基于盲自适应KLT的蒸发波导压缩感知方法

蒸发波导既可促成微波通信、雷达等系统超视距工作,又可能造成异常盲区,因此获知蒸发波导的时空态势是夺取海上制电磁权的关键.若仅靠增大传感器布设密度提升感知分辨率,则费效比高且提升空间有限.压缩感知为从相对稀少的观测数据中获知蒸发波导态势提供了可能.本文提出盲自适应KLT（Karhunen-Loéve Transform）追踪算法,通过少量观测数据,充分挖掘蒸发波导的稀疏性,准确恢复出蒸发波导的分布.理论分析和实验表明,新方法总体性能优于基于DCT（Discrete Cosine Transform）和传统KLT的对照组性能,且新方法在节省九成采样资源的前提下,最终的重构结果能够达到重构信噪比30dB的水平,为海上长时间、大范围蒸发波导态势感知提供了压缩采集的基础.     

折棍变分贝叶斯图像分割算法

为提高图像分割的抗噪鲁棒性并解决分割数目的自适应确定问题,通过在聚类标签先验概率的折棍构造过程中建立Markov随机场,将空间相关性约束引入Dirichlet过程混合模型的概率建模,使聚类的空间平滑性得以增强,并采用变分推断方法获得聚类标签的收敛解析解,提出一种基于折棍变分贝叶斯推断的图像分割算法,实现了对像素聚类标签和分割数目的同步自适应学习,避免了传统方法中因引入空间相关性约束而出现的计算复杂问题.基于Berkeley BSD500图像测试数据集的数值实验结果表明,该算法具有比现有的混合模型聚类图像分割算法更高的PRI值,且在低于0.1的噪声方差条件下表现出了更优的抗噪鲁棒性.     

基于稀疏贝叶斯学习的时域流信号鲁棒动态压缩感知算法

块效应和未知且时变的噪声强度会降低时域流信号动态稀疏重构的性能,为解决该问题,本文基于重叠正交变换和稀疏贝叶斯学习框架,提出一种对时域流信号进行动态压缩感知的鲁棒稀疏贝叶斯学习重构算法.该算法在消除块效应的同时,能够处理噪声强度未知且时变情形下的动态稀疏重构问题,相比现有的流信号稀疏贝叶斯学习算法具有更强的抗噪鲁棒性.尽管现有的时域流信号压缩感知的有效算法并不多,但实验表明,本文算法的重构信误比和重构成功率均明显高于现有的基于稀疏贝叶斯学习的流信号重构算法和基于L1-同伦的流信号重构算法,且达到相同的重构成功率所需的观测数目少于另两种算法,计算量和运行效率则与稀疏贝叶斯学习算法相近.     

基于改进型支持向量机的电磁传播损耗研究

海面大气波导的折射率剖面反演过程中,电磁波传播损耗的数据模型计算量大及过程复杂,计算时间随传播距离的增加而大大延长,难以适应实际反演过程快速实时的多变环境、效率低下。针对这个问题,对最小二乘支持向量机算法进行改进,简化了高维计算问题,在保证计算复杂度和计算量没有增加的情况下,提高了计算的准确性。仿真实验表明,利用改进的算法对训练模型的训练时间大大降低,与实际结果符合程度好,适用于后续的大气波导折射率剖面反演。     

镜像反转DMFT抛物方程算法

基于双向DMFT抛物方程算法,提出一种镜像反转DMFT算法,该算法适用于刃峰存在条件下的电波传播计算,无须调用后向DMFT算法,在传统前向DMFT算法的步进计算流程内,将峰面前侧的地形和大气折射率信息加载于峰面镜像方向,基于镜像反转完成对后向反射场的计算,降低了电波传播计算程序上的复杂性,更符合DMFT的迭代计算特点。通过对DMFT抛物方程算法的理论推导,证明了镜像反转DMFT算法与双向DMFT算法在理论上是等效的,并采用所提算法计算了单刃峰和多刃峰情形下的电波传播损耗分布。     

具有聚类结构相似性的非参数贝叶斯字典学习算法

利用图像结构信息是字典学习的难点,针对传统非参数贝叶斯算法对图像结构信息利用不充分,以及算法运行效率低下的问题,该文提出一种结构相似性聚类beta过程因子分析(SSC-BPFA)字典学习算法。该算法通过Markov随机场和分层Dirichlet过程实现对图像局部结构相似性和全局聚类差异性的兼顾,利用变分贝叶斯推断完成对概率模型的高效学习,在确保算法收敛性的同时具有聚类的自适应性。实验表明,相比目前非参数贝叶斯字典学习方面的主流算法,该文算法在图像去噪和插值修复应用中具有更高的表示精度、结构相似性测度和运行效率。     

时域流信号的多任务稀疏贝叶斯动态重构方法研究

为了解决多任务观测条件下时域流信号动态重构面临的块效应问题,该文基于重叠正交变换(LOT)和稀疏贝叶斯学习的贪婪重构框架先后提出了一种流信号多任务稀疏贝叶斯学习算法及其鲁棒增强型的改进算法,前者将LOT时域滑窗推广到多任务条件下,通过贝叶斯概率建模将未知的噪声精度的估计任务从信号重构中解耦并省略,后者进一步引入了重构不确定性的度量,提高了算法的鲁棒性和抑制误差积累的能力。基于浮标实测数据的实验结果表明,相比多任务重构领域代表性较强的时间多稀疏贝叶斯学习(TMSBL)和多任务压缩感知(MT-CS)算法,本文算法在不同信噪比、观测数目和任务数目条件下具有显著更高的重构精度、成功率和效率。     

一种高敏感度的蒸发波导剖面模型

以提高全球定位系统(Global Positioning System,GPS)信号反演蒸发波导的精度、简化现有蒸发波导折射率剖面模型为目的,通过分析四参数蒸发波导剖面模型的GPS海面散射信号功率特性,改进得到了一种三参数模型——高敏感度的蒸发波导折射率剖面模型,并针对其GPS海面散射信号功率特性,同现有剖面模型进行了对比分析,通过粒子群优化算法的反演结果验证了三参数模型的高敏感度在反演中的优势.