基于约束等距的块稀疏压缩采样匹配追踪算法

为提高块稀疏信号重构算法性能,利用测量矩阵块相干特性对块稀疏约束等距常数进行估计和讨论。在此基础上,将联合子空间的分块思想引入压缩采样匹配追踪(compressive sampling matching pursuit, CoSaMP)算法,提出了基于约束等距的块稀疏压缩采样匹配追踪(block CoSaMP, BCoSaMP)算法,以子矩阵为单位更新重构支撑集,放宽了约束等距条件。在高斯随机测量矩阵条件下,证明分块尺寸越大、最优相干块更新数量在适当范围内越少,重构误差收敛性越好且信号临界稀疏比越大。最后,利用某型预警雷达多批次回波信号进行重构仿真,验证了本文算法比目前其他块稀疏重构算法具有更高的重构成功率、更优的误差稳定性和更好的应用价值。     

基于改进遗传算法的正交匹配追踪信号重建方法

针对压缩传感现有重建算法的缺陷:重建速度慢,在给定迭代次数的条件下进行重建,缺乏自适应性等,提出了一种改进的遗传算法与正交匹配追踪算法相结合的方法来构造重建矩阵。首先采用改进的遗传算法从测量矩阵的列中以最优染色体的形式选出与当前冗余向量最大程度相关的列,然后从测量矩阵中减去最优染色体部分并反复迭代,直到满足重建精度。实验结果表明,与现有的重建算法相比,在满足相同的重建精度条件下,该方法所需要的重建时间减少了5 s左右,所需要的测量矩阵规模减小了约10%,而且能在待重建信号稀疏度未知时自适应地控制迭代停止时间。     

多测量向量块稀疏信号重构ISAR成像算法

为实现有限脉冲快速逆合成孔径雷达(inverse synthetic aperture radar,ISAR)稀疏成像,利用ISAR目标块状结构特征,提出一种基于多量测向量(multiple measurement vectors,MMV)模型的块稀疏信号重构ISAR成像算法。首先,构建MMV稀疏成像模型,将ISAR成像转化为MMV块L₀范数的稀疏重构问题。其次,选用负指数函数序列作为平滑函数去近似块L₀范数,通过构建一个递减的参数序列,对平滑函数优化求解,采用梯度投影方法将所求解投影到可行解空间。最后,增加修正步骤,确保沿着最速下降方向对块稀疏信号优化求解。仿真结果验证了本文算法在成像时间和成像质量方面具有优势。     

基于Hadamard纠错码核匹配追踪的

针对传统核匹配追踪(kernel matching pursuit,KMP)学习机只能解决二类分类问题的不足,结合纠错输出编码〖JP3〗(error correcting output codes,ECOC)的思想,提出了一种基于Hadamard纠错码的核匹配追踪多类分类方法。该算法通过Hadmard纠错码将核匹配追踪算法推广到多类分类领域,并利用纠错码本身具备的纠错能力提高了分类器的泛化性能。实验中分别对UCI数据集和3种典型空天目标的高分辨一维距离像(high resolution range profile,HRRP)数据集进行测试,通过与2种经典的编码方法进行比较,结果表明该编码方法可以显著提高分类器的性能和鲁棒性。     

基于局部随机化哈达玛矩阵的正交多匹配追踪算法

针对现有测量矩阵的优缺点,采用具有良好相关性、随机独立性及快速计算的局部随机化哈达玛矩阵作为测量矩阵,同时针对标准正交匹配追踪算法在测量过程中受扰或在稀疏信号情况下难以稳定精确重构问题,提出了一种基于局部随机化哈达玛矩阵的正交多匹配追踪算法。该算法利用局部随机化哈达玛矩阵的结构特性,能够快速精确重构原信号。仿真结果表明,测量过程中存在噪声或无噪,无论处理一维信号还是二维图像信号时,该算法性能均超过同类其他贪婪算法和凸优化基匹配法。     

基于重构误差和多块建模策略的kNN故障监测

针对基于k近邻(k-nearest neighbor,kNN)的故障监测算法中,引发故障的异常信息易被正常信息淹没,导致故障检测不及时和报警率低的问题,利用自编码器和多块建模策略提出一种基于重构误差的k NN故障监测方法。该方法利用正常工况数据集训练自编码器模型,基于该模型进行重构误差提取以解决异常信息易被淹没的问题。进一步考虑微小偏移和振荡等故障特征,采用多块建模策略,对各子块分别计算统计量并融合检测。通过一个数值例子与田纳西-伊斯曼(Tennessee-Eastman,TE)过程进行仿真与分析,结果验证了所提方法的有效性与监测性能的提升。     

基于压缩感知的自适应匹配追踪算法优化

针对基于压缩感知的稀疏自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法运行效率低的问题,给出了一种优化的自适应匹配追踪(modified adaptive matching pursuit,MAMP)算法.该算法在支撑集选择过程中对稀疏度进行了初步估计,并优化了迭代停止的条件.实验表明,该算法相比于SAMP有更快的收敛速度,并且实现更优的重建效果.     

三维曲面重构与多视匹配技术的研究

自由曲面是制造技术中的关键技术,它广泛用于航空、航天、汽车制造、模具以及服装和制鞋工业等领域。本文介绍了将非接触光学测头用于三坐标测量机(CMM)实现对复杂三维曲面的在线测量。主要研究了如何对采集得到的大量散乱数据进行曲面重构处理,同时采用了一种实用的图像匹配算法实现了多视数据信息的融合。     

基于压缩感知的阈值多路径稀疏度自适应图像重构算法

针对深度优先的多路径匹配追踪算法在进行图像重构时需要已知图像稀疏度、计算复杂度高等问题,提出了阈值多路径稀疏度自适应图像重构算法。该算法引入多个候选集,通过设定阈值来进行原子筛选和候选集数量的调整。然后每次迭代选出残差最小的路径作为新的候选集,以提高重构速度。此外,将残差差分小于某一阈值作为算法停止条件,因此不需要图像稀疏度作为算法的输入。实验结果表明,该算法可以获得较好的重构效果,同时保持了良好的时间复杂度和抗噪性能。     

基于改进正交匹配追踪算法的属性散射中心提取

属性散射中心模型是描述目标后向电磁散射特性的典型模型,但其中传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法提取模型时具有参数复杂度高、计算时间长等问题.对此提出一种基于稀疏字典的广义正交性的改进OMP算法,快速定位模型位置参数值,避免了正交匹配中的寻优过程,从而降低算法的运算复...     

基于MS-ROMP信号重构算法的欠定盲分离

为了提高最小支撑正交匹配追踪(least support denosing-orthogonal matching pursuit, LSD-OMP)算法的重构精度,缩短重构时间,改善算法性能,提出一种基于多重支撑的正则化正交匹配追踪(multiple support of regularization orthogonal matching pursuit, MS-ROMP)算法。由于LSD-OMP算法仅选择一些原子来定位支撑集,并且无法消除添加到支撑集中的错误原子,因此信号恢复精度降低并且重构时间增加。针对此问题,本文通过改进算法终止条件,引入多重支撑和正则化来改善算法性能,即通过设置阈值,剔除一些错误的原子,并组合一些支持集来定位最佳支持集,从混合信号中分离出源信号,从而更加精确的实现欠定盲源分离。仿真实验验证了该算法的有效性。     

基于局部搜索OMP的网格失配STAP算法

针对稀疏恢复空时自适应处理(space-time adaptive processing, STAP)存在网格失配时,造成稀疏恢复STAP的性能下降这一问题,提出一种基于局部搜索正交匹配追踪算法。该算法首先从全局STAP完备字典中选择与杂波相匹配的全局网格点;然后以选出的全局网格点为中心,以全局完备STAP字典的空时频率间隔为区域,构建局部STAP字典,并从中选择与杂波最匹配的局部网格点;最后得到杂波的角度多普勒像和修正的STAP字典。仿真结果表明,所提的算法能够选择与真实杂波脊相匹配的网格点,从而提高了稀疏恢复STAP技术的性能。     

基于多信号流图的测试性验证试验样本选取方法

为设计优化的测试性验证试验方案,提出了故障样本优选算法.本算法介绍了多信号流图模型的形式化定义和建模步骤,利用其描述故障与测试间因果依赖关系,建立了故障-测试相关矩阵和故障-故障相关矩阵.在考虑充分覆盖的约束条件下,以试验费用小为优化目标,提出了最小故障样本集和每个故障样本数的选取方法.案例验证结果表明,该方法分析设计的试验方案节省了试验费用.     

基于多信号流图和相似性度量的故障可诊断性评价方法

针对目前基于定性模型无法对电子系统故障可诊断性进行定量评价的问题, 将定性模型与数据驱动方法相结合, 提出一种基于多信号流图和相似性度量的故障可诊断性评价方法。首先, 根据系统的组成结构建立多信号流图模型并得到故障-测试相关性矩阵, 基于故障-测试相关性矩阵提出了故障可诊断性评价准则。其次, 提取测试信号的小波包Shannon熵作为特征向量, 以欧式距离作为相似性度量指标, 将故障可诊断性定量评价问题转换为不同故障模式下测试信号特征向量的相似性度量问题。然后, 构建故障可诊断性评价矩阵, 依据故障可诊断性评价矩阵提出了系统可诊断性指标。最后, 通过仿真分析验证了所提方法的有效性。结果表明, 所提方法在不构建数学模型的前提下, 能够实现电子系统的故障可诊断性的定量评价。