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.     

盲信号压缩重构——模型与方法

通过分析欠定盲信号分离模型和压缩感知模型本质内涵和内在联系,建立了基于压缩感知的欠定盲信号重构问题的数学模型,该模型对于欠定盲信号分离的实现提供了一个新的解决途径。基于该模型的压缩重构方法通过两步来实现：分别利用源信号稀疏域性质实现对盲估计欠定混合矩阵的估计;利用压缩感知的重构稀疏源信号的方法,实现对欠定稀疏盲信号的分离和重构。提出的算法根据实际应用场合,具有一定扩展能力。最后通过模拟实验验证了提出模型和相应算法的有效性。     

Novel imaging methods of stepped frequency radar based on compressed sensing

The theory of compressed sensing (CS) provides a new chance to reduce the data acquisition time and improve the data usage factor of the stepped frequency radar system. In light of the sparsity of radar target reflectivity, two imaging methods based on CS, termed the CS-based 2D joint imaging algorithm and the CS-based 2D decoupled imaging algorithm, are proposed. These methods incorporate the coherent mixing operation into the sparse dictionary, and take random measurements in both range and azimuth directions to get high resolution radar images, thus can remarkably reduce the data rate and simplify the hardware design of the radar system while maintaining imaging quality. Experiments from both simulated data and measured data in the anechoic chamber show that the proposed imaging methods can get more focused images than the traditional fast Fourier transform method. Wherein the joint algorithm has stronger robustness and can provide clearer inverse synthetic aperture radar images, while the decoupled algorithm is computationally more efficient but has slightly degraded imaging quality, which can be improved by increasing measurements or using a robuster recovery algorithm nevertheless.     

采用残差估算的卫星云图压缩传感重建

摘要： 卫星云图数据量庞大,获取、传输、存储的代价很高. 为了有效减小云图采样率及数据量,提出一种基于残差估算的压缩传感云图重建方法. 该方法首先构造一种抗混叠方向多尺度变换,用于压缩传感的稀疏表示. 借助随机投影技术将带平滑处理的投影Landweber算法引入分块压缩传感的重建过程,通过估计当前云图与前一相邻时次云图的残差获得理想的重构云图. 实验结果表明,抗混叠方向多尺度变换适用于压缩传感的稀疏表示,所采用的残差估算重建方法可明显提高重建云图的视觉效果及客观评价指标. 当测量率为0.5时,重建云图的峰值信噪比较直接重建法平均提高0.5 dB以上.     

超宽带通信压缩感知信道估计与信号检测方法

针对超宽带信号在采样速率过高时难以采样的问题,利用信号稀疏性提出一种基于压缩感知的信道估计和信号检测算法(CS算法).将信号重复送入随机滤波器后发送,对接收信号进行欠采样,利用调制信号、滤波器、信道的圆周卷积关系建立压缩感知的数学模型,从而可采用基追踪算法实现信道估计和信号检测.仿真结果表明,CS算法所需的采样数据量仅为最小二乘算法的1/3或更少,而在中等信噪比(15~25 dB)的情况下,估计性能可以提高约4.5 dB,且可以准确检测出原始信号.     

压杆过屈曲分析中轴线无伸长假设的定量讨论

基于轴线可伸长杆的过屈曲精确数学模型，采用打靶法对两端简支压杆过屈英行为进行了数值分析，定量地给出了杆的轴向变形与其长细比之间的关系，并指出轴线不可伸长假设随着杆长细比的不断增大而趋于合理，当长比趋于无限大时，假设精确成立。     

基于改进泊松碟采样的地震数据重构

测量矩阵是压缩感知中一个重要的因素,不同的测量矩阵在不同的条件下重构出的效果会不一样,而且在整个重构过程中起着重要的作用。地震勘探中由于实际情况的影响使得压缩感知中测量矩阵的使用有所限制。针对地震勘探实际情况,结合jitter采样和泊松碟采样的优点,提出了一种改进的泊松碟采样方法,泊松碟采样并没有受到规则网格的约束,这里改进的泊松碟采样是基于规则网格的条件,结合jitter方式,避免了对空间采样点的浪费和克服了间距过大的缺点,同时提高了采样效率,针对野外的实际情况可以调节检波器的布置位置。目前,在一些领域,如图像重构、信号处理等,高斯随机测量矩阵都得到了广泛应用并且其重构效果都很好,但在地震勘探中,由于受到现有检波器的限制,高斯随机测量矩阵并不符合地震勘探的条件。这里,模拟数据和实验数据都表明改进的泊松碟采样方式能够和广泛应用的高斯随机测量矩阵一样取得较好的重构效果,并且代替高斯随机测量矩阵在地震勘探中取得实际应用。     

基于DCT-CS和ATC的联合信源信道编码

提出了一种基于离散余弦变换的压缩感知(DCT-CS)编码与非对称Turbo码(ATC)的联合信源信道编码方法.该法将分块图像依据信号的自然属性和视觉特性先进行DCT变换,再按Zigzag扫描,并用压缩感知进行压缩,最后与非对称Turbo码结合实现了自适应图像压缩传输的联合信源信道编码-实验仿真结果表明:根据不同的无线信道环境自动采取不同的图像分块大小和压缩感知测量数以及非对称Turbo码类型,能够达到图像的传输速率和重建质量的优化平衡.     

基于稀疏分解的分块图像压缩编码算法

以压缩感知理论为基础,将匹配追踪(Matching Pursuit,简称MP)算法运用到图像的压缩编码中.首先,阐述了原子库的构建方法,之后,采用分块感知压缩图像分解方法,降低了分解的运算复杂度,最后,针对传统MP算法编码率不高的问题,利用MP原子能量与位置分布特点,对原子系数和位置参数进行编码,并提出了MP原子编码方法.实验结果表明,采用分块感知压缩图像分解方法,能有效地降低稀疏分解的计算复杂度,其压缩编码方法在保持传统MP图像编码优势的前提下,能有效地提高编码性能和编码率,体现了稀疏分解较传统分解方法的优势.