基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于压缩感知理论的杂草种子分类识别

在农业领域,实现自动、准确、稳健的种子分类识别算法是具有重要经济意义的.由于杂草种子的类别很多,大小、形状、纹理等特征变化多样,即使一个类别的种子,不同的特征也会在数量上有所差异.另外,由于种子常常会因潮湿、病菌等因素,产生霉块或病斑即是连续遮挡或噪声的问题,而之前的算法不适合解决此问题.文中通过求解一个复合的欠定线性方程组优化问题来解决杂草种子的连续遮挡问题.文中利用压缩感知理论在机器学习领域的运用,用主成分分析、下抽样、随机取样等方法对种子图像降维,然后就把杂草种子分类问题归结为一个求解待测样本对于整体训练样本的稀疏表示问题.问题的求解通过e~1范式最小化完成.实验结果表明,利用稀疏表示算法进行分类,可以达到很好的识别效果,对于87类的杂草种子,最好的识别率是90.80%.     

阵列声强器及其应用

声矢量传感器能够同时拾取空间同一点的声压振速信息,可以进行声场声强测量.据此提出了阵列声强器的概念.即当声矢量传感器成阵时,在波束域进行声强处理,以获得目标的方位信息.当空间高度欠采样时,声矢量传感器阵将产生栅瓣模糊,利用阵列声强器获得的方位信息可以抑制稀疏阵的栅瓣模糊,使得声矢量传感器阵在不增加阵元个数的前提下增大了阵列孔径,从而提高了方位分辨力.对阵列声强器去模糊性能进行了理论分析,仿真结果表明了所提算法的有效性.     

基于二次编码的MIMO雷达阵列稀布与天线综合

研究MIMO雷达在阵元数有限、阵列孔径有限、水平维和垂直维分别存在最小阵元间距等约束条件下的天线方向图综合问题。MIMO雷达采用稀布天线,为了降低旁瓣电平,天线综合过程中同时考虑发射方向图和接收方向图的影响,将阵元间距的稀疏约束从规则栅格扩展为仅有两维坐标的约束,提出采用二次编码的改进遗传算法,有效地解决了MIMO雷达天线方向图综合中低旁瓣电平设计问题。结合某工程要求给出了某MIMO雷达天线阵优化结果。仿真结果证实了方法的有效性。     

稀疏混合数据的矢量聚类分析与应用

对稀疏混合数据进行分析,发现该类数据具有方向性聚集分布的特点。首先证明了可以采用方向性聚类方法对稀疏混合数据进行处理分离出原数据。即用方向性聚类算法对稀疏混合数据进行聚类分析可以估计出混和矩阵。然后证明采用方向性聚类算法分离出来的数据和原数据之间具有确定的尺度和次序变化关系。最后针对多通道混合数据的盲分离提出了基于中心矢量聚类的稀疏混合数据分离算法SMDDCVC(sparse mixing data decomposition based on center vector clustering),并将该算法用于稀疏混合图像的盲分离。实验结果表明基于SMDDCVC算法的稀疏混合数据盲分离算法是有效的。     

哈密顿图的邻域交和邻域并条件

记δ和α分别为图G=（V,E）的最小度和独立数,1991年Faudree等人和尹家洪分别得到：“若2连通n阶图G的不相邻的任意两点x、y均有｜N（x）∪N（y）｜≥n-δ,则G是哈密尔顿图”和“若2连通n阶图G的长为2的任意两点x、y均有｜N（x）∪N（y）｜≥n-δ,则G是哈密尔顿图”。这里得到结果：若2连通n阶图G的满足1≤｜N（x）∩N（y）｜≤α-1的不相邻的任两点x、y均有｜N（x）∪N（y）｜≥n-δ,则G是哈密尔顿图。此结果推广Faudree等人和尹家洪的结果。     

基于SAE-SV M的CPS攻击检测

信息物理系统(CPS)在工业控制和关键基础设施等领域被广泛应用,由于具有易受攻击的特点,CPS的安全问题变得尤为重要.为了提高CPS攻击检测的准确度,提出一种稀疏自动编码器(SAE)与支持向量机(SVM)结合的攻击检测算法.针对CPS中数据维数高的问题,使用SAE对数据进行特征学习与降维处理,以无监督方法重建新的特征表...     

低快拍下基于稀疏重构的大电磁矢量传感器阵列多维参数联合估计

大尺寸电磁矢量传感器(electro magnetic vector sensor,EMVS)比小尺寸EMVS辐射效率更高,研究其参数估计算法有助于推动EMVS的实装化应用.针对大尺寸EMVS阵列研究了低快拍下参数估计问题,提出基于稀疏重构的波达方向(direction of arrival,DOA)和极化参数联合估计...     

语音压缩感知及其重构算法

在研究语音信号在小波域的稀疏性的基础上,提出双正交小波变换的方法,与一维小波变换方法相比稀疏度提高10%～25%.此外,提出基于自适应次梯度投影算法(ASPM)进行压缩感知(CS)语音信号重构的方案.ASPM算法首先根据压缩感知重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用次梯度投影的思想将该凸集的投影转化...     

超稀疏三元循环测量矩阵的设计

在伯努利循环矩阵的基础上,对其独立元素中随机地引入零元,形成超稀疏三元循环矩阵,与伯努利-循环矩阵相比,其随机独立变元个数和矩阵非零元数目显著减少,从而有利于信息的传输和存储.数值实验结果表明:提出的测量矩阵重建效果略优于伯努利矩阵和伯努利循环矩阵的重建效果,并在绝大多数情形下重建时间可以降低到原来的10%~40%,加快了后端信号重建的速度,有利于压缩感知理论的实用化.