基于压缩传感的单点太赫兹成像

太赫兹（Terahertz,1THz=1012Hz）波通常是指频率在0．1THz-10THz（波长在3mm-30urn）范围内的电磁辐射．随着THz相关技术的发展,THz成像技术在更多领域将显示其更大的实用价值．在本文中,我们对物体进行单点THz成像,此系统的核心是一个单像素探测器和一系列随机掩膜板．成像的方式是基于压缩传感理论（cs）．此理论主要包括信号稀疏表示,编码测量和重建算法三部分．其核心思想是将压缩与采样合并进行,首先采集图像的非自适应线性投影（测量值）,然后根据相应重构算法由测量值重构原始图像．此系统通过测量图像和单一掩膜板的内积来得到单-THz强度值,最后得到一系列与掩膜板数目相同的测量值．CS理论可以从比N2少得多的测量值中来重建一幅NxN的图像,从而缩短成像时间,这种单点成像系统消除了对物体或THz波束进行光栅扫描的必要,不但提高了成像速度,而且保持了单像素探测的高灵敏度．我们利用连续THz波源一返波振荡器来进行实验并得到了初步实验结果．     

太赫兹快速成像技术研究进展

太赫兹(terahertz,THz)成像技术有广泛的应用前景,但受现有太赫兹辐射源限制,传统太赫兹成像技术采用点扫描探测方式,导致图像采集时间过长,限制了该技术的进一步发展和应用.为了提高太赫兹成像速度,近几年提出了许多技术方案.简要介绍了传统的点扫描太赫兹成像技术,分析了影响太赫兹成像速度的原因,综述了包括快速扫描成像、太赫兹单像素成像、太赫兹波电光调制二维成像、二维太赫兹波探测器阵列(太赫兹相机)直接成像等太赫兹成像技术及其优缺点.     

基于压缩感知的Logistic多涡卷混沌保密通信

针对异步数字保密通信系统通信安全的问题,提出了基于压缩感知的逻辑(Logistic)多涡卷混沌保密通信方法.首先对一维Logistic映射进行改进,并引入多涡卷思想,生成两段式Logistic混沌映射,然后引入压缩感知理论,通过压缩感知方法实现伯努利(Bernoulli)分布的伪随机序列,得到基于压缩感知信号矩阵的通信模型.实验仿真结果表明,该方法优于Bernoulli随机信号矩阵,提高了重构信号峰值的信噪比,基于该方法的保密通信系统对信道噪声具有较强的抗干扰性和重构信号增益,可以完整还原数字信号,从而进一步证实了基于该重构矩阵信号的数字保密通信系统是有效的.     

采用时域测量矩阵的压缩感知稀疏信道估计方法

针对传统最小二乘和伪随机序列相关信道估计方法在稀疏信道应用时估计精度差的问题,提出一种采用时域测量矩阵的压缩感知稀疏信道估计方法.新方法首先将循环前缀单载波分块传输系统中的稀疏信道估计建模为一个典型的压缩感知问题,然后利用具有最优循环相关特性的伪随机序列优化构造确定性压缩感知测量矩阵,避免了使用随机测量矩阵造成的存储不便及估计性能差的问题,且提高了信道估计性能.基于准静态COST 207典型城市信道模型的仿真结果表明:该估计方法能够有效地降低稀疏信道的估计均方误差,在16 dB处的误码率可达2×10-5,而相同情况下最小二乘信道估计方法的误码率只能达到3×10-3.     

压缩感知在宽带雷达信号处理中的应用

高分辨雷达成像系统在当今的军事和民用方面都有着广泛的需求,高分辨率成像需要发射宽带的雷达信号,然而根据奈奎斯特采样定理,信号带宽的增加又使得雷达系统面临高采样率、高传输率、大数据量存储以及信号实时快速处理等问题.压缩感知(CS)理论通过构造非相关测量矩阵,以远低于奈奎斯特采样率的速率获得一组测量值,通过重构算法对信号进行精确的重构.压缩感知理论应用的前提是信号的稀疏性,关键是测量矩阵和稀疏度之间的关系,重要支撑是重构算法.本文对压缩感知原理进行了简要介绍并针对雷达常用的线性调频信号提出一种稀疏基构造方案.同时,利用matlab构造了线性调频信号模型并对压缩感知处理线性调频信号的采样重建过程及应用于二维成像的过程进行了仿真.本文也研究了不同重建算法并进行了各个算法间的效果比较.仿真结果表明,在宽带雷达回波信号的处理过程中,压缩感知能通过降低采样率有效缓解回波数据的存储和传输的压力,这一点在宽带雷达目标检测中应用前景广阔.     

三维计算机视觉系统中的结构光快速定标

利用DLT模型及简化模型,导出双相机单激光系统定标模型,巧妙地设计适用于单双相机系统的透明定标薄板,实现从单摄像机到双摄像机的快速定标.整个方案简单快速有效,定标精度达像素级.方案还可推广到多相机多激光源系统.     

基于稀疏阵列和压缩感知理论的艇载雷达运动目标成像研究

为了解决稀疏阵列艇载雷达运动目标成像问题,提出了基于稀疏阵列和压缩感知理论的运动目标成像方法,该方法对采用传统MTI进行杂波抑制后的信号,在距离向采用脉冲压缩处理方式,在方位向根据稀疏阵列构型和脉冲压缩后信号形式,构造基矩阵,利用压缩感知理论对目标进行重建,避免了稀疏阵列旁瓣和积分旁瓣比较高的问题.仿真结果表明了该方法的有效性.     

太赫兹快速成像技术研究进展

太赫兹（terahertz,THz）成像技术有广泛的应用前景,但受现有太赫兹辐射源限制,传统太赫兹成像技术采用点扫描探测方式,导致图像采集时间过长,限制了该技术的进一步发展和应用。为了提高太赫兹成像速度,近几年提出了许多技术方案。简要介绍了传统的点扫描太赫兹成像技术,分析了影响太赫兹成像速度的原因,综述了包括快速扫描成像、太赫兹单像素成像、太赫兹波电光调制二维成像、二维太赫兹波探测器阵列（太赫兹相机）直接成像等太赫兹成像技术及其优缺点。     

压缩感知理论(CS)在弱信号量子测量与蛋白质结构计算中的应用

压缩感知(Compressive Sensing, CS)理论自2006年被提出至今已15年有余,在许多领域如单像素相机、CT扫描成像、雷达等经典系统中获得了成功应用与充分的发展,但在量子和生物系统中还有很大的发展空间.本文首先简单回顾了CS的基本知识及其应用的发展历史,然后重点介绍了北京理工大学量子技术研究中心多年来将CS(以及它的新发展理论)应用于量子精密测量和生物系统上取得的研究成果,具体包括极微弱光信号下的测量与成像、利用CS理论进行多体量子态层析密度矩阵的计算以及根据由CS理论发展的矩阵填充理论进行蛋白质结构计算等方面,说明CS理论不论是在弱信号探测还是量子计算甚至在生物大分子研究方面都具有极大的应用前景和优势,最后对CS理论的应用和发展进行总结和展望.     

基于压缩感知的MIT图像重建方法

针对目前磁感应成像技术(MIT)的图像重建质量存在精度较低的问题,提出了一种基于压缩感知原MIT图像重建方法.将MIT系统电压数据的采集过程视为压缩感知的线性测量过程,通过对灵敏度矩阵进行补零拓展和行向量随机重组操作重新设计了测量矩阵;采集到的电压向量也用相同的方式处理,作为压缩感知的测量信号.然后利用压缩感知信号重构算法恢复原始信号.最后进行了仿真实验,实验结果表明,利用本方法获得的重建图像误差和相关系数比传统图像重建算法要好.由此可见,这是一种精度较高的MIT图像重建方法.     

一种压缩感知下的NSCT-Zernike的鲁棒数字水印方案

为了达到水印抗几何攻击鲁棒性高的要求,提出一种在压缩感知下的非下采样轮廓波变换结合伪Zernike矩的鲁棒数字水印方案. 利用非下采样轮廓波变换对载体图像进行三层分解提取其低频分量,通过一维离散小波变换对低频分量进行稀疏化以获取稀疏基,构造稀疏基的测量矩阵,并对其进行压缩感知处理得到新的低频分量,计算其Zernike矩,通过量化调制正则化伪Zernike矩幅值的方式将水印信息嵌入. 利用正则化正交匹配追踪算法进行图像压缩感知的重构. 仿真与实验分析表明,当峰值信噪比达到40 dB以上时,本文算法提取水印的NC值和误码率较为理想.      

基于多层分块自适应压缩感知的图像编解码方法

压缩感知中,测量矩阵对图像进行单一采样率的压缩采样。传统的测量矩阵虽然能够获得比较好的重构效果,但因采样数目较多,故而资源耗费也较多。为了解决上述问题,提出了多层分块自适应编码算法(multi-layered block adaptive coding algorithm,MLBA)以及多层分块自适应压缩感知编解码方法(multi-layered block adaptive compressed sensing codec method,MLBACS)。MLBACS编解码方法基于MLBA编码算法,能够根据图像局部结构进行不同层数和大小的分块,并自适应分配采样率。仿真结果表明,在同等重构性能的前提下,相对于单一采样率下的压缩感知,MLBACS编解码方法能够不同程度地降低重构图像所需的采样数目。     

一种非合作超宽带信道盲估计算法

为了解决非合作多通道室内通信环境中的超宽带信道先验信息难以获得、信道稀疏度弱的问题,提出了基于盲压缩感知的信道估计方法,以求进一步改善超宽带信道估计性能。盲压缩估计过程不依赖信道先验信息,采用稀疏编码与正交基更新交替迭代来获得稀疏矩阵和正交基;然后通过优化乘积得到重构信道,实现非合作超宽带系统信道估计。相对于传统方法,盲压缩感知理论提高了信道估计精度及模数转换速率,并且具有较好的抗噪声干扰能力。通过实验结果可知,该方法有效地克服了噪声干扰,降低了均方误差,在理想环境下,重构误差接近10~(-11)。     

TDCS的压缩感知稀疏信道估计方法

为充分利用变换域通信系统高速无线传输时信道表现出来的稀疏多径传输特性,提高TDCS的信道估计精度,提出一种基于压缩感知的TDCS稀疏信道估计方法。针对TDCS设计了一种导频图案,该导频图案设计的数据帧结构保证了TDCS信号授权用户的正交性,且其构造的测量矩阵具有较低的互相关特性;利用Dantzig Selector重构稀疏信道冲激响应值。基于COST207乡村信道模型的仿真表明:新方法可有效降低稀疏信道估计的均方误差,在误比特率为0.002时可获得比最小二乘估计方法高约1dB的性能增益。     

基于压缩感知的交通监控视频目标检测算法

针对公路交通监控的需求增大与网络带宽资源有限的矛盾,本文提出一种贝叶斯压缩感知的目标检测算法.该算法采用小波基对信号进行稀疏,用部分哈达玛测量矩阵进行观测,实现视频的压缩,为了得到更为准确的前景,提出在部分时间均衡自适应背景模型下,将背景分割思想和小波树结构的贝叶斯压缩感知结合的重构算法完成目标检测.通过对多个场景监控视频的试验,验证了该方法的准确性和有效性,并对光线变化具有一定的鲁棒性和减少视频传输的成本.     

自适应OFDM系统中基于分布式压缩感知的CQI反馈方案

提出了正交频分复用(OFDM)系统中基于分布式压缩感知的信道质量信息(CQI)反馈压缩机制。利用CQI的时间相关性、频率相关性以及空间相关性,提出了两种联合稀疏模型,并分别通过压缩感知算法和分布式压缩感知算法对反馈的数据进行压缩、重建。仿真结果表明,与压缩感知相比,分布式压缩感知算法在不增加终端复杂度的同时,能够显著地降低测量值的数目,从而达到降低系统反馈速率、提高吞吐量的目的。     

一种新的分块压缩传感图像重建算法

针对传统压缩传感一次性随机测量整幅图像所导致的存储量大、重建时间长等问题,提出了一种新的分块压缩传感重建算法.首先,将图像分割成一系列子块,分别将每个子块的所有列向量首尾连接起来构成原始信号;其次,将该信号经过稀疏变换后投影到观测矩阵上得到对应的观测值,再利用优化方法从这些观测中重建出信号;然后,分类每个重构子块的活动...     

基于深度学习稀疏测量的压缩感知图像重构

针对压缩感知理论中测量矩阵硬件实现与重构性能问题,提出一种深度学习方法来获得稀疏的三元测量压缩感知.该方法构建了非常稀疏的三元{0, 1,-1}观测矩阵,在所提出的网络架构上施加稀疏性和二元约束,用更少的观测值满足高概率的图像重构保证,解决了硬件限制和重构性能要求.该文深度学习架构以端到端的方式,提出的网络架构在训练阶段共同学习一对测量矩阵和重建算子,优化线性传感过程和非线性重构过程.实验表明:该文方法在5%非零元素测量矩阵条件下,图像重建质量优于现有方法,说明该文方法具有可行性与有效性.