次奈奎斯特采样在超声波成像中的应用

近年来提出的压缩感知(CS)理论指出,以低于香农定理规定的最低频率(2倍频)对稀疏信号进行采样,一样能够得到精确的信号重建结果,这种采样方法,称为次奈奎斯特采样(Sub-Nyquist Sampling)。将该采样方式应用于超声波成像之中,可以有效的减少数据点和采样频率,这意味着更小的机器尺寸以及更少的电能损耗。该文以现有的FRI)Finite Rate of Innovation)模型为基础,提出了一种新型的次奈奎斯特采样方案-多通道载波傅里叶系数混合采样方案,在每个通道,我们将原始信号与方波进行相乘,产生新的模拟信号,然后对其进行积分采样,就能得到一组原始信号傅里叶系数的线性变换,再从线性组合中得到原始信号的傅里叶系数,最后利用光谱法进行信号重建。实验表明,这种方案能够极大地减少采样频率和采样点数目,并且比以前的类似方案具有更好的抗噪能力。     

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.     

欠奈奎斯特采样在数字接收机中的应用

从理论上讲，为提高侦察接收机的截获概率，接收机的瞬时带宽必须足够宽。接收机的瞬时带宽决定于接收机的ADC采样速率。因此数字接收机必须具备高速的ADC采样速率。这样对接收机的ADC采样器件性能提出了更高的要求。将采样的方法应用于数字接收机中，可以在一定条件下降低采样速率，同时增加接收机的瞬时带宽。提出了一种基于延时和FFT技术的时域欠采样方法，并在阐述简单原理的基础上找出存在的问题及提出改进方案。重点分析了利用延时和非延时2路通道的相位差与入射信号频率之间的关系，进行信号频率的无模糊估计。基于目前硬件实现水平，数字接收机中采用这种欠采样方法是经济可行的方案。     

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。

     

基于MWC宽带压缩采样信号的DSP重构

高速宽带数字通信系统是无线通信的发展趋势,需要高质量的通信信道保证。在无线通信领域,存在着频谱资源日益匮乏、信道不稳定、利用率低造成数据传输质量不高的问题。基于压缩感知技术的宽带调制转换器(MWC)能够用于无线频谱的快速检测,为频谱资源的合理配置和监管提供了一种新的实现途径。本文通过研究MWC及其实现技术,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法,基于DSP芯片设计实现了MWC宽带采样信号的重构系统。整个感知过程无须重构原始波形,无须计算频谱,大大降低了计算量,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。测试表明,该系统可以准确地感知实时频谱占用和频谱空洞位置。     

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）。      

频谱互质重排亚奈奎斯特率采样方法

本文提出了一种基于频谱互质重排的超低速率信号采样方法.该方法将稀疏傅里叶变换从离散时间域拓展到连续时间域,首先通过互质结构傅里叶展开采样对频域稀疏信号的频谱分量进行重排和压缩,然后通过基于中国余数定理的亚线性算法对信号进行了重构.实验结果表明,本文所提的采样方法可进一步降低频域稀疏信号的采样速率.     

基于奈奎斯特采样的椭圆球面波脉冲信号设计

为了解决椭圆球面波脉冲信号设计时积分方程该如何离散化及采用何种方法求解实对称矩阵的特征值和特征向量问题,提出了基于奈奎斯特采样的椭圆球面波脉冲信号设计方法.该方法利用奈奎斯特采样定理确定的采样频率对积分方程进行离散化,利用Jacobi方法求解实对称矩阵的全部特征值和相应的特征向量,求得的特征向量就是椭圆球面波函数的近似数值解,椭圆球面波函数在时间轴上向右平移,即可得椭圆球面波脉冲信号.理论分析和仿真结果表明,该设计方法简单,实用性强;求得的椭圆球面波脉冲信号精度高,正交性好.     

一种基于压缩感知的无冗余通道时间交织ADC随机化方法

在时间交织ADC结构中,本文基于压缩感知理论提出一种无冗余通道随机化方法.利用随机数决定当前通道ADC是否采样,当有多个通道ADC空闲时随机选择某个通道进行采样,实现时间交织ADC的欠奈奎斯特随机化采样.在此基础上,基于观测矩阵和正交匹配追踪算法对时间交织ADC的数据进行重建,获得完整的ADC量化结果.通过MATLAB...     

信号与系统中抽样定理的教学探讨

抽样定理是"信号与系统"课程中的重点和难点,如何让学生深刻理解抽样定理,是课堂教学中的关键问题。本文对难理解的抽样定理进行解析,通过问题法、案例法、图形演示法和实践法等多种教学方法对其进行分析,说明它的用法,加深概念的理解,以达到学以致用的目的,取得很好的教学效果。     

基于感知域测量值的自适应压缩采样方法

现有的自适应采样方法需要在采集端获得原始信号,这在实际的蒸发波导相关气象要素压缩感知过程中不易实现。针对这一问题,提出了一种以测量值数据特征为依据的采样率自适应设定方法。该方法以能量表征各信号块的重要性,以观测值能量近似估计原信号块能量,根据感知域中测量值的能量变化自适应地为各块设定采样数目。理论分析和实验表明,该方法的重构性能优于传统自适应方法,相同采样率下可获得更高的重构信噪比。     

基于随机解调器压缩采样的宽带频谱检测方法

宽带频谱检测的目的是完成对宽频段内信号的检测。在Nyquist采样理论下,为瞬时覆盖这么宽的带宽会对模数转换器（ADC,analog—to-digital）的采样率提出过高要求。研究了基于随机解调器压缩采样的宽带频谱检测方法。该方法能够以低于Nyquist采样率的速率完成对宽频段的采样,降低了ADC的负担。仿真结果表明,在频谱满足稀疏性的条件下,所研究的方法能够较准确检测宽频段内的各个信号。     

调制定理与抽样定理的对比教学

本文阐述了信号调制定理和时域抽样定理的内容,并对二者的理论实质进行了对比分析,指出抽样是广义调制和调制是特殊的抽样两个观点.同时,我们以此为基础提出"信号与系统"课程教学中,关于调制定理与抽样定理的对比教学,这有利于学生理解二者的实质.     

认知无线电中随机解调器压缩采样重构确认的改进方法

随机解调器压缩采样用于认知无线电宽带频谱感知的一个前提是要保证频谱的稀疏性,当频谱不满足稀疏条件时,根据重构所得频谱进行频谱空穴判决将得到错误的频谱空穴信息。提出了一种随机解调器压缩采样重构成败判定的改进方法。该方法利用多次重构所得稀疏信号的支撑来判断本次重构是否成功。仿真结果表明,相比于利用两次重构的方法,所提出的改进方法能够进一步提高判断准确率。     

基于压缩感知理论的图像重构技术

通过CS理论在工程应用上典型的正交匹配追踪算法,实现了一维信号和二维图像的精确重构,针对该方法中出现对整幅图像进行采样计算时需要大量的观测矩阵存储空间,并且重构过程中耗费了大量的时间等问题,提出了一种基于OMP算法的改进方案,将图像进行分块压缩感知。通过实验分析,以上问题得到了解决,重构图像的质量在没有增加计算复杂度的前提下也得到了提高。     

压缩感知理论及其研究进展

 信号采样是联系模拟信源和数字信息的桥梁.人们对信息的巨量需求造成了信号采样、传输和存储的巨大压力.如何缓解这种压力又能有效提取承载在信号中的有用信息是信号与信息处理中急需解决的问题之一.近年国际上出现的压缩感知理论(Compressed Sensing,CS)为缓解这些压力提供了解决方法.本文综述了CS理论框架及关键技术问题,并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展,评述了其中的公开问题,对研究中现存的难点问题进行了探讨,最后介绍了CS理论的应用领域.     

基于信息自由度采样的信号重构方法研究进展

有限的采样能力和高分辨的重构需求是现代信号处理中最基本的矛盾.不完全采样(或观测),高分辨重构信号,是信号处理、通信、应用数学等领域的期待解决的问题之一.本文通过回顾现有的不完全采样、高分辨率重构方法的研究成果,提炼出一个基于信息自由度采样的信号优化重构方法的框架.在此框架中有三个核心方面,信息自由度决定采样率,采样方法确定约束条件,信号特征指导目标函数的建立.本文着重综述采样重构方法有效性的分析手段,评论其优缺点.最后,我们展望基于信息自由度采样的信号重构问题的研究前景,并展示我们的新探索与新成果.     

带通信号采样定理的教学浅析

现有＂信号与系统＂及＂信号处理＂两门课程的教材对带通信号的采样定理未给出详细讨论,在一定程度上影响了学生对带通信号采样定理的理解。笔者根据多年的教学体会,从带通信号采样定理的引入、推导及举例等几个基本环节,对带通信号采样定理作简要描述,供读者参考。     

“电磁场与传输理论”中亥姆霍兹定理的类比教学法

亥姆霍兹定理是“电磁场与传输理论”中的一个重要定理,其数理表述抽象、物理意义深刻的特性使得学生在学习中普遍存在理解难度大的问题。我们通过优化教学方法,用类比教学法替代纯数学推导的传统教学方法,从电学谐振系统和力学的类比出发,可直观揭示亥姆霍兹定理所蕴含的数理意义。教学实践表明,通过类比教学法讲授亥姆霍兹定理具有很好的教学效果。