基于贝叶斯压缩感知UWB单站定位方法

脉冲超宽带(IR-UWB)能够在无线定位中取得较高的精确度,但是存在ADC瓶颈问题,利用压缩感知理论(CS)对信号压缩采样可以显著降低信号采样速率。本文将贝叶斯压缩感知应用于UWB单站定位,接收节点利用L型天线阵列接收信号,对信号压缩采样,由贝叶斯压缩感知重构算法(BCS)还原信号并估计时延参数,最后由定位算法解算位置信息。基于IEEE 802.15.4a信号模型的仿真结果表明,该方法最低能以20%的奈奎斯特采样速率获得分米级的定位精确度。     

基于矩阵分解的压缩感知算法研究

奈奎斯特采样定律是长久以来具有指导意义的经典信号处理技术,它提出信号在采样过程中,当且仅当采样率大于信号带宽的2倍时,才能精确重构信号。压缩感知理论突破了奈奎斯特采样定理对信号采样率的限制,以更低采样率采样信号,并通过适当的重构算法恢复信号。文中以压缩感知理论为基础,结合目前广泛采用的正交匹配追踪算法,基于矩阵分解思想,提出2种改进算法,在运算复杂度方面取得优化,并且满足信号处理时对重构精度的要求。     

基于压缩感知的超宽带信道估计方法的研究

压缩感知(Compressed Sensing, CS)理论可以从较少的观测样本中恢复稀疏信号。针对超宽带(Ultra- WideBand, UWB)信道的稀疏特性,将压缩感知理论应用于UWB系统的信道估计中,能够有效地降低系统的采样速率。该文针对UWB信道的特点对过完备字典库和观测矩阵进行设计,提出了一种滤波矩阵估计算法。然后,分别利用丹茨格选择器(Dantzig Selector, DS),基追踪降噪(Basis Pursuit De-Noising, BPDN)算法和正交匹配跟踪(Orthogonal Matching Pursuit, OMP)算法实现信号检测,进一步给出UWB信道估计中CS重建算法的选择建议。基于IEEE 802.15.4a信道模型的仿真结果表明,该算法同随机观测算法的检测结果相比,能够在较低的采样速率下获得更好的误码率性能。     

从奈奎斯特采样到压缩感知拓展教学方法

从“信号与系统”到“数字信号处理”,采样定理都是重要的教学内容。但是在工程应用中,产生大量数据造成存储空间的极大浪费,而压缩感知突破奈奎斯特采样定理的限制,能够实现远低于奈奎斯特频率的采样。为适应新工科背景下的教学改革,让学生接触前沿研究成果,我们引入压缩感知作为传统教学的补充和拓展,取得良好的教学效果。本文对从奈奎斯特采样到压缩感知拓展教学方法进行介绍。     

基于压缩感知的多发多收高分辨SAR成像算法研究

压缩感知理论指出,稀疏信号可以通过以低于奈奎斯特采样的测量数据重建出原始信号。针对高分辨率SAR成像在奈奎斯特理论下所面临的高速A／D采样、大数据量存储、传输等问题挑战。本文提出了一种基于压缩感知理论的多发多收高分辨率SAR二维成像算法。该算法减轻了高分辨率SAR成像的压力,采用压缩感知处理降低了A／D采样速率、数据量...     

低信噪比下非凸化压缩感知超宽带信道估计方法

受感知信息算子矩阵相干性和噪声的影响,压缩感知超宽带(UWB)信道估计误差过大.为此,首先提出利用压缩观测信号加权构造自适应感知信息(ASI)算子矩阵的方法,ASI算子矩阵不仅具有弱相干性,而且包含观测信息,适用于重建算法选择最优稀疏表示原子.其次提出修正稀疏度自适应匹配追踪(SAMP)算法,无需稀疏度或信噪比的先验信息实现压缩感知稀疏信号准确重建.最后基于ASI算子矩阵和修正SAMP算法提出非凸化压缩感知UWB信道估计方法,理论分析和仿真结果均表明该方法能在低信噪比和极低压缩比下实现UWB信道的准确估计.     

基于随机滤波的探地雷达成像方法

探地雷达是一种超宽带雷达系统,若按传统的奈奎斯特采样,雷达回波信号需要大量空间存储。压缩感知可以实现利用少量的测量值对稀疏信号进行重构,其中最为关键的是测量矩阵和重构算法的选择。本文将压缩感知应用于探地雷达成像,并利用随机滤波的思想选择测量矩阵,可以有效减少测量矩阵中非零值的个数。利用正交匹配追踪算法对信号进行重构,算法简单,降低了数据的存储量和运算复杂度,该算法同样可以对时间和空间上同时压缩的数据进行成像。最后,本文给出基于时间连续信号的GPR接收机一种CS实现方案。仿真结果表明,本文提出的成像方法可以以少量数据精确地对信号进行重构,并且运算量少。      

差分调制信号亚奈奎斯特率检测方法

压缩感知是一种基于亚奈奎斯特率的信息采样方法。基于压缩感知的符号检测方法通常先将亚奈奎斯特率样本重构为奈奎斯特率信号,然后再依据传统符号检测的原理检测接收符号。本文针对基于重构的压缩感知符号检测方法采样率过高的问题,研究广义似然比检测和信息采样样本之间的关系,提出了一种不需要重构奈奎斯特率信号的压缩检测方法。该方法首先通过双通道时延结构分离接收信号的参考部分和信息符号部分,然后依据两部分信号的稀疏相关特性,对亚奈奎斯特率接收符号进行检测。实验结果说明本文提出的方法能够有效地抵抗多径衰弱和符号间干扰（Inter Symbol Interference,ISI）。      

基于DSCS的宽带频谱感知新算法

频谱感知是认知无线电技术的基础,随着通信技术不断发展,越来越高的采样速率成为一大瓶颈.实际应用中频谱占用通常具有稀疏性,根据这一特点并结合频谱检测要求,本文提出一种基于差分信号压缩感知(Differential SignalCompressed Sensing,DSCS)的宽带频谱感知方法.该方法在能量检测法的基础上引入压缩感知理论(compressed sensing,CS),使系统能以远低于奈奎斯特采样速率的速率无损采样,降低对硬件的要求;为降低计算量、提高算法稳定性,采用检测差分信号代替检测信号本身作为判断频谱占用变更的依据;引入精度作为算法的迭代停止条件,可根据需要灵调整算法准确度、降低计算复杂度.仿真表明,适当精度下DSCS法能大幅降低迭代次数、减少计算量,并获得更好的检测性能.     

基于压缩感知的加权宽带谱重构算法

压缩感知利用宽带无线信号的频域稀疏特性,能够在低于奈奎斯特速率的采样下利用少量观测数据实现宽带频谱估计和空穴检测。但相关频谱压缩感知算法的性能并不理想,为了实现宽带信道的快速准确感知,本文基于宽带信道的时频统计特性,在去噪基追踪算法(BPDN)的基础上提出了一种优化的加权去噪算法(WBPDN)。该算法利用子频段历史平均功率密度水平来构建各子频段权重以优化目标函数,改善算法性能。实验结果表明:该算法能通过少量观测数据准确重构宽带信道的谱估计,且比传统的BPDN和OMP算法具有更好的压缩性能及更小的重构误差;另外加权后的算法收敛速度更快,显著减少了算法所需的运行时间。      

一种基于二维信号稀疏重构的互质采样星载SAR成像处理方法

互质采样星载SAR通过方位互质采样代替传统方位均匀采样,可有效缓解空间分辨率与有效成像宽度之间的相互制约,提升SAR系统的对地探测性能。然而,方位向互质采样使得回波信号呈现方位欠采样及非均匀采样特性,导致传统SAR成像处理方法无法实现互质采样星载SAR的有效成像处理。该文提出一种基于2维信号稀疏重构的互质采样星载SAR成像处理方法。该方法在距离向脉冲压缩后,根据各距离门的多普勒参数截取2维观测信号并构造相应的稀疏字典,然后通过改进的2维信号稀疏度自适应匹配追踪算法完成方位聚焦处理。该方法不仅可以补偿SAR回波信号的距离方位2维耦合,还可以消除成像参数随距离空变对稀疏重构造成的影响,从而实现全场景的精确重构。点目标及分布目标仿真实验结果验证了所提算法可在远低于奈奎斯特采样率的情况下实现稀疏场景的有效重构。      

基于级联MZM的压缩感知微波光子测距雷达（特邀）

提出了一种基于级联马赫-曾德尔调制器(MZM)的微波光子压缩感知雷达测距系统。在发射端,利用双平行马赫-曾德尔调制器(DPMZM)产生中心频率和带宽四倍频的线性调频(LFM)信号;在接收端,对回波信号进行去斜处理,并利用级联的MZM实现去斜信号和伪随机序列(PRBS)在光域上的混频。通过低通滤波器(LPF)后,利用低速模数转换器(ADC)采用较低的速率对该混频信号进行亚奈奎斯特采样,然后在后端利用正交匹配追踪(OMP)算法对去斜信号进行重构。仿真和验证性实验结果表明,在数据压缩比为8时,该系统可以利用较少的观测值精确恢复去斜信号的频率值,测距误差不超过2 cm。除此以外,该系统降低了雷达中数据采集、存储和信息处理的压力,突破了传统奈奎斯特采样理论的瓶颈。     

基于特征值能量的压缩采样信号检测方法

压缩采样能够较好地保持稀疏信号的结构和信息,可以在不重构原信号的条件下,直接处理采样数据完成信号检测。本文针对压缩采样信号的盲检测问题,提出一种基于特征值能量的检测算法。该算法对循环频率等于零时的循环自相关矩阵进行分析并实现重构,进而利用分解得到的特征值构造检测统计量,通过研究检测统计量的分布情况确定检测门限,最终实现检测判决。实验结果表明,在相同条件下,该算法具有更好的检测性能和相对低的复杂度。      

UWB Echo Signal Detection With Ultra-Low Rate Sampling Based on Compressed Sensing

A major challenge in ultra-wide-band (UWB) signal processing is the requirement for very high sampling rate. The recently emerging compressed sensing (CS) theory makes processing UWB signal at a low sampling rate possible if the signal has a sparse representation in a certain space. Based on the CS theory, a system for sampling UWB echo signal at a rate much lower than Nyquist rate and performing signal detection is proposed in this paper. First, an approach of constructing basis functions according to matching rules is proposed to achieve sparse signal representation because the sparse representation of signal is the most important precondition for the use of CS theory. Second, based on the matching basis functions and using analog-to-information converter, a UWB signal detection system is designed in the framework of the CS theory. With this system, a UWB signal, such as a linear frequency-modulated signal in radar system, can be sampled at about 10% of Nyquist rate, but still can be reconstructed and detected with overwhelming probability. The simulation results show that the proposed method is effective for sampling and detecting UWB signal directly even without a very high-frequency analog-to-digital converter.     

信号压缩重构的正交匹配追踪类算法综述

压缩感知(Compressed sensing, CS)技术是近几年出现的一种新兴的信号采样和压缩技术,基于该理论所获得的原始信号采样值,不仅数量大大低于基于传统的Nyquist准则的采样值,而且CS技术还具有对未知信号边感知边压缩的特性。重构算法的设计是CS技术的核心,成为学者研究的重点。本文在对国内外已经出现的重构算法进行系统地研究后,在深入地研究了贪婪追踪算法和其重构模型的基础上,给出了正交匹配追踪(Orthogonal Matching Pursuit, OMP)类算法的基本原理、优缺点及针对各种算法的缺点的改进方案。此外,为了读者更好地定位OMP类算法,本文还简要介绍了其他几种经典的重构算法。最后,把各种算法应用于图像重构,通过仿真实验分析了各种算法的重构性能、鲁棒性和复杂度,并进一步验证了各种算法的优缺点。      

Model-Based Multichannel Compressive Sampling with Ultra-Low Sampling Rate

The emerging compressive sampling (CS) theory makes processing ultra-wide-band (UWB) signal at a low sampling rate possible if the underlying signal has a sparse representation in a certain basis. The feasibility of model based compressive sampling for ultra-wide-band (UWB) signal is investigated. In this paper, a multichannel compressive sampling architecture is developed to capture UWB signal at a rate much lower than Nyquist rate. The proposed framework considers sub-Nyquist sampling stream of delayed and weighted versions of a known signal with finite support in time domain. A basis function is constructed to realize sparse signal representation. To reduce the hardware cost, a segmented architecture is suggested. In addition, a joint signal recovery algorithm is presented. Experimental results indicate that, with this system, a UWB signal sampled at about 4% of Nyquist rate still can be recovered with overwhelming probability.     

基于压缩感知的红外与可见光图像融合算法

压缩感知是一种新的信号采样理论,突破了传统的Nyquist采样率须为信号最高频率的2倍以上的定理。对于稀疏信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过重构算法恢复出原信号。提出了一种基于压缩感知的红外与可见光图像融合算法,对图像进行测量,并通过融合算法对测量值进行融合。仿真实验显示,压缩感知能较好地实现图像的融合。     

基于压缩感知的医学图像采样新方法研究

压缩感知基于信号的稀疏性或可压缩性,能够以低于奈奎斯特采样率的频率进行采样,从而直接获得压缩后的采样信号。本文将压缩感知的思想应用于医学图像,对已获得的图像进行压缩采样,以降低医学图像的存储空间。基于正交匹配追踪思想,提出分块双阈值正交匹配追踪方法,根据图像不同区域信息量的不同,采取分块处理并加入采样阈值,针对不同子图像块采取不同采样率,提高了采样效率;同时,在重构时加入判断阈值,可降低重构效果对采样阈值的依赖,减小了由于图像的特殊性或人为经验不足而使得采样阈值选取不当对图像重建质量的影响。实验表明,本文方法能够以较低的采样率实现较高的重构精度。     

基于压缩感知的大规模MIMO信道估计与反馈

针对大规模 MIMO系统信道估计精度低及反馈方案较为复杂的问题,在差分信道估计及反馈方案上提出了一种基于系数相关性的压缩采样匹配追踪（BCC-CoSAMP）算法。该算法将CoSAMP算法中衡量两个向量之间关系的内积替换为基于相关系数的向量关系判定,从而较快地选出与原始信号相关性强的原子,达到提高信道估计精度的目的。仿真结果表明,与CoSAMP算法相比,所提出的BCC-CoSAMP算法在低信噪比情况下,信道估计精度平均有5 dB的提高,同时能平均提高系统总速率1.25 bit/(s.Hz)。