采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit, SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

分布式的1 bit压缩频谱感知算法

由于频谱感知中信道稀疏度动态变化,导致分布式频谱感知网络中节点间信息传输频繁,消耗感知网络通信带宽。为了缓解网络通信带宽压力,提出分布式的1 bit压缩频谱感知算法。各节点对感知数据进行压缩采样并1 bit量化,然后融合节点采用JSM-2模型对数据进行融合,最后通过BIHT算法重构信号频谱,实现频谱感知。仿真结果表明,在低信噪比和较少的采样数目下,分布式的1 bit压缩频谱感知算法能具有较好的频谱检测性能,是一种可实用的频谱感知方法。     

动态稀疏频谱的自适应压缩感知与跟踪算法研究

在宽带频谱感知、通信侦察等应用中信号稀疏度往往是动态变化的。首先证明了重构误差随压缩比的增加单调减小,在此基础上,提出了一种压缩比随频谱稀疏度自适应调整的压缩采样新算法。新算法由压缩采样与压缩比自适应调整两部分组成,其中,压缩采样部分用于恢复原信号,并估计恢复信号与原信号之间的误差;压缩比自适应部分根据误差与压缩比之间的近似线性函数关系,自适应调整下一时刻的压缩比。计算机仿真结果表明:新算法能够以近似“最优”的压缩比对稀疏度慢变的频谱进行有效感知,并跟踪频谱稀疏度的变化;与传统压缩采样方法相比,在保证频谱感知精度的前提下,新算法能够总体上进一步显著降低采样速率。      

稀疏阶数估计压缩频谱感知宽带认知通信研究

由于信号的稀疏度通常未知,因此需要按照样本数的上限进行采样.为了解决这个问题,提出一种稀疏阶数估计的方法压缩频谱感知宽带认知无线电通信技术,该技术采用一种统计学习的方法在稀疏信号恢复以前,利用极少的样本数据估计出信号的稀疏阶数.采用极少部分样本估计出宽带谱的稀疏阶数,然后根据估计的稀疏阶数调整所采集的样本数.采用这种方法能够自适应的调整数据获取量,从而减少数据获取代价而不会降低感知性能.     

MIMO-OFDM快衰落信道的稀疏自适应感知估计

在多输入多输出（MIMO）-正交频分复用（OFDM） 系统中,怎样在较高频谱利用率的情况下对快时变信道进行较为准确的估计是一个具有挑战性的课题。该文在利用压缩感知理论可提高系统频谱利用率的基础上,提出了一种适合于快时变环境下MIMO-OFDM 系统的稀疏自适应信道估计方法。该方法不再受到奈奎斯特采样频率条件约束,避免了传统导频辅助信道估计方法频谱利用率低的缺点。该文方法通过构建多天线群时频结构特征稀疏基,利用多天线间和群时变OFDM符号内信道冲激响应具有更强稀疏性的特点,对MIMO-OFDM快衰落信道进行稀疏变换。由于实际MIMO-OFDM快衰落信道往往处于频率选择性、时变性和多种干扰并存的复杂环境,受到干扰的信道参数对系统而言是未知,采用该方法克服了现有基于压缩感知理论的信道估计方法需要预先知道信道冲激响应稀疏度才能重构信道参数的不足,在信道稀疏度未知道的情况下,运用稀疏自适应的方法来对不同时频结构特征的信道参数进行估计。仿真结果表明所提估计方法具有对快时变信道参数估计的鲁棒性和较高频谱利用率,且均方误差小。      

使用能量匹配的监控视频自适应速率压缩感知

获取信号稀疏度对压缩感知(CS)性能的提升有重大意义,但在采样端不进行完整信号数字化采集和存储的情况下,对信号稀疏度进行估计比较困难。现有方法在稀疏度估计性能和计算复杂度方面难以取得较好的平衡。针对采样端对信号特性未知的监控视频应用,该文提出一种新的使用能量匹配的自适应速率压缩感知方法(ARCS-EM),通过观测一个恒定低速率的压缩感知观测结果来对当前帧实际稀疏度进行估计,然后根据估计结果决定当前帧应执行的压缩感知测量数,再进行补充测量得到当前帧的优化压缩感知采样结果。实验结果表明,该方法可以较好地适应视频中前景稀疏度的变化,为每帧图像分配适当的压缩感知测量速率,在不显著提高采样端计算复杂度的前提下,有效提高重建视频的质量。     

基于二项分布改进的宽带压缩频谱检测方案

宽带压缩频谱检测存在依赖稀疏度先验信息和信号重构时延较高的问题.因此,本文提出了一种高效可靠的宽带压缩频谱检测方案.首先,推导出了基于二项分布精确置信区间改进的稀疏度估计模型.其次,利用稀疏度估计上下界改进了稀疏度自适应匹配追踪算法.最后,提出了一种宽带压缩频谱检测方案.仿真结果表明,本文所提出方法可以同时精确的估计信号稀疏度的上下界,提高了频谱检测的效率和可靠性,加快了算法的收敛速度.     

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％.     

低信噪比下非凸化压缩感知超宽带信道估计方法

受感知信息算子矩阵相干性和噪声的影响,压缩感知超宽带(UWB)信道估计误差过大.为此,首先提出利用压缩观测信号加权构造自适应感知信息(ASI)算子矩阵的方法,ASI算子矩阵不仅具有弱相干性,而且包含观测信息,适用于重建算法选择最优稀疏表示原子.其次提出修正稀疏度自适应匹配追踪(SAMP)算法,无需稀疏度或信噪比的先验信息实现压缩感知稀疏信号准确重建.最后基于ASI算子矩阵和修正SAMP算法提出非凸化压缩感知UWB信道估计方法,理论分析和仿真结果均表明该方法能在低信噪比和极低压缩比下实现UWB信道的准确估计.     

基于近似消息传递的超宽带压缩频谱感知方法

现有的宽带压缩频谱感知方法无法高效地处理高维信号。针对该情况，提出了一种改进的基于近似消息传递的超宽带压缩频谱感知方法。考虑在频谱感知时未知稀疏率和方差的先验信息，首先，设置稀疏率上界并估计出方差的先验参数；然后，利用广义近似消息传递算法得到稀疏向量中元素的估计值；最后，将稀疏向量较小值对应的频谱判决为频谱空洞。仿真结果表明，与已有方法相比，所提方法在处理中低维和高维问题时都具有较高的性能。     

基于贝叶斯压缩感知理论的超宽带通信信道估计

超宽带是一种新颖的高速无线通信技术。其过高的带宽给采样带来了困难,压缩感知理论提供了一种可行的低速采样方法。针对目前的压缩感知超宽带信道估计方法必须假设信道稀疏度已知,论文提出了基于贝叶斯压缩感知理论的超宽带信道估计方法。将超宽带信道估计转化为压缩感知理论中的重构问题,并使用贝叶斯压缩感知方法进行重构,得到信道估计值及其误差范围,最终实现信息解调。贝叶斯压缩感知理论将稀疏贝叶斯学习理论引入到压缩感知中,给需要重构向量中的每个值设置受超参数控制的后验概率密度函数,在超参数的更新过程中,零值所对应的超参数将趋向于无穷大,与之对应的后验概率将趋向于零,通过这种方法剔除非重要多径,自适应地找出信道向量中的重要多径,并使用回归算法进行重构。实验结果表明在信道稀疏度未知的情况下,该方法能够对原信道进行有效的重构。     

基于CS的Kalman滤波OFDM信道估计

在OFDM系统信道估计中,准确的时域卡尔曼滤波（TDKF）估计需要信道多径时延作为先验条件,而且具有较低的频谱效率.考虑到大多数无线信道具有稀疏和时变的特性,提出一种改进的卡尔曼滤波与压缩感知联合信道估计方法,采用稀疏度自适应匹配追踪（SAMP）算法,并对信道响应变化量进行重建.仿真结果表明,相较于已有算法,提出的算法不需要知道信道的稀疏度,而且信道估计结果更加准确.     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

1-Bit压缩感知盲重构算法

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。     

面向压缩感知的块稀疏度自适应迭代算法

块稀疏信号是一种典型的稀疏信号,目前在块稀疏信号的压缩感知问题中,大多数信号重构算法要求信号的块稀疏度已知且算法复杂度高.针对实际应用中信号块稀疏度未知的情况,提出了一种块稀疏度自适应迭代算法,用于信号重构.首先,该算法初始化一个块稀疏度,其值按设定步长进行增加.对每一个块稀疏度的迭代,算法都会找到信号支撑块的一个子集,并修正更新上一次找到的信号支撵块,最后找到信号的整个支撑块,从而重构出源信号.该算法不需要信号的块稀疏度作为先验知识,而且算法复杂度低.仿真实验表明,该算法的重构概率较已有大多数块稀疏信号重构算法的重构概率高,在块稀疏信号的压缩感知问题中具有实际意义.     

分布式压缩感知实现宽带频谱感知的方法

频谱感知的第一步就是采集无线信号进行分析,越来越高的采样率成为宽带频谱感知研究中的难点。实际通信中主用户占用频谱具有稀疏特性,符合压缩感知理论的前提条件。因此,本文利用分布式压缩感知实现宽带频谱感知,提出基于差分信号分布式压缩感知（DS_DCS）的加权宽带频谱感知算法。该算法针对宽带频谱采样率高的问题,利用压缩感知技术降低采样率,同时引入差分处理方法降低计算复杂度;又针对单点检测带来的深衰落、隐节点以及抗噪声能力差等问题,采用分布式感知系统进行多节点协同检测并利用信噪比的估计对信号进行加权处理。仿真证明,该算法能有效降低各节点采样率,大幅提高系统检测概率,显著改善系统对噪声的鲁棒性。      

基于压缩感知的放大转发双向中继信道估计

为了更有效地对放大转发双向中继信道进行估计,对级联卷积信道的稀疏特性进行了分析,并基于其稀疏性,采用压缩感知技术,通过合理地设计导频将合成级联卷积信道分解成2个独立的级联卷积信道分别进行信道估计。研究分析和仿真结果表明,级联卷积信道具有稀疏性且其稀疏度在一定范围内变化。所提的方案只需在端节点对级联卷积信道进行估计就可以完成双向信息的交换,提高了频谱效率,降低了信道估计误差,并且无需信道稀疏度的先验信息。     

一种基于改进ROMP的MIMO-OFDM信道估计方法

本文根据信道响应的时域稀疏性,引入压缩感知理论,针对正则化正交匹配追踪（ROMP）需已知稀疏度和原子一旦选入无法删除两大缺点,提出一种基于改进ROMP的信道估计方法.该方法结合压缩采样匹配追踪（CoSaMP）、稀疏度自适应匹配追踪（SAMP）和变步长的优点,实现稀疏信号快速准确的重建.仿真结果表明,与基于OMP、ROMP、CoSaMP、SAMP的信道估计方法相比,所提方法有效提高了MIMO-OFDM系统的归一化均方误差（NMSE）和误码率（BER）性能.     

基于加权平均一致算法的宽带压缩频谱感知

在认知无线电(CR)网络中进行频谱共享接入,首要的任务是进行频谱感知,并发现频谱空洞。基于认知无线网络中信号频域的固有稀疏性,本文结合了压缩感知(CS)技术与加权平均一致(weighted average consensus)算法,建立了分布式宽带压缩频谱感知模型。频谱感知分为两个阶段,在感知阶段,各个CR节点对接收到的主用户信号进行压缩采样以减少对宽带信号采样的开销和复杂度,并做出本地频谱估计;在信息融合阶段,各CR节点的本地频谱估计结果以分布式的方式进行信息融合,并得到最终的频谱估计结果,获得分集增益。仿真结果表明,结合压缩感知与加权平均一致算法增强了频谱感知的性能,比在相同的CR网络中使用平均一致算法时有了性能上的提升。      

基于压缩感知的低空风切变风速估计方法

在机载气象雷达的低空风切变检测流程中,风速估计精度是影响风切变检测效果的重要因素。针对脉冲数较少且信噪比较低时风速估计精度变差的问题,该文提出一种基于压缩感知的低空风切变风速估计方法。该方法根据雷达回波信号的稀疏性,利用多普勒矢量构建一个冗余字典以实现信号的稀疏表示,采用观测矩阵对信号进行压缩处理,并通过信号重构算法恢复该稀疏信号,实现风速的精确估计。仿真实验表明：当脉冲数较少且信噪比较低时,该方法能够在获得精确风速估计的同时使得频谱分辨率大大提高,即能够很好地区分在频域间隔很近的风切变与地杂波信号。