稀疏微波成像信号处理方法研究

主要围绕该研究关键科学问题"稀疏微波成像非模糊重建"展开研究,结合稀疏微波成像体制,研究多维度稀疏信号特征信息挖掘方法,提出稀疏微波成像距离多普勒二维解耦成像重建算子,建立稀疏微波成像重构算法,实现微波成像大数据量的快速求解。主要研究内容包括:基于稀疏优化的空时频域先验信息挖掘方法、稀疏微波成像非模糊重建理论和方法、非理想运动平台稀疏微波成像处理和稀疏微波成像快速算法研究。主要工作进展包括:(1)基于目标在空间的稀疏表征,揭示观测对象在空间维度的先验信息调制机理,实现短孔径下的方位高分辨成像。(2)进行了稀疏步进频率雷达成像体制设计和高分辨成像算法研究,有效降低步进频率雷达的回波数据量和外界干扰的概率。(3)基于稀疏孔径数据,揭示观测对象在方位时间维度的先验信息调制机理,展开了方位孔径稀疏采样的雷达体制设计和高分辨成像算法研究。(4)提出了一种基于稀疏表征的自聚焦算法,研究了存在运动误差下的稀疏微波成像非模糊重建算法,完善了可嵌入运动补偿的稀疏微波成像处理框架。(5)展开了宽幅海洋多舰船目标高分辨成像的体制设计和算法研究,提出了一种单天线体制下的Fast-Scan SAR海洋多舰船成像算法,并完善了稀疏微波成像非模糊重建理论框架和方法体系。(6)展开了稀疏采样体制下的运动目标检测和成像算法研究。通过方位稀疏采样方式优化设计,基于运动目标先验信息挖掘技术研究,利用稀疏信号处理算法实现运动目标的高分辨非模糊重建。     

信号的稀疏性分析

在工程应用中，许多信号统计上都服从或者近似服从广义Gaussian分布（GGD：Generalized Gaussian Distribution）.着重讨论了广义Gaussian信号的稀疏性问题.首先，针对广义Gaussian信号，推导出了反映信号稀疏性的数学公式.按照这个公式，Laplacian信号的度量值为1，Gaussian信号度量值为2.通过计算信号的度量值，并将其与Laplacian信号和Gaussian信号的度量值进行比较，可以很直观地知道该信号的稀疏程度.同时，给出了一些稀疏盲分离实例.仿真结果表明：（1） 在源信号极其稀疏的情况下，比如稀疏性度量值只有0.083（仿真1），借助稀疏性能够很好地实现欠定盲分离（UBSS：Undetermined Blind Source Separation）；（2） 当观测信号数目比较少的情况下，如仅有3个观测信号，只有当源信号比Laplacian信号更为稀疏时，如稀疏度量值为0.7012（仿真2），对于欠定盲信号分离问题，才可能取得较好的盲分离效果.     

心音信号分析方法及应用性研究

阐述了心音信号的产生机理、组成成分以及人体微弱心音信号检测的关键技术,介绍了心音信号处理技术在心血管疾病无创诊断中的意义,结合应用分析了经典心音信号谱分析方法的局限性,对现代心音分析中的常用的时频分析方法的特点进行了探讨,并展望了心音信号识别技术的应用与发展前景.     

GNSS空间信号质量分析方法研究

导航信号质量的优劣,直接关系到卫星导航系统的性能,同时也反映了卫星有效载荷的工作状态和各种电性能指标.中国科学院国家授时中心的GNSS空间信号质量评估系统,以标准仪器监测、离线数据分析和监测接收机三种方式对导航信号质量进行分析与评估.本文主要介绍了该系统的离线数据分析方式和数据采集方法,分析了信号功率谱、眼图、星座图和码片赋形等性能,分析了相关峰、相关损耗等相关性能参数.分析结果表明,该系统中使用的信号质量评估方法实用有效.     

贝叶斯压缩感知稀疏信号重构方法研究

讨论了贝叶斯框架下压缩感知稀疏信号重构的方法,描述了基于非参数方法构建压缩感知字典的过程.实验结果表明:基于贝叶斯方法的压缩感知算法能够对单元脉冲信号进行较好重构,且与其他算法相比具有更小的重构误差.最后对贝叶斯压缩感知的发展进行展望.     

自适应最稀疏时频分析方法的分解能力研究

自适应最稀疏时频分析(adaptive and sparsest time-frequency analysis,ASTFA)方法将信号分解转化为最优化问题,在优化的过程中实现信号的自适应分解.为了研究ASTFA的分解能力,在定义分解能力评价指标(Evaluation Index of Decomposition Capacity,EIDC)的基础上,以双谐波分量合成信号模型来研究幅值比、频率比、初始相位差对ASTFA的影响.同时,将ASTFA方法与经验模态分解(Empirical Mode Decomposition,EMD)、局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)进行对比分析.研究结果表明,ASTFA方法的分解能力基本不受幅值比的影响,可分解的极限频率比较大,不受初始相位差的影响,该方法的分解能力具有明显的优越性.     

基于信号滤波的交通拥堵分析方法研究

针对交通拥堵定量分析不足的问题,以交通拥堵指数为例,对交通拥堵时间分布规律的定量分析方法进行了研究。利用散点图对全年的日交通拥堵指数进行了分析,提出交通拥堵指数虽然在短期内频繁变化;但在全年范围内表现出一定的变化趋势。基于此,利用信号滤波技术提出了年度交通拥堵指数的分析序列定义、频谱分析和滤波方法。最后,应用该方法研究了2013年度交通拥堵指数的变化规律,分析结果能够合理反映交通拥堵水平随日期的变化趋势,可以为交通拥堵治理提供决策支持。     

特征选择方法中的信号分析方法研究

特征选择是模式识别领域中最重要的环节,也是最根本的论题。论文从随机信号的傅立叶分析中自相关函数与谱密度函数之间的对应关系出发,提出了一种基于自相关函数的特征选择方法,并以实验方式进行了有效性验证。其研究意义还在于将这一特征选择方法与人工智能中的归纳学习方法相结合,其归纳性能比传统的熵最小化准则更为优越。     

融合群稀疏与排他性稀疏正则项的神经网络压缩情感分析方法

文本情感分析是目前网络环境下舆情监控、服务评价及满意度分析等领域的重要任务,一些基于深度神经网络的方法已被用于此类任务。规模庞大的深度神经网络模型结构赋予了深度学习模型强大的非线性拟合的能力,大规模的数据资源为训练这样大规模的模型并保证其泛化能力提供了可能性。然而,在实际应用中,深度模型的时间和空间开销仍然制约着这些方法的落地。针对上述问题,提出一种融合群稀疏与排他性稀疏正则项的神经网络压缩情感分析方法,首先分别构建循环-卷积神经网路与卷积-循环神经网络,通过门控单元融合两种网络组成的分析模型,在模型中引入群稀疏与排他性稀疏正则项,剪除冗余神经元或链接,压缩模型规模。在不同数据集上的实验结果验证了本文方法的有效性。     

基于优化最小化的加强稀疏性的稀疏信号恢复算法

针对稀疏信号恢复算法对稀疏性约束不强的问题,提出了一种基于加强稀疏性非凸函数的稀疏信号恢复算法.通过分析收缩函数和惩罚函数的关系,提出一种新的具有加强稀疏性的非凸的惩罚函数,利用优化最小化(majorization-minimization,MM)方法构造非凸函数的凸上界,并对目标函数的凸部分和凸上界进行迭代求解,实现了对稀疏信号的加强恢复.相较于现存的基于非凸惩罚函数的稀疏信号恢复算法,本算法具有不受参数干扰和梯度方向包含目标函数非凸部分的优势.将提出的算法应用于稀疏无线信道的估计,仿真结果表明,该算法在噪声环境下可以使用更少的导频,取得更准确的信道估计结果.     

稀疏分解在信号处理中的应用

稀疏分解和稀疏表示是信号处理的新方法,有着广泛的应用。本文主要介绍稀疏分解在信号去噪、弱信号检测、频率估计和盲源分离等信号处理中的应用。     

基于子波分析方法的信号特征的研究

采用子波分析方法对几种不同的但较典型,且具有代表性的信号作了分析,指出了周期性信号、脉冲式信号和分形信号,经子波变换后所具有的特征,并同时指出了使用子波方法时应注意的几个问题,它为一般信号特性的判别提供了分析的基础.     

机械振动信号描述与分析方法

机械振动信号反映了机械系统工作过程中的内在状态,振动信号承载着机械系统工作状态的重要信息．介绍了机械振动信号描述的两类方法,并对振动信号的常用分析方法加以阐述,为机械系统振动信号的分析提供指导．     

论音乐主题的分析方法

音乐分析是本世纪以来在欧美音乐研究中从曲式学等作曲理论逐渐分离出来的一门交缘性学科,音乐主题分析是音乐分析的一项重要组成部分。在进行主题分析时应理解主题的常见类型,把握主题的整体特征,学会运用从调性、旋律形态、节奏等方面对主题进行恰当的分析,从而对作曲家所创作的音乐作品的主导思想做出正确的理解与把握。主题分析的方法是否得当将影响着听众对音乐作品的理解,研究音乐主题的分析方法具有重要的现实意义。     

用于AIS实时信号稀疏表示的追踪算法研究

为解决非周期船舶自动识别系统(AIS)信号的载波跟踪问题,利用信号稀疏表示方法对AIS实时信号进行重构,以获得AIS信号的信道信息,从而为实现定位信息的测量打下基础.从AIS信号特点和AIS实时信号处理的要求出发,对基于K-SVD算法所构造的自适应冗余字典,从信号处理时间、稀疏表示精度、误码率和受噪声的影响几方面对比了基追踪(BP)和正交匹配追踪(OMP)两种不同的追踪算法.实验结果表明,两种算法都能有效精确地重构AIS信号,BP算法相比OMP算法具有更好的稀疏表示精度和误码率,但是信号处理时间会更长.由于AIS对实时性的高要求,OMP算法更适合用于AIS自主定位系统.     

音乐分析方法与音乐能力发展的关系

本文通过对以下三方面的论述:从"音乐的本原"所引发的对音乐分析方法的思考、当代心理学的发展对音乐分析方法的启示、音乐分析方法与音乐能力发展的关系,得出笔者的观点:科学合理的音乐分析方法对人的音乐能力的培养、发展具有积极作用;反过来,音乐能力的发展也会促进音乐分析活动的有效进行。     

基于信号局部特征的自适应小波分析方法研究

提出了基于信号局部特征的自适应小波分析以及分段阚值自适应选择方法．针时旋转机械检测信号首先在时域中分析信号的局部特征，根据其局部特征分段自适应地选择小波函数进行信号处理，并分段计算其相应的阚值，进行小波信号处理，从而最大限度地保留信号特征，提高信号处理的性噪比．图2，参7．     

交替方向块稀疏信号快速重构算法

研究模型压缩感知中的块稀疏信号重构问题.在l2/l1模型基础上,提出一种基于交替方向法的块稀疏信号重构算法.在该算法中,首先对目标函数进行变量分裂,然后利用交替方向法对各变量进行交替更新,直至满足收敛条件.仿真实验中,将该算法与块正交匹配追踪和块压缩采样匹配追踪算法进行比较,结果表明该算法能够在保持高重构精度的前提下获得更快的计算速度.     

基于信号稀疏性的EMT流型辨识

针对电磁层析成像流型识别率低的问题,提出基于信号稀疏性的EMT流型辨识方法.在Maxwell方程组电磁感应原理基础之上,用Comsol有限元仿真软件建立了带有8个电磁线圈的仿真模型.首先建立了几种不同流型的仿真模型并测量其电压值,将测量电压归一化后作为EMT流型辨识的判别依据;然后将其表示为稀疏性组合;最后通过信号稀疏性建立的数学模型求得最优解,从而实现流型归属.实验结果表明:本文方法能对环流、核心流等进行识别,且识别率较高,是一种值得进一步研究和推广的方法.     

用于动态测试的信号分析方法

信号分析被广泛用于消噪，特征提取，状态识别，故障诊断等。常用的方法有参数化分析法和非参数化分析法，参数化分析方法有ARMA模型，分形维数计算及用于判别判弱信号存在性的混沌分析法等；非参数化方法即谱分析方法，包括传统的DFT谱方法及在此基础上的提高频率分辨能力（如AR功率谱）和时频联合分析（小波分解，Wigner谱）等内容，文中对各种方法的原理，特点作了综述，并结合实例说明了它们的应用。