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。     

基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计

原始的压缩采样匹配追踪算法依赖于已知稀疏度,因此本文研究了一种稀疏度和稀疏信道联合估计算法。首先提出了一种新的稀疏向量的替代,能够在有限长度的训练序列下,达到较好的稀疏度和信道估计效果。然后通过对稀疏信道估计中的噪声分量的分析,提出了一种稀疏度估计算法,结合信道估计最终给出了一种稀疏度和稀疏信道联合估计算法。仿真结果表明：新的稀疏向量的替代在稀疏度和信道估计方面都有明显的优势,并且提出的稀疏度和稀疏信道联合估计算法在性能上好于mCoSaMP算法。     

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。     

基于压缩感知的雷达信号分选方法

针对复杂电磁环境下,大量的信号在时间、空间、频谱发生随机交叠时,现有分选方法很难进行分辨的问题,提出了一种基于压缩感知理论的雷达信号分选算法.该算法将信号的样本空间作为稀疏字典,将待分选的雷达信号进行稀疏表示,以少量的观测数据就能获取信号的全部信息,从而对雷达信号进行有效的分选.仿真结果表明,该算法能对大量时频交叠信号进行快速分选,且在低信噪比下也能取得较理想的效果.     

非均匀采样周期信号采样时间偏差估计算法研究

在非均匀采样一般理论的基础上,推导出一种估计各个通道的采样时间偏差的方法,基于这种方法,给出了一种可校正非均匀采样周期信号采样时间偏差的新型波形数字化义的结构,可并计算得到的估计值反馈给采样通道的延时校正单元,以补偿采样时间的偏差,从而提高了数据采集的质量。     

基于交替下降求解的稀疏信号重建算法

压缩感知理论（CS）是现代信号处理领域中一个崭新的研究方向,信号的快速优化重建是该理论的研究热点。实际工程应用中,由于各种误差不可避免,信号重建过程中字典矩阵只是近似知道,因此降低了信号重建质量。为有效解决字典矩阵和观测数据同时含有噪声的多测量矢量（MMV）稀疏重建问题,基于多测量矢量欠定系统正则化聚焦求解（RM-FOCUSS）算法,提出一种交替下降稀疏重建算法,迭代过程中在稀疏解和字典误差之间交替下降求得最优稀疏解。仿真结果表明,文章算法较大程度地提高了信号的重建质量。     

频谱稀疏OFD-LFM弹头自旋微动特征重构方法

针对基于高分辨雷达技术的弹头自旋微多普勒特征问题展开研究。首先通过理论推导详细分析了OFD-LFM信号体制弹头自旋微多普勒在谱图上的表现形式,并得出相关结论,再结合压缩感知理论提出一种频谱稀疏OFD-LFM微多普勒谱图合成方法,该方法可在大幅减少OFD-LFM子载波数的前提下,准确重构出弹头自旋微多普勒特征曲线;同时有效抑制了谱图中的旁瓣影响。仿真实验结果表明了理论推导的正确性,证明了该文重构方法的有效性。     

基于稀疏表示模型的图像解码方法

为了更好地提取图像信号的稀疏特性,提出了一种多方向自回归稀疏模型及其重建算法.多方向自回归稀疏模型利用图像局部统计相关和纹理方向实现了图像稀疏表示.在基于变换的编码框架下,以编码端的变换矩阵为观测矩阵,用多方向自回归稀疏模型代替解码端的反变换.图像仿真结果表明,所提出的技术能改善JPEG图像的质量.     

压缩感知中四种贪婪类算法重构信号性能研究

鉴于贪婪类算法是压缩感知(CS)信号重构中应用最为广泛的一类算法,对该类中最典型的四种算法进行了综合比较与分析.首先从理论上对四种算法进行了分析,比较了四种算法之间的关系,分别给出了相应的实现过程;然后给出了综合衡量CS重构算法的指标,根据指标全面地比较了四种算法的性能.根据理论分析结果和仿真结果,给出了相应的结论.     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

基于压缩感知的宽带信号采集系统性能分析与算法实现

为了解决目前超宽带信号采集过程中面临的采集困难、数据量大的难题,文章从基于压缩感知的信号采集理论出发,提出了基于GPU平台的超宽带信号采集系统实现方法,重点分析了采集系统的重构性能。分析表明该方法对于宽带稀疏信号的采集能够有效降低采样速率,提高采集效率。     

Obtaining Prior Information for Ultrasonic Signal Reconstruction from FRI Sparse Sampling Data

超声信号FRI稀疏采样数据重构中先验信息的获取

宋寿鹏,倪英杰,邵勇华

（江苏大学 仪器科学与工程系,江苏 镇江 212013）

研究目的：

提供一种从超声信号采集的稀疏数据中重构原信号时,回波中脉冲数目获取方法。该方法可以从稀疏采样数据中直接求得脉冲串数目,避免信号重构时预先给出脉冲串数目带来的不足。

研究方法：

论文首先从理论上给出了根据稀疏采样数据获取脉冲数目的方法,然后分析了噪声对该方法的影响,并给出了解决方法,最后通过仿真和实际测试验证了提出方法的有效性。当从超声信号中获取到稀疏采样数据后,将这些稀疏数据转换成离散傅立叶系数,形成Hankel矩阵,实施SVD分解,去除由于噪声产生的分解系数后,剩余的分解系数即为脉冲数目。

结果：

提出一种从超声信号FRI稀疏采样数据中直接估算脉冲串数目的方法,仿真实验分析了噪声水平阈值因子的影响,给出了实验中选取该因子的经验公式。实验结果表明该方法有效可行。

结论：

该方法可有效解决目前利用FRI稀疏采样数据重构信号时人为给定脉冲串数目的弊端,不需要先验脉冲宽度信息,可通过稀疏数据的离散傅立叶变换、构建汉克尔矩阵及奇异值分解得到脉冲串的数目。信号中噪声的影响可有效消除,可用于实际中脉冲超声检测信号的稀疏采样与重构。

关键词：FRI;超声信号;稀疏采样;信号重构;先验信息

     

利用压缩感知的短孔径高分辨ISAR成像方法

压缩感知理论揭示：对于稀疏信号可以利用非常有限的观测数据对信号本身进行精确恢复．基于此思路提出了一种利用短孔径有限数据实现高分辨逆合成孔径雷达成像的新方法,将逆合成孔径雷达成像转换为利用正交基重构稀疏信号的问题,然后利用压缩感知对目标像高分辨优化重建．同时,根据压缩感知理论对新成像方法的分辨率理论上界进行了推导．对舰船和机动飞机的实测数据的处理结果验证了新方法的有效性和稳健性．     

压缩感知原理在盲信号分离中的应用

主要阐述了压缩感知的基本原理,介绍了压缩感知的3个基本问题：信号的稀疏表示、稀疏基与测量矩阵的不相关性和信号的重构,分析了它与盲信号分离之间的联系,为解决盲信号分离问题提供了一个新的途径．最后通过具体实验说明它在盲信号分离上的应用．     

基于压缩采样的宽带跳频信号盲检测算法

为了在非协作情况下,达到对宽带跳频信号进行实时检测的目的,提出一种基于压缩采样值数字特征的盲检测算法.首先分析了不同先验假设条件下压缩采样值的期望和方差,然后讨论了利用这些不同数字特征对高斯白噪声中的跳频信号进行检测的方法.仿真结果显示,该算法能在Eb/N0大于8dB时对高斯白噪声中的跳频信号进行有效的检测.该算法相对于传统基于奈奎斯特采样值的检测算法,运算复杂度低,实时性较好.     

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。     

用VB和MATLAB设计信号采集程序

阐述了VB和MATLAB各自功能的优势,介绍了利用声卡进行信号采集的软件编程,为机械设备的工况监测和故障诊断提供了1种实用方法。     

压缩感知中限制等距常数的一个界

限制等距常数(Restricted Isometry Constant,RIC)在压缩感知中起重要作用.因为如果RIC满足某种界,则无噪声稀疏信号能被精确恢复,并且噪声稀疏信号能被平稳估计.近几年来,RIC的某些界已经得到,文献[1-5]给出了RICδ2k的界分别为0.414 2,0.453 1,0.465 2,0.472 1,0.473 4和0.493 1.文献[6-8]给出了RICδk的界分别为0.307,0.308.这里给出δ2k和δk的二次型界,并且证明文献[5]的一个结果是本文定理1的特例.