基于改进稀疏度自适应匹配追踪算法的压缩感知DOA估计

由于传统子空间类算法在少快拍数、低信噪比(signal noise ratio, SNR)、信源相干等条件下波达方向(direction of arrival, DOA)估计精度低甚至无法估计,因此,研究压缩感知理论在DOA估计中的应用.针对稀疏度自适应匹配追踪算法在噪声环境下无法有效估计以及选择大的初始步长会导致过估计的问题,在该算法的基础上进行改进,利用迭代残差的变化规律优化算法的迭代终止条件,同时通过对步长大小进行自适应调整来快速准确逼近信源稀疏度.仿真结果表明,所提算法具有估计精度高、运行速度快、对噪声有较好的鲁棒性等优势,促进实际情况下压缩感知与DOA估计的进一步融合.     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

采用压缩感知的贝叶斯信道估计算法

高阶多输入多输出系统能有效提高能量效率和传输可靠性,但由于天线数量巨大,信道参数估计任务艰巨．虽然支持不可知的贝叶斯匹配追踪算法估计准确,但复杂度过高．为了解决这个问题,提出了一种期望修剪匹配追踪算法．在信道每一个稀疏度下,把与当前残差信号内积较大原子(测量矩阵列矢量)的所在位置添加到支撑集中,组成扩大支撑集;然后对扩大支撑集进行筛选,剔除可能选错的位置,并确定最佳支撑集;计算各个稀疏度最佳支撑集对应信道的估计值和相对发生概率,由此计算信道的数学期望,并作为最终的信道估计值．仿真结果表明,文中算法与支持不可知的贝叶斯匹配追踪算法相比,具有更低复杂度的期望修剪匹配追踪算法能保证信道估计精度和系统误比特率性能．     

基于压缩感知理论的二维DOA估计

二维波达方向(direction of arrival,DOA)估计在雷达探测、电子对抗、医学成像等领域有着广泛的应用.针对现有算法估计精度不足、计算量巨大的问题,在基于压缩感知理论的背景下提出一种二维均匀L型阵列信号的DOA估计算法.该算法首先对阵列信号的俯仰角和方位角构建空间合成角,并对空间合成角构建过完备冗余字典;再利用正交化高斯随机矩阵构造观测矩阵;最后通过改进RM-FOCUSS算法和求解三角函数的方法还原出方位角和俯仰角.理论研究表明,该方法在高信噪比、多快拍条件下比传统算法具有更高的估计精度和分辨力,且通过压缩采样降低了运算量.仿真实验验证了上述结论.     

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...     

基于遗传算法的压缩感知DOA测量矩阵设计

基于格拉姆矩阵(Gram matrix),利用遗传算法给出一种优化压缩感知波达方向测量矩阵的方法。对阵元进行不重复采样,构造测量矩阵;根据稀疏字典得到压缩感知DOA的感知矩阵,并由其构造格拉姆矩阵;以所得格拉姆矩阵非对角元素的平方和作为遗传算法的适应度值,利用遗传算法求解出最佳采样阵元。仿真实验显示,以所给方法设计的测量矩阵,在采样阵元较少且信噪较低的情形下,仍具有较好的DOA估计性能。     

几种DOA估计算法分析

通过对波达方向算法中的延迟-相加算法、Capon最小方差算法和MUSIC算法分别进行讨论，并在相同条件下对3种算法分别进行仿真，仿真结果证明MUSIC算法性能最好．     

基于联合稀疏模型的OFDM压缩感知信道估计

针对正交频分多路复用（OFDM）系统,比较了基于压缩感知的不同导频设计方案及相应信道估计性能. 基于信道响应的时域稀疏和缓变特征,提出了基于联合稀疏模型的压缩感知信道估计方法,进一步提高了信道估计的性能. 该方法将连续若干个OFDM符号的信道估计问题转化为联合稀疏模型下的压缩感知问题,充分利用信道的稀疏特性和时间相关性进行信道估计. 结合短波OFDM系统,比较了几种信道估计方法的性能. 仿真结果表明,与传统的最小平方误差信道估计方法和逐符号的压缩感知信道估计方法相比,基于联合稀疏特征的信道估计方法可进一步改善估计性能,对时变信道具有更好的适应性.     

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。     

基于压缩感知的非整数点多径信道估计算法

基于压缩感知的稀疏信道估计充分利用无线信道的时域稀疏特性,大大降低正交频分复用(OFDM)波形设计时信道估计占用的导频数,提升带宽利用率．针对实测信道中普遍存在的非整数采样点时延的多径干扰,提出了一种基于噪声判决的高采样精度压缩感知信道估计算法,通过改进压缩感知测量矩阵和引入噪声估计判决,有效抵抗由非整数点时延多径引起的能量泄漏．仿真结果表明,相较于传统压缩感知信道估计算法,本算法能有效抵抗OFDM实用数字传输系统中的非整数采样点多径影响,性能具有明显优势．     

基于波达方向估计的频谱感知算法

给出一种基于空间谱的频谱感知新算法。根据主用户存必导致空间谱出现峰值的因果关系,利用波达方向估计得出空间谱后,求出空间谱的波峰与均值之比,作为检验统计量,用以检测主用户是否存在。这种不涉及噪声方差的检验统计量,可使算法门限设置避开对噪声信息的依赖。在仅有噪声的高斯信道中对新算法进行仿真,结果显示,对于噪声不确定度分别为0dB和1dB两种情形,检验统计量的概率密度曲线完全重合,即新算法不受噪声不确定度影响,且无需预知主用户先验知识和噪声方差。     

基于贝叶斯压缩感知多目标定位算法

针对室内多目标基于无线信号强度定位中的数据采集和精确度问题,引入基于贝叶斯压缩感知和拉普拉斯先验模型算法,从而满足在达到所需定位精确度的同时降低网络系统开销。所提出的方法是基于接收信号强度来感知位置变化,各移动设备上利用随机投影对接收到的信号强度进行压缩并传输,在采集中心通过基于拉普拉斯先验的贝叶斯压缩感知重构算法并结合最大似然函数法和迭代逼近法计算出各移动设备的位置。仿真结果表明了利用贝叶斯压缩感知重构算法实现室内多个移动设备的定位具有较高精确度,与orthogonal matching pursuit(OMP)重构算法相比较其定位精度至少提高了52.2%,与basis pursuit(BP)重构算法相比较至少提高了13.7%。     

基于DOA估计的CDMA智能天线系统

CDMA信号经解扩后,采用传统高分辨率算法MUSIC和ESPRIT,估计信号的DOA方向。然后,用阵列响应矢量作为加权系数,保证基站接收到最大的信号能量．通过仿真,研究了这一系统在移动通信环境下的性能,包括信道衰落、信号角度扩散及同频干扰用户等对DOA估计的影响,仿真结果表明：DOA估计误差和误码率与信号衰落、信号角度扩散及同频干扰用户等有密切关系。     

基于ANSG的雷达信号DOA估计算法

针对二维L型阵列参数估计过程中,由于低信噪比（signal-to-noise ratio,SNR）及小快拍数的不理想条件,使得传播算子算法（propagation method,PM）角度估计不准确,提出一种基于阵列扩展的改进PM算法的二维波达方向（direction of arrival,DOA）估计算法.该方法利用阵列的平移不变特性,对协方差矩阵进行扩展重排,并由此扩展协方差矩阵估计得到传播算子,将传播算子分块得到和阵列流型的新关系,进一步提高了估计性能,然后通过快速配对法实现俯仰角和方位角的配对,进而实现角度的精确估计.与现有的算法相比,该方法更适用于低SNR及小快拍数的情况,而且角度估计准确,无须谱搜索,工程应用价值更高.仿真结果显示了本文算法有较好的二维DOA估计性能.

     

用于机器人目标跟踪的压缩感知的改进算法

针时机器人进行目标跟踪时的跟踪算法,对压缩感知在视频目标跟踪中的应用进行了改进,通过对图像进行伽马变换,以平滑图像的明亮程度,使其能够更好适应复杂环境。研究结果表明,改进的算法有效地增加算法的鲁棒性和提高算法的效率。     

基于核贝叶斯压缩感知的人脸识别

为加快人脸识别速度和提高人脸识别率,将贝叶斯压缩感知算法进行核扩展并运用到人脸识别,改进局部特征统计方法,结合空间金字塔模型,用于人脸图像的特征提取。首先用局部特征统计提取图像特征,在此基础上再进行第二层局部统计,然后根据空间金字塔模型分层提取不同空间尺度的特征,最后运用核贝叶斯压缩感知算法分类。在AR和FERET人脸数据库上的试验结果表明,本研究算法相对于传统方法具有更好的性能。     

压缩感知的指静脉图像去噪

基于压缩感知理论的梯度投影稀疏重建(GPSR)算法对合成指静脉图像进行去噪预处理,运用Canny算子提取指静脉边缘验证了GPSR算法的去噪效果。实验结果表明,与全变分去噪算法(ROF去噪算法)相比,运用GPSR算法可以得到更高信噪比的指静脉图像、更清晰的指静脉边缘轮廓,解决了红外传感器提取指静脉信息时存在的静脉边界模糊、不易分割及提取边缘等问题。     

利用压缩感知的分布式高频地波雷达DOA估计

In order to solve the problems of “large position, difficulty with location chosen, low angle resolution, and poor flexibility”, and to improve the performance of DOA estimation, a new design of the distributed high frequency surface wave radar is proposed, based on the technology of distributed antennas array and the MIMO radar system. With the new design, we propose a new DOA estimation method using compressed sensing, this method reduces the complexity of data processing and solves the angle ambiguity due to the distributed array. Discrete stochastic and semi-QR factorization is also used for improving the performance of the new DOA estimation. Theoretical analysis and simulation results show the validity of the proposed method.