申请/专利权人：西北工业大学

申请日：2022-03-12

公开（公告）日：2024-04-16

公开（公告）号：CN114818773B

主分类号：G06F18/10

分类号：G06F18/10;G06F18/2131;G06F18/2433

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.08.16#实质审查的生效;2022.07.29#公开

摘要：本发明涉及一种用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法，用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法从低秩稀疏分解成立的理论条件出发，提出了一种提高鲁棒性的方法，因此该方法不仅对混响抑制有效，对该方法在其他领域的应用也有效，如红外目标检测，人脸识别以及雷达信号处理等。本发明涉及方法实现了低秩矩阵稀疏性补偿的目的，从而提高了混响抑制的鲁棒性。同时，该发明对低秩稀疏分解方法在其他领域的广泛应用有很好的借鉴意义。

主权项：1.一种用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法，其特征在于步骤如下：步骤1：将第i帧主动探测获得的空间谱矩阵Mi按列转变为向量mi，对场景进行n3帧探测，将n3个mi向量依次排列构成矩阵Q： 所述矩阵Mi的维度为n1×n2，n1和n2分别为方位网格数和距离网格数；所述向量mi维度为n1n2×1；所述矩阵Q维度为n1n2×n3；步骤2：计算矩阵Q中混响的稀疏度γ： mj＝MedQj,:，其中，I·为稀疏元素的示性函数：对于元素数值大于等于ε1，该元素为稀疏元素，此时I·的取值为1；反之，元素为非稀疏元素，I·的取值为0；mj表示向量m的第j个元素；ε1为一阈值；Med·为中值函数；Qj,:表示矩阵Q第j行的所有元素；步骤3：计算满足低秩稀疏分解时低秩矩阵最小的稀疏度γmin，包含如下步骤：1、建立低秩矩阵数值模型L：L＝UΣVT其中·T表示矩阵的转置；令低秩矩阵L中每列相同位置的元素数值小于ε1，通过控制位置数目的数值获得不同稀疏度γ的低秩矩阵L，γ∈[0,1]；2、建立稀疏矩阵数值模型S：令稀疏矩阵S中稀疏元素1表示目标信号、0表示其它信号；1和0出现的概率服从贝努力分布，概率值分别为ρ和1-ρ，ρ∈[0,1]；稀疏矩阵S每行稀疏元素个数的期望为ρn3；3、构建矩阵Q的数值模型Qnm：Qnm＝L+S；4、计算γmin：通过设置不同的ρ值和稀疏度γ，获得不同的矩阵Qnm；采用一种低秩稀疏分解方法实现对矩阵Qnm的混响抑制，获得矩阵So；当矩阵So满足||So-S||F||S||F≤δ1时，则认为稀疏度γ不会对混响抑制产生影响；对于不同的γ数值，最小的γ值即为所需的γmin；其中矩阵So为对稀疏矩阵S的辨识结果；||·||F表示F范数；δ1为常数；步骤4：当γ＜γmin，进行低秩矩阵稀疏性补偿，以获得较高的稀疏度γ，补偿过程包含如下步骤：1、从矩阵Q中选择向量Qj,:，构成向量集合 2、将中的元素依次排列在一个矩阵中，构成矩阵Φ；3、构造一个向量b，将矩阵Φ进行变换，获得向量χ＝bΦT；4、根据获得的向量χ对矩阵Q进行稀疏性补偿，补偿后得到的矩阵Q2： 其中n5为需要补偿的向量个数。

全文数据：

权利要求：

百度查询： 西北工业大学 用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD