基于模式化压缩感知的帧定时同步研究

作为数据检测的必要前提,帧定时同步一直是通信领域的研究热点与难点。然而,现有非压缩感知帧同步方法必须满足奈奎斯特速率,导致过度功耗以及模拟-数字转换器（Analog-to-Digital Converter,ADC）设计难度;而采用压缩感知（Compressed Sensing,CS）帧同步方法的正确同步性能有待进一步提高。为此,将模式化压缩感知（Model-based Compressed Sensing）技术引入到帧定时同步中,提出了一种基于模式化压缩的采样匹配追踪（Compressive Sampling Matching Pursuit,CoSaMP）方法,用以重构压缩采样下的同步度量并完成帧同步。分析与仿真结果表明,相对于现已有的基于CS的帧定时同步方法,提出方法改善了帧定时同步的正确同步概率。     

基于IEEE 802.11a突发OFDM系统的帧同步与符号定时同步算法研究

本文对基于IEEE802.11a突发OFDM系统的帧同步与符号定时同步算法进行了研究,并对符号定时误差的影响进行了分析。针对目前许多符号定时同步算法存在着算法复杂、门限值随信号能量变化等缺点,提出了一种利用短训练符号特性的符号定时同步算法。分析和仿真结果表明,该算法能够有效地提高系统的误码性能,并且具有门限自适应、算法运算量低的特点,适合于突发OFDM系统的快速符号定时同步。     

一种LTE-A帧定时同步算法的AISC设计与实现

研究了一种TD-LTE-Advanced系统中基于同步信号的帧定时同步算法,对该算法进行仿真和分析,并提出算法实现方案。然后,根据精度、面积、功耗、可扩展性等需求,确定了ASIC实现策略以及实现方案,并对帧同步和FFT模块进行了ASIC的详细设计实现。最后经过仿真、验证和逻辑综合,得出ASIC设计能够达到预期功能目标。该方案在功耗和面积上有一定的优势,本文ASIC设计的面积比同类模块小8.8%,功耗低9.3%。     

单比特压缩感知理论及应用研究

单比特压缩感知是量化压缩感知的极限形式,该方法采集的是观测值的符号,仅需要1个比特单元来记录这个值,因此在硬件实施上成本低,运行速度快。目前,单比特压缩感知技术已经成为一个研究热点。本文首先介绍了单比特压缩感知的发展和研究现状,然后从检测和不检测观测符号两个方面对重构算法进行了分析,接着从单比特压缩感知的成像领域、无线传感器网络领域、医学图像领域和信号传输领域四个应用领域进行分析,最后对单比特压缩感知技术进行了总结和展望。     

帧同步系统的FPGA设计

从时分复接系统对帧同步系统的性能要求出发,提出了一种采用FPGA实现帧同步系统的设计方案,重点介绍了同步保护电路的设计,并给出了FPGA设计的实验仿真,实验结果表明该电路系统工作正确可靠,满足设计要求。     

电力线载波通信定时同步算法及其FPGA实现

基于电力线载波通信G3技术标准下的物理层协议,针对电力线上噪声干扰较大,造成帧同步有虚警现象,符号定时同步尖峰幅值随信号衰减变化以及尖峰的旁瓣超过门限等缺点,提出了准确性更高、占用硬件资源相对较少的电力线载波通信帧同步与符号定时算法。通过算法仿真,表明该算法在信噪比较低时,具有门限自适应性,能够克服旁瓣的干扰,并易于硬件实现的特点。在一发一收两块现场可编程门阵列(FPGA)开发板上验证,提出新的帧同步、符号定时算法和硬件实现方案,实现了对电力线载波通信的正交频分复用（OFDM）基带系统进行实时、连续、准确的定时同步。     

WSN中的分布式压缩感知

为了解决传统的压缩感知算法在无线传感器网络中实现的难题,首先研究了用定时器控制ADC进行随机压缩采样的压缩感知技术,实验表明,该方法有效可行。在此基础上提出了基于无线传感器网络的分布式压缩感知算法。该算法通过对随机压缩采样序列的拆分实现分布式压缩采样,最后利用合并后的采样值和CoSaMP算法完成对信号的重构。仿真和实验表明,该方法能够在星型网络拓扑中实现以1/10的标准采样频率下实现信号的重构。     

OFDM精细定时同步算法性能分析

在OFDM系统中,定时同步估计的精度直接影响到了系统的整体性能.目前尚无文献对OFDM系统的精细定时算法进行理论分析,其性能基本都是通过仿真得到,不便于对OFDM系统性能进行理论分析.本文对瑞利信道下基于PN序列自相关特性的精细定时同步算法性能进行了理论分析,得到了精细定时误差的概率密度函数,与仿真得到的概率密度函数基本一致.     

移动环境下OFDM系统定时同步算法

针对移动环境TOFDM系统的定时同步问题,提出了一种解决算法。该算法基于0FDM系统的Preamble实现,包括定时捕获与定时跟踪两部分。同时,在考虑符号定时误差和样值定时误差的条件下,建立了OFDM系统的数学模型,分析了两种定时误差对系统接收性能的影响。最后阐述了定时同步算法的实施流程,给出了一种同步捕获位置和跟踪位置的判决方法,分析了门限值的设定对算法锁定精度的影响。仿真结果表明,所提出的定时同步算法具有同步精度高和易于实现的特点。     

分布式MIMO-OFDM定时同步算法的研究及比较

多输入多输出-正交频分复用（MIMO-OFDM）技术是下一代4G通信的核心技术,具有频谱利用率高,抗干扰能力强,信道容量大等优点. 分布式MIMO-OFDM系统会产生多时延、多频偏,同时对定时和频偏非常敏感,所以对分布式MIMO-OFDM同步算法的研究更加具有实际意义. 文章对目前三种分布式MIMO-OFDM定时同步算法从序列结构,性能做了全面的比较分析与总结,并通过MATLAB仿真进行比较,得出运用CAZAC序列作为子载波数据的反向共轭定时算法性能突出.     

基于星座点特征的OFDM盲定时同步算法

符号定时同步是OFDM最主要的同步之一。为了得到精确的定时同步,提出了一种基于星座点特征的盲定时同步算法。新算法以星座点区域的能量作为判决依据,定义了一种新的定时尺度函数,通过对定时尺度函数最大化得到定时偏移的估计值。算法不需要导频或训练符号,不会降低频谱效率。仿真表明：不论在加性白高斯噪声信道还是多径衰落信道,算法性能均优与其他几种算法。     

基于SCI的压缩感知文献计量分析

从文献计量的角度、以《科学引文索引》(SCI)为数据源、检索压缩感知研究领域的文献,从文献年代、国家、作者、机构、期刊等角度进行分析,并结合中国和发达国家研究的对比分析,为国内进一步在压缩感知方面的研究提供参考。分析结果表明,压缩感知呈全球化发展趋势。     

采用帧信息计时实现LRC的精确同步

分析了LRC不同步的原因,通过对MP3帧结构的研究,提出了采用位率的计时方法。这种方法既实现了准确计时,又节省了系统资源,进而实现了LRC的精确同步。     

基于差值信号稀疏模型的分布式压缩感知

利用无线传感器网络的空间相关性,构建了一种差值信号稀疏模型,该模型适用于对同一物理现象或事件进行监测的传感器网络应用。在差值信号稀疏模型的基础上,提出了一种适用于该模型的分布式压缩感知算法,该算法能够在节点间不通信的情况下实现对差值信号的编码。仿真结果表明,与单独重构相比,提出的算法可以用更少的观测值联合重构出信号群,以能量有效的方式满足了无线传感器网络的应用。     

压缩视频感知中量化器的研究与设计

压缩视频感知（Compressed Video Sensing,CVS）是一种利用压缩感知（Compressed Sensing,CS）以及分布式视频编码（DVC）的视频压缩方法,故又被称为分布式视频压缩感知。在CVS中,每帧图像经过块划分、压缩采样后对数据进行DPCM,最后使用均匀或者非均匀量化进行量化。目前,CVS量化器的设计大多是在采样数据或残差数据服从高斯分布的前提下设计的,通过Kolmogorov-Smirnov检验进一步分析压缩采样后的数据,利用劳埃德最佳量化器准则训练量化码书,设计出一种简单、高效的量化器。经实验,设计的量化器相比于传统的量化方法在BD-Rate上减少了约14.2%,在BDPSNR上提升了约0.11?dB,提高了CVS的压缩效率和重建质量。     

全相位OFDM系统的最大自相关帧同步

针对数字地面广播电视（DTMB）系统,提出了一个对载波频偏具有鲁棒性的新的帧同步算法。该算法通过正交频分复用（OFDM）信号的时域复制和对接收信号实行自相关来实施。自相关数值输出的非关联求和的峰值检测是理所当然的帧起始点。理论证明,载波频率偏移（CFO）对全相位自相关帧同步算法没有影响。通过仿真表明,在频率选择性衰落信道中,提出的方法在有频偏存在情况下比传统算法具有很强的优势,对于DTMB系统的PN420模型,系统保持稳定工作的最大CFO在所提方法中要远远大于传统的方法。     

一种高效的PPG压缩感知重构算法

首先阐述了压缩感知（CS）的理论框架,然后分析了光电容积脉搏波（PPG）信号的稀疏性,最后提出了基于CS理论PPG信号的压缩重构框架。基于此框架采用正交匹配追踪算法和改进的正交匹配追踪算法对已压缩的信号进行重构,实验结果表明,PPG信号长度的选取、压缩比的大小以及观测个数的多少都对重构性能有重要影响。     

基于离散剪切波的压缩感知MRI图像重建

针对二维小波变换捕捉方向信息有限, 不能稀疏地表示MRI图像中曲线状奇异特征的缺点, 提出了一种基于离散剪切波变换的压缩感知MRI图像重建新方法。先对MRI图像作剪切波变换, 得到各尺度、方向子带的剪切系数, 再采用正交匹配追踪算法恢复稀疏处理后的系数, 最后进行剪切波反变换得到重建图像。实验结果表明, 与小波变换相比, 基于离散剪切波的压缩感知MRI图像有更好的重建效果, 更有利于保留纹理和边缘信息。     

压缩感知与EMD相结合的带噪面罩语音增强

针对带噪面罩语音清晰度和可懂度低的问题,提出了一种将压缩感知和经验模式分解（Empirical Mode Decomposition,EMD）相结合的方法来对带噪面罩语音进行增强。首先对带噪面罩语音进行EMD分解得到其本征模式函数信号分量,对其特定本征模式分量进行小波阈值去噪;然后对全部信号分量进行压缩感知,最后重构信号分量得到增强后面罩语音。由实验结果可知,文中提出的方法去噪效果较好,重构误差较小,稳定性较高,有效地实现了面罩语音的增强。