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）。      

基于转置采样的宽带频谱感知技术

随着通信技术的不断发展,信号带宽的增加和信号复杂度的提升使得频谱感知,尤其是宽带频谱感知面临精确度和硬件实现等诸多挑战。为改善宽带频谱感知中感知精度低、 采样资源需求大的问题,提出了一种新的基于转置采样的宽带频谱感知架构———转置调制宽带转换器(transposed modulated wideband converter,TMWC)。为重构原始信号频谱, TMWC架构以信号矩阵边界的非0元素作为目标,基于转置采样模型,通过固定采样间隔的测量矩阵和估计支撑集恢复原始频谱。TMWC只需要一部分的信号频谱用于恢复频谱支撑,从而降低了信号矩阵稀疏度,实现了理论最小采样率采样。仿真结果表明,在低信噪比和低采样率的情况下,TMWC架构对多频带信号具有较好的感知性能。对于不同稀疏度的信号,TMWC架构具有比传统宽带频谱感知架构更强的感知性能。     

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.     

一种高频周期信号的低频采样方法

在模拟信号转换为数字信号的过程中,对转换结果影响最大的是采样频率的设定,针对采样频率的设定受到Nyqu ist定理的限制,传统的模拟信号数字化系统可以处理的模拟信号频率较低的现状,文中主要从理论上推导和证明了一种突破Nyqu ist定理的限制方法,使用这种方法可以在模拟信号转换为数字信号的系统中,使用较低采样频率对高频率周期信号进行采样。从而能够使数字处理技术得到更加广泛的应用。     

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。     

基于压缩感知的偏振光成像技术研究

偏振成像技术是一种基于目标自身辐射或反射信号中所包含的偏振信息获取物体图像的方法,尤其在人工目标的探测和表面识别方面,相对光强度探测方式具有独特的优势。针对传统的偏振成像技术在复杂的成像环境中成像距离短和成像质量差的缺点,提出了一种基于压缩感知的新型偏振光成像技术。阐述了压缩感知理论的基本原理,构造了合适的采样矩阵和重构算法,设计了具体的成像系统,并通过压缩感知偏振成像实验证明了该成像技术的可行性。空气中实验结果表明,该成像系统能够重构出预先放置目标靶的偏振图像。此外在现有的实验条件基础上讨论并提出了几种改进系统成像质量的措施。     

压缩传感方位估计

信源方位估计是阵列信号处理的一个重要问题。基于信源空间分布稀疏的本质,利用压缩传感理论,构造出一种稀疏信源方位估计模型,仿真结果表明,在不考虑噪声的理想情况和满足压缩传感的条件下,不仅可以准确的恢复出原始信源的方位,而且精确的得到各个信源信号的强度,并且,这种新的模型只需要一次时间采样,从而大大降低了成本。     

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。     

基于随机采样的超高分辨率成像中快速压缩感知分析

随着近年来超分辨成像技术的发展,基于单分子拟合的超分辨成像方法能够实现纳米尺度的空间分辨率,但这种方法的耗时较长,时间分辨率较差。成像重构时间较长主要受制于成像过程中每帧图像较低的荧光分子密度,所以需要足够多的采样帧数来重构一张图像。文中提出一种利用随机采样的快速压缩感知算法,结合分块压缩感知重构算法,最终能够在高分子密度的条件下获得较快的重构速度及较高的定位精度。     

压缩感知理论中的广义不相关性准则

压缩感知理论（Compressed Sensing, CS）是对信号压缩的同时进行感知的新理论,而如何分析观测矩阵（Sensing Matrix）的稳定性是压缩感知理论中的一个非常重要研究方向。不相关性（Incoherence）准则是分析观测矩阵稳定性的一个重要准则,该准则的研究需要假设观测矩阵行向量是一组标准正交基的子集,这大大限制了不相关性准则的应用。本文针对这一局限性,提出了广义不相关性准则,即仅要求观测矩阵行向量是一组普通基的子集。首先推广了相关度定义,称为广义相关度;然后提出了广义不相关性准则,即推导并证明了压缩观测值（Compressive Measure）个数与广义相关度之间的满足某一关系式时,信号能够完全重构;最后把不相关性准则应用到高斯随机观测矩阵和随机±1构成的Rademacher矩阵的稳定性分析。数值仿真表明高斯随机观测矩阵和随机±1构成的Rademacher矩阵具有较好的稳定性。