基于卡尔曼滤波改进压缩感知算法的车辆目标跟踪

针对传统的基于压缩感知技术的目标跟踪算法存在的跟踪漂移问题，提出了一种采用改进压缩感知算法和卡尔曼滤波方法相结合的车辆目标跟踪算法. 首先，通过传统压缩感知目标跟踪算法识别出本帧目标存在概率最大的区域得到观测值； 其次，利用卡尔曼滤波预测本帧的跟踪轨迹得到预测值，通过卡尔曼滤波增益系数对预测值与观测值进行修正，获得最终目标跟踪结果； 最后，在修正后的目标区域周围进行正负样本采样以实现朴素贝叶斯分类器更新，进而实现目标跟踪轨迹的实时更新. 通过实验室试验以及野外实测验证了所提方法的可行性，相较于基于压缩感知技术的目标跟踪算法，本文所提方法的跟踪结果平均误差分别降低了48%和89%，跟踪轨迹更加趋近车辆真实运动轨迹.     

一种基于压缩感知的高精度目标跟踪算法

为解决传统单目标跟踪方法精度低、稳定性差的问题,通过压缩感知的方法研究了扩展卡尔曼滤波,提出了一种基于压缩感知的扩展卡尔曼滤波算法。该算法基于压缩感知理论、采用阵列进行视场范围内的位置跟踪,即多传感器单目标跟踪。结果表明：在信噪比较低时该方法对目标跟踪的精度较高,并且对角度的估计使用的快拍数更少,降低了计算复杂度;并且所提算法在精确度和稳定性方面对目标的跟踪效果都要比传统算法好。     

基于迭代支持检测的分布式压缩频谱感知算法

在宽带认知无线电网络中,为了解决频谱感知所面临的诸如高采样速率、信道衰落以及认知无线电用户硬件资源受限等技术挑战,提出一种基于迭代支持检测的分布式压缩频谱感知算法.通过一跳通信的方式,认知无线电用户能够将各自的检测信息扩散到整个网络,并得到全局一致的支持集;同时,认知无线电用户进行本地稀疏信号重构时,利用一致的支持集信息能够保证不同用户的估计结果具有联合稀疏特性,从而得到更为准确的频谱检测结果.仿真结果表明,文中的分布式频谱感知算法能够以低于奈奎斯特准则的采样速率有效地实现频谱检测,并且在不需要融合中心的前提下获得近似最佳的检测性能.     

基于RSS的WSN多目标定位压缩感知算法优化

提出了一种将压缩感知算法应用于WSN多目标定位的系统框架,采用残差最优匹配的方法对压缩感知重构算法进行了改进,提高了定位精度,提出了根据重构结果判断定位是否成功的算法框架,该框架能更大程度的减少需要网络通信的数据量,并改变了当前的压缩感知重构算法的结果评价对稀疏度K的依赖。本算法适用于通信条件恶劣的WSN场景,仿真结果显示了本算法应用于WSN多目标定位的性能优于BP、CosAMP、GMP算法。     

基于Cholesky矩阵分解的贝叶斯压缩感知信号处理

随着雷达、卫星遥感技术的的高速发展,信号重构精度和效率的要求越来越高.针对传统贝叶斯压缩感知(Bayesian compressed sensing,BCS)算法需要进行高维矩阵反复求逆致使算法复杂度过高、运算时间过长的问题,结合Cholesky矩阵分解快速求逆方法,提出一种基于矩阵分解的改进贝叶斯压缩感知算法.通过仿...     

基于压缩感知的数字图像认证算法研究

基于压缩感知相关理论,提出一种新的算法.将图像分成许多小块,观测这些小块图像得到压缩感知观测值,然后引入消息认证码算法,利用观测值得到图像摘要,把图像摘要通过量化索引调制法作为水印进行图像小波区域的嵌入,之后对于水印进行提取,将图片恢复.利用压缩感知理论将图像进行随机投影,再把水印和图像摘要进行比较,这样就实现了图像的篡改检测与图像认证.根据实验研究证实,此算法对局部篡改的检测功能较强,算法的隐蔽性很好,图像在经过图像认证后,能够进行无损恢复.     

基于压缩感知的稀疏事件检测

为了提高无线传感器网络中稀疏事件的检测概率,利用压缩感知技术,提出了一种改进的下降迭代检测算法.该算法通过动态调节参数,改变迭代权值,加快了算法收敛速度.实验结果表明:在相同条件下,改进算法的成功检测概率比贝叶斯算法平均提高了13%.     

基于多任务贝叶斯压缩感知的宽带频谱检测

针对认知无线网络中主用户信号在空频域的稀疏性,基于贝叶斯压缩感知(BCS)的信号重构通过层次化贝叶斯分析分级先验模型获得稀疏信号估计.将贝叶斯压缩感知应用于认知无线电宽带压缩频谱检测,利用多认知用户感知信号的时空相关性实现在多用户多任务传输条件下的稀疏信号重构与宽带压缩频谱检测.研究了基于期望最大化算法和相关向量机模型的多任务BCS参数估计.仿真结果表明:相比于传统单任务BCS重构方法,多任务BCS在节点能耗与网络带宽受限的条件下,通过对估计参数的合理优化,在较低压缩比区域可实现重构均方误差的快速收敛,且检测性能随着任务数的增加而提高.当感知数据相关性从25%增加到75%,且任务数一定时,所提方法的重构观测数明显下降,宽带频谱检测性能显著提高.     

基于压缩感知的联合协作频谱感知算法

基于压缩感知的联合协作频谱感知方法实现动态频谱感知,通过融合各次用户(SU)采集的感知数据,寻找超参数,并与判决门限值进行比较,以获得最终的频谱判决结果.基于压缩感知的联合协作频谱感知算法减少了单个SU对压缩感知数据的不确定性,归一化均方误差（MSE）性能较好,并且该算法能够有效利用SU压缩感知数据信息,与其他典型算法相比,能获得更高的正确检测概率和较小的虚警概率.     

基于交替迭代的压缩感知多目标定位算法

针对目前的多目标定位算法在定位精度等方面的不足,将交替迭代应用于压缩感知多目标定位方法。该方法首先利用压缩感知理论将传感器感知到的目标信号强度矩阵表示为测量矩阵与稀疏向量的乘积,将多目标定位问题转换为对稀疏信号的重构问题;然后运行传统压缩感知定位算法得到目标的粗略位置估计;最后通过交替迭代对定位结果不准确的目标进行精确定位。交替迭代过程中,采用菱形搜索寻找目标的精确位置。仿真结果表明:与传统的基于压缩感知的定位算法相比,该算法提高了不在网格中心的目标定位精度,改善了多目标间相互影响对定位干扰大的问题,具有较高的多目标定位精度。最后,以重庆某电力公司的室内运维巡检区域作为实验场所,将该方法应用于实际的巡检定位,取得了较好的室内定位结果。     

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。     

基于DCT频带能量的压缩感知重构算法

为提高压缩感知图像的重构质量,提出了一种基于离散余弦变换(DCT)分频带压缩感知的平滑投影Landweber重构算法.该算法充分考虑了不同的DCT系数频带对重构图像质量有不同的影响,对图像进行分块DCT后,按照频带能量大小重新组织DCT系数,对能量大的频带分配大的采样率,通过分频带变采样率的随机矩阵实现随机观测,采用平滑滤波器消除块效应,由投影Landweber算法实现图像的重构.实验结果表明,与BCS-SPL和MS-BCS-SPL重构算法相比,文中提出的算法显著提高了重构图像的峰值信噪比.     

用于视频多播传输的压缩传感实现方法研究

 在较高的包丢失率和噪声信道环境下,提高视频传输的图像质量是通信技术应用的关键。基于压缩传感理论,提出一种实现多播传输的视频图像解码方法。通过研究测量矩阵与稀疏基的最佳配置关系以及视频帧间相关性,实现了一种视频帧内重加权l₁范数解码和基于运动矢量的帧间解码。在噪声和包丢失信道模型下,通过与软投影解码实验比较,说明了实现方法的有效性。     

结合分裂Bregman的压缩感知电磁地图重构算法

受限于非协作和采集数据残缺等因素,分布式感知网络难以实现对目标区域电磁态势的全覆盖感知,因此,有必要研究一种依据残缺感知数据重构出目标区域完整电磁态势的技术,进而掌控电磁态势。论文由此提出了一种结合分裂Bregman的压缩感知电磁地图重构算法。该算法基于压缩感知提出了一种滤波式分区正交匹配追踪算法,并用其重构出目标区域内的参考信号接收功率数据,然后再利用分裂Bregman对该数据进行精度提升,最终得到更高精度的数据并绘制出完整的电磁地图。仿真实验表明,重构出的电磁地图和实际情况更接近,且在可用感知节点数量稀少情况下能保证重构数据和实际数据之间的均方根误差低于2.5,算法具有重要的理论意义和应用价值。     

压缩感知理论及其重构算法

压缩感知理论为信号采集技术带来了革命性的突破,它采用非自适应线性投影来保持信号的原始结构,以远低于奈奎斯特频率对信号进行采样,通过数值最优化问题准确重构出原始信号。分析了信号的稀疏表示、压缩感知的基本理论,设计了两种主要的重构算法——匹配跟踪算法、互补匹配跟踪算法,并对两种算法的特点进行了对比。     

基于压缩感知的无线传感器网络节点定位算法

为了得到有效的、通用的定位算法,提出了两种新的定位算法——基于压缩感知的无线传感器网络节点定位算法（NLCS）及其改进算法（INLCS）.NLCS算法利用压缩感知和加权质心算法进行节点位置估计.提出了伪跳数以改进NLCS算法,提升了算法的定位性能.这两种算法解决定位问题必须满足3个条件,使其更适合于实际应用.仿真结果表明,相对于LSRC和LSVM定位算法,这两种算法有更好的定位性能.     

参与式感知系统中基于压缩感知的数据采集算法

基于压缩感知理论提出了一种在参与式感知系统中进行数据采集的算法.该算法通过对节点社会关系的分析,估计得出部分未被传输的节点感知数据,在此基础上对观测矩阵进行更新,使压缩感知算法可以利用已传输的数据和估计得出的数据进行重构.该算法能显著减少参与式感知系统中传输的数据量,同时能够保证较好的数据重构精度.采用随机漫步移动模型进行了仿真实验,验证了算法的可行性.实验表明,与传统的压缩感知算法相比,上述算法在重构成功率相同的情况下,可以显著减少网络传输的数据量,从而降低网络消耗.     

基于DWT的多尺度分块变采样率压缩感知图像重构算法

利用压缩感知理论改善图像重构的质量是目前图像处理技术研究的焦点。通过DWT域对图像每级分解时的每个子带中应用分块采样并结合平滑投影Landweber重构算法,提出一种多尺度分块变采样率压缩感知图像重构算法。比较BCS-SPL和TV以及多尺度GPSR图像处理算法,文中提出的算法使重构的图像质量提高了1～3 dB。     

基于曲波变换的地震数据压缩感知重构算法

为提高地震数据压缩感知重构的信噪比和保真度, 提出一种基于曲波变换的地震数据压缩感知重构算法。建立了地震数据压缩感知重构模型, 分析了基于曲波变换稀疏表示的地震数据各尺度之间能量与熵的分布特性, 结合分块压缩感知技术降低随机观测的计算复杂度, 利用曲波变换稀疏表示高频区域各尺度之间的相关性, 设计了随信息熵变化的自适应双变量收缩阈值迭代重构的方法。实验结果表明, 在相同的采样率下,该算法重构的地震数据峰值信噪比提高了1. 5 dB 以上, 并且具有良好的细节信息保持能力。     

基于图像高维特征压缩映射的混凝土表面裂缝检测算法

在复杂背景下,基于单一朴素特征表示的混凝土裂缝检测算法易受光照、背景杂波的干扰.利用多种图像区域特征描述子可以提取混凝土图像区域大量丰富的纹理特征,取得良好的裂缝病害检测效果.然而高维度的图像区域特征向量给后续的裂缝分类检测过程带来巨大的存储与计算负担.针对此问题,提出一种基于图像高维特征压缩映射的混凝土表面裂缝检测算法.基于Johnson-Lindenstrauss引理,本文算法可以利用较少的区域特征向量获得关于裂缝与非裂缝区域具有良好区分度的特征描述.在高维特征压缩映射的基础上,进一步利用最小二乘支持向量机快速准确地判断出裂缝与非裂缝样本.通过在实际采集的混凝土图像数据集上进行测试验证,本文算法的训练效率比高维样本模型训练快150多倍,同时裂缝病害区域检测准确率为90.3%、召回率为91.2%,优于其他对比裂缝检测算法.