基于鲁棒主元分析的SAR图像目标分割

合成孔径雷达(SAR)图像的目标分割,是SAR图像自动目标识别的关键预处理步骤。与一般SAR图像目标区域分割方法不同,鲁棒主元分析融合了主元分析(PCA)与压缩感知(CS)理论中稀疏矩阵的先进思路,利用多帧具有相似性的SAR图像,构建一个观测矩阵D,通过求解一个凸优化问题,重建出一个低秩矩阵A和一个稀疏矩阵E。将矩阵A和E的列向量矩阵化,即可完成SAR图像目标与背景的分离。实验结果表明,鲁棒主元分析算法避免了复杂的SAR图像背景建模,针对同一目标的多帧SAR图像,所提方法对SAR图像目标和背景的分割问题具有可行性和有效性;与经典的最优阈值分割算法相比,误分率明显降低。     

融合全局和局部特征的稀疏表示人脸识别方法

针对人脸识别中如何提取到有效判别特征的问题,提出一种融合人脸图像全局和局部特征的稀疏表示人脸识别方法。首先将人脸图像用融合的特征提取算法进行特征降维,然后利用稀疏表示分类器对人脸图像进行分类判别。在ORL、Yale和FERET人脸数据库上的实验结果验证了融合算法在提高人脸识别精度方面是有效的。     

Improved compressed sensing for high-resolution ISAR image reconstruction

For inverse synthetic aperture radar （ISAR）, an ISAR signal in the crossrange direction has the characteristic of sparsity in the azimuth frequency domain. Due to this property, a Fourier basis is adopted as a kind of sparse basis, and high crossrange resolution imaging is achieved by using the compressed sensing （CS） method. However, the Fourier expanding for signal with finite length will result in energy leaking and spectrum widening. As a result, the Fourier basis cannot obtain the optimum sparse representation for signals of unknown frequencies in most cases. In this paper, we present an improved Fourier basis for sparse representation of the ISAR signal, which is constructed by frequency shift and weighting of the Fourier basis and available to obtain the robust recovery performance via CS. Simulation results show that the improved CS method outperforms conventional CS method that uses the Fourier basis.     

Hebbian-based mean shift for learning the diverse shapes of V1 simple cell receptive fields

The L0-norm constraint in sparse coding has the advantage of producing the same diversity of receptive field shapes as physiology data,but is difficult for analysis.It remains a challenging issue to understand how the diverse shapes of V1 simple cell receptive fields emerge in visual cortex.This paper presents a biologically plausible learning algorithm,named Hebbian-based mean shift,for this problem.The L0-norm constraint optimizes the number of basis functions rather than their coefficients.We report that the optimization procedure is essentially a 0–1 programming of the selection of basis functions.By assuming that the basis functions are independently selected from a basis set,we find the spatial distribution of input samples containing a special basis function has a star shape and peaks at this basis function.Thus,learning the basis functions for sparse coding with the L0-norm can be interpreted as mode detection where the basis functions are the modes of the kernel density estimate.We employ mean shift to detect modes and prove that the updating rule for the mean shift is Hebbian.The simulation results demonstrate the robustness of the proposed algorithm in producing both Gabor-like and blob-like basis functions.     

基于二次场算法的大地电磁二维有限单元法正演

推导了同时考虑电阻率与磁导率变化的大地电磁二维方程,并应用有限单元法进行数值模拟.为了提高计算精度与效率、简化计算节点生成,采用格林定理处理二次场方程源项,并设计实现了一种基于二叉树结构的收缩网格剖分算法;采用基于最少填入元思想的稀疏矩阵符号分析方法,实现了稀疏线性方程组的LDLT求解.利用二次场算法进行模型试算,结果表明所采用的新计算方法大大减少了计算单元数量,提高了计算精度与效率.     

热工流体网络的实时仿真模型及其算法

本文以电站热力系统中热工流体网络为例,在网络的节点压力方程的基础上,建立了单相可压缩热工流体网络的数学模型。同时采用了隐式欧拉积分算法,使用了稀疏矩阵的双因子分解方法及准优化模拟定序技术,从而使网络系统的计算能够节省存储单元、缩短计算时间,达到了实时仿真的要求。由于电站中存在着许多热工流体网络系统,如风烟系统,给水系统,凝结水系统,主蒸汽系统,再热汽系统,轴封系统,油系统和冷却水系统等。各子系统的网络结构是不一样的。而同一子系统在不同电站中的网络结构可能也不相同。本文采用了网络矩阵算法和模块化建模方法,通用性强,能适用于任意拓扑结构的流体网络计算。     

稀疏奇异矩阵的图特性

对n×n稀疏线性齐次方程组 AX=0(*)自然要考虑的一个问题是它什么时候有非零解,由线性代数已知.当且仅当其系数矩阵A奇异它有非零解,现利用图论中“匹配”的概念给出稀疏方阵为奇异阵的条件。 设G为二分图:G=(V_1、V_2、E),M为边集E的子集,若M中任意两条边都没有公共点,则称M为G的一个匹配,若顶点υ为匹配M中一条边的端点,则称υ为M-饱和点,若G中每     

Estimating the mixing matrix by using less sparsity

In this paper, the nonlinear projection and column masking (NPCM) algorithm is proposed to estimate the mixing matrix for blind source separation. It preserves the samples which are close to the interested direction while suppressing the rest. Compared with the existing approaches, NPCM works efficiently even if the sources are less sparse (i.e., they are not strictly sparse). Finally, we show that NPCM provides considerably accurate estimation of the mixing matrix by simulations.     

基于稀疏分布的空间节点资源循环迭代控制算法

为解决大规模稀疏型传感网络数据随节点数目急剧增大时导致网络堵塞的问题,提出了基于稀疏分布的空间节点资源循环迭代控制算法。该方法利用大规模稀疏网络节点在空间上的弱相关性,构建了一个表达联合稀疏关系的模型。通过通信特征做到自适应选择最优节点作为感知节点,针对稀松节点数量有限、无法传递海量信息的问题,采用循环迭代控制对稀疏网络节点数据进行压缩,以最大程度用有限节点获得最大信息量;再利用信号稀疏性特征重构节点数据。仿真结果表明,该方法以有限的节点资源满足估计精确度的要求,并有效减少了感知的节点数目,降低系统的资源消耗。     

稀疏码分多址技术发展及前景

提升频谱资源利用率是未来移动通信亟待解决的一项重要目标。其中,稀疏码分多址技术具备频谱利用率高、抗干扰性能力强、系统兼容性好等优点,已成为一种非常有前景的非正交多址方案。为了在未来移动通信中进一步发展稀疏码分多址技术,本文综述了现有稀疏码分多址技术的研究成果,对其研究现状进行了总结分析。其中,分析了现有的码本设计方案,指出了其设计特点以及目前尚存的问题,并给出相应的解决方案;在解码算法方面,给出了目前两种常见的解码算法,简述了其基本原理,并介绍了一些新兴的解码算法;就SCMA与其他技术结合而言,从三个方面总结了目前SCMA技术的研究成果,并探讨了SCMA技术在应用层面潜在的发展的方向。最后,本文总结了稀疏码分多址技术的发展挑战和趋势。