检索结果-内蒙古大学图书馆

自动化学报 2022年第7期48卷 1782-1793页

作者：周洁容李海洋凌军陈浩彭济根广州大学数学与信息科学学院广州510006 广州大学机器生命与智能研究中心广州510006

基于泛函深度作用的思想,通过将两种非凸稀疏泛函进行复合,构造了一种新的稀疏信号重构模型,实现了对0范数的深度逼近.综合运用MM(Majorize minimization)技术、外点罚函数法和共轭梯度法,提出一种求解该模型的算法,称为NCCS(Non-convex... 详细信息

基于泛函深度作用的思想,通过将两种非凸稀疏泛函进行复合,构造了一种新的稀疏信号重构模型,实现了对0范数的深度逼近.综合运用MM(Majorize minimization)技术、外点罚函数法和共轭梯度法,提出一种求解该模型的算法,称为NCCS(Non-convex composite sparse)算法.为降低重构信号陷入局部极值的可能性,提出在算法的每步迭代中以BP(Basis pursuit)模型的解作为初始迭代值.为验证所建模型和所提算法的有效性,进行了多项数值实验.实验结果表明,相较于SL_(0)(Smoothed)算法、IRLS(Iterative reweighed least squares)算法、SCSA(Successive concave sparsity approximation)算法以及BP算法等经典算法,提出的算法在重构误差、信噪比、归一化均方差、支撑集恢复成功率等方面都有更优的表现.

关键词：压缩感知稀疏信号重构 MM 技术外点罚函数法共轭梯度法

来源：评论

学校读者我要写书评

暂无评论

一种改进的压缩感知信号重构算法

引用

信号处理 2012年第5期28卷 744-749页

作者：李少东杨军胡国旗空军预警学院湖北武汉430019

针对支撑集未知且变化时的稀疏信号的重构问题,本文基于卡尔曼滤波思想,结合压缩感知算法,给出了一种改进的卡尔曼-压缩感知(Modified Kalman Filter Compressive Sensing,MKFCS)信号重构算法,该算法首先利用Kalman滤波获得信号残差的... 详细信息

针对支撑集未知且变化时的稀疏信号的重构问题,本文基于卡尔曼滤波思想,结合压缩感知算法,给出了一种改进的卡尔曼-压缩感知(Modified Kalman Filter Compressive Sensing,MKFCS)信号重构算法,该算法首先利用Kalman滤波获得信号残差的有效估计,然后根据残差变突情况,用改进的CS算法估计突变位置以确定信号的新的支撑集,最后用最小二乘方法重构信号,从而自适应的实现支撑集未知且变化的稀疏信号的重构。最后对所改进的通过重构精度、重构误差、稳健性等方面进行了仿真,仿真结果表明所提算法重构信号具有需要量测个数少、重构精度高、鲁棒性强等特点。

关键词：压缩感知卡尔曼滤波稀疏信号重构最小l1范数

来源：评论

学校读者我要写书评

暂无评论

基于l1-l0模型的信号重构算法

引用

内蒙古大学学报（自然科学版） 2020年第6期51卷 593-599页

作者：张晶乌彩英内蒙古大学数学科学学院呼和浩特010021

提出了一个弹性无约束l1-l0正则化模型,基于光滑化处理后的模型,给出求解该模型的迭代算法。证明了该算法产生的解序列有界,且分析了算法的全局收敛性。最后给出数值实验结果,表明算法的有效性。

关键词：压缩感知稀疏信号重构弹性l1-l0最小化

来源：评论

学校读者我要写书评

暂无评论

微弱信号检测的盲源分离方法及应用研究

微弱信号检测的盲源分离方法及应用研究

引用

作者：王坤朋重庆大学

学位级别：博士

在科学研究和工程实践中，通常需要对深埋在噪声中的微弱信息进行捕获和测量。如深空探测中的通信和测距信号检测、微弱故障诊断中的特征信号提取、应急救援中的微目标检测、生物医学中的胎儿心电和脑电信号监测等。然而，当所需要测量... 详细信息

在科学研究和工程实践中，通常需要对深埋在噪声中的微弱信息进行捕获和测量。如深空探测中的通信和测距信号检测、微弱故障诊断中的特征信号提取、应急救援中的微目标检测、生物医学中的胎儿心电和脑电信号监测等。然而，当所需要测量的信息越微弱，信号就越容易受到其它信号的干扰和复杂背景噪声的污染，由于噪声的复杂性和随机性，一般的时域波形和频谱分析方法很难实现微弱信号的有效提取。因此，需要深入分析微弱信号和噪声的特性及其混合机制，研究复杂噪声背景下微弱信号的检测方法。论文分析了当前多种微弱信号检测方法及其应用，指出了现有方法存在的问题和局限性。在噪声特性分析与信噪混合机制研究的基础上，从信号与噪声分离的思路出发，针对信噪过定线性、过定非线性、单通道线性和欠定线性四种典型的混合机制，分别进行了基于盲源分离的微弱信号检测模型和算法研究及相关应用分析。针对过定线性干扰情况下的微弱信号检测，在线性瞬时混合情况下分别考虑有用信号频带内噪声和频带外噪声。对于信号频带外噪声，提出了基于可变参数放大和滤波电路（Variable Parameters Amplification and Filtering Circuit，VPAFC）的噪声抑制方法，可根据信号的频谱特征调整滤波器的带宽，能够最大程度上抑制微弱信号频带外噪声;而对于信号频带内噪声，提出了基于降噪源分离的信噪分离方法，利用微弱信号与噪声源之间的统计独立性，实现了微弱信号频带内噪声源的分离。数值仿真和胎儿心电微弱信号提取的实验表明，该方法能够在过定线性噪声干扰的情况下，成功提取出观测信号中的微弱信号成分。针对过定非线性干扰情况下微弱信号的检测，提出了基于区间优化的信噪分离方法。采用多层感知机神经网络对非线性信噪混合系统进行建模，并针对传统多层感知机学习算法收敛速度慢且容易陷入局部极值的问题，给出了一种基于区间分析的分支定界全局优化算法，通过最小化信号源之间的互信息，实现微弱信号成分与噪声源的分离。数值仿真和化学离子传感器微弱信号提取实验验证了该方法的有效性。针对单通道线性干扰情况下的检测问题，提出了基于迭代重加权连续基追踪（Iterative Reweighted Continuous Basis Pursuit，IRCBP）的信噪分离方法。在信号变换不变性的假设下，利用微弱信号成分和结构化噪声成分的样本构建信号字典，建立微弱信号稀疏重构的连续基模型，将单通道盲源分离问题转化为稀疏重构模型参数的优化问题。通过迭代交替优化连续基模型参数，实现观测信号中微弱信号成分的提取。微弱非周期脉冲信号数值仿真和脑电微弱棘波信号提取实验表明，该方法能够从被噪声严重干扰的观测信号中恢复出有用的微弱信号。针对一般欠定线性干扰情况下的微弱信号检测，提出了基于并行张量分解的信噪分离方法。对于信噪混合矩阵的估计，利用观测信号空域延迟协方差矩阵的结构特征，构建混合矩阵估计的张量分解模型，将混合矩阵的估计问题转化为延迟协方差矩阵张量分解问题;对于信号源的估计，利用信号源的时间结构特征，给出一种信号源估计的非线性规划方法。针对传统基于张量分解的盲源分离方法在处理高维信号时计算效率低下的问题，采用基于OpenCL的异构并行计算对算法进行了改进。齿轮箱微弱故障信号仿真实验和噪声背景下微弱音频信号提取实验表明，该方法能够在观测信号数目少于信号源数目的情况下，从被环境噪声干扰的观测信号中快速分离出微弱信号成分。在惯性约束聚变（Inertial Confinement Fusion，ICF）靶物理实验中，为了测量打靶过程中受激散射光能量的变化，设计完成微弱光能量信号检测系统，实现背向散射光和靶室空间内散射光能量信号的测量。实验结果表明，利用该系统可以在小能量打靶实验时，能够从复杂的靶场干扰噪声中分离出微弱光能量信号，实现激光靶能量耦合效率的精准测量。

关键词：微弱信号检测盲源分离稀疏信号重构张量分解微弱散射光

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示与压缩感知的高效信号处理技术及其应用

基于稀疏表示与压缩感知的高效信号处理技术及其应用

引用

作者：刘婵梓西南交通大学

学位级别：博士

随着物联网和云时代的到来,许多领域面临着日益膨胀的海量数据,如视频数据、实时视频、天文数据等,各种数据的存贮和传输成为一个急需解决的问题。在众多的信号处理应用中,都希望找到一种数据的稀疏表示。根据信号本身的特点,自适应地... 详细信息

随着物联网和云时代的到来,许多领域面临着日益膨胀的海量数据,如视频数据、实时视频、天文数据等,各种数据的存贮和传输成为一个急需解决的问题。在众多的信号处理应用中,都希望找到一种数据的稀疏表示。根据信号本身的特点,自适应地选择合适的过完备字典,通过信号在过完备字典上的分解,得到信号非常简洁的等效表达,即稀疏表示。由于信号的稀疏表示能在一定程度上自然地贴近信号的本质特征,因而深入地研究稀疏分解在理论上和实际应用中都具有非常重要的价值。用稀疏逼近取代原始数据表示可以从实质上降低信号处理的成本,提高压缩效率。同时,压缩感知理论指出,只要信号是稀疏的或在某个变换域是可压缩的,那么就可以用一个与变换域不相关的观测矩阵将变换所得高维信号投影到一个低维空间上,然后通过求解优化问题就可以从这些少量的投影中以高概率重构出原信号。只要原始信号满足稀疏的条件,压缩感知可以极大地降低信号的采样频率,显著地降低信号处理时间、复杂度、成本等各种开销。基于此,本文研究稀疏信号的重构算法,即如何从这些少量的投影中以较高的精度和较快的速度重构出原始的高维信号。本文利用稀疏表示可以在变换域更简洁的表达信号,重点研究基于稀疏分解的图像超分辨率重构和水印方法。最后,利用压缩感知技术可以压缩和降维采样数据,重点研究基于压缩感知的MIMO和MIMO-OFDM通信技术,在兼顾误码率的基础上提高系统的复用增益。首先,考虑到原始的稀疏信号重构模型l0范数最小化问题难以求解,提出一种新的最小化l1和l2范数的线性加权的信号重构方法逼近原始的最小化l0范数问题,并从理论上证明l1和l2范数线性加权方案在一定的稀疏度限制条件下,可以等效于原始的l0范数求解问题。更进一步地,分析了提出的稀疏信号重构模型的误差界,证明该方案可以取得比最小化l1范数更小的误差界。我们提出的l1和l2范数的线性加权模型既类似于lp范数松弛方法,展示了比ell1范数更好的逼近l0范数的能力,又可以类似于l1范数,可以应用凸优化的算法（如共轭梯度算法）求解。仿真实验已经验证了我们提出的模型的有效性。稀疏表示和压缩感知理论已经被广泛应用于信号处理和图像处理的各个领域,如图像压缩、噪声抑制、盲信号分离、图像超分辨率重构等等。然而,在图像处理方面,存在着不少瓶颈。如图像的超分辨率重构,传统的基于稀疏表示的方法要求高低分辨率字典对齐,且具有相同的原子数。我们提出的方法可以避免该问题,从高低分辨率图像块的混合样本中训练混合字典,放松了高低分辨率样本在高低分辨率字典的稀疏表示必须相同这一限制。围绕高分辨率图像块和相应的低分辨率图像块的稀疏表示的投影关系的退化模型,从分析制约超分辨率图像处理性能的关键因素入手,侧重分析退化模型对过完备字典的影响,利用图像稀疏表示特征,优化和消除干扰的影响,提升图像超分辨率处理的性能。同时,根据过完备训练字典的自适应性,研究一种新的基于过完备字典的水印方案,将水印信息嵌入到样本的稀疏表示系数的绝对值幅度最大的系数上。因为字典是根据不同的样本采用不同的训练方法得到的,攻击者很难破解出使用的过完备字典,所以可以带来更好的鲁棒性、不可见性、安全性和抗噪声性。仿真结果证明了该方案的优越性。最后,论文提出了一种基于压缩感知的信号复用和检测技术。在发送端,选择压缩感知技术中的测量矩阵作为信号压缩复用矩阵,实现对发送信号的压缩降维和复用处理;在接收端,考虑所有信号可能组合的排列作为过完备字典,实现信号稀疏度为1的稀疏表示,充分利用发送信号在过完备字典上呈现的稀疏特性,利用压缩感知重构算法,从低维的接收信号中解出高维的发送信号,证明了结合压缩感知技术的可行性。当发送数据量比较大时,避免穷搜,提出将发送信号分组压缩复用,减少计算量。本文将压缩感知技术应用于MIMO系统,分析了对应场景下的误码率。研究表明,给定发送天线数的条件下,在兼顾了误码率要求的基础上,能够将更多的数据流复用传输到接收端,获得了超过MIMO系统固有的复用增益和传输容量。同时,将压缩感知应用于MIMO-OFDM系统,在继承和保持了OFDM系统的实现优势,以及资源灵活应用、发送模式灵活应用的前提下,同样的资源数时能接入更多的用户数据流,或者说,在同样的收发天线数下,能够传送更多的数据。受到压缩感知思想的启发,通过发送端引入的复用处理模块和接收端的接收检测处理模块,不仅将信号检测问题转化为压缩感知中的信号重构问题,使问题变成了寻找欠定方程组的稀疏解,而且仅需要少量的接收天线就可以检测出原始的高维信号,减少了收发天线数。并且,通过接收端低复杂度检测器的设计,规避了系统均衡实现复杂的弊端,有效提升系统的复用增益和同时接入服务用户数,能够助力下一代无线网络实现超大容量和超海量连接的需求。

关键词：稀疏表示压缩感知稀疏信号重构图像超分辨率重构图像水印 MIMO技术 OFDM

来源：评论

学校读者我要写书评

暂无评论

压缩感知的非凸信号重构模型及其算法研究

压缩感知的非凸信号重构模型及其算法研究

引用

作者：王丹贵州大学

学位级别：博士

压缩感知作为一种跨学科的新兴采样理论,主要利用信号的稀疏特性,在远小于Nyquist采样定理所要求的采样率下对信号进行随机观测采样,并依据欠定线性方程组和稀疏信号重构算法恢复原始信号。如何构造恰当的稀疏信号重构模型和探讨相应的... 详细信息

压缩感知作为一种跨学科的新兴采样理论,主要利用信号的稀疏特性,在远小于Nyquist采样定理所要求的采样率下对信号进行随机观测采样,并依据欠定线性方程组和稀疏信号重构算法恢复原始信号。如何构造恰当的稀疏信号重构模型和探讨相应的新型优化算法,是稀疏信号重构的两个重要课题,其对压缩感知研究的快速发展具有重要意义。鉴于单或多观测向量下,表征信号稀疏性的非凸稀疏测度较凸稀疏测度更能逼近l0-或l2,0-范数,加之在相同稀疏测度下,感知矩阵的相关性对稀疏信号的重构效果具有重要影响,因此设计并研究适配于多类别感知矩阵的新型非凸稀疏测度,探讨非凸稀疏重构模型的理论基础,是稀疏信号重构研究的重要基础性课题。再者,由于传统稀疏信号重构算法较难有效发现高维非凸稀疏信号重构模型的稀疏解,因此探讨高效且具有并行处理能力的新型优化算法是解决稀疏信号重构问题的重要保障。本文围绕单、多观测向量下的精确、鲁棒稀疏信号重构问题,展开其重构模型和算法求解研究。具体地,针对单观测向量下的非凸精确稀疏信号重构问题,借助限制等距性条件或非凸光滑逼近技术,探讨新的非凸稀疏测度的设计与性质、重构模型的解性质,以及研究模型求解的新型神经网络及其渐近行为;针对单、多观测向量下的鲁棒非凸稀疏信号重构问题,借助惩罚函数法、非凸光滑逼近和贝叶斯模型,获得非凸稀疏信号重构模型,并探讨模型求解的新型神经网络和基于变分贝叶斯推断的稀疏重构算法。主要工作与创新点概括如下:（1）为解决l0-范数的非凸非光滑性易于导致稀疏信号重构失效的问题,建立以可分离非凸稀疏测度为性能指标的单观测向量精确稀疏信号重构模型,并基于光滑逼近获得该非凸稀疏测度的光滑逼近函数及其Lipschitz性质;借助KKT条件,提出求解该重构模型的新型光滑循环神经网络,进而依据非光滑分析理论、微分方程理论及光滑函数的性质,探讨并获得该神经网络的渐近行为性质。比较性的数值实验显示,基于TL1（Transformed l1 Function）测度的可分离非凸稀疏测度不仅对感知矩阵具有较强鲁棒性,而且能较好地刻画信号的稀疏性;获得的神经网络重构稀疏信号的效果具有明显优势且对感知矩阵具有强鲁棒性。（2）受非凸稀疏测度l1-l 2在高相关性感知矩阵下具有良好稀疏重构性能的启发,建立刻画单观测向量精确稀疏信号重构问题的1l-与lp-范数(1（27）p￡2)之差的最小化模型(简称l1-p模型)。借助限制等距性条件,获得该模型精确重构稀疏解的充分条件;利用光滑逼近和梯度投影的思想提出能并行求解l1-p模型的广义梯度投影光滑神经网络,进而依据非光滑分析理论、微分方程理论和光滑函数的性质,获得该神经网络的渐近行为性质。多种类型算法参与比较的数值实验显示,在低（高）相关性感知矩阵及较小（较大）的p值下,l1-p模型的解具有较好的稀疏性。（3）针对高斯噪声环境下的单观测向量鲁棒稀疏信号重构问题,基于具有良好重构性能和对感知矩阵具有较强鲁棒性的TL1稀疏测度,建立鲁棒稀疏信号重构模型;借助惩罚函数法和光滑逼近的思想,提出能求解该模型的光滑神经网络。依据非光滑分析理论、微分方程理论及光滑函数的性质,探讨且获得该神经网络的渐近行为性质。比较性的数值实验显示,所提出的光滑神经网络能较好地重构稀疏信号且对高斯噪声具有较强的鲁棒性。（4）针对含脉冲噪声的多观测向量稀疏信号重构问题,分别利用多元广义t分布和多元拉普拉斯分布来表征脉冲噪声先验和未知源联合稀疏信号先验,建立刻画该问题解的鲁棒分层贝叶斯模型。依据变分贝叶斯推断方法,设计基于变分贝叶斯推断的多变量广义t分布变分贝叶斯算法,并用于求解模型中隐变量的后验估计及源联合稀疏信号。比较性的数值实验显示,该算法具有良好的稀疏信号重构性能且对多种类型的脉冲噪声具有较强的鲁棒性。

关键词：压缩感知稀疏信号重构非凸非光滑逼近循环神经网络变分贝叶斯方法

来源：评论

学校读者我要写书评

暂无评论

稀疏多频带信号压缩采样方法研究

稀疏多频带信号压缩采样方法研究

引用

作者：张京超哈尔滨工业大学

学位级别：博士

射频技术的发展使得将窄带信号调制到较高的载频上进行传输成为可能。这类调制信号通常包含相对较少个数的窄频带，不同的窄频带随机分布于较宽的频率范围内，称为多频带信号。由于此类信号的宽频带特性，基于奈奎斯特采样定理设计的采... 详细信息

射频技术的发展使得将窄带信号调制到较高的载频上进行传输成为可能。这类调制信号通常包含相对较少个数的窄频带，不同的窄频带随机分布于较宽的频率范围内，称为多频带信号。由于此类信号的宽频带特性，基于奈奎斯特采样定理设计的采样系统面临着高采样率采样芯片选择、大数据量存储与传输等挑战，而此类信号通常具有稀疏特性，近年来，稀疏采样领域出现的压缩采样方法为实现此类信号的欠奈奎斯特采样提供了新的思路，目前，针对稀疏多频带信号的压缩采样方法最典型的是调制宽带转换器（Modulated Wideband Converter，MWC）。本文以MWC为研究基础，分析了MWC系统目前在采样结构、信号恢复算法及信号模型方面存在的问题，并对这些问题展开深入研究。具体来讲，所做的工作主要包含以下几个部分：针对MWC系统等效观测矩阵自由度高这一问题，提出了一种基于Toeplitz矩阵进行观测矩阵构造的方法，即基于压缩循环矩阵的模拟信息转换（Compressive Circulant Matrix based Analog to Information Conversion，CCM-AIC）。CCM-AIC通过对一个随机序列的循环移位来构造观测矩阵，此种方式构造的观测矩阵的自由度仅决定于初始随机序列，因而对应的观测矩阵自由度远小于MWC系统中的等效观测矩阵。本文通过理论分析，证明了这种自由度的降低并不影响信号重构的性能，同时，在高斯白噪声存在的条件下，CCM-AIC相比较于MWC具有更好的抗噪声性能。针对压缩采样系统设计的关键问题——信号重构展开了研究，压缩采样信号恢复的本质问题是l0范数的最小化问题，针对l0范数的非连续特性，目前大多数方法是将其转换为凸的l1范数最小化问题，从而利用凸优化方法实现问题的求解，或利用非全局最优的贪婪算法。本文借鉴最近提出的平滑l0范数概念，其利用一种光滑函数来估计稀疏向量的l0范数，将l0范数最小化问题转换为光滑函数的极值问题，从而通过梯度方法求得全局最优解。本文将此概念扩展到多观测向量（Multiple Measurement Vectors，MMV）场合，提出了一种改编算法，实现在MWC框架下的具有有限个数非零行的稀疏矩阵的恢复。本文分析了该方法的不同参数对MWC信号恢复性能的影响，给出了实现最优信号恢复性能的参数条件。针对如何进一步降低MWC系统总采样率问题进行研究，将MWC系统的信号模型进行扩展，提出了一种面向信息带宽的MWC结构（Information Bandwidth based MWC，IBbMWC）。MWC系统暗含了各个频带宽度大致相等这一假设，其系统总采样率与频带的最大宽度之间存在线性关系。本文引入频带宽度信息，通过理论分析建立了系统总采样率与频带宽度之和之间的线性关系，在频带宽度具有较大差异性的环境下，可以明显降低系统的总采样率。同时，本文还分析了MWC及IBbAMWC系统适用多重信号分解算法进行信号恢复的充分条件，分析了单位采样通道数增加量与采样率降低量之间的关系，给出了最优的IBbAMWC系统参数。MWC系统可以视为IBbMWC系统的特例。IBbMWC系统的提出进一步降低了稀疏多频带信号的采样率要求，从而降低对模拟数字转换（Analog to Digital Conversion，ADC）器件及存储资源的要求，进而增强了系统的实用性。

关键词：稀疏多频带信号压缩采样调制宽带转换器稀疏信号重构

来源：评论

学校读者我要写书评

暂无评论

利用压缩感知的逆合成孔径激光雷达成像新方法

引用

西安电子科技大学学报 2010年第6期37卷 1027-1032页

作者：臧博张磊唐禹邢孟道西安电子科技大学雷达信号处理国家重点实验室陕西西安710071

受限于激光调制技术,在较长的积累时间内,逆合成孔径成像激光雷达发射脉冲之间的相干性难以保持,导致方位向散焦,影响成像效果.为此提出了一种在较短相干积累时间内,利用较少回波数据实现同等分辨率的瞬时成像算法.此算法利用压缩感知理... 详细信息

受限于激光调制技术,在较长的积累时间内,逆合成孔径成像激光雷达发射脉冲之间的相干性难以保持,导致方位向散焦,影响成像效果.为此提出了一种在较短相干积累时间内,利用较少回波数据实现同等分辨率的瞬时成像算法.此算法利用压缩感知理论,将逆合成孔径成像激光雷达成像问题转换为利用正交基压缩感知重构稀疏信号的问题,通过优化求解的方式对目标像优化重建,且在低信噪比时通过构造权矩阵,提高算法对目标像的恢复性能.室内逆合成孔径成像激光雷达验证系统实测数据验证了算法的可行性和有效性.

关键词：逆合成孔径成像激光雷达瞬时成像压缩感知稀疏信号重构

来源：评论

学校读者我要写书评

暂无评论

基于压缩感知的加速前向后向匹配追踪算法

引用

电子与信息学报 2016年第10期38卷 2538-2545页

作者：王锋孙桂玲张健平何静飞南开大学电子信息与光学工程学院天津300350 上海交通大学电子信息与电气工程学院上海200030

前向后向匹配追踪(FBP)算法作为一个新颖的两阶段贪婪逼近算法,因为较高的重构精度和不需要稀疏度作为先验信息的特点,受到了人们的广泛关注。然而,FBP算法必须运行更多的时间才能得到更高的精度。鉴于此,该文提出加速前向后向匹配追踪(... 详细信息

前向后向匹配追踪(FBP)算法作为一个新颖的两阶段贪婪逼近算法,因为较高的重构精度和不需要稀疏度作为先验信息的特点,受到了人们的广泛关注。然而,FBP算法必须运行更多的时间才能得到更高的精度。鉴于此,该文提出加速前向后向匹配追踪(AFBP)算法。该算法利用每次迭代中候选支撑集的信息,实现对已删除原子的再次加入,以此减少算法迭代次数。通过不同非零项分布的稀疏信号和稀疏图像的仿真结果表明,相对于FBP算法,该文提出的方案在不降低重构精度的同时,大幅降低了算法运行时间。

关键词：压缩感知贪婪算法前向后向搜索稀疏信号重构

来源：评论

学校读者我要写书评

暂无评论

利用压缩感知的短孔径高分辨ISAR成像方法

引用

西安电子科技大学学报 2010年第6期37卷 1022-1026,1110页

作者：全英汇张磊刘亚波张龙保铮西安电子科技大学雷达信号处理国家重点实验室陕西西安710071

压缩感知理论揭示:对于稀疏信号可以利用非常有限的观测数据对信号本身进行精确恢复.基于此思路提出了一种利用短孔径有限数据实现高分辨逆合成孔径雷达成像的新方法,将逆合成孔径雷达成像转换为利用正交基重构稀疏信号的问题,然后利用... 详细信息

压缩感知理论揭示:对于稀疏信号可以利用非常有限的观测数据对信号本身进行精确恢复.基于此思路提出了一种利用短孔径有限数据实现高分辨逆合成孔径雷达成像的新方法,将逆合成孔径雷达成像转换为利用正交基重构稀疏信号的问题,然后利用压缩感知对目标像高分辨优化重建.同时,根据压缩感知理论对新成像方法的分辨率理论上界进行了推导.对舰船和机动飞机的实测数据的处理结果验证了新方法的有效性和稳健性.

关键词：逆合成孔径雷达压缩感知稀疏信号重构

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：