MWC欠采样方法中伪随机序列的改进

最近提出的调制宽带转换器(MWC)采样方法,针对稀疏宽带模拟信号可以实现低于奈奎斯特率的不失真采样,为稀疏宽带信号采样率高的问题提供了一种欠采样方案。文中针对MWC系统在实现过程中伪随机符号序列不易精确实现的问题,提出了一种易于实现的0/1伪随机序列,简化了MWC的实现方法。通过数值仿真对MWC系统重构性能进行了检验。实验结果表明,MWC系统采用所提出的伪随机序列时仍然可以实现低于奈奎斯特率的采样,并能高概率地精确重构原信号。     

用于宽带频谱感知的全盲亚奈奎斯特采样方法

亚奈奎斯特采样方法是缓解宽带频谱感知技术中采样率过高压力的有效途径。该文针对现有亚奈奎斯特采样方法所需测量矩阵维数过大且重构阶段需要确切稀疏度的问题,提出了将测量矩阵较小的调制宽带转换器(MWC)应用于宽带频谱感知的方法。在重新定义频谱稀疏信号模型的基础上,提出了一个改进的盲谱重构充分条件,消除了构建MWC系统对最大频带宽度的依赖;在重构阶段,将稀疏度自适应匹配追踪(SAMP)算法引入到多测量向量(MMV)问题的求解中。最终实现了既不需要预知最大频带宽度也不需要确切频带数量的全盲低速采样,实验结果验证了该方法的有效性。     

基于随机投影思想的MWC亚奈奎斯特采样重构算法

针对现有调制宽带转换器（Modulated Wideband Converter,MWC）亚奈奎斯特采样重构算法性能不高问题,提出了一种基于随机投影思想的重构算法.该算法首先将MWC所获得的测量值矩阵通过随机投影方法压缩成具有较少向量的新的测量值矩阵,然后利用所提出的求解器求解多测量向量问题,通过检验和重复尝试性求解过程提高MWC的重构性能.从理论和实验两个方面验证了所提出的算法的有效性.实验结果表明,与著名的ReMBo算法相比,该算法有效提高了重构成功率;当信号的频带数相同时,精确重构所需的硬件通道数更小;在相同的硬件通道数前提下,可重构的信号频带数更高.该算法与ReMBo相比运算时间并没有大幅度增加,当信号频带数较大时,不仅重构性能高,而且运算时间比ReMBo小.     

基于多通道随机解调系统的多带信号性能分析

本文根据多带信号块结构稀疏特性提出了一种多通道随机解调(multi-channel random demodul-ator,MCRD)结构的压缩采样系统。在该系统中,每个通道首先将模拟多带信号与随机序列相乘,然后通过积分器,再以低于信号两倍带宽的频率采样,得到多带信号的观测值。仿真结果表明,利用正交匹配追踪算法可以从MCRD的欠奈奎斯特样本重构原始信号。相对于MWC系统来说,MCRD系统的压缩率越高,转化率对系统的影响就越大,选择适当的转化率可以提高系统的性能,同时降低系统的复杂性。     

差分调制信号亚奈奎斯特率检测方法

压缩感知是一种基于亚奈奎斯特率的信息采样方法。基于压缩感知的符号检测方法通常先将亚奈奎斯特率样本重构为奈奎斯特率信号,然后再依据传统符号检测的原理检测接收符号。本文针对基于重构的压缩感知符号检测方法采样率过高的问题,研究广义似然比检测和信息采样样本之间的关系,提出了一种不需要重构奈奎斯特率信号的压缩检测方法。该方法首先通过双通道时延结构分离接收信号的参考部分和信息符号部分,然后依据两部分信号的稀疏相关特性,对亚奈奎斯特率接收符号进行检测。实验结果说明本文提出的方法能够有效地抵抗多径衰弱和符号间干扰（Inter Symbol Interference,ISI）。      

压缩采样理论及其在考试作弊无线电信号快速识别中的应用

无线电作弊信号具有频段范围分布广、使用频率基本无规律可循、信号功率以及出现时间具有随机性等特点,使传统的基于奈奎斯特-香农采样理论的监测设备面对采样率要求越来越高的挑战。压缩采样理论能够以随机方式,用远低于奈奎斯特采样率的采样频率实现对稀疏信号的理想重构,是解决无线电考试作弊信号检测难题的有效手段。     

基于采样值随机压缩矩阵核空间的亚奈奎斯特采样重构算法

针对现有调制宽带转换器亚奈奎斯特采样重构算法性能不高问题,该文提出一种基于采样值核空间的支撑重构算法和随机压缩降秩方法,将两者结合得到一种高性能采样重构算法。首先利用随机压缩变换在不改变未知矩阵稀疏特性的前提下将采样方程转化为多个新的多测量向量问题,然后利用采样值矩阵核空间与采样矩阵支撑正交的关系获取联合稀疏支撑集,最后通过伪逆完成重构。从理论和实验两个方面对所提方法进行了分析和验证。数值实验表明,与传统重构算法相比,所提算法提高了重构成功率、降低了高概率重构所需的通道数,而且重构性能总体上随压缩次数增加而提高。     

压缩感知技术综述

压缩感知(Compressed Sensing或Compressed Sampling,Cs)理论突破了经典的奈奎斯特采样定理的极限,提出一种全新的采样理论,通过开发信号的稀疏特性,在远小于Nyquist采样率的条件下,用随机采样获取信号的离散样本,然后通过数值最优化问题精确重构出原始信号.本文综述了CS基本原理,介绍了信号稀疏表示、测量矩阵的设计和信号的重构算法等内容以及CS理论研究现状和在相关领域的应用.     

亚奈奎斯特采样雷达的运动目标回波信号的快速重构

亚奈奎斯特采样雷达是利用回波信号的稀疏性,基于模信转换系统发展起来的欠采样雷达系统.本文研究亚奈奎斯特采样雷达的运动目标回波信号的快速重构问题.与单脉冲回波重构不同,运动目标在脉冲积累时间内可能产生跨距离单元现象,使得回波信号表示系数呈现稀疏时变性.本文采用概率分布模型描述稀疏位置的变化,首先将多脉冲回波信号重构转化为加权稀疏重构问题;然后根据分段滑动重构思想,提出一种基于正交投影的加权稀疏分段滑动重构方法来实现快速重构.该方法利用前一个脉冲稀疏位置估计信息,构造分段产生干扰的正交补空间,将子段压缩测量投影到构造的正交补空间,有效地抑制了相邻段引入的干扰.数值仿真验证了方法的有效性.     

压缩采样技术及其应用

如何降低宽带模拟信号数字化过程中的采样率,以及如何有效的对大量数据进行压缩存储一直是学者们关心的问题。该文综述了最近出现的一种新型信号处理方法压缩采样(Compressive Sampling, CS),也称压缩传感(Compressive Sensing)。该方法通过对稀疏信号进行观测而非采样,只需少量观测点就能精确的重构原始信号。结果表明新方法的观测频率可以远远低于奈奎斯特采样频率。该文除介绍其基本原理和主要实现方法外,同时列举了多种应用,并指出若干待研究的问题。     

基于MWC压缩采样宽带接收机的雷达信号脉内调制识别

针对传统宽带数字接收机在接收宽带雷达信号时产生的跨信道问题,以及低截获概率(LPI)雷达信号脉内调制盲识别问题,该文提出一种基于调制宽带转换器(MWC)离散压缩采样的新型宽带数字接收机结构对宽带雷达信号进行截获和识别。该结构采用伪随机序列将接收信号混频至基带和其他子带内,经低通滤波、降速采样获得基带压缩采样信号,解决了跨信道信号问题;又提出一种基于短时傅里叶变换(STFT)和频谱能量聚焦率检验的识别算法。首先检验STFT频谱带宽并进行调相和调频信号粗识别,然后检验压缩采样信号频谱能量聚焦率并进行具体的信号脉内调制识别。仿真结果证明了该新型接收机结构和该识别算法在低信噪比下的有效性。     

基于OMP算法的宽带频谱感知

频谱感知是认知无线电的一项关键技术,其能够检测出未被主用户占用的频谱空穴供次用户接入使用,提高频谱利用率.宽带频谱感知要求对数GHz 的带宽进行检测,过高的采样速率、大的数据量对现有的硬件设备提出了巨大的挑战.本文利用宽带频谱的稀疏性提出一种基于OMP算法的宽带频谱感知方法.该方法利用MWC采样实现对宽带模拟信号直接压缩采样;利用自相关矩阵对称分解特性和主用户信号独立性,得到有限维压缩采样信号模型,利用AIC/MDL准则估计稀疏度作为OMP算法迭代停止的条件,大大减少了算法复杂度;该方法不需要重构接收信号的PSD,直接在时域根据低速率采样信号,检测被占用信道.仿真结果表明,当带内信噪比大于9dB时,频谱检测概率高于90％.     

多频带信号压缩采样的回溯SOMP重构方法

针对多频带信号在调制宽带转换器（Modulated Wideband Converter,MWC）系统下的压缩采样,提出了一种基于回溯思想的多频带信号SOMP（Simultaneous Orthogonal Matching Pursuit）重构算法,该方法利用回溯思想和最小均方准则进行信号支撑频带搜索,从而重构源信号。相比传统方法,该算法不需要已知信号载频信息,且算法复杂度低,正确重构概率高。通过对实际中不同多频带信号MWC采样系统下的仿真实验表明,该方法具有良好的适用性。     

非整数倍采样情况下的定时恢复研究

针对宽带卫星通信系统中非整数倍采样的定时恢复问题,介绍了一种整数倍变换法—将非整数倍采样信号进行速率整数倍变换后再进行定时估计,并提出了一种新的定时恢复方法。这种新方法对采样数据直接进行定时估计,然后再内插出同步信号。通过对两种方法的分析比较可知,新方法的实现复杂度更低,定时恢复性能更好。     

A Bayesian recovery technique with Toeplitz matrix for compressive spectrum sensing in cognitive radio networks

Compressive sensing has been proposed as a low‐cost solution for dynamic wideband spectrum sensing in cognitive radio networks. It aims to accelerate the acquisition process and minimize the hardware cost. It consists of directly acquiring a sparse signal in its compressed form that includes the maximum information using a minimum number of measurements and then recovering the original signal at the receiver. Over the last decade, a number of compressive sensing techniques have been proposed to enable scanning the wideband radio spectrum at or below the Nyquist rate. However, these techniques suffer from uncertainty due to random measurements, which degrades their performances. To enhance the compressive sensing efficiency, reduce the level of randomness, and handle uncertainty, signal sampling requires a fast, structured, and robust sampling matrix; and signal recovery requires an accurate and efficient reconstruction algorithm. In this paper, we proposed a method that addresses the previously mentioned problems by exploiting the Bayesian model strengths and the Toeplitz matrix structure. The proposed method was implemented and extensively tested. The simulation results were analyzed and compared to those of the 2 techniques: basis pursuit and orthogonal matching pursuit algorithms with Toeplitz and random matrix. To evaluate the efficiency of the proposed method, several metrics were used, namely, sampling time, sparsity, required number of measurements, recovery time, processing time, recovery error, signal‐to‐noise ratio, and mean square error. The results demonstrate the superiority of our proposed method over the 2 other techniques in speed, robustness, recovery success, and handling uncertainty.     

A Method to Reduce Sampling Rate of the ADC in Feedback Channel for Wideband Digital Predistortion

This paper presents a new digital predistortion (DPD) solution for wideband signals with low feedback sampling rate. To reduce the minimum sampling rate of the analog-to-digital converter (ADC) for wideband digital predistortion, the proposed method uses a bandpass filter to form a narrowband signal before the ADC. Then, a deconvolution operation is performed to recover the original wideband signal from the ADC samples. The proposed method is evaluated with an international mobile telecommunication-advanced signal with 100 MHz bandwidth. The simulation results show that the recovered signal of the proposed method closely approximates to the original signal in the passband of the filter, and the mean square error of the deconvolution decreases as the signal-to-noise ratio increases. The proposed algorithm can reduce the sampling rate of the ADC from 1105.92 million samples per second (MSPS) to 368.64 MSPS, and improve the adjacent channel power ratio more than 20 dB, which is merely 5.6 dB less than the conventional DPD with 1105.92 MSPS sampling rate.     

一种低速采样的协同宽带频谱感知方法

频谱感知是通信系统抗干扰和智能化的关键能力.针对认知无线电系统窄带频谱感知技术受制于数模转换器件的发展水平,难以解决认知无线电系统宽带、实时频谱感知的问题,提出一种多节点协作的认知无线电系统宽带频谱感知方法.该方法设计由多个认知节点对目标频段执行次奈奎斯特采样来降低采样速率,采用能量检测方式对采样矢量进行集中式融合判决,实现宽频段范围内干扰信号的谱定位和判断,降低各个感知节点的采样速率,支撑认知网络系统构建高实时、宽频带频谱感知的能力.计算机仿真试验结果表明,所提方法达到90％检测概率时压缩比要求为0.025,具有可靠性与有效性.