基于交替下降求解的稀疏信号重建算法

压缩感知理论（CS）是现代信号处理领域中一个崭新的研究方向,信号的快速优化重建是该理论的研究热点。实际工程应用中,由于各种误差不可避免,信号重建过程中字典矩阵只是近似知道,因此降低了信号重建质量。为有效解决字典矩阵和观测数据同时含有噪声的多测量矢量（MMV）稀疏重建问题,基于多测量矢量欠定系统正则化聚焦求解（RM-FOCUSS）算法,提出一种交替下降稀疏重建算法,迭代过程中在稀疏解和字典误差之间交替下降求得最优稀疏解。仿真结果表明,文章算法较大程度地提高了信号的重建质量。     

基于CS阵列的DOA估计

基于目标在空域分布稀疏的性质,通过引入压缩感知(Compressive Sensing或Compressive Sampling,CS)理论的思想,提出一种基于奇异值分解的压缩采样阵列(SVD-CSA)DOA估计算法。首先建立DOA压缩感知模型,根据阵列结构建立过完备原子库,然后对压缩采样阵列结构输出的数据矩阵进行奇异值分解,最后基于范数约束的最优化问题的目标函数将信号子空间分解到最佳基向量上,实现了空域信号DOA的高分辨估计。相对于已有算法,该算法减少了硬件复杂度,具有较低的运算量,且能够对相干信号进行有效DOA估计。实验仿真验证了其有效性。     

基于信号稀疏表示的信源数目和DOA联合估计算法

波达方向估计是阵列信号处理的一个重要问题.基于阵列信号的联合稀疏表示模型,首先根据阵列结构建立过完备原子库,然后将阵列接收数据分解到最佳原子上,实现了空域信号DOA的高分辨估计;通过将阵列接收数据进行奇异值分解和采用粗略搜索与精细估计相结合两种方法提高了运算速度.相对于传统算法,本文算法不需要已知信源数目的先验信息,同...     

基于信号稀疏表示的信源数目和DOA联合估计算法

构造具有良好性质的伪随机序列一直是密码学研究的热点问题之一。基于有限域上的椭圆曲线构造了一类二元伪随机序列,并利用椭圆曲线上的指数和计算了该类序列的一致分布测度和k阶相关测度。结果表明该类序列具有较小的一致分布测度和k阶相关测度。