基于确定性压缩感知采样策略的阵列失效单元远场诊断方法

在采用压缩感知的阵列失效单元诊断方法中,结构化随机采样策略的运用对测量矩阵性能造成不利影响。针对这一问题,该文提出一种基于确定性压缩感知采样策略的阵列失效单元远场诊断方法。首先在失效单元个数满足稀疏性的前提下构造差异性阵列并将其激励作为稀疏向量,其次利用所提方法构造确定性部分傅里叶矩阵(DPFM)作为测量矩阵,最后采用l₁范数最小化算法对稀疏向量进行重构,从而实现对失效单元的高概率精确诊断。理论分析和仿真实验表明,所提方法有效消除了采样位置的随机分布特性对测量矩阵性能造成的不利影响,简化了采样过程,提高了诊断成功概率。     

压缩感知理论与非凸优化方法研究

针对某些信号带宽较宽导致难以直接采样的问题,压缩感知理论提供了一种可行的低速采样方法。信号在特定变换域中拥有稀疏表示,通过低速采样得到少量的投影值,已经包含了重构所需的重要信息。利用压缩感知理论从投影值中重构出稀疏向量,进而重建原信号。同时介绍一种基于非凸优化的压缩感知重构算法。相比L1范数的凸优化和无稀疏约束的L2范数,非凸优化的Lp范数拥有对稀疏性更强的约束。实验结果表明,使用压缩感知理论可以显著降低对信号的采样速率,而使用非凸优化算法可以取得更好的重构效果。     

一种基于单像素相机的压缩感知图像重建优化算法

基于压缩感知图像重构和单像素相机成像的基本原理,对单像素成像系统中的图像重建算法进行了改进优化。基于最小范数类优化算法,结合凸优化算法和非凸优化算法各自的优点,设计了一种逼近L₀范数的数学模型,从而实现了从凸优化向非凸优化算法的迭代逼近,即逼近光滑L₀范数算法。该新型算法以更高的效率和更大的概率逼近原始信号全局最优且尽可能稀疏的解。相较于传统压缩感知图像重建的贪婪类算法和最小范数类算法,该算法使压缩感知重建图像的质量和单像素相机的成像效果均得到了有效提升,并通过实验仿真和实际场景的成像实验验证了该优化算法的可行性。     

低秩条件下的波达方向估计方法研究

在波达方向估计中,阵列接收数据(观测矩阵)的秩小于信源数时会导致经典的基于子空间分解类的超分辨算法失效,基于压缩感知理论的超分辨方法虽可解决算法失效问题,但随着观测矩阵秩的增加,压缩感知方法大多只是进行简单的向量范数合成,即将多测量向量问题转变到单次测量向量问题来解决,并没有充分利用多余的采样信息.在研究秩缺失条件下信号重构机理的基础上,提出了一种自适应加权递归算法,能够利用额外的采样信息通过空间投影构造出相对正确的信号子空间,弥补了在秩缺失情况下估计精度差的问题,并且在采样数逐渐增加的基础上,可以实现对信号的无偏估计.     

基于改进混合范数的图像重构算法

压缩感知理论利用图像稀疏表示的先验知识,通过少量的测量值精确地恢复出原始图像信号。DTCWT凭借其更好表达图像边缘特征的特点,结合贪婪算法和凸优化算法的优点,在双树复数小波变换为稀疏基,局部哈达玛矩阵为观测矩阵的基础上提出改进的快速二步迭代混合范数算法。该算法的图像重构质量优于FIST算法以及IST算法,实验表明改进的混合范数的图像重构算法具有更好的图像重构质量和重构速度。     

基于平滑l_0范数的压缩感知近场声全息方法

传统平面近场声全息(CPNAH)是一类典型的不适定问题,采用波数域滤波或Tikhonov正则化等方法都无法彻底解决,因此,提出一种基于平滑l_0范数的压缩感知平面近场声全息法(SL0-CS-PNAH)。根据全息面上测量声压的特点,采用symlets8小波函数构建正交小波变换矩阵,将其作为重建面质点法向振速的稀疏基。将CPNAH中使用的瑞利(Rayleigh)第一积分公式离散化,确定SL0-CS-PNAH中满足约束等距原则的测量矩阵,设置合适的压缩比,利用测量矩阵对稀疏信号进行压缩采样。在由感知矩阵、全息面测量声压和稀疏向量共同构成的约束条件下,建立稀疏向量的最小l_0范数优化模型,采用平滑l_0范数重建算法求解此模型下的最优化问题,得到质点法向振速的最优稀疏解,再将最优稀疏解和稀疏基相乘恢复重建面质点法向振速。在数值仿真实验中,将测量点由64×64减少到32×64的情况下将传统CPNAH、基于正交匹配追踪算法的压缩感知近场声全息(OMPCS-PNAH)、基于子空间追踪算法的压缩感知近场声全息(SP-CS-PNAH)和SL0-CS-PNAH进行比较。实验结果表明,在相同采样率和压缩比条件下,采用SL0-CS-PNAH的声场重建质量较好且重建效率较高。     

基于压缩感知和最小二乘的分布式协作频谱感知

针对认知无线电(CR)集中式频谱感知算法对融合中心要求高,而且对节点失效的容忍性也不高等缺点,提出了一种基于压缩感知的分布式多节点协作算法.认知无线电网络中每个CR节点在接收信号频谱后,首先根据压缩采样理论在本地获取压缩采样测量值,然后利用l1范数约束的最小二乘算法在本节点估计频谱,把在此节点估计的频谱传给下一相邻节点,以此进行迭代优化直到算法收敛.理论分析和仿真结果表明,所提算法不仅计算复杂度低,收敛速度快,而且精确重构性能好,可靠性较高.     

压缩感知在波达方向估计中的应用

根据压缩感知(CS)理论,利用空间目标在空域上的稀疏性,构建出新的基于CS的DOA估计模型,提出基于协方差矩阵CS、阵列内插CS和波束空间CS的DOA估计算法,分别在协方差矩阵、虚拟内插阵列和波束空间上进行压缩采样,最后通过对1范数优化问题的求解来高概率地进行稀疏重构,得到目标的高分辨DOA估计。所提算法扩展了CS理论在DOA估计中的适用范围,相比MUSIC、ML等传统DOA估计算法,具有更高的分辨率及更优的估计性能。计算机仿真结果验证了算法的有效性。     

基于观测矩阵优化的自适应压缩频谱感知

推导了自适应压缩感知中的重构估算误差,研究了如何降低观测矩阵列向量之间的自相关性,分析了观测矩阵优化对压缩感知重构算法的影响。将观测矩阵优化与压缩感知自适应过程相结合,提出了基于观测矩阵优化的自适应压缩频谱感知算法。仿真结果证实,所提算法比传统算法重构时产生的均方误差(MSE)更低,在同一观测次数下检测概率更高,在达到同等接收操作性能(ROC)时所需观测次数更少。     

基于压缩感知稀疏信号重建的迭代硬阀值算法

Nyquist采样速率条件下的信号采样,采样系统表现良好并且信号可以被稀疏向量近似表示时,信号可以被有效而精确地重构。针对无噪声信号,利用确定的稀疏基和随机的观测矩阵,研究迭代硬阀值算法的有效性。若观测矩阵满足有限等距性质（RIP）,且稀疏基与随机观测矩阵不相干时,通过该算法,原始信号的稀疏投影可以被高概率重构。最后,利用哈达码正交矩阵作为稀疏基,高斯随机矩阵作为观测矩阵,对原始信号的稀疏投影进行重构,结果验证了该算法的有效性。     

基于均匀圆阵的近场源三维参数估计

基于均匀圆阵,提出一种近场源距离-方位角-俯仰角联合估计算法。利用阵元观测数据,构造一组高阶累积量矩阵,通过矩阵联合对角化技术得到阵列流形矩阵的估计。根据阵列流形矩阵的估计以及近场和远场条件下方位角相同的结论,获得方位角的估计。利用阵列流形矩阵和方位角的估计,得到距离和俯仰角的估计。该方法无需二维频域峰值搜索或参数配对。计算机仿真验证了算法的有效性。     

基于原子范数的互质阵列协方差矩阵重构算法

针对互质阵列的虚拟阵列插值过程中协方差项的非均匀加权问题,将互质阵列协方差矩阵重构转换为低秩矩阵填充与原子范数重构,提出基于原子范数的互质阵列协方差矩阵重构算法。该算法先利用广义增广法得到非完备的互质阵列协方差矩阵,并利用截断的均值奇异值门限填充法得到虚拟阵列的协方差矩阵初值,然后对其进行原子范数最小化求解,实现稳健的正定Toeplitz协方差矩阵重构。该算法充分利用互质阵列协方差矩阵信息,有效提高互质阵列DOA估计算法的稳定性,降低计算复杂度。     

Three-dimensional near-field MIMO array imaging using range migration techniques

This paper presents a 3-D near-field imaging algorithm that is formulated for 2-D wideband multiple-input-multiple-output (MIMO) imaging array topology. The proposed MIMO range migration technique performs the image reconstruction procedure in the frequency-wavenumber domain. The algorithm is able to completely compensate the curvature of the wavefront in the near-field through a specifically defined interpolation process and provides extremely high computational efficiency by the application of the fast Fourier transform. The implementation aspects of the algorithm and the sampling criteria of a MIMO aperture are discussed. The image reconstruction performance and computational efficiency of the algorithm are demonstrated both with numerical simulations and measurements using 2-D MIMO arrays. Real-time 3-D near-field imaging can be achieved with a real-aperture array by applying the proposed MIMO range migration techniques.     

基于MIMO雷达虚拟阵列的近场目标定位

提出了一种基于MIMO雷达虚拟阵列的近场目标定位新算法。该算法通过MIMO雷达形成的虚拟阵列的互协方差矩阵来构造一个新的二阶统计量矩阵,利用其相应的特征值及特征向量估计出近场目标的三维参数。由于不同虚拟阵列的噪声是不相关的,所以该算法可适用于任意的加性高斯噪声环境。与现有的无源阵列近场源定位算法相比,该算法的参数估计结果能自动配对,无需参数配对过程,且不存在接收阵列孔径损失的问题。计算机仿真结果证明了本文算法的正确性和有效性。     

基于互素对称阵的近场源定位

针对近场源定位中存在的孔径损失问题,该文提出了一种新的近场源定位算法。该算法采用互素对称阵列,使得阵元间距不必限制于1/4信号波长。首先构造一个特殊的四阶累积量矩阵,进而采用MUSIC算法估计信源方位角,然后在每个估计方向上搜索距离。该算法将近场源2维定位问题转化为多次1维搜索,且参数自动配对。互素对称阵的使用有效地扩展了阵列孔径,提高了空间分辨概率和参数估计性能。计算机仿真验证了该算法的有效性。     

基于联合对角化的MIMO雷达近场目标定位

目标定位经典算法有很多,但大多不能直接适用于MIMO雷达近场目标定位,而现存的单基地MIMO雷达近场目标定位算法很少。为了解决这个问题,提出了一种基于联合对角化的MIMO雷达近场多目标定位算法。该算法使用十字形收发阵列,利用接收信号的协方差矩阵构造新的矩阵,灵活运用联合对角化算法得到发射角和距离估计值,再利用谱峰搜索得到接收角估计值。该算法和现有的MIMO雷达近场目标定位算法相比,精度高,无相位模糊问题,且参数能自动配对。仿真实验证明了算法的有效性。     

Passive Localization of Mixed Near-Field and Far-Field Sources Using Two-stage MUSIC Algorithm

Passive source localization is one of the issues in array signal processing fields. In some practical applications, the signals received by an array are the mixture of near-field and far-field sources, such as speaker localization using microphone arrays and guidance (homing) systems. To localize mixed near-field and far-field sources, this paper develops a two-stage MUSIC algorithm using cumulant. The key points of this paper are: (i) in the first stage, this paper derives one special cumulant matrix, in which the virtual ?steering vector? is the function of the common electric angle in both near-field and far-field signal models so that source direction-of-arrival (DOA) (near-field or far-field one) can be obtained from this electric angle using the conventional high-resolution MUSIC algorithm; (ii) in the second stage, this paper derives another particular cumulant matrix, in which the virtual ?steering matrix? has full column rank no matter whether the received signals are multiple near-field sources or multiple far-field ones or their mixture. What is more important, the virtual ?steering vector? can be separated into two parts, in which the first one is the function of the common electric angle in both signal models, whereas the second part is the function of the electric angle that exists only in near-field signal model. Furthermore, by substituting the common electric angle estimated in the first stage into one special Hermitian matrix formed from another MUSIC spectral function, the range of near-field sources can be obtained from the eigenvector of the Hermitian matrix. The resultant algorithm avoids two- dimensional search and pairing parameters; in addition, it avoids the estimation failure problem and alleviates aperture loss. Simulation results are presented to validate the performance of the proposed method.     

基于矩阵差分的远场和近场混合源定位方法

混合源定位在无源雷达中发挥着重要作用。针对均匀圆阵下基于相位差方法的定位精度较低的问题,该文提出基于矩阵差分的远场和近场混合源定位方法。首先,利用二维多重信号(2-D MUSIC)分类方法估计出远场源的方位角和俯仰角;随后,利用协方差矩阵差分方法提取出近场源差分矩阵,通过改进的类旋转不变估计信号参数(ESPRIT-like)方法计算出近场源的方位角和俯仰角;进一步地,利用一维多重信号分类方法估计出近场源的距离;最后通过仿真实验对该文所提算法进行验证。该文所提算法在远场源和近场源角度相同的情况下能够有效地识别混合源,并且提高混合源参数估计精度。实验结果表明该算法在信噪比(SNR)为20 dB时,近场源的二维DOA估计误差接近0.01°,而近场源的距离误差接近0.1 m。      

基于MUSIC算法的二次雷达应答信号分离方法

为了提高在高密度信号环境下对二次监视雷达(SSR)应答信号的接收性能,该文提出一种将信源数估计和信号到达方向(DOA)估计相结合构建分离矩阵实现交叠信号分离的算法。首先根据交叠信号量测的特征值分布来确定交叠信号的个数;然后利用MUSIC算法作谱峰搜索得到各信号的DOA,并重构混合矩阵;最后通过计算混合矩阵的广义逆得到分离矩阵,并实现对交叠信号的分离。以6阵元均匀线阵为前提进行仿真分析,结果表明所提分离算法可达到90%以上的分离成功率,分离性能和独立成分分析(ICA)算法相当,优于基于投影技术分离算法(PA),但计算量远小于ICA算法,不足ICA算法计算量1/10,更易于工程化应用。