语音重构的DCT域加速Landweber迭代硬阈值算法

重构信号的最基本理论依据是该信号在某个变换域是稀疏的或近似稀疏的。基于语音信号在DCT域的近似稀疏性,可以采用压缩感知(Compressed Sensing, CS)理论对其进行重构。压缩感知理论中的迭代硬阈值(Iterative hard thresholding, IHT)算法以其较好的性能被广泛用来重构信号,但其收敛速度比较慢,如何提高收敛速度,一直是迭代硬阈值算法研究的重点之一。针对压缩感知理论中的IHT算法收敛速度相当慢的问题,提出了语音重构的DCT域加速Landweber迭代硬阈值(Accelerated Landweber iterative hard thresholding, ALIHT)算法。该算法对原始语音信号做DCT变换,然后在DCT域将每一步Landweber迭代分解为矩阵计算和求解两步,通过修改其中的矩阵计算部分实现Landweber迭代加速,最后通过迭代硬阈值对信号做阈值处理。实验结果表明,加速Landweber迭代硬阈值算法加快了收敛速度、减少了计算量。      

基于非均匀FFT的压缩感知雷达信号快速重构方法

雷达处理是压缩感知理论重要的应用方向之一,基于压缩感知的雷达处理可以降低对回波信号的采样速率要求,并且在部分应用中也可改善处理性能。然而,压缩感知重构算法的计算复杂性限制了压缩感知理论在实际雷达信号处理中的应用,尤其是大尺度雷达数据的处理。本文提出了一种基于压缩感知的雷达信号快速重构方法,利用均匀和非均匀快速傅里叶变换运算实现了常规压缩感知重构算法中的矩阵-向量乘法运算,有效降低了重构算法的计算复杂度,加快了压缩感知雷达信号的重构速度。同时,由于引入了快速傅里叶变换运算,该方法消除了大多数常规重构算法对感知矩阵的存储需求。仿真实验验证了该方法的可行性和高效性。      

一种快速的压缩感知信号重构算法

重构算法是压缩感知技术的重要环节之一,文中针对现有重构算法收敛速度较慢的问题,提出了一种适用于压缩感知的快速重构算法。该方法的思想是在求解过程中,设计一种有效的步长迭代方案,以此来更新由梯度Lipschitz指数确定的迭代步长,再利用更新后的步长对原始信号的稀疏域表示向量进行迭代收缩,提高收敛速度。实验结果表明,相比传统的正交匹配追踪(OMP)算法、固定步长的l1范数重构算法,该方法在保证信号恢复精度的前提下,具有更快的收敛速度和更高的重构精度。     

脉冲噪声环境下基于洛伦兹范数软阈值迭代的压缩感知算法

观测值受脉冲噪声干扰情况下,传统的压缩感知算法基本失效,基于洛伦兹范数的硬阈值迭代(LIHT)算法是有效途径,但是硬阈值迭代过程会误判信号支撑集,随着脉冲数目增加,算法性能明显下降。针对这一问题,提出了一种基于洛伦兹范数的软阈值迭代(LIST)压缩感知重构算法。利用洛伦兹范数有效约束脉冲噪声,引入信号稀疏度度量函数,采用梯度下降法降低重构信号的稀疏度,实现软阈值迭代,并通过拟牛顿法求解该模型,加快算法收敛,运算量与其他算法是同一数量级,数值仿真表明,重构信噪比优于LIHT算法。     

基于Monte Carlo采样的压缩感知弱匹配去噪重构

最小二乘是现有贪婪迭代类压缩感知重构算法中通用的信号估计方法,其未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出一种基于Monte Carlo采样的压缩感知弱匹配去噪重构算法.该算法在未知信号稀疏度先验的条件下,通过引入递推Bayesian估计减小量测噪声的干扰;同时,以弱匹配的方式筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件,尤其是非高斯噪声情况下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KF-SAMP算法.     

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。      

基于二维阈值SL0范数算法的压缩感知ISAR成像

在对非合作目标的逆合成孔径雷达(ISAR)成像中,快速成像甚至实时成像具有非同寻常的意义。平滑l₀范数(SL0)算法是一种计算快速的压缩感知类参数重构算法,在ISAR成像中得到关注和应用。常规SL0算法在迭代过程中,无论参数重构的收敛效果如何,每轮内循环的迭代次数都是固定的预设次数,导致多次内循环无效进行。文中针对常规SL0算法迭代收敛机制僵化的问题,提出一种二维阈值平滑l₀范数(2D T-SL0)快速算法,用于ISAR成像中的强散射点提取。该算法引入迭代效率指标来评定内循环的有效性。在内循环的迭代过程中,若其迭代效率指标高于设定阈值,说明参数估计值能得到优化,该轮内循环继续进行;反之说明参数估计值已接近收敛,则终止该轮内循环,进入下一轮内循环。ISAR成像实验结果表明,相比常规SL0算法,2D T-SL0算法能减少很多无效迭代,明显降低运算量。在成像效果方面,2D T-SL0算法与常规SL0算法相当,明显好于传统的距离-多普勒(R-D)算法和旋转不变参数估计(ESPRIT)算法。     

基于卡尔曼滤波的压缩感知弱匹配去噪重构

现有的贪婪迭代类压缩感知重构算法均基于最小二乘对信号进行波形估计,未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出了一种基于线性Kalman滤波的压缩感知弱匹配去噪重构算法.该算法不需已知稀疏度先验,通过引入Kalman滤波,在最小均方误差准则下,每次迭代都获得最佳信号估计;并以弱匹配的方式同时筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KFCS算法.     

一种利用压缩感知改进的PMF-FFT扩频捕获算法

为了实现直接序列扩频（DSSS）信号快速捕获的同时降低数据量和硬件资源消耗,引入了压缩感知理论改进部分匹配滤波-快速傅里叶变换（PMF-FFT）算法,提出了基于压缩感知改进的部分匹配滤波-快速傅里叶变换（CSPMF-FFT）算法。该算法将PMF-FFT算法与压缩感知理论相结合,先对信号进行稀疏性分析和压缩观测,然后从少量压缩观测值中重构信号,并利用输出的峰值信息估算信号的多普勒频移和码相位,从而实现捕获。理论分析和仿真实验表明,相较于PMF-FFT捕获算法,CSPMF-FFT算法能在成功完成捕获的同时有效地减少相关器的数目和FFT变换的运算量,从而降低系统数据量和硬件资源压力,为基于压缩感知的扩频信号处理技术研究奠定了基础。     

基于压缩感知的信号重构

压缩感知是针对稀疏或可压缩信号,在采样的同时即可对信号数据进行适当压缩的新理论,采用该理论,可以仅需少量信号的观测值来实现精确重构信号。文中概述了CS理论框架及关键技术问题,介绍了信号稀疏表示、观测矩阵和重构算法。最后仿真实现了基于压缩感知的信号重构,并对正交匹配追踪(OMP)重构算法性能作了分析。     

基于宽带均匀同心球阵列的低复杂度二维波达方向估计算法

该文提出一种基于宽带均匀同心球阵列(UCSA)的2维波达方向(2D-DOA)低复杂度估计算法.该方法将宽带UCSA输出信号转换为相位模式,并对其进行频率补偿,实现近似频率不变(FI)特性,从而降低宽带信号处理的计算复杂度.为了进一步降低2D-DOA估计的计算复杂度,该文提出基于FI-UCSA的降维多重信号分类(MUSI...     

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。      

基于多级维纳滤波器的信号子空间拟合算法

提出一种信号子空间拟合的新方法.推导出信号子空间拟合一个新的基本公式,进而建立信号子空间拟合一个新的准则函数.分析表明,信号子空间可以由多级维纳滤波器的若干个匹配滤波器有效地构成,而且匹配滤波器只需要多级维纳滤波器的若干步前向递推,所以该方法具有小运算量和低复杂度的特点.最后,计算机仿真验证了该方法的有效性.     

IR-UWB 系统中基于 root-MUSIC 算法的 TOA 和 DOA 联合估计简

针对二维多重信号分类算法可以估计出系统的到达时间(TOA, time-of-arrival)和波达方向(DOA, direction- of-arrival)参数,但需要复杂度非常高的二维谱峰搜索这一问题,提出了IR-UWB系统中基于求根MUSIC(root-MUSIC)的TOA和DOA联合估计算法,该算法对接收信号的频域形式建模,先估计出TOA,然后由TOA的差值计算出DOA,从而实现TOA和DOA的联合估计。该算法不需谱峰搜索,可直接给出估计参数的闭式解,还可实现参数配对。还推导了参数估计的误差方差。仿真结果表明,该算法的参数估计性能明显优于矩阵束算法、传播算子算法以及基于旋转不变技术估计信号参数算法,并且非常接近于2D-MUSIC算法,但该算法的复杂度却远远低于2D-MUSIC算法。     

Joint Estimation of TOA and DOA in IR-UWB System Using a Successive MUSIC Algorithm

Time-of-arrival (TOA) and direction-of-arrival (DOA) are key parameters in the impulse radio ultra wideband (IR-UWB) positioning system with a two-antennas receiver. A two-dimensional (2D) multiple signal classification (MUSIC) algorithm, which requires the 2D spectral peak search, can be used to estimate the parameters, but it has much higher computational complexity. This paper proposes a successive MUSIC algorithm for joint TOA and DOA estimation in IR-UWB system to avoid 2D spectral peak search. The proposed algorithm obtains the initial estimate of TOA corresponding to the first antenna via Root-MUSIC, and simplifies the 2D global search into successive one-dimensional searches to achieve the estimation of TOAs in the two antennas. It then estimates the DOA parameters via the difference of the TOAs between the two antennas. The proposed algorithm can get the parameters paired automatically, and has a much lower complexity than 2D-MUSIC algorithm. In addition, we have derived the mean square error of TOA and DOA estimation of the proposed algorithm and the Cramer–Rao bound of TOA and DOA estimation in the paper. The simulation results show that the parameter estimation performance of the proposed algorithm is better than that of Root-MUSIC, and is almost the same as that of 2D-MUSIC algorithm. Moreover, it has much better performance than matrix pencil algorithm, propagator method and estimation of signal parameters via rotational invariance techniques algorithm.     

Low complexity method for signal subspace fitting

A low complexity method for signal subspace fitting is proposed. The novel signal subspace used in the method is spanned by the pre-filters of the multi-stage Wiener filter. Studies and simulations have shown that, when the incident signals are coherent, the new method achieves comparable results with the weighted subspace fitting estimator but requires much lower computational cost.     

一种采用压缩协方差的无线电宽带频谱感知方法

为有效降低宽带频谱感知的观测时间和计算复杂度,提出了一种基于压缩协方差的无线电宽带频谱感知方法。首先,通过循环稀疏规则测量不同标记的距离,运用多陪集采样组代替奈奎斯特模数转换器,形成基于多陪集采样库的欠奈奎斯特采样结构;其次,构建压缩协方差频谱感知模型,运用频谱决策模块对输入样本进行处理,完成频谱分析;最后,通过Matlab生成测试信号数据,对所提频谱感知算法进行建模与性能分析。实验结果表明,所提方法能够将检测误差控制在有效范围内,且与传统频谱检测方法相比,所提方法在不同信噪比环境下具有更高的频谱检测水平度。     

广义空间调制系统的低复杂度检测算法

针对广义空间调制( GSM)系统接收端最大似然( ML)检测算法计算复杂度极高的缺点,提出了一种基于压缩感知( CS)信号重构理论的低复杂度信号检测算法。首先,在多输入多输出( MI-MO)信道模型下,通过改进正交匹配追踪( OMP)算法,得到一个激活天线索引备选集;然后,利用ML算法在该备选集中进行遍历搜索,检测出激活天线索引和星座调制符号。仿真结果表明所提算法的检测性能接近于ML算法,且复杂度约为ML算法的2%。因此,所提算法在保证检测性能的同时也大大降低了计算复杂度,实现了检测性能与复杂度之间的平衡。     

基于特征子空间的快速多径时延测量

提出一种基于特征子空间的快速多径时延测量方法.新方法对参考信号与接收信号的互相关函数做离散傅里叶反变换,将时延测量问题转换成具有低通包络的正弦信号频率估计问题.重构互相关函数的离散傅里叶反变换序列,形成的信号矩阵用于构造低阶协方差矩阵,使新方法的运算量与传统MUSIC算法相比大幅减小.理论分析、仿真结果验证了新方法的正确性,表明新方法以稍微降低时延测量性能为代价换取运算量的大幅减小.