基于因子图的Gold码迭代捕获算法研究

为了降低Gold码捕获的捕获时间与复杂度,本文提出将基于因子图的迭代m序列捕获算法应用于Gold码捕获。以GPS信号的C/A码为例首先根据Gold码的生成多项式确定一组具有稀疏结构的校验关系,然后为了降低迭代计算的复杂度,提出了不同校验关系顺次校验与混合校验的迭代捕获算法,最后通过仿真研究比较了不同的校验关系和校验方法对迭代捕获算法性能的影响。仿真结果表明顺次迭代且迭代次数递减的校验方法最优,该方法能够在不损失检测概率的情况下降低Gold码捕获的复杂度,同时降低其捕获时间。     

Gold码的因子图迭代捕获方法

为降低Gold码的捕获时间与复杂度,提出将基于因子图的迭代m序列捕获算法应用于Gold码捕获. 以全球定位系统(GPS)信号的C/A码为例,首先根据Gold码的生成多项式确定1组具有稀疏结构的校验关系;然后为降低迭代计算的复杂度,提出了不同校验关系顺次校验与混合校验的迭代捕获算法;最后通过仿真研究比较了不同的校验关系和校验方法对迭代捕获算法性能的影响. 仿真结果表明,顺次迭代且迭代次数递减的校验方法最优,该方法能在不损失检测概率的情况下降低Gold码捕获的复杂度,同时降低其捕获时间.     

GPS精频捕获算法的实现

为了提高GPS软件接收机信号捕获的载波频率分辨率。在基于FFT的快速并行码捕获算法中．利用输入信号在短时间内两个不同时刻的相位差来获取更高的频率分辨率。实验结果表明,该算法在不增加捕获时间的基础上确实提高了载波频率分辨率,捕获快速准确,为后续信号的跟踪环节提供了有利条件。     

物联网中压缩感知算法的云加速方法

为了减少采集的数据量,提出在物联网中引入"边采样边压缩"的新型采样方法——压缩感知. 针对压缩感知理论中信号重建算法计算复杂度较高的问题,设计并实现了一个基于云平台和代码迁移的算法加速方案; 该方案解决了代码并行化的自动翻译、算法向云端迁移、本地和云端执行同步等问题,对可并行化的算法,仅需要增加几个新定义的接口及插入一些描述性的注释,就可以利用云资源实现算法的加速; 实验表明,该方案是可行的、有效的. 该文还研究了基于物联网资源的云加速方法,提出了基于云加速方案、结合多核/多CPU方法和GPGPU方法,能充分利用已有物联网资源的混合压缩感知算法加速框架,并初步设计了理论运行流程.     

基于压缩感知的码片内多径时延估计

针对码片内多径时延难以估计的问题,结合PN序列的伪随机特性和一般信道冲激响应的稀疏特性,提出了一种基于压缩感知的时延估计算法,将时延估计问题转化为稀疏向量的估计问题。利用压缩感知方法估计稀疏向量,对向量只有稀疏度要求,而对向量中非零值的位置没有任何要求,所以本文提出的算法对码片内多径具有分辨能力。通过仿真实验验证了文中提出的算法在低信噪比下对码片内多径时延估计具有鲁棒性,并且得出了算法运算量与稀疏向量维数之间的关系。     

基于FPGA的快速捕星方法实现

为了解决高动态GPS接收机硬件实现快速捕星的问题,提出了一种基于FPGA的利用多通道码相位进行并行捕获的快速捕星方法.该方法分析了码相位并行捕获算法原理及其实现存在的问题;讨论了接收通道数对捕星时间的影响,提出了扩展GPS接收机的通道数保证所有卫星同步搜索的相关器方法;在FPGA开发平台上,实现了并行32通道共享一路基于码相位并行捕获FFT/IFFT模块的快速捕星方法.测试结果表明:基于FPGA的快速捕星方法可行;冷启动条件下,捕星时间小于0.5s,与传统串行捕获方式相比速度有显著提高;应用于高动态GPS接收机实现了实时定位.     

基于FFT的时频并行捕获算法研究

在扩频通信系统中,PN码的捕获是系统正常工作的前提。为了进一步实现快速捕获,研究了基于FFT的时频并行捕获算法,利用FFT实现频域并行捕获、利用多通道实现码域并行捕获。理论推导验证了该算法的正确性,分析了该算法捕获精度、捕获速度、实现复杂度以及低通滤波效应。仿真结果进一步验证了该算法捕获的正确性。基于FFT的时频并行捕获算法在不降低精度的前提下,可以有效提高捕获速度。     

基于频域搜索的GPS信号P码直接捕获改进算法

为减少由峰值模糊造成的载波频偏误判概率,提出一种改进算法,通过计算Q路信号的相关值提高了对载波频率偏移的分辨能力,并利用相关值的重叠相加改进了目标码段的相关峰值.仿真结果表明,改进算法在不损失捕获速度和不增加资源消耗的前提下,有效地提高了检测概率、降低了载波频偏误判概率,是一种快速高效的GPS信号P码直接捕获算法.     

基于压缩感知理论的宽带信号波达方向估计

针对一维宽带信号波达方向(DOA)估计中聚焦变换算法需要角度预估值的问题,在双边相关变换算法基础上设计了一种无需角度预估值的DOA估计算法.首先,利用离散傅里叶变换(DFT)变换将宽带信号分解为若干个不同频点处的窄带数据模型.然后,通过本文改进的聚焦矩阵将不同频点处的窄带数据聚焦到同一参考频点,得到单一频率点处窄带信号模型.最后,采用改进阵列协方差矩阵稀疏迭代估计算法进行求解.理论研究和仿真实验结果表明,该方法在低信噪比和多快拍条件下比传统算法具有更高的估计精度和分辨率,且结合压缩感知理论有效降低了算法的运算量.     

GPS接收机P(Y)直捕方法研究

GPS接收机P(Y)直捕算法是基于存储的滑动相关搜索,并利用FFT将时频二维联合搜索变成时域一维搜索。同时,考虑位同步点已知的条件,接收资源池只需存储一段接收序列,缩短了捕获时间且利于硬件实现。仿真结果表明,多普勒频移为±5kHz时,所带来的峰值衰减为2dB左右,本地信号与接收信号对齐时出现明显的相关峰,很好地实现了捕获功能;提出了用“重叠分段补零FFT“操作实现并行相关,成倍降低了捕获时间;提出了利用位同步信息,避免了码极性翻转可能引起的信噪比损耗;针对码相位漂移,提出了优化捕获策略,可在短时间内完成重捕。     

基于ADMM的分布式功率分配和接入控制联合优化算法

传统网络节能问题在给定的服务质量（QoS）限制下实现传输功耗最小化。在此基础上引入接入控制,通过联合优化接入用户和发射功率进一步实现网络节能。当网络无法满足所有用户的QoS要求时,接入控制使网络服务尽可能多的用户。它还能对用户进行分类和挑选,以较低功耗代价满足接入用户的QoS条件,提高传输功效。在将原问题转换成一个近似的凸稀疏优化问题后,利用交错乘子法（ADMM）对其进行分布式迭代求解。该算法的每一步都具有闭合解,因此运算量很低。计算机仿真验证了该算法的正确性和有效性。     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

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。     

压缩感知OMP算法与IRLS算法在计算鬼成像中的对比分析

将压缩感知技术和鬼成像系统相结合,能够大幅度地降低成像所需的测量次数,并能有效地提高重构图像的峰值信噪比。本文将离散余弦变换（DCT）矩阵作为图像稀疏化矩阵,采用正交匹配追踪算法（OMP）和迭代加权最小二乘算法（IRLS）两种压缩感知算法作为压缩感知鬼成像系统图像重构的算法。通过对两种算法在改变稀疏度和测量次数时重构结果的峰值信噪比变化的比较,探究了这两个变量对峰值信噪比的影响。发现IRLS算法重构精度更高,图像质量更好,而OMP算法迭代速度比IRLS更快,重构图像所需的时间较少。     

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.     

Fast DOA estimation methods for underdetermined wideband signals with a high accuracy

In order to handle the low accuracy of the algorithm DCS-SOMP, two underdetermined wideband direction of arrival estimation methods with a high accuracy are proposed from the perspective of multiple iteration. First, the wideband signal processing model using the sparse array is established and transformed into a distributed compressive sensing problem through sparse representation. Then, the noises are eliminated through matrix transformation. After that, an algorithm utilizing proximity searching is proposed to improve the estimation accuracy and an algorithm based on the refined grid is proposed to compensate grid mismatch. Simulation results show that the proposed algorithms outperform the DCS-SOMP with a higher estimation accuracy and possess the advantage in computational speed.     

基于压缩感知的储粮温度信息处理

研究了粮食信息处理中的压缩感知技术,发现单一粮仓中的温度数据变化幅度平缓,在DCT域表现出较好的稀疏效果,在此基础上提出了对每个粮仓单独进行压缩采样,将所有粮仓采样值进行发送,在接收端通过OMP算法重构出每个粮仓中的温度数据.仿真验证不同粮仓温度数据在DCT域下的稀疏效果与重构误差之间的关系,结果表明,压缩感知应用于粮食信息处理中可有效降低数据的存储及发送量.     

基于压缩感知的红外与可见光图像融合

针对机载实时融合需求,本文提出了基于CS域的图像融合框架,并提出基于NSCT分解的压缩感知图像融合算法。算法采用服从高斯分布的测量矩阵,对经NSCT分解的图像的高频子带系数进行量测得到比高频子带系数更稀疏的测量值,对测量值采用最大值融合规则得到融合测量值,采用子空间追踪SP算法对测量值进行重构得到近似精确的方向子带融合系数,逆变换融合的高频与低频子带系数得到融图像。通过多组图像融合实验,比较融合评价指标和算法消耗时间证实本文所提的算法在保证融合质量的同时有效的提高了运算效率,有利于满足机载实性。     

基于压缩感知的双连续超松弛迭代算法研究

压缩感知理论是在已知信号具有可压缩性或通过变换具有稀疏性的条件下,对其信号进行采集,稀疏和重构的新理论.其中稀疏信号重构算法是其中关键的一部分,对信号恢复的精确性及时效性验证有着重要的意义.该文在总结目前已有的重构算法的基础上,提出了一种新的基于压缩感知的双连续超松弛迭代重构算法.该算法通过参数估计自适应的寻找合适的稀...     

一种稀疏度自适应超宽带信道估计算法

针对在超宽带信道估计中应用压缩感知理论需要预知信道稀疏度的问题,利用超宽带信道在时域上的稀疏性,将信道估计问题转化为压缩感知理论中的稀疏向量重构问题,提出了稀疏度自适应正则化压缩采样匹配追踪（SARCoSaMP）算法。该算法在压缩采样匹配追踪（CoSaMP）算法的基础上,引入自适应和正则化方法,自动调整所选原子数目,逐步逼近信道稀疏度K,在稀疏度未知的情况下精确地实现信道估计。仿真结果表明,该算法可有效应用于超宽带系统的信道估计,并且其性能明显优于CoSaMP算法和稀疏自适应匹配追踪（SAMP）算法。