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。     

基于压缩感知理论的稀疏遥感成像系统设计

高分辨率的应用需求使得传统的遥感成像系统面临高速率采样、海量数据存储等难以突破的瓶颈问题。基于压缩感知理论设计的雷达和光学稀疏遥感成像系统,突破了Shannon-Nyquist定理的限制,以较少的测量数据实现了同等甚至更高质量的信号重构。首先,根据被测目标和场景的不同特性,分别设计了稀疏表示矩阵;其次,根据互相关最小化原则,选择了与稀疏表示矩阵相适应的最优感知矩阵;最后,研究了适用于二维成像大规模数据的稀疏重构算法。专业电磁散射仿真软件生成的雷达观测数据和复杂场景光学图像的数值仿真,验证了本文设计的稀疏遥感成像系统原理上的可行性。     

基于随机卷积的压缩感知雷达成像

压缩感知理论为解决传统高分辨雷达面临的大带宽信号采样、海量数据存储、传输与处理等问题提供了契机。基于随机卷积的压缩感知是一种通用有效的数据获取策略,且便于物理实现。研究了基于随机卷积的压缩感知雷达成像方法,对随机测量体系中降采样的不同实现方式进行分析和讨论。仿真和实测数据验证了成像方法的有效性,并对比分析了不同降采样方式下信噪比和样本数对成像性能的影响。     

变型蔡氏电路混沌同步的非线性反馈控制

混沌同步是实施混沌保密通讯的基础,非线性反馈是实现混沌同步的重要方法。蔡氏混沌电路及变型蔡氏混沌电路是应用广泛的混沌模型之一。对变型蔡氏电路混沌同步设计了非线性反馈同步控制器;根据Hurwitz稳定性判据得到反馈控制增益的取值范围。基于该方法,构建了实现混沌系统同步控制的实验电路,系统仿真和电路实验结果表明采用非线性反馈控制可以保证实现变型蔡氏电路混沌系统一致指数同步化。     

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。     

基于压缩感知的认知无线网络协作频谱感知技术

针对传统频谱感知算法受A/D器件物理瓶颈,硬件计算能力等限制难以实现宽频段授权用户实时检测的问题,将压缩感知技术应用于宽带频谱感知,建立了一个基于Xampling前端的新型协作频谱感知模型,在此模型基础上提出一种基于认知用户分组,纽内利用压缩感知技术进行信息融合,组间对各组检测结果进行判决融合,两者结合实现授权用户检测的新算法,并给出了认知用户的分组原则.与传统宽带频谱感知算法相比,该方法无需高速A/D,也不需要恢复原始信号,可有效降低宽带频谱感知的硬件复杂度,缩短频谱感知时间,仿真结果证实了新算法的有效性.     

基于频域稀疏压缩感知的雷达目标三维散射中心反演方法

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。     

不对称非线性蔡氏电路产生的混沌现象分析

为了更确切地描述实际系统中的混沌现象,提出了一种变形蔡氏电路,它含有一个不对称非线性阻性元件。对该电路进行了深入的数学分析;并在MATLAB环境下,对其产生的混沌现象进行了仿真分析。分析结果表明:改变电路中的线性电阻值R,可以观察到直流平衡态、Hopf分岔、倍周期分岔、单涡卷混沌吸引子、周期性窗口和不对称双涡卷混沌吸引子等非线性动力学行为;混沌系统对初始条件极其敏感;不对称非线性蔡氏电路有其特殊的性质。     

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。     

基于特征值极限分布的双门限频谱感知算法

针对传统频谱感知算法在较低信噪比和存在噪声不确定度时,检测性能降低的问题,提出了一种基于特征值极限分布的双判决门限频谱感知算法。由于利用了双门限和信号采样协方差矩阵的特征值进行判决,这种算法不但可以有效地克服噪声不确定度对检测性能的影响,而且不需要预先知道主用户信号的任何信息。与已有的最大最小特征值频谱感知算法相比,由于采用了双判决门限,因此该算法的检测性能更优。仿真结果表明,该方法不但可以有效地克服噪声不确定度,而且检测性能也优于最大最小特征值算法。     

一种新的蔡氏混沌掩盖通信方法

提出了一种传输较大幅度信息信号的混沌掩盖保密通信方法。由于信息信号的幅度可以与混沌信号相当 ,从而提高了保密通信的安全性 ,改善了解密后信号的信噪比。在接收端 ,采用一个自适应线性神经元 (Ada line)来维持收发系统的混沌同步 ,并通过逆系统恢复出信息信号。当混沌系统一定时 ,同步误差及恢复信号的精度随信息信号频率的降低而提高。以蔡氏电路为例 ,给出了理论分析和数值模拟的结果     

GM（1，1）置零建模法及其应用

本文从ＧＭ（１,１）建模特点出发,提出了一种置零建模的新方法（简记为ＧＭ０（１,１）法）．     

基于压缩感知的阈值多路径稀疏度自适应图像重构算法

针对深度优先的多路径匹配追踪算法在进行图像重构时需要已知图像稀疏度、计算复杂度高等问题,提出了阈值多路径稀疏度自适应图像重构算法。该算法引入多个候选集,通过设定阈值来进行原子筛选和候选集数量的调整。然后每次迭代选出残差最小的路径作为新的候选集,以提高重构速度。此外,将残差差分小于某一阈值作为算法停止条件,因此不需要图像稀疏度作为算法的输入。实验结果表明,该算法可以获得较好的重构效果,同时保持了良好的时间复杂度和抗噪性能。     

运用基于拟随机数的响应曲面法改进电路模拟

由于低成本与高效率, 电路模拟已经成为电路设计的必需环节, 不过已有的电路模拟软件仍然不能满足业界对精确度及速度的双重要求. 针对MOS管元件, 采用响应曲面法建立输出与输入的近似关系模型, 将复杂的电路计算简化为线性运算, 大大减轻了工作量, 提高了速度. 同时为了保证精度, 对模拟中随机点的选取加以改进, 用均匀性更好、更具代表性的拟随机数取代通常的伪随机数, 对于同样数量的随机点, 拟随机数得到的模拟结果明显优于伪随机数的. 由此就可以在保证精度的同时提高效率. 通过模拟得到了很好的结果.     

基于特征值的频谱感知算法仿真研究

频谱感知是认知无线网络中的一个重要功能,是实现其他功能的基础。研究了新型的基于特征值的感知算法,充分利用随机矩阵的渐近谱分布特性和特征值的收敛特性来设置判决门限,提高感知性能。理论分析和仿真结果均表明,新型算法性能明显优于典型的能量检测算法,克服了能量检测算法的噪声不确定性问题。

Abstract：

Spectrum Sensing is an important function in the cognitive radio networks.A new eigenvalue-based detection scheme for spectrum sensing was studied,and decision thresholds were set to have good performance by using the property of asymptotic spectrum distribution and convergence of maximum eigenvalue of random matrices.Theoretical analysis and simulations results show that the new detection scheme can obviously outperform the classical energy detection,and overcome the noise uncertainty problem.     

基于三维混沌猫映射图像加密算法的改进

针对基于三维混沌猫映射的图像钥加密算法,提出了一种有效的改进算法。该算法使用随机扫描进行加密预处理,并在扩散过程和密钥产生器中分别使用双密钥和组密钥的方式,而且采用混沌物理量进一步衡量该加密系统的性能。仿真结果表明,该方法具有高置乱程度、良好的扩散性能和足够大的密钥空间,可获得足够高的安全性,不仅能抵抗差分攻击、选择明文攻击、统计攻击等,而且取得了复杂度和速度的良好折中,适合应用于实时的按安全级别加密的网络图像加密中。