共查询到18条相似文献,搜索用时 58 毫秒
1.
2.
为了降低混沌调制中采样通道的采样速率,该文提出一种多通道混沌调制模拟-信息转换结构。该结构通过采样参数调制混沌系统的多个状态输出作为压缩测量,可实现在总采样速率不变的情况下降低每个采样通道的采样速率。与混沌调制相比,多通道混沌调制增加了低速采样单元的个数,但显著提高了高稀疏度信号的重构性能。基于混沌脉冲同步理论,该文给出了多通道混沌调制结构的信号可重构条件与被采样状态变量选择方法。以Lorenz系统为例,仿真验证了多通道混沌调制结构的有效性。 相似文献
3.
4.
5.
6.
7.
基于压缩感知理论我们可以直接处理少量的压缩采样数据从而完成感兴趣目标信号的检测任务。目前经典的压缩感知信号检测算法中,作为判决依据的特征值仅利用稀疏系数的幅值信息,而且这种算法的阈值选择通常需要消耗大量的时间。针对这个问题,提出一种基于稀疏系数特征信息的检测算法,算法充分利用稀疏系数的幅值信息和位置信息,根据部分重构得到的稀疏系数特征信息相关性完成目标信号的检测。实验结果表明,与原算法相比,该算法在保证检测性能的同时大大缩减了检测时间。 相似文献
8.
目前,模拟到信息转换系统主要通过随机矩阵进行采样的,而用硬件实现随机矩阵是繁杂的,甚至是不可能的。受到压缩传感(Compressive Sensing ,CS )和积分点火(Integrate-and-Fire ,IF )电路的启发,本文提出了一种无需随机矩阵且对时域编码的积分式采样还原系统。在稀疏信号足够长的条件下,可以通过参数自由控制采样频率,理论上可以无限降低,大大减少数据量,降低系统功耗。此外它易于实现,无量化误差等优点,在雷达探测、生物传感等宽带信号领域,具有很好的应用前景。 相似文献
9.
10.
该文利用复数稀疏信号的时域相互关系提出一种新的稀疏贝叶斯算法(CTSBL)。该算法利用复数信号的实部与虚部分量具有相同的稀疏结构的特点,提升估计信号的稀疏程度。同时将多个测量信号间的内部结构信息引入到了信号恢复中,使原始的多测量稀疏信号恢复问题转变为单测量块稀疏信号恢复问题,使恢复性能得到了提升。理论分析和仿真结果证明,提出的CTSBL算法相较于目前的针对复数信号的多测量矢量贝叶斯压缩感知(CMTBCS)算法和块正交匹配追踪算法(BOMP)在估计精度上具有更好的性能。 相似文献
11.
从合成孔径雷达(SAR)成像模型出发,在稀疏条件下,该文结合散射中心理论,从低分辨率图像中估计高分辨率图像的散射点参数,用若干sinc函数对感兴趣目标区(ROI)进行重建并抑制旁瓣,获得超分辨ROI切片。基于非线性最小二乘(NLS)估计给出了该超分辨重建问题的迭代求解算法,并以TerraSAR-X数据进行仿真验证,仿真结果表明,该文所提方法相比双立方插值和1范数正则化方法能够获得更高的空间分辨率与目标杂波比(TCR)。后续分析表明,散射点参数的估计精度受到信噪比和sinc函数重建3 dB带宽共同影响,重建3 dB带宽越大对噪声的鲁棒性越强。 相似文献
12.
13.
基于基追踪-Moore-Penrose逆矩阵算法的稀疏信号重构 总被引:2,自引:0,他引:2
压缩感知(Compressed Sensing, CS)稀疏信号重构其本质就是在稀疏约束条件下求解欠定线性方程组,基于迭代加权Lp(001,p=2)类范数算法减小重构误差成为近来稀疏信号重构热点之一。该文提出了基追踪- Moore-Penrose逆矩阵(Basis Pursuit-Moore-Penrose Inverse Matrix, BP-MPIM)算法:(1)由基追踪(Basis Pursuit, BP)算法得到稀疏信号非零元素位置(亦称支撑集,对应于测量矩阵的列);(2)通过求解由支撑集所对应测量矩阵的子矩阵和CS测量值组成的超定线性方程组实现稀疏信号重构,并证明了由此重构的稀疏信号是其唯一最小二次范数解。仿真的稀疏信号和实测宽带雷达回波信号脉冲压缩结果表明,和原来算法相比,新算法具有更小的重构误差,且误差只存在于其支撑集内。 相似文献
14.
基于压缩感知的DOA估计稀疏化模型与性能分析 总被引:1,自引:0,他引:1
利用压缩感知理论解决阵列信号到达角(DOA)估计问题,具有对快拍数据量要求低、可处理相关源等优点。将压缩感知理论应用于信源DOA估计的一个关键问题是建立信源信号的稀疏化模型。该文在均匀线阵模型下系统分析了角度划分对DOA估计稀疏重构性能的影响,从对相关性的分析出发给出了信号的最优稀疏化模型。分析结果表明在实际应用中基于信源信号等正弦空间稀疏化的重构模型是最优的。实验对比了新的稀疏化模型与传统的等角度划分方式得到的流形矩阵的可重构性能,并进行了关于信号重构和信源DOA估计的详细实验分析,验证了所提模型的优越性。 相似文献
15.
Zhang Lingwen Tan Zhenhui State Key Laboratory of Rail Traffic Control Safety Beijing Jiaotong University Beijing China 《中国通信》2010,7(1):65-72
Ultra-wide-band (UWB) signals are suitable for localization, since their high time resolution can provide precise time of arrival (TOA) estimation. However, one major challenge in UWB signal processing is the requirement of high sampling rate which leads to complicated signal processing and expensive hardware. In this paper, we present a novel UWB signal sampling method called UWB signal sampling via temporal sparsity (USSTS). Its sampling rate is much lower than Nyquist rate. Moreover, it is implemented in one step and no extra processing unit is needed. Simulation results show that USSTS can not recover the signal precisely, but for the use in localization, the accuracy of TOA estimation is the same as that in traditional methods. Therefore, USSTS gives a novel and effective solution for the use of UWB signals in localization. 相似文献
16.
基于交织抽取与分块压缩感知策略的图像多描述编码方法 总被引:1,自引:0,他引:1
该文基于交织抽取和分块压缩感知(Interleaving Extraction and Block Compressive Sensing,IEBCS)理论,提出了一种可以在成像过程中实时实现的多描述编码方法(IEBCS-MDC)。首先利用交织抽取将图像划分成若干个子图像,然后对各个子图像进行分块压缩感知形成多个描述码流,接收端通过求解优化问题重建原图像。分块策略保证了观测过程的复杂程度不因图像尺寸而改变,所以该方法结构简单易于实现,适合处理高分辨率图像,另外特有的自恢复能力提升了算法的抗丢包性能。实验表明,在相同的硬件环境下,该文方法可以处理的图像尺寸远远大于CS-MDC方法,在同样的丢包率下重构质量也优于CS-MDC方法。 相似文献
17.
1-Bit压缩感知(CS)是压缩感知理论的一个重要分支。该领域中二进制迭代硬阈值(BIHT)算法重构精度高且一致性好,是一种有效的重构算法。该文针对BIHT算法重构过程需要信号稀疏度为先验信息的问题,提出一种稀疏度自适应二进制迭代硬阈值算法,简称为SABIHT算法。该算法修正了BIHT算法,首先通过自适应过程自动调节硬阈值参数,然后利用测试条件估计信号的稀疏度,最终实现不需要确切信号稀疏度的1-Bit压缩感知盲重构。理论分析和仿真结果表明,该算法较好地实现了未知信号稀疏度的精确重建,并且与BIHT算法相比重构精度及算法复杂度均相当。 相似文献