測量矩陣是決定計算關聯(lián)成像圖像重構質量和成像速度的重要因素之一。本文提出一種新的測量矩陣優(yōu)化構造方法,利用偽隨機序列生成Gold矩陣,該矩陣同時具有Random矩陣的隨機性和Hadamard矩陣的確定性。數(shù)值模擬和實驗結果表明:在滿采樣條件下,Gold矩陣和Hadamard矩陣均能夠實現(xiàn)完美的重構圖像;在欠采樣條件下,Gold矩陣重構圖像質量明顯優(yōu)于Random矩陣和Hadamard矩陣。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1Gold矩陣生成方法流程圖

Gold矩陣可以由m序列生成。m序列是一種常用的偽隨機序列，將兩個由不同的k階本原多項式生成的m序列表示為X=[x1,x2…，y2k-1]和Y=[y1,y2…，y2k-1]。首先，使用X縱向復制2k-2次構造一個大小為（2k-1）×（2k-1）矩陣A，如圖1(a）所示；然后，將Y....

圖2計算關聯(lián)成像系統(tǒng)實驗裝置圖

上式中，α是探測器增益系數(shù)，矩陣A是一個K×N(N=m×n）矩陣，表示K次采樣所對應的總測量矩陣。Mc=(A-I〈A〉）TA為一個N×N矩陣，對Mc矩陣進行歸一化處理后定義特征矩陣MCN。特征矩陣MCN的對角和非對角元素分別表示信號和噪聲。當MCN為單位矩陣時即可以實現(xiàn)理想的圖像....

圖3三種不同測量矩陣的數(shù)值模擬結果

通過數(shù)值模擬對基于Gold矩陣的計算關聯(lián)成像性能進行分析驗證。如圖3所示，數(shù)值模擬中取大小為128×128的二值物體“馬”為待測物體，采樣次數(shù)分別取K=4096、K=8192、K=12288和K=16384進行驗證。其中，圖3(a）為采用高斯型Random矩陣作為測量矩陣的重構圖....

圖4三種不同測量矩陣的特征矩陣

為進一步說明Gold矩陣的優(yōu)異性能，圖4給出了上述三種不同測量矩陣MCN的特征矩陣數(shù)值模擬結果。由圖4可以發(fā)現(xiàn)，在K=16384滿采樣時，Gold矩陣和Hadamard矩陣的特征矩陣MCN是一個非對角元素都為零的單位矩陣，與重構圖像結果一致；而欠采樣情況下，Hadamard矩陣的....

本文編號：4002698