基于频谱估计的频域稀疏压缩采样信号重构

压缩采样理论突破了采样定理对稀疏信号采样频率的限制,在保证信号重构精度的条件下能够显著降低采样频率,能够在采样过程中对数据进行压缩。在频域稀疏信号的压缩采样中,由于所处理数据长度的有限性,存在频谱泄漏现象,即稀疏表示基失配,从而导致信号重构性能降低。为克服这种表示基失配引起的重构误差,提出一种基于频谱估计的频域稀疏压缩采样信号重构算法。该算法采用root-MUSIC算法对被测信号的表示基进行自适应地构造:用root-MUSIC算法对频率进行估计,用自适应的基向量构造稀疏表示基矩阵。通过实验对该重构算法的可行性进行验证。与传统信号重构算法相比,该重构算法具有更高的信号重构精度。     

基于傅立叶分析的非均匀采样信号内插重构方法

针对实际采样过程中出现的采样非均匀性,从随机过程的角度研究非均匀采样信号的谱特性,提出频域均匀抽样傅立叶逆变换的非均匀时域采样信号重构方法。将非均匀采样信号描述为不均匀采样时刻冲激函数代数和的形式,利用傅立叶变换得到非均匀采样信号的频谱曲线,由采样时刻随机均匀分布的特点,得到反应原信号频谱特性的非均匀采样信号频谱数学期望,再由频域抽样理论重构原信号。MATLAB仿真实验验证了这种非均匀采样信号分析与重构方法的正确性,将这一研究成果应用到机械抖动激光陀螺输出信号处理中,得到了可靠的符合实际的机械正弦抖动幅频曲线并重构出激光陀螺正弦抖动机构的输出信号。     

混合Lebesgue空间中平移不变信号的随机采样稳定性

采样和重构是采样理论中2个重要的问题.在采样集满足稳定性的情况下,信号可以从离散采样集中稳定地重构.为了达到信号重构的目的,对混合Lebesgue空间中平移不变信号的随机采样稳定性进行研究,重点研究能量集中子集上信号的采样稳定性.在生成元满足紧支性和平移稳定性的条件下,定义能量集中子集的标准化子集;研究能量集中子集上信...     

基于MATLAB的信号采样与重构的实现

基于MATLAB再现了连续信号的采样频谱和重构的时域信号,给出了信号重构的误差,并分析了采样周期对采样频谱叠加和信号重构精度的影响。     

非重构压缩样值跳频信号时频联合估计算法

针对宽带跳频信号的参数进行精确快速的估计,提出一种非重构压缩样值跳频信号时频联合估计算法。首先在非重构原始信号的前提下,通过研究信号的压缩数字特征,发现信号频率发生改变的位置,然后对该位置所在的数据段进行重构得到其频域系数,即可达到估计跳频频率、跳频周期以及跳频跳变时刻的目的。仿真结果表明,当信噪比为10d B,压缩比为1/4时,该算法估计出跳频信号的跳变时刻与Wigner算法达到相同误差条件下,所需处理的采样点个数为Wigner算法的1/4;比完全重构信号后估计算法误差小,所需重构的采样点个数为完全重构的1/4。该算法相对于传统的时频特征算法和基于压缩感知的完全重构估计算法,运算复杂度低,实时性较好。     

正交型频率交替采样与重构方法研究

在频率维度对信号进行并行多通道的交替采样是提高系统采样率的一种重要手段,且每个通道均需要设计独立的模拟采样滤波器和数字重构滤波器以实现信号的分离获取及无失真恢复,结构及算法的复杂程度都偏高。该文提出一种基于正交变频的频率交替采样与重构方法,采样过程将输入信号划分为若干个子信道,利用正交下变频和采样滤波器将RF/IF信道分别搬移至基带并完成量化转换;重构过程则利用数字上变频变换将各信道恢复至其原有的载频位置并合成输出以恢复原始信号。该方法总体仅需在满足完美重构条件的前提下设计一个模拟采样滤波器和一个数字重构滤波器,实现简便。最后,通过实验验证对正交变频型频率交替采样与重构方法的有效性进行了阐述。     

基于零阶保持器的非均匀采样信号恢复方法

在模/数转换过程中由于环境等因素会造成信号采样的非均匀性。非均匀采样信号使得数字控制系统数/模转换过程出现误差,提出了将非均匀采样信号通过零阶保持器进行恢复的信号重构算法,分析并证明了重构信号的频谱保持了原连续信号的谱特征。利用PSPICE仿真软件对非均匀采样信号及通过零阶保持器的连续输出信号进行了仿真验证,实验结果验证了本文提出方法的正确性。     

基于压缩感知的电能质量扰动信号分析

电能质量扰动信号是衡量电能质量的一个重要指标,因此对电能质量扰动信号进行准确检测是提高电能质量的前提。针对传统采样方法中采样数据量大、采样时间较长以及压缩复杂度高的问题,本文基于压缩感知理论对电能质量扰动信号进行重构,首先证明电能质量扰动信号的稀疏性满足压缩感知的必备条件;采用自适应测量矩阵对电能质量扰动信号数据进行压缩采样,同时,采用谱投影梯度实现了对电能质量扰动信号的精确重构。仿真结果表明,本文采用的压缩感知恢复算法不但可以降低采样数据量和压缩复杂度,其重构误差小,压缩性能指标比较好。     

高速模拟信号压缩采样实现

压缩传感理论能够有效地降低信号的采样频率,实现对稀疏信号的压缩采样。该文在信号延时多通道采样技术的基础上,提出了一种基于压缩传感理论的模拟信号采样实现方法,根据该采样模型构造了压缩传感测量矩阵。该采样模型能够以低于信号Nyquist频率的采样率对频域稀疏信号进行采样,通过最优化算法准确重构原始信号。仿真结果表明,基于压缩传感理论的模拟信号采样模型能够对频域稀疏信号进行压缩采样,该方法具有可行性。     

基于多测量向量模式的周期非均匀采样研究

为了实现稀疏信号的有效采样与完整重构,结合多测量向量模式,提出了一种针对稀疏信号的周期非均匀采样与重构方法。根据周期非均匀采样需要多个采样通道的特点,利用联合子空间理论将采样与重构转换为矩阵向量运算。利用多测量向量确定非零行向量的位置参数并分析了多测量向量模式在周期非均匀采样系统中的完整重构条件并通过插值器实现信号完整重构,使其能在数字系统中应用。最后,分别从可完整重构概率和系统整体验证两个方面证明了该方法能够实现稀疏信号的采样与重构。     

基于压缩传感的混沌二相码雷达成像

压缩传感系统利用信号稀疏表示的先验知识,能从少量的观测值中重构原始信号。由于混沌相位编码信号是一种伪随机码,其越来越多地应用在雷达领域。本文将压缩传感理论应用到混沌二相码雷达系统中,将成像问题转化为字典选择问题来处理,对接收的回波进行线性投影来降低采样频率,通过最小化光滑0范数重构成像。实验结果表明,本文方法在有效降低采样频率的基础上,获得了较高质量的成像效果,并且对噪声具有一定的自适应性。     

小波采样的滤波算法研究

针对经典小波采样理论不能如同香农定理应用采样值对连续信号进行滤波,该文在小波采样存在条件下,提出一种基于采样值的小波滤波算法。该算法突破经典小波采样理论仅研究单个Hilbert空间信号重构的局限性,从多分辨分析逼近出发,基于采样值构建信号逼近准则函数,进而计算信号在小波空间的正交投影,实现小波滤波。仿真试验证明该算法能够有效地基于采样值,对连续信号进行小波滤波。     

基于二维稀疏采样的HRRP合成及ISAR成像方法

在分析传统的线性调频(LFM)信号体制ISAR高分辨距离像(HRRP)合成及二维成像原理的基础上,结合压缩感知理论,提出了一种基于二维稀疏采样的高分辨距离像合成及ISAR成像方法。该方法对经过二维稀疏采样后的ISAR回波信号进行二维重构处理,在大幅降低LFM信号采样率、减少子脉冲个数的前提下,获得高质量的HRRP和二维ISAR像;为缓解数字信号处理机的采样负担、降低已方雷达信号的被截获概率奠定了基础。仿真实验证明了该方法的有效性和可行性,同时观察了其鲁棒性。     

最小L1范数实现周期非均匀采样与重构研究

根据周期非均匀采样需要多个采样通道的特点,利用联合子空间理论将采样与重构转换为矩阵向量运算。结合最小L1范数算法,提出了一种针对稀疏信号的周期非均匀采样与重构方法,分析了最小L1范数算法在周期非均匀采样系统中的完整重构条件。最后,以多带正弦信号为例,分别从可完整重构概率和系统整体验证两个方面证明了该方法能够实现稀疏信号的采样与重构。     

关于正弦信号Nyquist采样的一个注记

讨论正弦信号的Nyquist率采样问题 .对于正弦信号 ,一般认为以Nyquist率对其均匀采样 ,至少在一定条件下 ,所得采样序列即可完全包含原信号信息 ,并能精确重构原信号 .但从频域混叠的角度讲 ,Nyquist率采样在正弦信号的特殊情况下 ,是不符合采样定理要求的 ,故采用频域分析方法对Nyquist采样时的频谱混叠现象进行了分析 ,澄清了关于正弦信号Nyquist采样问题的认识 .     

小波变换在时间序列信号长程预测中的应用

讨论时间序列信号长程预测的原理和卡尔曼滤波预测模型及其改进模型的应用,及小波变换在时间序列分析长程预测中的应用,通过小波变换将时间序列信号分解,再重构低频信号,从重构后的信号中进行重采样提取时间序列子序列用于信号长程预测的方法.     

基于压缩感知的三相电能质量扰动信号压缩及分类新方法

首先,选取傅立叶基作为压缩感知中的过完备字典、高斯随机矩阵作为观测矩阵、正交匹配追踪(OMP)算法作为重构算法,对电能质量扰动信号进行压缩采样。然后,采用灰度共生矩阵纹理特征中的能量特征值、灰度值出现概率两种方法对压缩感知重构信号进行分类检测。试验结果表明:本文方法可以同时实现对三相电能质量信号的压缩重构,也可以实现对信号的准确分类,并减少了信号压缩采样过程中的数据量。     

基于最小均方误差的多通道采样及重构

并行多通道采样系统中,由于各通道之间的时间延迟不同,往往会导致产生非均匀采样。现有的重构算法对信号的约束较多,如通道之间的量化步长、信噪比率、相对时间等,且运算量较大,容易使采集性能迅速下降。该文通过对信号的重构误差分析,提出了一种对信号约束较低的重构算法,该方法基于均方误差最小的原则,对信号通道之间的时间延迟进行分析,讨论了在何种条件下可以对信号进行最优重构。     

利用幅度谱和部分时域彩值的信号重构算法

在给出了仅由幅度谱与部分时域采样值重构混合相位信号应满足的条件之后,介绍了迭代序列外推重构信号的算法,并给出了用该算法重构信号的实例。     

基于同伦算法的时变流信号动态压缩感知研究

为了解决传统压缩感知在处理时变流信号时易引发的效率低下、块效应、延迟高等问题,本文提出了基于L1同伦恢复算法的时变同伦算法,且以医学领域的时变心电信号为例充分证明了该算法的实践可行性。该算法通过对重叠的信号时间采集窗口的滑动控制,压缩采样当下窗口中的待测数据并用L1同伦恢复算法实时恢复出原信号。仿真表明,该算法能够快速实时地压缩采样并精确重构时变的心电信号,其重构信号的相对误差控制在10-2范围内,能有效地解决存储庞大的动态心电图数据的难题。