一种合成聚焦的便携式B型超声成像方法

传统合成聚焦超声成像方法在图像重建过程中处理数据量较大,致使其在便携式B型超声设备中应用受限。针对该问题,提出一种基于压缩感知理论和合成聚焦波束形成算法的便携式B型超声成像方法(SFCS)。该方法通过对接收到的射频回波信号进行随机采样得到欠采样的测量信号,将测量信号经过合成聚焦波束形成处理获得欠采样的射频信号线,基于压缩感知的信号重构算法,由欠采样的射频信号线高质量地恢复信号后供后续成像处理使用。仿真实验结果表明,SFCS可有效地解决合成聚焦超声成像过程中数据量大的问题,从而在保证较高成像质量的前提下满足便携式B型超声设备小型化、低成本的技术要求,具有工程应用价值。     

基于辅助节点的安全协作频谱感知

在认知无线电网络中,恶意用户会占用授权频段,模仿主用户的信号特征发送信号,导致其他认知用户误认为主用户存在。针对该问题,提出一种基于辅助节点的安全感知机制,在网络中部署若干辅助节点,利用链路特征和加密机制对主用户的活动情况进行识别。设计适用于该机制的融合判决算法,不对授权网络做任何形式的改动即能有效识别恶意用户,并在融合时采用信任节点的感知数据,从而提高融合结果的鲁棒性。仿真结果表明,与K秩、And和Or算法相比,在恶意环境下该算法具有较好的检测性能。     

视觉传感网中基于二次规划的图像压缩感知

为降低视觉传感网络中图像压缩感知算法的计算复杂度,提出一种基于二次规划的网络图像恢复算法。该算法将压缩感知重构中的欠定线性方程组求解问题,转化为有界约束二次规划问题,在此基础上结合阿米霍步长准则,设计一种压缩感知图像恢复算法,通过求解二次规划问题对网络图像数据进行恢复。理论分析和仿真结果表明,与传统图像压缩感知算法相比,该算法可减少约1/3的图像数据恢复运算时间,且图像重构质量提高3 dB~6 dB,有效提高了视觉传感器网络图像恢复算法的实时性。     

基于压缩感知的图像重构算法

在图像压缩感知中,梯度投影恢复算法存在收敛速度慢、迭代次数多、对数据稀疏度过分敏感的问题。为此,提出一种基于压缩感知的图像重构算法。将拟牛顿法引入稀疏梯度投影算法中,利用拟牛顿法的估计校正机制以及其全局超线性收敛性,通过对目标函数的校正,获得更精确的搜索方向,从而减少迭代次数,构成有效收敛的图像恢复算法。实验结果表明,与传统梯度投影恢复算法相比,该算法在保证较好图像恢复效果的同时具有较好的抗噪性能,并且在减少迭代次数的基础上能有效降低重构误差,得到稳定收敛的重构结果。     

基于前向预测并行追踪的视频压缩传感方法

为了减小视频信号采集端的负担,提出一种基于压缩传感理论的视频压缩算法模型。该模型采用广义轮换矩阵获取视频帧的测量值,再结合视频压缩的运动补偿预测关键技术,消除视频帧间冗余。然后在并行贪婪追踪算法中引入前向预测技术作为重构算法,最终获取重构的压缩图像。实验对比了在不同算法下的重构图像和不同采样比下不同算法的重构PSNR值,然后利用所提方法得到视频序列的重构压缩图像。实验结果表明,该算法模型能较精确地获取压缩的视频图像,适合在视频压缩中应用。     

一种新的基于压缩传感理论解决Pan-Sharpening问题的算法

Pan-Sharpening问题是将高分辨率全色图像和低分辨率多光谱图像融合,重构出高分辨率多光谱图像的过程。压缩传感理论解决了相应目标函数的稀疏解问题(求解含有l0范数的极小化问题)。利用压缩传感理论,提出一种新的解决Pan-Sharpening问题的算法:以离散余弦变换矩阵作为字典进行重构。然后针对重构过程中产生的块效应、色彩偏差和洗涤效应等问题进行相应的处理。QuickBird卫星图像的实验结果表明:与经典算法进行对比,该算法在效果上有一定的优势。     

差动传感测量釉层热应力

本文介绍一种以差动传感原理测量冷却过程中釉层热应力的方法及装置，并对该装置的测量误差进行了分析。     

一种梯度交替迭代设计测量矩阵的方法

在压缩采样中,测量矩阵应该和表达字典有尽可能小的相干性,随机测量矩阵一直被使用是因为其和任何表达字典都有较小的相干性。提出一种基于梯度迭代最小化方法,作为格拉斯曼框架设计的一种变体,通过优化一个初始的随机测量矩阵来得到相干性更小的测量矩阵。仿真结果表明所设计的测量矩阵具有更好的性能。     

基于信噪比权值的合作频谱感知技术

根据无线环境中各个认知用户的信噪比不同,提出一种基于信噪比权值的合作频谱感知算法。认知用户根据与主用户之间路径衰落因子的不同,得出各自的信噪比值,再通过递归得到相应的权值。融合中心进行加权融合得出最终判决结果。仿真结果表明,这种算法可以提高对主用户的检测概率,其检测性能也优于传统的硬判决融合准则。     

一种基于压缩采样的多用户联合宽带频谱感知方法

在理想的认知无线电系统中,认知用户能够同时感知很宽的频带,而受限于前端器件的物理性能,实时全频带检测很难实现.针对这一问题,文章提出一种基于压缩采样的宽带频谱感知方法.首先设计了一种集中式多认知用户分组并行压缩采样架构,使每个认知用户只需要一个低速率AD转换器即可实现宽带频谱感知中的模拟信号高速采样.另外,根据压缩采样理论,该方法充分利用了主用户信号在频域上的稀疏性,基站只需要远少于奈奎斯特采样点数的观测值即可对主用户信号的频域信息进行恢复,并通过恢复出的信息对频谱占用状态进行判定.仿真结果表明,该压缩检测算法相比于传统能量检测具有较高的系统检测概率和较短的检测时间,且只需要10%的存储单元.