。同时通过构造传感矩阵的互相关和积累相关函数,对目标图像的可重构性进行了分析。理论分析和仿真结果表明,对具有稀疏随机空间谱特点的无源雷达成像,本文提出的成像方法是有效的。     

改进的压缩感知限幅噪声消除方案

限幅引入非线性失真即限幅噪声, 使正交频分复用系统误码率性能显著下降。为消除限幅噪声, 本文提出了基于预估计限幅噪声位置的稀疏自适应匹配追踪方案。首先,在发送端信号送入信道之前, 根据信号幅度值, 预先估计被限幅采样点的位置, 使落在该采样点范围的限幅噪声作为压缩感知的观测值向量, 其次再对噪声进行重构。该预估计方案成功避免了信道对限幅噪声分布位置及幅值的干扰, 提高了重构精度。仿真结果表明,与传统压缩感知算法相比, 所提方案对系统的误码率性能及算法计算复杂度均有改善。     

基于分数阶Gabor变换的LFM回波信号压缩采样方法

针对现有的压缩采样系统在线性调频(linear frequency modulated, LFM)回波信号压缩采样重构过程中存在的重构效果不佳的问题,提出一种基于分数阶Gabor变换的回波信号压缩采样方法。首先,利用不同目标回波信号在时延上的差异性,给出基于分数阶Gabor变换的LFM回波信号稀疏表示方法,并分析了分数阶Gabor变换的完备性条件。然后,根据分数阶Gabor变换低通滤波的实现方式,设计了LFM回波信号压缩采样系统,建立了信号重构模型。最后,通过仿真实验与应用实例分析,验证了所提压缩采样系统的有效性。实验结果表明,与现有压缩采样系统相比,所提压缩采样系统的重构误差更低、重构效果更好。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外，针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

基于压缩感知的无模糊宽带测向技术

针对宽带侦察接收机提出了一种新的基于压缩感知(compressed sensing, CS)的无模糊测量来波方向方法,采用非均匀阵列的空域欠采样特性及空域谱的稀疏特性,构造无模糊宽带测向的CS模型,利用基追踪降噪算法估计无模糊的空域响应,实现了最小阵元间距都无法满足空域Nyquist采样情况下的方向角无模糊估计,为了提高所提方法对噪声的鲁棒性及多信号处理能力,提出了快速傅里叶变换频域预处理和CS相结合的宽带测向方法,仿真结果验证了所提方法较直接CS方法具有更高的测向精度和更好的鲁棒性。     

基于压缩感知的条带随机噪声雷达稀疏成像方法

将压缩感知理论与条带随机噪声雷达相结合,在假设场景目标稀疏的前提下,通过构造随机噪声的不同时延矩阵为稀疏变换矩阵以及通过构造随机噪声与部分单位阵的乘积为观测矩阵,提出了一种基于压缩感知的条带随机噪声雷达稀疏成像方法。该方法能在大幅减少回波信号采样数据量的前提下,准确重建出原始场景目标高分辨像。仿真结果证明了该方法的有效性与鲁棒性。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外，针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

辐射式仿真中PCM信号间歇收发回波重构方法

将间歇收发用于辐射式仿真可以有效解决收发信号互耦问题,但间歇收发带来的信号缺失,将导致脉冲压缩后距离像旁瓣的升高,从而影响目标的分辨能力.为了解决这一问题,针对脉冲编码调制(pulse code modulation,PCM)信号提出了基于匹配滤波变换基的信号回波重构方法.本文推导了间歇收发后PCM信号经过匹配滤波器的...     

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。     

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。     

基于降维稀疏重构的相干信源二维DOA估计方法

直接将压缩感知(compressed sensing,CS)思想应用到相干信源二维波达方向(direction of arrival,DOA)估计中会带来高计算复杂度的问题。为了解决这一问题,提出了一种基于降维稀疏重构的二维DOA估计方法,该方法利用特殊阵列结构将二维冗余字典构建问题转化为一维冗余字典的构建,同时提出了一种基于子字典空间谱重构的配对算法,从而在极大降低算法计算复杂度的同时,提高了配对成功概率。仿真结果表明,该方法对相干信源具有接近于克拉美罗下界(Cramér Rao lower bound, CRLB)的估计性能,即使是在低信噪比、少快拍数和小角度间隔的情况下,仍有良好的估计性能。