OFDM水声通信系统的LS-OMP信道估计

对于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信系统,最小二乘(Least Squares,LS)信道估计方法受噪声影响较大,并且使用的导频数量较多,影响通信效率。而基于压缩感知理论的正交匹配追踪(Orthogonal Matching Pursuit,OMP)信道估计方法可以充分利用水声信道的稀疏特性,同时能够有效地抑制系统噪声,但控制迭代运算次数的相关参数(稀疏度或误差容忍值)是OMP算法的关键条件。针对上述问题,提出了利用少量导频随机分布的LS和OMP联合的信道估计方法,该方法首先利用少量导频采用LS方法估计出OMP算法的误差容忍值,再利用OMP算法恢复数据子载波的信道信息。理论分析和仿真结果同时表明,与传统的LS算法或OMP算法相比,新算法能够在数据恢复的同时有效抑制系统噪声,应用稀疏特性及较少量的导频,进一步提高了系统的频谱效率,对时变稀疏水声信道具有更好的适应性。     

基于压缩感知的OFDM水声通信信道二次估计算法

该文主要研究OFDM水声通信信道二次估计技术,针对传统信道二次估计算法跟踪估计缓慢时变水声信道存在误码遗传的缺点,提出了一种基于压缩感知的信道二次估计算法。该算法结合水声信道的稀疏特性,利用经过编码校验后的大多数可靠信息,二次匹配追踪信道频域响应,作为系统均衡器的反馈输入信息和次时段信道初始信息,有效地抑制了系统的误码遗传。通过Matlab仿真实验和水池试验,验证了基于压缩感知的信道二次估计算法的可靠性和高效性。     

基于gOMP算法的FBMC水声通信信道估计方法

传统基于训练序列及块状导频结构的滤波器组多载波（Filter Bank Multicarrier,FBMC）信道估计方法花费额外的频谱资源,这在频谱资源较为紧张的水声通信环境中具有一定的局限性。针对这一问题并结合水声信道稀疏性的特点,文章提出了一种基于压缩感知的离散导频结构FBMC信道估计方法。首先基于等效导频能量最大化的思想,设计了一种新的离散导频结构来解决FBMC系统信道估计时存在的固有虚部干扰问题;然后配合该结构,提取出导频处的接收信息并利用重构效果优良的压缩感知gOMP算法对水声信道进行重构。该方法在保证水声信道估计精度的同时有效提高了FBMC系统的频谱利用率,改善了水声通信的性能。仿真结果表明,文中所提方法相较于传统方法在估计精度和频谱利用率方面具有一定的优越性。     

多载波水声信道估计技术及其研究进展

简述了水声信道与正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统之间的必然联系,概述了基于导频符号的信道估计算法、自适应信道估计算法、子空间信道估计算法以及压缩感知稀疏信道估计方法在水声通信中的应用现状,总结了各种算法的特点,比较了各种算法的优缺点,并指出了未来水声信道估计的发展方向。     

稀疏多径信道自适应均衡算法研究

针对传统自适应均衡算法在稀疏多径信道中性能较差的问题,提出了一种基于l₂-范数的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,以解决迭代参数的设置及收敛速度慢的问题。该算法将l₂-范数和压缩感知相结合,不仅提高了权值的精度,而且降低了计算复杂度。仿真结果表明,该算法计算量小,训练序列少,具有较好的性能,对提高系统的通信性能具有参考价值。     

OFDM水声通信系统动态OMP信道跟踪算法

针对正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)水声通信系统中最小二乘(Least Square,LS)信道估计算法和静态压缩感知信道估计算法分别存在估计精度低、导频开销大和计算复杂度高、实时性差的缺点,利用水声信道冲激响应的时域相关性,通过建立动态稀疏观测模型,提出一种动态正交匹配追踪(Dynamic Orthogonal MatchingPursuit,D-OMP)信道跟踪算法。该算法仅在初始时刻进行一次完整的正交匹配追踪(OrthogonalMatching Pursuit, OMP)信道估计获取信道支撑集,之后通过连续跟踪前一时刻信道支撑集的变化来跟踪信道。仿真结果表明,在导频开销相同的情况下,与传统LS算法、经典OMP算法相比,所提算法具有更好的信道跟踪性能和较低的算法复杂度。     

基于稀疏约束的DCD滑动窗RLS水声信道估计算法研究

水声信道具有稀疏性的特点,因此高精度低复杂度的稀疏信道估计算法对水声通信具有重要意义。基于自适应滤波算法的信道估计问题本质上是线性回归模型参数的求解问题,传统的最小二乘（Least Square,LS）、最小均方（Least Mean Square,LMS）及递归最小二乘（Recursive Least Squares,RLS）算法在估计稀疏信道时不仅复杂度较高,而且在求解线性回归模型时,因忽略自变量的多重共线性而使稀疏信道估计精度降低。针对上述问题,首先,在经典RLS算法的代价函数中加入信道系数的范数对其进行约束,从而提高了稀疏信道估计的精度,然后,采用滑动窗的方式对其代价函数进行处理以减少算法的计算量。在此基础上又引入二分坐标下降（Dichotomous Coordinate Descent,DCD）算法搜索单次迭代中使代价函数最小的解,进一步降低了算法的复杂度。仿真结果表明,文中所提的算法相较于经典算法在估计精度和复杂度方面具有一定的优越性。     

一种基于贝叶斯正交匹配追踪的水下多径稀疏信道估计方法

使用训练序列构成的测量矩阵并采用稀疏恢复算法是近年来常用的多径稀疏信道估计思路。提出一种贝叶斯匹配追踪算法的正交化改进方法,有效地改善了原方法的收敛速度,并将其应用于水下多径稀疏信道估计。进行了新方法的理论推导和两种水下稀疏信道模型中的仿真试验,进而与传统贪婪迭代和贝叶斯估计方法的估计效果进行了对比。仿真结果证明,所提出的新方法比原方法的收敛速度更快,能更高效地进行多径稀疏信道估计。新方法在低信噪比和呈簇状集中分布的水下多径稀疏信道中也有更好的估计效果。     

基于卡尔曼滤波的时变水声信道估计

为了能同时利用时变水声信道的簇状稀疏特性和时间相关性,构造了一种时变水声信道模型,并基于该模型对传统的卡尔曼滤波压缩感知算法进行改进。该方法主要利用前一时刻估计的信道状态响应来确定当前时刻信道的候选支撑集,并以此构造时变水声信道的状态转移方程。通过卡尔曼滤波迭代的方法计算候选支撑集上的系数,最后通过阈值法滤除误差原子。仿真结果表明：该方法能有效地利用水声信道间的时间相关性来提高信道估计的性能,同时由于水声信道存在簇状稀疏特性,因此经该方法也具有一定的鲁棒性。     

基于改进SL0算法的MSFA模式多光谱图像去马赛克方法

针对MSFA模式多光谱图像去马赛克算法精度较低和计算复杂等缺点,利用压缩感知理论在信号恢复方面的优势,提出一种新的光谱图像去马赛克算法。采用随机模式的多光谱滤波阵列MSFA获得马赛克图像,通过将MSFA采样值等效为压缩感知理论中的感知矩阵采样所得数据,将去马赛克问题转化为压缩感知稀疏信号恢复问题,并利用多光谱图像的谱间相关性,给出基于压缩感知框架的多光谱图像去马赛克模型,最后采用改进的光滑0范数算法求解去马赛克问题,得到重构的多光谱图像。客观评价指标显示,该算法的峰值信噪比值相较于克罗内克压缩感知和组稀疏两种算法有明显提高;主观评价结果表明,该算法能有效减少重构图像中的锯齿现象,具有更好的视觉效果。     

水声通信系统中分布式空时分组码的研究

协作传输可以获得无线信道内在的空间分集,有效改善通信系统的性能,增加通信系统的覆盖范围。对水声通信系统中两中继节点协作的译码转发方案进行了研究,提出了基于译码转发协议(DF)的分布式空时分组扩频编码(DSTBSC)方案,该方案可以克服多径衰落对分布式空时分组码(DSTBC)信号正交性的影响。给出了DSTBSC方案的系统模型,着重分析了在采用两中继译码转发时,中继节点的误码对水声通信系统性能的影响。在接收端不考虑信号冲突的情况进行仿真,结果表明,与直接传输方案相比,采用两中继节点、译码转发的DSTBSC方案,在两中继节点处均无误码和一个中继有误码时在相同的比特误码率(BER)条件下均可获得约4dB的分集增益,增加了传输距离。     

Classification of multicolor fluorescence in situ hybridization (M-FISH) images with sparse representation

There has been a considerable interest in sparse representation and compressive sensing in applied mathematics and signal processing in recent years but with limited success to medical image processing. In this paper we developed a sparse representation-based classification (SRC) algorithm based on L1-norm minimization for classifying chromosomes from multicolor fluorescence in situ hybridization (M-FISH) images. The algorithm has been tested on a comprehensive M-FISH database that we established, demonstrating improved performance in classification. When compared with other pixel-wise M-FISH image classifiers such as fuzzy c-means (FCM) clustering algorithms and adaptive fuzzy c-means (AFCM) clustering algorithms that we proposed earlier the current method gave the lowest classification error. In order to evaluate the performance of different SRC for M-FISH imaging analysis, three different sparse representation methods, namely, Homotopy method, Orthogonal Matching Pursuit (OMP), and Least Angle Regression (LARS), were tested and compared. Results from our statistical analysis have shown that Homotopy based method is significantly better than the other two methods. Our work indicates that sparse representations based classifiers with proper models can outperform many existing classifiers for M-FISH classification including those that we proposed before, which can significantly improve the multicolor imaging system for chromosome analysis in cancer and genetic disease diagnosis.     

离散余弦小波包变换及语音信号压缩感知

针对语音信号压缩感知问题,在研究语音离散余弦变换(Discrete Cosine Transform,DCT)系数和小波包变换(Wavelet Packet Transform,WPT)特性的基础上构造了离散余弦小波包变换(Discrete Cosine Wavelet Packet Transform,DCWPT)。DCWPT首先获取语音信号的DCT域系数,结合语音频谱特性选取部分DCT系数进行WPT变换,从而得到比DCT系数更加稀疏的DCWPT系数。为将此变换直接用于压缩感知,构造了DCWPT的正交稀疏分解矩阵并分析了其稀疏表示性能。结合稀疏表示基优化了正交匹配追踪重构算法,提出了基于DCWPT的语音信号压缩感知框架。通过压缩重构对照实验,采用主客观评价指标,得出该方法优于传统基于DCT的语音压缩感知方法的结论。     

基于混合采样的压缩感知重构算法

为了提高图像的重构质量和缩短重构时间,同时保持较高的压缩比,提出了一种基于混合采样的压缩感知重构算法。将图像划分为感兴趣区域和非感兴趣区域,对感兴趣区域采用恢复质量较好的正交匹配追踪算法,对非感兴趣区域采用恢复时间较短的分段正交匹配追踪算法。感兴趣区域图像中除感兴趣区域外,其他部分灰度置零以增加采样率和图像稀疏度。实验表明,该方法可以较好恢复图像感兴趣的区域,并保持较高压缩比。     

An enhanced weighted greedy analysis pursuit algorithm with application to EEG signal reconstruction

In the past decade, compressed sensing (CS) has provided an efficient framework for signal compression and recovery as the intermediate steps in signal processing. The well-known greedy analysis algorithm, called Greedy Analysis Pursuit (GAP) has the capability of recovering the signals from a restricted number of measurements. In this article, we propose an extension to the GAP to solve the weighted optimization problem satisfying an inequality constraint based on the Lorentzian cost function to modify the EEG signal reconstruction in the presence of heavy-tailed impulsive noise. Numerical results illustrate the effectiveness of our proposed algorithm, called enhanced weighted GAP (ewGAP) to reinforce the efficiency of the signal reconstruction and provide an appropriate candidate for compressed sensing of the EEG signals. The suggested algorithm achieves promising reconstruction performance and robustness that outperforms other analysis-based approaches such as GAP, Analysis Subspace Pursuit (ASP), and Analysis Compressive Sampling Matching Pursuit (ACoSaMP).     

基于字典学习的轴承早期故障稀疏特征提取

针对低速重载机械滚动轴承早期故障的振动信号中故障特征冲击成分微弱易被噪声覆盖难以识别,而利用稀疏表示方法提取冲击成分时因轴承工况非平稳性,准确匹配冲击成分字典难以构造问题,提出基于字典学习的轴承早期故障稀疏特征提取方法。利用改进型K-SVD字典学习算法构造自适应字典;采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)对振动信号进行稀疏分解,计算每次迭代逼近信号的峭度值,找出最大峭度值对应的逼近信号;重构特征成分并进行包络谱分析,获得故障类型。仿真及轴承振动数据测试结果表明,所提方法能更好匹配早期故障特征成分、满足轴承实时故障监测需求。     

基于最大相关熵准则的水下生物脉冲噪声消除方法

近海生物噪声表现为脉冲噪声,这一类噪声显著降低了水声通信系统的性能。结合水声信道的稀疏特性,提出一种基于最大相关熵准则的级联滤波器算法,该算法实现了脉冲噪声的消除及稀疏信道估计。第一级自适应滤波器完成对噪声的消除工作,第二级滤波器对去噪后的信号进行稀疏信道估计。该方法的优势在于无需知道信号和噪声的相关信息。仿真结果表明,提出的方法比单一的滤波器结构和传统信道估计算法性能更加优越。