多视角穿墙雷达联合稀疏成像算法

多视角穿墙雷达成像系统利用多个视角的目标回波数据,可以有效提高目标成像重建结果的质量。在建立多视角穿墙雷达联合稀疏信号模型的基础上,提出了一种基于交叉验证技术的删失同时正交匹配追踪成像算法。该算法将每个观测视角雷达单元的测量数据分成重建数据和交叉验证数据两部分,通过进行多次删失同时正交匹配追踪迭代计算实现测量噪声水平估计和成像重建,既减小了各个视角雷达站间的数据通信开销,也摆脱了成像算法对测量噪声水平和场景稀疏度先验信息的依赖。仿真实验结果验证了所提成像算法的有效性和准确性。     

基于低秩稀疏约束的穿墙雷达成像算法

针对穿墙雷达(TWR)成像过程中墙杂波与成像空间分别具有低秩性和稀疏性的特点，提出了一种基于低秩稀疏约束的穿墙雷达成像算法。所提成像算法通过奇异值软阈值法和l1范数最小化技术进行迭代求解低秩稀疏约束优化问题，实现在墙体强反射波存在的探测环境中基于压缩感知框架对墙后隐蔽目标的准确成像重建。仿真和实验数据的处理结果验证了所提成像算法的有效性和准确性。     

基于回波数据压缩的MIMO-SAR成像方法

针对多发多收合成孔径雷达（MIMO-SAR）高分辨成像的回波数据量过大问题,提出了一种基于数据压缩的MIMO-SAR成像方法。通过对MIMO-SAR回波数据的分析,补偿了由于MIMO雷达收发分置导致的相位误差;其次利用距离徙动算法(RMA)对回波数据进行预处理并分析了其稀疏性;然后针对预处理后的回波数据进行压缩传输,在接收端利用压缩感知重构算法获得回波数据在距离多普勒域的稀疏表示并进行成像处理。仿真结果表明,所提方法可以在大幅压缩MIMO-SAR回波数据的基础上实现准确成像。     

一种稀疏重建的多基地雷达多目标定位算法

采用距离和信息的多基地雷达多目标投影定位算法中，距离向脉冲压缩后分辨率降低，需要已知空间中目标个数。针对此问题，提出了一种稀疏重建的多基地雷达多目标定位方法。该方法利用多个接收机中目标稀疏度相同的特点，通过构造平均重构残余误差变化率和平均散射系数变化率作为正交匹配追踪(OMP)算法迭代终止判定条件，自适应地终止OMP算法的同时获得稀疏重建信号以及信号稀疏度的估计值，提高了距离向分辨率，获得了对空间中目标个数的估计。仿真实验表明所提算法有效抑制了距离向主瓣展宽和旁瓣串扰，提高了距离向分辨率。同时，所提算法在不同噪声环境下能准确估计空间中目标个数并提取其空间位置，实现对空间中目标的准确定位。     

适用于彩色图像人脸识别的字典学习算法

现有的基于稀疏表示的人脸识别算法在识别前需要将彩色人脸图像转换成灰度人脸图像,这样虽然提高了运算速度,但忽视了不同色彩通道数据本身所包含的信息及它们之间的相关性。为了利用不同通道间相关性,基于标签一致的K奇异值分解（LC-KSVD）字典学习算法,提出了一种适用于彩色图像人脸识别的字典学习算法。该算法将RGB通道数据顺序排列成列向量,并在稀疏编码的环节中,对正交匹配追踪（OMP）算法的内积计算准则进行修正,以此提高字典原子的色彩表达能力。在彩色人脸数据库上进行实验,结果表明：所提出的字典学习算法能够有效地提高识别率。     

0.33 THz雷达三维近场成像系统设计及成像试验

提出了采用步进频率结合平面扫描的THz雷达近场成像系统设计方案,基于宽带全息成像原理,可以实现三维高分辨率近场成像。采用多通道收发探头阵列缩短机械扫描行程,提高成像速度。给出了基于快速傅里叶变换（Fast Fourier Transform,FFT）和Stolt插值的三维图像重建算法,成像理论分辨率与波长相当。利用THz矢量网络分析仪和辅助设备,搭建了0.215~0.33 THz成像试验装置,完成了对多层金属-泡沫目标三维成像,成像分辨率达到预期水平,验证了系统设计和三维图像重建算法的正确性。     

基于Chirplet变换和压缩感知的空中颤振目标稀疏成像

针对在逆合成孔径雷达（ISAR）成像过程中目标非合作性机动导致的方位孔径稀疏现象与目标主体颤振引起的微多普勒效应相叠加对成像造成的影响,建立了颤振目标稀疏ISAR成像模型,分析了孔径稀疏和目标颤振对成像造成的影响,提出了一种基于Chirplet变换和压缩感知（CS）重构的成像方法,获得了颤振目标的高质量成像结果。仿真实验验证了该方法的有效性。     

有源诱饵的双极化识别

针对双极化测量体制毫米波雷达,研究了有源干扰诱饵的极化识别方法。首先介绍了双极化技术原理,然后详细分析了典型雷达目标和各种极化有源诱饵的双极化回波特性,引入能够有效表征有源诱饵和雷达目标极化特性差异的同极化比和极化起伏等特征,并提出基于自适应恒虚警阈值的目标识别方法。最后通过组建双极化试验雷达系统采集并分析了建筑物和垂直极化、水平极化、左旋圆极化有源诱饵的回波数据,实验结果证明了有源诱饵的双极化识别方法的可行性和有效性。     

应用加权高斯模型的非理想稀疏信道估计

在高速通信系统中,由于多径信道通常存在一些小的散射体,使得抽头向量不满足理想的稀疏特性,导致经典的稀疏估计算法存在一定的性能损失。针对上述非理想稀疏特性问题,提出了一种基于酉变换近似消息传递（Unitary Transform Approximate Message Passing,UT-AMP）和加权高斯（Weighting-Gaussian,WG）先验模型的稀疏估计算法。首先,由非理想稀疏信道的构造分析,导出了WG先验模型和参数;其次,利用贝叶斯公式对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统进行因式分解和因子图建模,归纳了在消息传递框架内期望最大化（Expectation Maximization,EM）算法嵌入方式,推导了联合UT-AMP和EM的信道估计算法;最后,建立仿真环境对所提算法进行复杂度分析和数值仿真。仿真结果表明,所提算法能够以同阶复杂度实现信道估计性能和频带利用率的提升,具有很高的应用和推广价值。     

融合局部加权余弦与稀疏表示的目标跟踪算法

针对目标跟踪算法的鲁棒性难题，在粒子滤波框架下提出基于联合模型的目标跟踪算法。首先，由局部加权余弦相似对目标模板和候选目标进行匹配，其中的局部加权算法增加了未受遮挡、形变等影响的候选目标的权重；其次，通过对目标区域局部图像块稀疏编码来表示目标观测模型，其中字典不进行更新，重建误差的构建考虑了局部图像块之间的空间布局；最后，利用最大后验概率估计目标状态。联合模型将目标的当前状态和原始状态都考虑在内，提高了观测模型的可靠性。实验结果表明，该算法具有较强的鲁棒性。