期刊,信号处理 2024年卷10期_国家学术搜索

期刊信息/Journal information

信号处理

主　　编：谢维信

出版周期：月刊

国际刊号：1003-0530

电　　话：010-64010656;64034443-3004

邮政编码：100009

地　　址：北京鼓楼西大街41号

信号处理/Journal Signal ProcessingCSCD北大核心CSTPCD

正式出版

收录年代

面向无蜂窝通感一体化系统的智能波束扫描方法

刘升恒于一鸣王仕博杨汝名...

1866-1874页

查看更多>>摘要：传统的信息处理流程中,基于蜂窝网络的通信功能和基于无线电信号的感知功能是相互独立的.而未来的无蜂窝通感一体化网络采用了以用户为中心的理念,不再局限于传统的小区边界,以确保所有用户在服务范围内获得一致的覆盖和性能.同时感知和通信将被整合在一起,通信信号在数据传输的同时可以被用来实现对潜在目标的持续感知,从而实现更高效、更智能的信息处理和交互.本文在毫米波频段无蜂窝通感一体系统场景下,设计了一种智能的收发端联合探测波束码字选择方法.首先对接收端接入点的信息进行预处理,获得路径损失和目标的估计信息,并通过构造的统计量监测目标是否存在.随后,通过记录多次发射波束码字选择与回声信号的反馈信息,并利用强化学习算法探索最优码字与强反馈信息之间的映射关系,获得一种高效的波束码字探索策略.最后,通过不断调整通信环境和目标特性,基于深度强化学习的波束扫描模型能够排除对环境中先验信息的依赖,显著提高模型的泛化性能.仿真实验表明,相比于传统的波束扫描算法,所提算法探索到最优收发波束对需要的探索次数显著减少,这种优势在大规模波束组合的情况下更为明显.此外,即使在低信噪比情况下,所提算法依然能够通过少量尝试选择出最优的收发波束对.

关键词：

无蜂窝系统通感一体化波束训练深度强化学习

原文链接:

NETL
NSTL
万方数据

基于强跟踪UKF的自适应PHD-SLAM算法

邹晗吴孙勇薛秋条李明...

1875-1883页

查看更多>>摘要：传统概率假设密度同时定位与建图(Probability Hypothesis Density-Simultaneous Localization and Mapping,PHD-SLAM)方法缺乏在线自适应调整能力,容易受到不确定噪声、初始系统参数选择以及线性化近似误差的影响,从而导致粒子退化问题,进而影响机器人位姿和地图特征点的估计精度.针对这一问题,本文提出了一种基于强跟踪和无迹卡尔曼滤波(Unscented Kalman filter,UKF),并融合最新观测数据来产生重要性密度的PHD-SLAM算法(Strong Tracking UKF PHD-SLAM,SUPHD-SLAM).所提算法在重要性采样阶段将上一时刻的机器人位姿和地图特征点增广为联合向量,为了避免传统PHD-SLAM中扩展卡尔曼滤波(Extended Kalman filter,EKF)引入的线性化误差,利用UKF对粒子进行预测,并通过引入强跟踪滤波中的渐消因子修正UKF预测后不精确的位姿状态协方差,保持量测新息正交,从而抑制不确定噪声和不精确初始系统参数设置对状态估计的影响.随后通过UKF更新每个位姿粒子,引导粒子向高似然区域移动,以获得更准确的位姿的重要性密度,从而避免粒子退化.从重要性密度中采样新的位姿粒子,针对每个位姿粒子使用基于UKF的PHD滤波计算地图特征点,并用单簇(Single-Cluster,SC)策略更新每个位姿粒子的权重.最后,提取权重最大的位姿粒子及其对应的地图作为状态估计.仿真实验表明,SUPHD-SLAM相较于PHD-SLAM 1.0和PHD-SLAM 2.0,保证计算效率的同时,能够有效的提高机器人位姿和地图特征点的估计精度.

关键词：

无迹卡尔曼滤波强跟踪机器人位姿地图

原文链接:

NETL
NSTL
万方数据

基于知识蒸馏的雷达图像联合降噪超分辨率方法

刘子源王绍平谷源涛

1884-1894页

查看更多>>摘要：深度学习已在光学图像超分辨率任务中取得成功,但针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的超分辨率方法仍然有限.这是由于SAR图像固有的散斑噪声和较高的模糊度,使得超分辨率重建更加困难.简单地将去噪和超分辨率模型级联并不能获得最优的重建效果,因为级联方案会使得各模型产生的误差进一步积累.为了在SAR图像超分辨率任务中更好地同时去除噪声并保留纹理细节,本文提出了一种基于知识蒸馏的联合去散斑超分辨率算法.使用干净数据训练教师模型,在训练学生模型时,通过在编码阶段引入特征蒸馏,使得学生网络获得无噪声的潜在变量,从而恢复出干净的高分辨率图像.本文在仿真SAR图像数据集和真实SAR图像数据集上进行了实验.实验结果显示,对于仿真数据集,无论在何种噪声强度下,相比于级联方案,该方法的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)可以取得约0.4～1 dB的提升,结构相似性指数(Structural Similarity Index Measure,SSIM)可以取得约0.01～0.04的提升.相比于其他方法,该方法的PSNR值取得了约3～9 dB的显著提升,SSIM值取得了约0.01～0.1的提升.对于真实的SAR场景,该方法在等效视数(Equivalent Number of Looks,ENL)、基于平均值比的边缘保留度(Edge Preservation Degree based on the Ratio of Average,EPD-ROA)和比率均值(Mean of Ratio,MoR)等无参考指标上也取得了最佳结果.本文提出的算法在视觉效果上也更有效地抑制了散斑噪声,保留了图像的纹理细节.实验结果验证了本文提出的基于知识蒸馏的SAR图像联合降噪超分辨率方法的有效性,明显优于传统的级联方案和其他算法.

关键词：

合成孔径雷达图像超分辨率图像去噪深度学习

原文链接:

NETL
NSTL
万方数据

基于复合正则化的稀疏SAR成像方法研究

高志奇李贺贺黄平平谭维贤...

1895-1909页

查看更多>>摘要：随着高分辨率对地观测要求的不断提高,合成孔径雷达(Synthetic Aperture Radar,SAR)的应用将越来越广泛.针对高分辨率SAR成像存在数据量大、存储难度高、计算时间长等问题,目前常用的解决方法是在SAR成像模型中引入压缩感知(Compressed Sensing,CS)的方法降低采样率和数据量.通常使用单一的正则化作为约束条件,可以抑制点目标旁瓣,实现点目标特征增强,但是观测场景中可能存在多种目标类型,因此使用单一正则化约束难以满足多种特征增强的要求.本文提出了一种基于复合正则化的稀疏高分辨SAR成像方法,通过压缩感知降低数据量,并使用多种正则化的线性组合作为约束条件,增强观测场景中不同类型目标的特征,实现复杂场景中高分辨率对地观测的要求.该方法在稀疏SAR成像模型中引入非凸正则化和全变分(Total Variation,TV)正则化作为约束条件,减小稀疏重构误差、增强区域目标的特征,降低噪声对成像结果的影响,提高成像质量;采用改进的交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)实现复合正则化约束的求解,减少计算时间、快速重构图像;使用方位距离解耦算子代替观测矩阵及其共轭转置,进一步降低计算复杂度.仿真和实测数据实验表明,本文所提算法可以对点目标和区域目标进行特征增强,减小计算复杂度,提高收敛性能,实现快速高分辨的图像重构.

关键词：

合成孔径雷达成像非凸正则化全变分正则化交替方向乘子法

原文链接:

NETL
NSTL
万方数据

基于时空Transformer的毫米波雷达三维人体姿态重构

余亚男贾勇杜玲丽林凡强...

1910-1920页

查看更多>>摘要：深度学习技术使得从毫米波雷达捕获的人体散射信号中精确提取人体运动特征并重构三维人体姿态成为可能.然而,目前毫米波雷达人体姿态重构常采用直接将雷达图像映射到三维关节点坐标的单阶段策略,这种跨域层级映射任务使得网络在重构精度、深度信息表达及姿态连贯性上面临挑战.针对这一问题,本文提出了一种基于时空Transformer的多阶段毫米波雷达三维人体姿态重构模型(Spatial-Temporal Pose Reconstruction Transformer,STPRT),通过两阶段策略处理提高重构精度:第一阶段,构建并行多分辨率子网络从水平和垂直雷达图像中提取多尺度的二维关节点信息和空间位置特征并进行融合,随后由全连接层生成二维人体姿态坐标;第二阶段,时空Transformer通过空间注意力模块对每帧中的二维关节坐标进行高维空间特征编码,时间注意力模块捕捉姿态特征在序列帧中的时间演变,增强姿态间的深度感知和空间准确性,实现从二维姿态到三维姿态的映射提升.此外,在训练过程中引入了指数移动平均(Exponential Moving Average,EMA)策略调整梯度下降,从而提升整体映射的精确度和连贯性.在毫米波雷达公开数据集RFSkeleton3D上的验证表明,相比现有的mm-Pose和RPM模型,本模型在减少参数量的同时,将平均关节位置误差降低至7.3 cm.

关键词：

毫米波雷达姿态重构时空Transformer层级映射

原文链接:

NETL
NSTL
万方数据