压缩感知非凸优化超宽带信道估计方法研究

超宽带信号由于传输路径较复杂且功率谱密度较低,准确的信道估计十分重要．但是由于其带宽较宽,难以直接采样．压缩感知理论提供了一种可行的低速采样方法．目前的压缩感知超宽带信道估计方法一般采用l1范数约束的凸优化形式或无稀疏性的l2范数约束形式,对目标向量的稀疏性约束不强,而拥有最强稀疏性的l0范数又缺少有效的重构算法．针对上述问题,本文设计一种基于非凸优化算法的压缩感知超宽带信道估计方法．首先将目标函数设置成l,范数约束的非凸优化形式,然后利用凸函数较易求得极值的性质,将原非凸函数组合成为凸函数形式的目标函数,并通过每步迭代凸函数对非凸函数的逼近来求解目标函数,进而估计出原信道．由于lp范数更接近于l0范数,所以对目标向量稀疏性的约束更强．实验结果表明,所提方法相对于现有的压缩感知超宽带信道估计方法能够有效降低重构误差．     

基于压缩感知的多角度合成孔径雷达成像

多角度合成孔径雷达（syntheticapertureradar,SAR）成像是实现多SAR信息融合的重要方式．对提高成像分辨率．重构目标轮廓进而提高雷达目标检测或分类性能具有基础性价值．由于各传感器发射信号和测量位置的多样性,实现多角度SAR成像具有挑战性．如何在噪声干扰情况下快速实现多角度SAR成像是一个新问题．本文建立了基于压缩感知的多角度SAR测量模型．通过对测量矩阵的分析,证明多角度SAR测量角度范围、发射信号载频和空间采样位置是影响成像性能的关键因素,研究了目标空间离散间隔对成像质量和分辨率的影响．以上述分析为基础,本文对多角度SAR发射信号载频和测量位置进行设计,构建满足约束等距性的测量矩阵．针对测量矩阵阶次较高的问题,文章提出用分段正交匹配追踪（stagewiseorthogonalmatchingpursuit,STOMP）进行模型求解,在测量矩阵欠定严重的情况下,该算法可以迅速求得模型最优稀疏解．在实验环节．通过分析多角度SAR参数对成像性能的影响,进一步验证了本文结论．实验验证了模型和相应求解算法的有效性和鲁棒性．     

Split Bregman迭代算法生物发光断层成像

生物发光断层成像重建中,发光光源在生物体内稀疏分布,基于压缩感知思想,将?1范数正则化的稀疏重建应用于生物发光断层成像,并采用Split Bregman迭代算法求解?1范数目标函数,以获得快速、稳定的重建.三维数字鼠模型数值实验结果表明,该算法应用于生物发光断层成像重建,在没有使用任何光源可行区域先验和多光谱测量信息的条件下,仍能获得准确的定位和定量重建结果,算法对噪声具有较好的鲁棒性.     

稀疏化的压缩传感超声图像重构特性研究

传统医学超声成像射频信息存储数据量大,传输耗时且成本高.基于稀疏化的压缩传感技术,研究超声图像的稀疏特性,利用离散余弦变换(DCT)对原始超声图像进行稀疏变换,在稀疏域内进行压缩采样获得降采样数据,然后通过求解L1范数重构原始图像.理论和实验表明,该方法可以很好地应用到超声图像的重构中,且随着稀疏度的减小和测量值的增加,重构图像的峰值信噪比(PSNR值)增加,重构图像的视觉效果较好.     

基于压缩感知理论的杂草种子分类识别

在农业领域,实现自动、准确、稳健的种子分类识别算法是具有重要经济意义的.由于杂草种子的类别很多,大小、形状、纹理等特征变化多样,即使一个类别的种子,不同的特征也会在数量上有所差异.另外,由于种子常常会因潮湿、病菌等因素,产生霉块或病斑即是连续遮挡或噪声的问题,而之前的算法不适合解决此问题.文中通过求解一个复合的欠定线性方程组优化问题来解决杂草种子的连续遮挡问题.文中利用压缩感知理论在机器学习领域的运用,用主成分分析、下抽样、随机取样等方法对种子图像降维,然后就把杂草种子分类问题归结为一个求解待测样本对于整体训练样本的稀疏表示问题.问题的求解通过e~1范式最小化完成.实验结果表明,利用稀疏表示算法进行分类,可以达到很好的识别效果,对于87类的杂草种子,最好的识别率是90.80%.     

基于S1／2建模的稳健稀疏-低秩矩阵分解

为实现稳健的稀疏-低秩矩阵分解,本文首次引入矩阵的S1／2范数以诱导矩阵的低秩性来构建新模型,并在ADMM算法框架下设计了高效的交替阈值迭代算法．该算法采用增广Lagrange乘子技术,在迭代过程中交替更新低秩矩阵和稀疏矩阵．由于这两个矩阵的最优更新具有显式形式、算法整体的计算精度和时间代价得以控制．大量的数值模拟实验说明：相较于目前最好的不精确ALM算法,交替闽值迭代算法的迭代次数与时间代价大幅降低,对噪声更为稳健,分解出的低秩矩阵的秩与稀疏矩阵的稀疏度更接近于真实值．在对监控视频进行背景建模这一实际问题中,交替闽值迭代算法得到的背景矩阵更为低秩,更符合问题先验,且时间代价相较于不精确ALM算法降幅高达一个数量级,这说明新模型与算法能有效解决相关实际问题．     

基于压缩感知的土壤呼吸监测传感网动态采样调度策略

土壤呼吸监测传感网通常部署在野外,无法直接访问电力,并且土壤呼吸测量过程比较复杂、能耗较高,因此在满足重建准确度要求的前提下,希望以尽量少的采样次数来进行测量.利用土壤呼吸真实物理过程中时间序列的相关性,可以采用压缩感知理论来实现采样调度.本文提出了一种基于压缩感知的分段动态采样调度策略:利用前期测量数据进行分析得到的先验知识,对测量时间区间的数据序列进行分段线性拟合,依据分段数据子序列的线性程度度量指标,动态确定各段的采样率.土壤呼吸测量仪在进行监测时,按照分段动态变化的采样率构造压缩感知采样和重建所需的测量矩阵.实验结果表明,相比平均采样率相同的固定采样策略,本文提出的分段动态采样策略能够得到更好的重建质量,即如果以确定的重建误差阈值作为需求,则本文的动态采样策略具有更小的采样率.虽然计算动态采样率会带来一定的计算开销,但减少的采样次数可以节省更多的能量.本文提出的基于压缩感知的分段动态采样策略,虽然在土壤呼吸监测传感网的应用场景中进行了实验和分析,但其思想对于其他类似应用的采样调度和节能问题也具有借鉴价值和潜在的可应用性.     

窄带雷达自旋目标成像

在详细分析自旋目标窄带雷达回波特性的基础上,提出基于复数后向投影算法的自旋目标成像算法,由于该算法利用旋转散射点的相位进行匹配搜索成像,因此具有较高的分辨率以及成像效率.同时,本文分析了该算法的分辨率及其对雷达脉冲重复频率(PRF)的要求.若目标转速较高而系统PRF无法满足,则根据压缩感知理论以及自旋目标ISAR数据的稀疏性特点,建立了方位欠采样条件下的成像模型,并提出基于正交匹配追踪的自旋目标成像算法.不同条件下的仿真结果验证了算法的有效性.     

基于压缩感知思想的图像分块压缩与重构方法

压缩感知理论在数据获取、数据存储/传输、数据分析和处理方面有很大优势,成为近年来的研究热点.考虑到大多数图像信号信息分布有差异,编码端,在对图像分块的基础上,融合熵估计和边缘检测方法计算各图像块的信息含量,再从两个不同的角度进行分类采样:依据信息量多少将图像块分为平滑、过渡和纹理3类,使用不同的采样率采样;依据信息量的分布特征,采用不同的采样率分配策略进行采样.在解码端,根据不同类型的图像块构造不同的线性算子进行重构,再运用改进的迭代阈值算法去除块效应和噪声.实验证明,算法在提升图像重构质量的同时缩短了重构时间,并且对纹理边缘多的图像的重构效果较其他方法理想.     

单一风电场的短期负荷调度优化策略

随着并网风电场数量迅速增加,单一风电场的调度水平需要提高.如何优化一个周期内风电场机组运行的数量与启停方案,迫切需要研究.针对风电场机组数量众多,调度方案解维数过高的问题,分析风电场机组负荷特性,提取机组负荷特征矩阵,运用FCM模糊聚类算法对风电场机组群进行分类;定义风电场机组运行相对损耗指标和启停相对损耗指标,在风功率预测的基础上,根据总调度指令,应用非线性规划理论建立风电场机组组合优化模型,运用模糊聚类算法和遗传算法相结合对模型进行求解.所建立模型和相应求解方法克服了风电场机组调度解维度过高带来的困难,获得了连续时期的风电场全部机组优化调度.最后,通过算例分析计算了某45MW风电场的多目标机组优化调度,验证了所提出算法的可行性和有效性.     

单目视频运动目标轨迹三维重建的平滑约束法

提出了利用单目视频重建运动目标三维轨迹的平滑约束方法.通过引入平滑约束,得到重建运动目标三维轨迹的无约束最优化模型,进而推导出其闭式最优解.提出的平滑约束是对运动目标三维轨迹的本质约束,更具一般性,可以反映目标运动的连续、渐变与平滑特性,与基于离散余弦变换基和多项式基等预先定义基约束相比具有更强的适应性,同时能够直接应用于部分观测数据缺失的情形.给出了单目视频轨迹重建问题的几何解释,并对轨迹重建问题中的唯一性进行分析.仿真和真实单目视频序列上的实验证明了提出方法的有效性和先进性.     

大气污染优化控制理论的一些新进展

本文介绍了国内学者的最新研究成果，包括了大气污染优化控制理论在以下几个具体应用领域的进展：(1)工业污染源的优化布局。应用伴随方法计算目标函数的梯度以求解优化问题，给出了理论框架。进行了数值试验。(2)短期空气质量的动态控制。应用实际气象数据和污染源数据进行了优化控制数值模拟。(3)化学风险的预先评价与控制。应用伴随方法，对运动化学源进行风险评价。规划最佳运输路线；针对禁止化学武器公约中处理日本二战期间遗弃化学武器的有关问题。妥善选择化武销毁工厂的地址。以上优化控制问题，以气象预报模式和大气污染预报模式为基础，而以伴随方法和最优化算法为求解途径，数值试验表明理论的正确性和方法的高效率。新发展的理论和方法与数值模式和观测技术紧密结合，并且顺应了计算机速度和容量高速增长的趋势。从而具有广阔的应用前景。     

基于共形几何代数的3D医学图像配准

随着医学图像处理技术的发展,3D／3D配准益受重视,尤其是在外科手术导航等医学应用中．学者们提出了各种3D／3D配准方法,但大多方法是采用传统代数方法进行配准,配准精度和效率都存在问题．本文利用非经典数学——共形几何代数重建了3D医学图像的位置关系约柬问题,分析了医学图像的共形几何变换,构造了新的3D医学图像配准相似测度,基于此提出了新的3D医学图像配准算法,用于CT和MR图像的3D配准．新算法中,以骨骼轮廓作为配准的基础点集,在骨骼轮廓的基础上采用共形几何代数构造共形几何体,接着采用新的3D医学图像配准相似测度进行三维数据的直接配准．实验表明新算法实现了三维数据的直接对齐,能较好地定位组织器官的三维位置．可以直观地体现配准结果．