基于块稀疏贝叶斯学习的雷达目标压缩感知(英文)

高速采样和传输是目前雷达系统面临的一个重要挑战。针对这一问题,该文提出一种利用信号块结构特性的雷达目标压缩感知方法。该方法采用一个简单的测量矩阵对信号进行采样,然后运用块稀疏贝叶斯学习算法恢复信号。经典的块稀疏贝叶斯学习算法适用于实信号,该文将其扩为可直接处理雷达信号的复数域稀疏贝叶斯算法。相对于现有压缩感知方法,该方法不仅具有更好的信号重构精度和鲁棒性,更重要的是其压缩测量矩阵形式简单、易于硬件实现。数值仿真实验结果验证了该方法的有效性。      

一种基于稀疏特性的循环谱估计方法研究

通过分析信号循环谱的稀疏特性,将压缩感知理论与谱相关理论相结合,提出了一种基于循环谱稀疏特性的谱估计方法,此方法直接处理压缩感知信号获得的压缩采样值,通过建立其与二阶循环统计量的间接线性关系,利用压缩采样匹配追踪法完成信号的循环谱估计。该方法大大降低了信号的采样速率和处理时间。通过仿真实验表明了此方法的可行性和有效性。     

基于非完备字典的舰船特征提取和识别

提出了一种基于非完备特征字典的舰船特征提取和识别算法。借鉴稀疏表示理论的思想,根据红外图像中舰船的外形特征数据集构造特征字典,将目标信号进行分解,根据匹配字典中每个特征基原子得到特征响应,从而获得目标的特征表示,最后采用 SVM 一对一投票方法进行目标识别,得到最终的目标识别结果。仿真实验表明,与简单的标量区域描述方法和矩特征方法相比,本文方法得到的特征不仅具备更快的提取速度,而且可以更好地区分目标,提高目标识别的正确率。     

参数化稀疏表征在雷达探测中的应用

稀疏信号处理已经在雷达目标探测领域得到应用,并获得了优于传统方法的探测性能。然而,雷达目标探测过程中往往存在目标运动、雷达轨迹误差等未知因素,这导致预先设计的字典矩阵无法实现雷达信号的最优稀疏表征。该文将介绍字典学习的一个分支参数化稀疏表征,该方法通过构建参数化的字典矩阵,实现了对雷达探测过程中未知参数的动态学习和雷达信号的最优稀疏表征。该文还将介绍参数化稀疏表征在逆合成孔径雷达成像、合成孔径雷达自聚焦、基于微多普勒的目标识别等若干雷达探测问题中的应用。      

基于稀疏位姿优化的激光SLAM算法研究

基于图优化的同步定位与建图(SLAM)算法的后端优化部分一般采用直接非线性优化方法.但是直接非线性优化方法的计算时间与图大小的立方成比例增长,优化大型位姿图成为移动机器人一个比较大的瓶颈问题.因此在基于图优化的框架下,采用基于稀疏位姿优化的SLAM算法,通过直接线性稀疏矩阵求解方法来高效计算约束图的大型稀疏矩阵,并与生...     

适用于稀疏信道的MVA算法

主要介绍了一种适用于稀疏信道的复杂度可大大降低的Viterbi均衡算法。在本算法中,计算的复杂度并不依赖于信道冲激响应的长度,而是依赖于信道冲激响应中非零系数的数目。仿真结果表明,在稀疏信道下,此算法具有良好的性能,它不仅适用于最小相位系统,也适用于非最小相位系统。     

用矩阵的LU分解算线性方程组的解

以求解线性方程组为代表的数值计算在现代科学研究和工程技术中得到广泛应用,数值分析问题的求解方法、数值计算的算法以及数值计算的计算机软件长期以来一直是人们的重要研究课题.     

基于压缩感知的人脸识别算法实现

为了可以更好地处理人脸识别中数据量大、高维度、非线性等问题,文中提出了一种基于压缩感知的人脸识别算法。首先采用随机测量矩阵将人脸稀疏表示,其次使用主成分分析法对人脸进行特征提取,最后运用改进的梯度投影法来确定测试人脸图像的分类。实验在ORL人脸数据库中进行验证,表明本文提出的算法具有更短的识别时间和更高的识别率。     

基于先验支持集的自适应信道估计方法

针对大规模MIMO系统信道的稀疏性并且信道随时间缓慢变化的特性,提出了一种自适应信道估计算法。算法根据前一个符号的信道非零抽头索引集(先验支持集),利用质量参数衡量先验支持集的质量,自适应估计当前符号的稀疏索引集(支持集)及时域信道脉冲响应(CIR)。仿真结果证明:提出的算法能够有效提升信道估计的精度,对信道时延变化具有更好的适应性。