基于贝叶斯压缩感知的毫米波MIMO信道估计

针对毫米波大规模多输人多输出(MIMO)通信系统中存在的硬件成本高、能耗大等问题,混合模拟-数字的收发机架构是一个很有前景的解决方案,然而系统的信道估计问题却成为一个挑战.在考虑正交频分复用和频率选择性衰落信道模型的前提下,提出了一种使用贝叶斯压缩感知理论来估计信道的方法.贝叶斯压缩感知算法可以在稀疏信道先验知识不完备...     

基于压缩感知的多小区MASSIVE MIMO信道估计

针对多小区多用户大规模多输入多输出（MASSIVE MIMO）系统信道估计在低信噪比情况下估计精度较差的问题,提出了一种基于群智能搜索的果蝇分段正交匹配追踪（FF-StOMP）压缩感知算法。该算法在分段正交匹配追踪（StOMP）求解不同阈值下的信道矩阵参数与归一化最小均方误差的基础上,采用果蝇优化算法动态搜索出最小归一化均方误差与其对应的阈值,达到自适应参数设定的目的。仿真结果表明,与StOMP算法相比,信噪比在0~10 dB情况下,所提出的FF-StOMP算法信道估计性能能够提升0.5~1 dB;信噪比在11~20 dB时,信道估计性能能够提升0.2~0.3 dB。当小区用户数发生变化时,所提出的算法能实现自适应信道估计,能够有效提升MASSIVE MIMO系统低信噪比情况下的信道估计精度。     

基于圆阵双基地MIMO雷达多维角度联合估计

提出了一种基于均匀圆阵双基地MIMO雷达多目标多维角度估计的新算法。对阵列接收信号进行分析,表明其具有平行因子三线性模型特征,利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出多维角度。该方法无需谱峰搜索,可实现参数的同时估计与配对,与基于旋转不变参数估计技术(Estimation of signal parameters via rotational invariance techniques,ESPRIT)思想的算法相比具有更高的估计精度,而且在小样本数下也能较好地工作。仿真结果验证了该算法的有效性。     

基于压缩感知的高阶MIMO系统信道估值算法

针对通信网络中的天线数量巨大;很难完成对信道的有效计算与估值。借助于高阶多输入多输出（MIMO）系统的可靠性;提出了一种基于压缩感知的信道估值高阶MIMO系统。设计了一种简单的导频结构;以降低计算复杂度;利用导频序列长度可以随着信道稀疏度变化情况自适应的调整;从而节省了导频资源的开销。仿真实验表明;与传统的信道估计算法比较;在相同的信道估计精度条件下;HMCE-CS算法可以降低平均导频序列长度;或者在相同的导频序列长度条件下;HMCE-CS算法可以提高信道估计精度;验证了该算法的有效性。     

非均匀白噪声条件下的相干MIMO雷达角度估计

在多输入多输出(Multiple Input Multiple Output,MIMO)雷达系统的角度估计中,混入接收机的噪声通常被假设为均匀的.然而,实际场景下往往是非均匀噪声,使得噪声协方差矩阵是未知的.若直接应用传统的子空间估计算法,如二维多重信号分类(Two-dimensional Multiple Signa...     

基于压缩感知和GHM多小波变换的信息隐藏算法

针对基于秘密信息置乱方法等类型的信息隐藏算法不可见性低和抗攻击性弱这一问题,提出了一种基于压缩感知和GHM多小波变换的信息隐藏算法。首先,将载体图像进行一次GHM多小波变换,再对所得到的中间能量区域进行一次小波变换得到HH分量,将HH分量进行奇异值分解;其次,将秘密图像进行小波变换,将得到的小波系数进行压缩感知得到观测矩阵,再对观测矩阵元素进行奇异值分解;最后,利用秘密图像的奇异值替换掉载体图像的奇异值来完成秘密信息的嵌入。实验结果表明,相比两种加密算法,算法不可见性（PSNR值）分别提高5.99%和22.11%;对低通滤波、椒盐噪声、高斯噪声、JPEG压缩等常见攻击具有良好的鲁棒性,相关系数（NC）平均增强了4.11%和11.53%。     

基于四元数和增广矩阵束的MIMO雷达角度估计算法

通过研究多输入多输出（Multiple input and multiple out,MIMO）雷达的角度估计算法,基于收发共址的十字阵MIMO雷达系统,将四元数理论应用到MIMO雷达角度中,提出了一种新的参数估计算法。通过构造四元数模型,结合增广矩阵束（Matrix enhancement and matrix pencil, MEMP）方法构造增广矩阵,并证明该矩阵的秩等于目标总数,且不受目标相干性的影响,结合ESPRIT算法实现了对MIMO相干目标的角度估计。算法无需谱峰搜索,能够实现参数的自动配对,同时降低了运算复杂度。仿真实验进一步验证了算法的有效性。     

基于奇异值分解的压缩感知核磁共振图像重构算法

针对传统压缩感知在核磁共振成像中存在着重构算法慢、成像时间长的缺点,利用核磁共振图像自身非满秩的特点,在压缩感知框架下以奇异值分解作为基底对图像稀疏表示进行了研究,并对重构算法进行了优化。实验结果表明,提出的奇异值方法在重构效果上能达到与小波稀疏变换法相近的峰值性噪比,且能有效缩短图像重构时间,达到加速核磁共振成像的目的。     

基于奇异值分解的稀疏信道估计

针对基于压缩感知的信道估计能高效获取信道状态信息,以及噪声对估计算法的影响,提出一种基于奇异值分解的压缩感知估计算法.无需已知信道稀疏度,采用自适应步长使其重构精度和效率达到折中.引入奇异值分解技术,并根据奇异熵确定有效重构阶次,达到降噪目的,同时避免迭代过程中选取相关性较低的原子.仿真结果表明,该算法具有较高的重构精...     

基于格基缩减的MU-MIMO下行传输策略

块对角化（Block diagonalization, BD）预编码算法通过两次奇异值分解实现多用户间干扰消除并将下行多用户多输入多输出（Multi-user multiple-input multiple-output, MU-MIMO）信道解耦成多个独立的单用户MIMO（Single-user MIMO, SU-MIMO）信道,但其计算复杂度也随着用户数量和矩阵维数的增加而增加。在MU-MIMO下行系统中,提出基于格基缩减的改进块对角化传输策略,将BD算法的第2次奇异值分解替换为基于格基缩减的线性检测,可得到比传统BD传输策略更好的误码率性能以及更低的计算复杂度。     

基于奇异值分解的可分离压缩成像方法

可分离压缩传感可以通过一定比例的额外测量有效地解决压缩成像问题中面临的测量矩阵维数过大的瓶颈. 但是现有可分离压缩传感(separable compressive sensing, SCS)方法需要2个可分离的测量矩阵都必须是行归一化后的正交随机矩阵,其显著地限制了该方法的应用范围. 将奇异值分解(singular value decomposition, SVD)方法引入可分离可压缩传感测量过程,可以有效地实现测量矩阵和重建矩阵的分离：在感知阶段可以更多地考虑测量矩阵物理易于实现的性质,如Toeplitz或Circulant等确定性结构的矩阵;在重建阶段,更多地考虑测量矩阵的优化.通过引入奇异值分解对重建阶段的测量矩阵进行优化,可以有效地改善重建性能,尤其是Toeplitz或Circulant矩阵在大尺度图像的压缩重建情形.数值实验结果验证了该方法的有效性.     

通道参数对MIMO雷达估计性能的影响效果分析

为在目标参数估计中正确处理MIMO雷达收发通道网的未知系数,提出并建立了3种通道参数模型,分别推导了各模型下的目标估计和克拉美罗界(Cramer-Rao lower bound,CRLB),比较了各模型下的参数估计性能,研究了通道参数的不同处理方法对MIMO雷达估计性能的影响效果。理论分析表明,在目标估计时如果将通道系数作为未知参量与目标参数联合估计,可比将其作为随机参量求期望获得更高的参数估计精度,而且随着信噪比的降低两者的参数估计性能差异会随之扩大。仿真实验也验证了上述结论的正确性。     

多输入多输出非线性不确定系统连续高阶滑模控制

针对一类MIMO非线性不确定系统,提出一种新的连续高阶滑模控制算法.引入状态反馈使得系统高阶滑模控制问题等效转换为多变量不确定积分链的有限时间稳定问题,首先针对标称系统设计有限时间到达连续控制律,实现系统状态快速收敛,然后采用多变量非解耦形式超螺旋算法克服系统不确定性,实现鲁棒性,最终使得系统控制作用连续、滑模抖振得以大大抑制.基于二次型Lyapunov函数证明系统的有限时间稳定性.针对三阶不确定系统有限时间稳定和气垫船圆形航迹跟踪问题分别进行了仿真,验证了所提算法的有效性、鲁棒性.     

基于SL0范数的改进稀疏信号重构算法

平滑范数（Smoothed l0,SL0）压缩感知重构算法通过引入平滑函数序列将求解最小l0范数问题转化为平滑函数优化问题,可以有效地用于稀疏信号重构。针对平滑函数的选取和算法稳健性问题,提出一种新的平滑函数序列近似范数,结合梯度投影法优化求解,并进一步提出采用奇异值分解（Singular value decomposition, SVD）方法改进算法的稳健性,实现稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法相比OMP算法、SL0算法以及L1-magic算法在重构精度、峰值信噪比方面都有较大改善。     

可压缩传感重构算法与近似QR分解

讨论了可压缩传感CS重构算法,并提出了一种新的改进算法效率、提高图像质量的方法,即：测量矩阵的近似QR分解。精确的重构算法（极小化L0范数）是一个NP完全问题,而这种算法的一个近似估计（极小化L1范数）能够对信号或图像高效率地重构。本文研究了L1算法的重构效果,通过改变测量矩阵的奇异值能够提高算法的重构效率。对测量矩阵的近似QR分解进行了研究,并给出了对测量矩阵的一些改进和相关的实验。     

奇异值分解（SVD）及其在时间序列分析中的应用—算法与问题研究

本文综述奇异值分解(SVD)算法及其在时间序列分析应用中的最新研究成果,重点讨论基于 SVD 的各种算法及其内在联系.