基于稀疏表示的非平稳信号时频分析

为实现多分量非平稳信号的高精度时频分析,给出一种基于稀疏表示的时频分析算法。对信号建立时变自回归模型,选择一组基函数对模型中的时变参数进行稀疏表示,将非平稳信号时频分析转化为一个稀疏表示问题,利用正交匹配追踪算法得到时变参数,从而获得非平稳信号的时频谱。选取一段时长为0.5s的非线性调频信号进行仿真,与短时傅里叶变换和维格纳-维尔分布相比,时频谱和数据显示,所给方法具有更高时频聚集性和频率估计精度。     

基于近似L0范数算法的跳频信号时频分析

针对跳频信号的参数化时频分析方法加以改进。对跳频信号进行完备傅里叶基表示,建立其稀疏优化表示模型,将跳频信号的时频分析问题转化为稀疏优化问题,然后借助近似L0范数优化方法进行时频分析。针对时长0.01s的一段跳频信号进行计算机仿真,所得时频分布图显示,改进方法比短时傅里叶变换和WVD方法具有更高的时频分辨率和更强的抑制干扰能力。     

改进对称共生矩阵的跳频信号盲提取方法

针对短波跳频信号盲检测中的去背景噪声和定频干扰问题,结合信号时频分析与共生矩阵阈值法,提出了一种基于噪声稀疏对称共生矩阵的跳频提取算法.首先对共生矩阵改进,定义了频率、时间方向上的噪声稀疏对称共生矩阵.然后根据频率稀疏共生矩阵估计背景噪声阈值,进而根据阈值从时间稀疏共生矩阵中提取跳频信号.仿真表明,该算法能实现低信噪比下跳频信号的盲提取,背景噪声阈值估计更为准确、稳定,跳频信号的提取效果好,且算法简单、运算量小,易于工程实现.     

利用稀疏贝叶斯理论的跳时估计方法

当跳频信号的频率不在预设的频率集中时,为了提高跳时估计的正确率,提出了一种基于稀疏贝叶斯理论的跳时估计方法。该方法首先在信号模型中设置频率偏差参数;其次利用狄利克雷过程以及稀疏贝叶斯理论,设计接收信号模型中各个参数的迭代规则,并在每次迭代中利用频率偏差参数修正频率字典矩阵;最后,算法收敛时可得到用于计算谱图的稀疏矩阵,进而可以得到跳时的估计值。仿真结果表明,该算法估计的跳时正确率高于其他方法,并且计算的谱图的真实性也高于其他方法。     

基于快速正交匹配追踪的无线传感网中目标定位算法

高效准确的多目标定位是无线传感器网的基本任务之一。传统基于贪婪类的稀疏表示方法在多目标定位中计算效率不高。针对该问题,提出一种基于QR分解的快速正交匹配追踪的多目标定位算法。该算法对无线传感器覆盖区域进行网格划分来设计过完备字典,从而将多目标定位问题转化为稀疏信号恢复问题。该方法利用了传感器接收目标信号强度的稀疏特性,然后使用快速正交匹配追踪来恢复测量值,进而通过稀疏性来定位目标。通过列满秩矩阵的QR分解思想,利用递归形式来对子字典矩阵求逆,避免了传统方法中对该矩阵的直接求逆,使得运算量大为降低。仿真结果表明,与传统的正交匹配追踪压缩感知重构方法相比,该方法不损失定位精度,提高了运算效率。     

一种基于图像分割和模板匹配的短波跳频信号盲检测算法

提出了一种基于图像分割和模板匹配的短波跳频信号盲检测算法。该算法将实际跳频信号的STFT（Short Time Fourier Transform）时频谱图当做一幅图像,利用图像分割手段分离背景噪声,并通过模板匹配来实现跳频信号的检测。实验结果表明该算法能够有效克服实际短波信道中复杂的背景噪声,计算复杂度低,易于工程实现。     

一种冗余字典下的信号稀疏分解新方法

针对目前冗余字典下信号稀疏分解常用算法计算复杂度高的问题,提出一种分组匹配追踪算法．该算法首先利用多组正交基构造冗余字典,然后采用迭代式分组匹配追踪,每次迭代从字典中选出一组和原始信号或残余最匹配的正交基,采用正交分解快速算法进行正交分解得到少量重要系数,多次迭代后逐渐稀疏逼近原始信号．实验结果表明,基于小波正交基级联冗余字典进行信号稀疏分解时,在同等稀疏条件下,与匹配追踪(MP)算法相比,该算法的计算速度提高了大约30倍,而且可避免过匹配现象．     

一种改进的正则化自适应匹配追踪算法

针对压缩感知中未知稀疏度信号的重构问题,提出了一种改进的正则化自适应匹配追踪算法。它通过自适应变步长迭代对信号稀疏度进行估计,并将其作为初始支撑集长度,然后在分阶段迭代中正则化筛选原子,最终实现信号的精确重构。仿真结果表明,该算法重构信号的性能和效率均优于子空间追踪算法、正交匹配追踪算法和稀疏度自适应匹配追踪算法。     

基于PARAFAC分解的大规模MU-MIMO稀疏信道估计

针对大规模MU-MIMO(多用户多输入多输出)系统中上行链路的信道估计问题,提出了一种基于平行因子(PARAFAC)分解的稀疏信道估计算法.该算法利用稀疏数学模型构造稀疏信道模型,将稀疏理论与张量分解相结合,对基站端的接收信号进行PARAFAC建模.在满足唯一性分解条件下,利用双线性交替最小二乘(BALS)拟合算法联合估计出多个用户的信号矩阵与信道矩阵.仿真结果表明:所提算法的估计性能优于经典的正交匹配跟踪算法等稀疏信道估计算法,与基于导频序列的估计方法相比,其信道估计的精度大幅提高;仅需少量导频,降低了导频开销,实现了高频谱效率的通信传输.     

一种混合网台跳频参数盲估计算法

针对低信噪比（SNR）和复杂电磁环境条件下跳频参数估计精度低及算法复杂度高的问题,提出了一种短时傅里叶变换（STFT）和平滑伪魏格纳分布（SPWVD）的组合时频分析方法.该算法首先利用STFT将天线接收信号变换到时频域,并对时频信号进行自适应降噪处理;通过自适应聚类算法进行频率的精估计;提取时频信息并剔除各类干扰,再通过网台分选后得到各类网台跳时粗估计;最后采用SPWVD及修正后的截断门限进行跳变时刻的精估计.仿真结果表明,该算法在混合网台和低SNR条件下,跳频参数估计精度较高,算法复杂度较低,有效解决了实际跳频通信系统存在频率转换时间条件下的参数估计问题.