面向压缩感知的块稀疏度自适应迭代算法

块稀疏信号是一种典型的稀疏信号,目前在块稀疏信号的压缩感知问题中,大多数信号重构算法要求信号的块稀疏度已知且算法复杂度高.针对实际应用中信号块稀疏度未知的情况,提出了一种块稀疏度自适应迭代算法,用于信号重构.首先,该算法初始化一个块稀疏度,其值按设定步长进行增加.对每一个块稀疏度的迭代,算法都会找到信号支撑块的一个子集,并修正更新上一次找到的信号支撵块,最后找到信号的整个支撑块,从而重构出源信号.该算法不需要信号的块稀疏度作为先验知识,而且算法复杂度低.仿真实验表明,该算法的重构概率较已有大多数块稀疏信号重构算法的重构概率高,在块稀疏信号的压缩感知问题中具有实际意义.     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

基于SWCoSaMP算法的稀疏信号重构

压缩感知(compressed sensing, CS)稀疏信号重构本质上是在稀疏约束条件下求解欠定方程组。针对压缩感知匹配追踪(compressed sampling matching pursuit, CoSaMP)算法直接从代理信号中选取非零元素个数两倍作为支撑集,但是不存在迭代量化标准,本文提出了分步压缩感知匹配追踪(stepwise compressed sampling matching pursuit, SWCoSaMP)算法。该算法从块矩阵的逆矩阵定义出发,采用迭代算法得到稀疏信号的支撑集,推出每次迭代支撑集所对应重构误差的L-2范数闭合表达式,从而重构稀疏信号。实验结果表明和原来CoSaMP算法相比,对于非零元素幅度服从均匀分布和高斯分布的稀疏信号,新算法具有更好的重构效果。      

基于迭代重赋权最小二乘算法的块稀疏压缩感知

压缩感知是一种新颖的信号处理理论。它突破了传统香农采样理论对采样的限制,以信号的稀疏性或可压缩性为基础,实现了信号的高效获取和精确重构。然而在现实中,部分稀疏信号还表现出一些其他结构,典型的例子就是一类块稀疏信号,其非零元素以块的形式出现。针对这类信号,本文研究了求解块稀疏压缩感知的迭代重赋权最小二乘算法（IRLS ）,给出了该算法的理论分析：误差估计和局部收敛性分析。大量试验验证了基于迭代重赋权最小二乘算法的块稀疏压缩感知策略的有效性。     

基于贝叶斯压缩感知的子空间拟合DOA估计方法

经典加权子空间拟合算法需进行多维非线性优化,初始参数的难以设置和较大的计算量限制了其应用。结合压缩感知理论,本文提出了一种基于改进贝叶斯压缩感知的子空间拟合DOA估计新方法。该方法首先通过低复杂度的子空间分解算法PASTd估计信号加权子空间,进而基于入射信号的空域稀疏性,将信号子空间拟合建模为多测量值稀疏重构问题,并应用贝叶斯压缩感知算法进行求解。算法在贝叶斯压缩感知的迭代求解中引入了基于相对阈值判决的基消除机制,加快收敛速度的同时避免了矩阵奇异问题。仿真结果表明本文算法在低信噪比、小快拍情况下空间分辨率优于MUSIC和l1-SVD算法,可直接用于相干源的估计,并对信源数目的估计误差具有较强鲁棒性。      

基于支撑集保护的回环匹配算法

针对部分压缩感知贪婪迭代类重构算法中误删正确支撑集元素的缺点,提出了一种基于支撑集保护的回环匹配算法（LM-P）。该算法依据最小残差内积初始化非受保护支撑集元素,然后依据观测向量在非受保护支撑集对应观测子矩阵上的投影,选择对应投影绝对值最大的元素添加到受保护支撑集,迭代获得受保护支撑集,从而重构原始信号。实验结果表明,对于非零值服从正态分布且稀疏度小于观测值一半数目的稀疏信号,LM-P算法的重构准确率超过86%;对于低信噪比稀疏信号,该算法的重构准确率能够维持在99%以上;与OMP、CoSaMP、SP和GPA算法相比,LM-P精确重构所需观测值数更少;此外,LM-P算法在二维图像信号的重构中也有较好性能。     

采用正交多项匹配的块稀疏信号重构算法

压缩感知,通过测量矩阵将原始信号从高维空间投影到低维空间,然后求解优化问题,从少量投影中重构出原始信号,是一种有效的信号采集技术。块稀疏信号是具有特殊结构的稀疏信号,其非零值是成块出现的。针对该信号的特点,提出一种采用正交多项匹配的块稀疏信号重构算法。该算法每次迭代选择多个最大相关子块,然后更新块索引集,以及迭代余量,最后求广义逆运算重构出原始信号。仿真结果表明,相比于大多数的现有算法,本文算法重构概率较高,运行时间较短,复杂度较低。      

压缩感知中测量矩阵与重建算法的协同构造

本文提出基于感知字典的迭代硬阈值(SDIHT)算法,以此协同构造压缩感知中测量矩阵与重建算法.将成对测量矩阵与感知字典分别用于压缩投影和构造重建算法,重建迭代至残差为零,从而精确恢复原始稀疏信号.本文证明了SDIHT算法精确恢复原始稀疏信号的充分条件.SDIHT算法的优点是重建精度高和计算复杂度低.仿真实验表明,当信号稀疏度或测量次数相同时,相比IHT、OMP和BIHT算法,SDIHT算法重建0-1稀疏信号和二维图像效果更好、算法效率更高.     

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

一种改进的压缩感知信号重构算法

针对支撑集未知且变化时的稀疏信号的重构问题,本文基于卡尔曼滤波思想,结合压缩感知算法,给出了一种改进的卡尔曼-压缩感知（Modified Kalman Filter Compressive Sensing,MKFCS）信号重构算法,该算法首先利用Kalman滤波获得信号残差的有效估计,然后根据残差变突情况,用改进的CS算法估计突变位置以确定信号的新的支撑集,最后用最小二乘方法重构信号,从而自适应的实现支撑集未知且变化的稀疏信号的重构。最后对所改进的通过重构精度、重构误差、稳健性等方面进行了仿真,仿真结果表明所提算法重构信号具有需要量测个数少、重构精度高、鲁棒性强等特点。      

依据信噪比的雷达信号质量估计

在选取信噪比作为信号质量指标的增强技术领域中,针对如何准确快速对复杂交叠的雷达信号进行信噪比估计的问题,改进了子空间分解算法,并且在求解自相关矩阵特征值时引入了结构简单、迭代速度快的粒子群优化(PSO)算法。通过设置不同的电磁环境场景,分别验证了算法的有效性。对比分析表明算法在低信噪比条件下具有明显的优势,为检验信号增强技术的效果提供了有力支撑。     

A distributed compressed sensing approach for speech signal denoising

Compressed sensing, a new area of signal processing rising in recent years, seeks to minimize the number of samples that is necessary to be taken from a signal for precise reconstruction. The precondition of compressed sensing theory is the sparsity of signals. In this paper, two methods to estimate the sparsity level of the signal are formulated. And then an approach to estimate the sparsity level directly from the noisy signal is presented. Moreover, a scheme based on distributed compressed sensing for speech signal denoising is described in this work which exploits multiple measurements of the noisy speech signal to construct the block-sparse data and then reconstruct the original speech signal using block-sparse model-based Compressive Sampling Matching Pursuit (CoSaMP) algorithm. Several simulation results demonstrate the accuracy of the estimated sparsity level and that this denoising system for noisy speech signals can achieve favorable performance especially when speech signals suffer severe noise.     

一种改进的DSSS信号扩频码估计算法研究

在低信噪比条件下检测出直接序列扩频(DSSS)信号后,要恢复出原始信息,估计出扩频码序列是非常关键的,因此有必要研究DSSS信号的扩频码序列估计算法。提出了一种基于改进的协方差矩阵迭代算法应用于估计扩频码序列。理论分析和计算机仿真实验都表明了该算法能在低信噪比下估计出扩频码序列,与其他一些扩频码序列估计算法如基于投影子空间的算法、基于神经网络的算法相比,具有运算量更小等优势。     

基于簇的块稀疏压缩感知的60GHz信道估计

基于压缩感知设计适用于60 GHz毫米波通信系统的信道估计方案,深入研究了正交匹配追踪(OMP)算法和正则正交匹配追踪(Regularized OMP)算法的60 GHz信道估计性能;在此基础上,充分发掘60 GHz无线多径信道所呈现出的分簇特性,提出一种新颖的基于簇分级的稀疏压缩感知重构算法。新算法在有效减少重构迭代次数的前提下,亦能显著降低信道估计误差。综合对比分析了基于簇分块稀疏压缩感知重构算法和现有压缩感知算法在60 GHz信道估计应用中的重构性能,仿真结果表明,压缩感知算法可有效应用于60 GHz系统信道估计,而新设计的基于簇分级的稀疏压缩感知算法则在估计精度和实现复杂度方面具更优越性能。     

秩-1子空间跟踪算法

子空间估计和跟踪问题是在现代阵列信号处理应用中的一个重要课题。该文深入研究幂迭代算法并成功地将幂迭代用于子空间跟踪,分析和讨论了针对运动目标秩-1子空间的估计和跟踪及 DOA估计问题。通过计算机仿真实验证明了这种方法的有效性。     

多重目标直接定位的子空间分解压缩感知算法

本文针对传统无线定位系统先收集参数信息,再用于目标定位,因中间参数无法保证与目标实际位置相匹配而引起的定位误差问题,提出了一种新型的目标直接定位(Direct Position Determination, DPD)算法。该算法考虑到直接定位系统中阵列信号模型的运用以及目标在空间上的稀疏特性,将阵列信号处理中经典MUSIC算法与压缩感知理论(Compressive Sensing, CS)相结合,对阵列接收信号进行特征空间分解,以信号子空间为初始残差代入贪婪运算,有效减少了噪声影响,在不以目标数量为先验的条件下,也能以布置很少的无线基站实现对目标位置的精确恢复,同时,通过对该算法在迭代过程中的逐级优化,降低了系统成本和复杂度。实验仿真结果显示,将本文算法应用于直接定位系统模型,其在抗噪性能,误差率以及复杂度上都明显优于传统算法。      

Distributed Cooperative Wideband Spectrum Sensing Algorithm Based on Subspace Methods

We present a novel distributed cooperative spectrum sensing algorithm from compressive sampling in wideband cognitive radio (CR) networks. Each CR utilizes compressive sampling to reduce data acquisition costs. A subspace method is then adopted to directly detect occupied channels without reconstructing the sparse spectrum. To obtain the spatial diversity gain, global signal subspace is estimated by the distributed projection approximation subspace tracking (DPAST) algorithm in which the CRs exchange information locally and cooperate without the need for a fusion center. Then, the orthogonality property of the signal subspace and noise subspace can be exploited to find spectral support to complete the spectrum sensing. We study the convergence behavior of the DPAST algorithm and evaluate the performance of spectrum sensing. Simulation results indicate that the DPAST can effectively estimate the global signal subspace, and the proposed compressed wideband spectrum sensing scheme performs better than spectrum sensing at a single CR.     

基于最小描述长度准则的稀疏多带信号频谱感知算法

该文研究稀疏多带信号的频谱感知问题。首先利用欠采样的数据构造自相关矩阵,并对该矩阵进行特征值分解,然后根据最小描述长度(MDL)准则对特征值进行计算,利用结果区分信号子空间和噪声子空间,最后根据子空间的结果求出信号的频率支集,由此提出了一种针对稀疏多带信号的频谱感知算法。由于传统算法需要预先设置门限来区分信号子空间和噪声子空间,所以不合理的门限值会导致算法失效,该文算法不用预先设置门限,具有更好的适应性。仿真实验结果验证了该文算法的有效性。