军校科研型实验室建设和管理

针对军校科研型实验室建设和管理当中存在的若干问题,仔细查找原因,剖析问题的根源。结合海军航空大学信号与信息处理山东省重点实验室在教改当中的实际做法、案例,提出了问题解决的针对性办法。通过积极投入教学使用、仪器设备资源节约优化和主任负责分工管理等手段,实现军校科研型实验室建设和管理综合水平的提升。     

基于轮廓预提取的直接信息采样与重构

现有直接信息采样（analog to information conversion, AIC）框架未考虑信号的轮廓在重构中占据特殊地位且对输入信号的有效性缺乏判断。针对这一问题,在压缩感知理论框架下,提出基于轮廓预提取的直接信息压缩采样理论。将输入信号的大轮廓用低速采样器件先行提取出来,再对输入信号的细节进行压缩采样。在重构算法方面,提出自适应分段正交匹配追踪算法以解决实时流信号的精确重构问题。从理论上分析了轮廓预提取直接信息压缩采样的有效性和可靠性。仿真结果表明,在同等条件下,通过引入少量轮廓信息的改进型AIC比传统AIC重构性能更好。     

基于结构特征约束两阶段重构的视频压缩感知

针对现有视频压缩感知多假设预测-残差重构方法重构精度不高的问题,提出一种基于结构特征先验约束两阶段重构的多假设预测视频压缩感知方法。该方法从相似图像块非局部相似性和梯度稀疏性出发,将第一阶段多假设预测重构后的当前帧直接作为第二阶段重构的初始重构帧,利用低秩正则化和全变差正则化再次进行重构,其中低秩正则化矩阵是通过欧氏距离-感知哈希算法获取的图像相似块集合,同时包含帧内和帧间的相似图像块,充分利用帧内帧间的结构相似性,有效提高重构性能,为后续残差重构打下基础。仿真实验表明,所提两阶段重构算法较现有几种优秀重构算法更好地保留了视频帧的细节,并具有更高的重构精度。     

基于双重正则矩阵分解的缺失数据恢复

针对多源时间序列缺失数据恢复问题, 提出一种基于双重正则矩阵分解的恢复方法。该方法在多源时间序列矩阵分解的基础上, 利用时间序列的平滑性构建时间序列隐含因子的二阶差分正则项, 同时引入反映数据内部结构的图拉普拉斯正则项对传感器隐含因子进行约束, 并在图拉普拉斯矩阵获取过程中设计了一种联合数据本身的相似度和数据变化趋势相似度的双重皮尔逊相似策略, 构造数据内部的最相似图。最后，将双正则项统一于矩阵分解的框架中, 利用梯度下降法实现目标函数的优化, 数据实验中分别采用合成数据和真实数据验证了算法的有效性。     

基于结构特征约束两阶段重构的视频压缩感知

针对现有视频压缩感知多假设预测-残差重构方法重构精度不高的问题,提出一种基于结构特征先验约束两阶段重构的多假设预测视频压缩感知方法。该方法从相似图像块非局部相似性和梯度稀疏性出发,将第一阶段多假设预测重构后的当前帧直接作为第二阶段重构的初始重构帧,利用低秩正则化和全变差正则化再次进行重构,其中低秩正则化矩阵是通过欧氏距离-感知哈希算法获取的图像相似块集合,同时包含帧内和帧间的相似图像块,充分利用帧内帧间的结构相似性,有效提高重构性能,为后续残差重构打下基础。仿真实验表明,所提两阶段重构算法较现有几种优秀重构算法更好地保留了视频帧的细节,并具有更高的重构精度。