1 火箭军工程大学 导弹工程学院，陕西 西安 710025
2 西北工业大学 航天学院，陕西 西安 710072
针对火箭基组合循环（Rocket Based Combined Cycle，RBCC）动力系统工作模态复杂、与飞行状态耦合程度高的特性，建立了一种适用于RBCC动力高超声速飞行器的动力段轨迹优化模型。同时，针对RBCC动力飞行器，基于凸优化理论建立了上升段轨迹优化设计框架和求解策略。在此基础上，进行了上升段末端机械能最大算例仿真。仿真结果表明，相关模型和轨迹优化方法具备良好的可行性，优化结果符合RBCC动力系统工作特点。论文提出的轨迹优化方法可有效处理复杂工作模态下RBCC助推飞行器上升段轨迹优化问题，为未来关于这一类轨迹设计与优化的工作提供了一些新的思路。
RBCC 凸优化 上升段 机械能 RBCC convex optimization rising section mechanical energy 红外与激光工程
2022, 51(8): 20210956
吉林大学仪器科学与电气工程学院, 吉林 长春 130000
针对光谱重构领域中光谱数据量较大与重构精度较低的问题, 提出了一种光谱可调谐的光谱重构方法。 在此之前国内外相关研究均是在数百条膜系的基础上进行, 并且计算过程比较复杂, 该方法利用10条膜系针对不同的单色光源进行实验并进行光谱重构。 光谱重构数学模型可以用线性方程组AX=B表示, 在实验过程中会受到多种误差源的干扰, 如膜系加工与设计间的误差、 探测器量子效率拟合误差、 杂散光干扰误差以及灰度值选取的误差等。 这些误差源造成了线性方程组变为病态方程, 造成了目标光谱信息解算的不准确。 在解算目标光谱信息的过程中, 首先在400~900 nm波长范围内利用凸优化算法解出含有误差的目标光谱信息的初始值, 并进行初次拟合, 得出含有误差的光谱曲线。 然后利用已知的光谱曲线信息判断目标光谱的有效波长范围, 对目标光谱范围进行伸缩, 在此范围内进行二次局部解算, 得出局部波长内的光谱信息, 然后对局部光谱信息进行局部拟合, 结合初次拟合结果, 得出新的目标光谱拟合曲线, 进一步提高了光谱重构精度, 以此类推, 得出精度较高的目标光谱曲线。 针对重构精度的评价指标不仅采用了国内外广泛使用的ARE, MSE与RQE, 还首次提出了一种新的评价光谱重构精度的指标, 即计算目标有效波长范围内每隔10 nm的MSE值, 若每10 nm的MSE值小于0.1, 则认为光谱重构精度达到了10 nm, 该方法不仅有效避免了在求解出现严重偏离真实值的情况, 还在凸优化解算过程中提供了约束条件, 有利于提高重构精度。 实验结果表明该方法在保证MSE, ARE与RQE高精度的条件下, 每隔10 nm的MSE最小值达到了0.002 3。 基于光谱可调谐光谱重构方法不仅达到了对目标光谱达到高精度重构的效果, 而且实现了数据降维。 此方法为光谱重构领域的工作方向提供了新的思路, 在工程上具有较大的应用价值。
光谱重构 调谐光谱 凸优化 数据降维 Spectral reconstruction Tuning spectrum Convex optimization Data dimensionality reduction 光谱学与光谱分析
2022, 42(5): 1378
毫米波大规模多输入多输出(MIMO)系统具有更多的射频链路, 带来更大的功耗, 接收端使用低分辨率模数转换器(ADC)可有效解决功耗高的问题。针对低分辨率ADC引起接收信号幅度失真, 进而影响信道估计准确性的问题, 文章提出了一种基于优化的两阶段毫米波信道估计算法。第1阶段, 根据量化后的接收信号确定采样后的接收信号取值范围, 并将其作为约束条件构造优化问题, 利用l1范数衡量向量稀疏度估计波达方向; 第2阶段, 根据估计的波达方向, 使用Bussgang分解模型近似非线性量化过程, 得到信道复增益的最小二乘估计。仿真结果表明, 所提算法准确性比目前最先进的算法提升了约5 dB, 且算法复杂度降为线性。由此可见, 所提算法在有效性和可靠性方面均有较大提升, 具有实用价值。
毫米波通信 大规模多输入多输出 信道估计 低分辨率模数转换器 凸优化 millimeter wave communication massive MIMO channel estimation low-resolution ADC convex optimization
1 中国航空工业集团公司洛阳电光设备研究所,河南 洛阳 471000
2 南京航空航天大学电子信息工程学院,南京 211000
针对时间调制稀疏阵列天线方向调制信号综合问题提出了一种分步迭代凸优化算法。通过对阵元开启时长和开启时刻的分析,将方向图的上下界约束转化成凸问题。通过对中心频带和边带方向图的分步优化,使期望辐射方向上只有中心频带辐射,边带信号形成零陷。稀疏线阵的仿真结果验证了所提算法的稳定性和高效性,达到了方向调制信号综合的目的。
分步迭代凸优化 时间调制 稀疏阵列 方向调制 stepwise iterative convex optimization time modulation sparse antenna array directional modulation
1 中国科学院微小卫星创新研究院，上海 201203
2 中国科学院大学，北京 100049
毫米波大规模多输入多输出系统依赖于准确的信道状态信息，然而毫米波的高频率使得用于信道估计的时间变短，以往单独利用其波束域的稀疏性或天线域的低秩特性的高复杂度估计算法不再可行。因此提出了一种新的估计算法，该算法结合了稀疏和低秩两种特性，将信道估计看作矩阵完备问题，利用基于增广拉格朗日交替方向非精确牛顿法进行求解。经仿真验证，该算法具有更快的收敛速度和更高的准确度。
信道估计 大规模MIMO 凸优化 毫米波 矩阵完备化 激光与光电子学进展
2022, 59(5): 0506002
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
针对雾霾和沙尘天气下的场景退化问题,提出一种基于高斯模型凸优化与光幕双约束的退化场景复原算法。首先根据景深与场景亮度和饱和度之间的相关关系,利用高斯模型和凸优化估计景深;其次通过对大气光幕与场景关系作深入分析,结合最小通道平滑和景深衰减双约束获得退化场景的大气光幕;然后通过亮通道先验以及局部大气光的改进求解获得大气光值;最后基于复原模型对退化场景进行复原处理,并对沙尘场景进行颜色修正,进而实现场景复原。实验结果表明,所提算法的复原场景亮度适宜,颜色自然,细节信息丰富,在定量指标中也可以取得理想的评分,有效解决退化场景出现的偏色和细节丢失等问题。
图像处理 退化场景复原 凸优化 场景深度 大气光幕 大气光优化 颜色修正 光学学报
2021, 41(19): 1910001
1 特种显示技术国家工程实验室，合肥工业大学 光电技术研究院，安徽 合肥 230009
2 合肥工业大学 电子科学与应用物理学院，安徽 合肥 230009
3 合肥工业大学 仪器科学与光电工程学院，安徽 合肥 230009
4 合肥溪流光电科技有限公司，安徽 合肥 230009
在傅里叶叠层成像（FPM）过程中采集的低分辨率图像会对重建图像质量产生直接影响，已有的研究提出用图像超分辨率重建技术和对低分辨率图像进行传统去噪处理的方法来解决该问题，但超分辨率重建的方法需要采集大量的原始图像，会加大采集端的时间损耗，而传统去噪算法会造成原始信息丢失，严重影响重构图像质量。因此论文引入凸优化算法，噪声图像的恢复可以通过求解一个凸优化模型来实现，并用迭代收缩阈值算法来求解该模型，算法中采用Barzilai-Borwein（BB）规则在每次迭代时初始化线搜索步长，加快收敛速度，选用软阈值函数，使图像去噪时原始信息丢失减少，最终重构图像的PSNR为27.634 6 dB，SSIM为0.926 1，所需处理时间为5.850 s，因此基于凸优化的傅里叶叠层成像技术具有时间损耗不大的情况下提高重构图像质量的优点。
傅里叶叠层成像 图像去噪 凸优化 迭代阈值 Fourier ptychographic microscopy image denoising convex optimization iterative threshold
针对重叠率低的两片点云配准难度大、精度低等问题,提出了一种将聚类区域分块和凸优化问题相结合的点云配准方法。首先,利用点云的曲率特征进行多尺度描述符的建立,确保点云数据完整并且使冗余数据最小;其次,利用多尺度描述符的角度差异进行对应关系聚类分块,获取源点云与目标点云的重叠区域;最后,将重叠区域的点云以及它们的对应关系代入凸优化问题,进行离群值的去除和对应关系的优化,实现粗配准并利用迭代最近点算法进行细化。实验结果表明,所提算法能够缩小点云配准的有用搜索范围,减少配准计算量,为初始重叠程度较低的点云数据提供更具优势的配准精度和时间效率。
图像处理 低重叠率 点云配准 聚类分块 凸优化问题 多尺度描述符 激光与光电子学进展
2021, 58(8): 0810014
河南工业职业技术学院 电子信息工程系，河南 南阳 470000
由于图像之间存在光照变化巨大、部分遮挡和损坏等现象，稳健且高效的图像对齐仍然是一项具有挑战性的任务。为此，提出了一种改进的在线图像对齐算法。通过图像梯度方向(IGO)的主成分分析(PCA)来提供比像素强度更可靠的低维子空间，然后在IGO域中寻找对齐，使新到达图像的IGO对齐被分解为稀疏误差和从先前良好对齐图像上学习得到的IGO-PCA基的线性组合的总和，进而图像对齐问题可被建模为l1范数最小化问题。将该问题松弛为凸优化问题，并提出一种基于乘子交替方向法的凸优化求解算法。考虑IGO均值的偏移，基于增量奇异值分解自适应地更新IGO-PCA基。在大量具有挑战性的数据集上验证了所提算法的有效性。实验结果表明，相比于目前典型的尺度不变特征变换(SIFT)算法、稀疏和低秩分解(RASL)算法和变换Grassmannian鲁棒自适应子空间跟踪算法 (t-GRASTA)，本文算法的对齐效果更佳，对于图像的光照变化和遮挡现象等具有更强的鲁棒性。
图像对齐 梯度方向 凸优化 奇异值分解 鲁棒性 image alignment gradient orientations convex optimization singular value decomposition robustness 太赫兹科学与电子信息学报
2020, 18(5): 883
