混沌模拟信息转换——基于多射法的稀疏信号重构

混沌压缩采样是应用混沌系统实现非线性测量的压缩采样理论。该文研究模拟信号的混沌压缩采样-混沌模拟信息转换。该转换通过稀疏信号激励混沌系统,低速采样系统输出实现;信号重构则以混沌系统参数估计理论为基础,通过稀疏正则化的非线性最小二乘问题进行求解。该文将多射法(MS)与迭代再加权非线性最小二乘算法(IRNLS)结合,给出混沌模拟信息转换的MS-IRNLS信号重构算法。文中以Lorenz系统为例,仿真验证了MS-IRNLS算法的重构性能,结果表明方法的有效性。     

混沌调制模信转换实验研究

混沌压缩感知是一种采用混沌系统实现随机测量,利用稀疏正则非线性最优化技术实现信号重构的非线性压缩感知理论;具有实现结构简单,测量数据保密性强等特点。混沌调制是一种基于混沌压缩感知理论的模拟信息转换方法,该方法将待采样信号调制到混沌系统的参数上,通过低速采样混沌系统状态输出实现压缩采样。本文设计了一个基于Lorenz系统的混沌调制实验系统,测试了实验系统对不同稀疏度的频率稀疏信号的重构性能,实验结果验证了混沌调制模信转换的可实现性。      

基于迭代重赋权最小二乘算法的块稀疏压缩感知

压缩感知是一种新颖的信号处理理论。它突破了传统香农采样理论对采样的限制,以信号的稀疏性或可压缩性为基础,实现了信号的高效获取和精确重构。然而在现实中,部分稀疏信号还表现出一些其他结构,典型的例子就是一类块稀疏信号,其非零元素以块的形式出现。针对这类信号,本文研究了求解块稀疏压缩感知的迭代重赋权最小二乘算法（IRLS ）,给出了该算法的理论分析：误差估计和局部收敛性分析。大量试验验证了基于迭代重赋权最小二乘算法的块稀疏压缩感知策略的有效性。     

基于线性化的混沌压缩感知重构算法

随着信号的数据量和带宽不断增长,压缩感知作为一种新的信号低速率获取理论迅速成为信号处理界的热点。目前,压缩感知一般采用线性测量方式。混沌压缩感知是一种利用混沌系统实现非线性测量,非线性等式约束L1范数最小化实现信号重构的压缩感知理论;具有实现结构简单,测量数据保密性强等特点。但是,现有算法不能有效地求解非线性等式约束L1范数最小化,求解结果受到额外参数影响。该文通过对非线性约束线性化处理,将非线性等式约束L1范数最小化问题转化为一系列二次锥规划问题,利用线性化迭代二次锥规划算法进行求解,保证了算法的收敛性和提高了信号的重构性能。本文以Henon混沌为例,研究了频域稀疏信号的重构性能,数值模拟证明了该算法的有效性。      

基于压缩感知的二维GTD模型参数估计方法

几何绕射理论(Geometrical Theory of Diffraction,GTD)模型能够精确描述高频区雷达目标的电磁散射机理.该文在分析雷达回波稀疏特性的基础上,将参数估计问题转化为压缩感知理论中的稀疏信号重构问题,据此提出了一种基于压缩感知的2维GTD模型参数估计方法.该方法首先利用2维傅里叶变换成像确定目标散射中心的支撑区域,然后在支撑区域内对散射中心的GTD参数进行估计,最后利用聚类方法和最小二乘方法对估计结果进行修正.仿真和暗室测量数据实验结果表明,与现有方法相比,所提方法能有效改善模型参数的估计性能,且对提高散射中心类型参数的估计精度更为明显.     

基于毫米波通信的混合MIMO系统的信道估计

作为5G的一项关键技术,毫米波通信要求提出专有的信道估计和预编码算法,为此,针对毫米波MIMO系统的窄带平坦衰落信道研究下行信道估计方案.由于毫米波系统的稀疏特性,将稀疏多径信道的信道估计转化为稀疏信号的重建,基于压缩感知设计适用于毫米波通信系统的信道估计方案,深入研究了正交匹配追踪算法.仿真结果显示,它可以高概率地恢复信号,与传统的最小二乘法比较,能获得更好的信道估计性能.     

一种改进的压缩感知信号重构算法

针对支撑集未知且变化时的稀疏信号的重构问题,本文基于卡尔曼滤波思想,结合压缩感知算法,给出了一种改进的卡尔曼-压缩感知（Modified Kalman Filter Compressive Sensing,MKFCS）信号重构算法,该算法首先利用Kalman滤波获得信号残差的有效估计,然后根据残差变突情况,用改进的CS算法估计突变位置以确定信号的新的支撑集,最后用最小二乘方法重构信号,从而自适应的实现支撑集未知且变化的稀疏信号的重构。最后对所改进的通过重构精度、重构误差、稳健性等方面进行了仿真,仿真结果表明所提算法重构信号具有需要量测个数少、重构精度高、鲁棒性强等特点。      

基于压缩感知的循环平稳特征检测方法

在认知无线电中,传统的循环平稳特征检测技术为了达到理想的感知效果,需要大量的数据采样点,导致其感知过程复杂度大,感知时间长.针对此问题,提出了一种基于压缩感知的改进循环平稳特征检测方法,该算法利用信号循环自相关函数(Cyclic Autocorrelation Function,CAF)的稀疏特性,基于分段平均的时变自相关函数估计值,通过压缩感知技术重构二维CAF矩阵,再根据重构结果实现循环平稳特征检测.该方法不仅可有效降低计算复杂度和检测时间,而且提高了二维CAF的估计精度.仿真结果表明该方法的检测性能优于基于经典CAF估计的循环平稳特征检测技术.     

DCSK通信系统中的一种LS-SVM降噪方法

本文提出了基于最小二乘支撑矢量机(LS-SVM)学习算法的一种DCSK混沌通信系统降噪方法。在发信端混沌信号的动力学特性是已知的情况下,设定接收信号为训练样本集,利用LS-SVM的非线性处理能力对接收信号进行估计,从而优化接收的混沌信号,达到降噪的目的。仿真结果表明,优化后的系统误码率(BER)性能得到改善。     

基于DM6437的压缩感知1/f噪声估计

基于压缩感知及稀疏分解的数据估计,将采集到的含高斯白噪声的1/f噪声数据信号传输至数字信号处理器TMS320DM6437系统,利用其自带小波函数进行小波分解稀疏化,通过压缩感知重构估计1/f分型信号,并尝试改变迭代次数优化估计效果,计算参数γ值并输出。仿真表明,DM6437系统可以很好地利用压缩感知及稀疏分解技术估计出1/f分型信号,大大优化了硬件检测1/f噪声的方法。     

Sparsity aware consistent and high precision variable selection

Variable selection is fundamental while dealing with sparse signals that contain only a few number of nonzero elements. This is the case in many signal processing areas extending from high-dimensional statistical modeling to sparse signal estimation. This paper explores a new and efficient approach to model a system with underlying sparse parameters. The idea is to get the noisy observations and estimate the minimum number of underlying parameters with acceptable estimation accuracy. The main challenge is due to the non-convex optimization problem to be solved. The reconstruction stage deals with some suitable objective function in order to estimate the original sparse signal by performing variable selection procedure. This paper introduces a suitable objective function in order to simultaneously recover the true support of the underlying sparse signal while still achieving an acceptable estimation error. It is shown that the proposed method performs the best variable selection compared to the other algorithms, while approaching the lowest least mean squared error in almost all the cases.     

An enhanced technique for online discrete cosine transform-based time-varying delay estimation

Time-delay estimation is developed in the transform domain where discrete cosine transform (DCT) coefficients of time-varying delay signals are estimated. The DCT is very efficient in compacting the signal energy in a small number of coefficients. Hence, the estimation of time-varying delay is obtained through the calculation of a small number of the DCT coefficients. An online maximum likelihood estimator of time-varying delay is developed. The coefficients of the transformed delay signal are obtained by maximizing the likelihood function. When dealing with noisy signals, it is observed that increasing the number of estimated DCT coefficients beyond a certain level does not produce better estimates of the delay signal. This happens because the extra DCT coefficients accommodate the noise present in the received signals.     

水声稀疏时变SIMO信道盲均衡算法

基于复指数基扩展模型（Complex exponential basis expansion model, CE-BEM）,利用信道的稀疏特性和发送信号的常模特性（Constant Modulus, CM）,提出水声稀疏时变（Time-variant, TV）SIMO信道盲均衡算法。首先采用l0-范数约束的比例系数归一化最小均方误差常模算法对等效信道矩阵的稀疏时不变部分进行均衡,然后采用基频率估计算法估计基频率并对多普勒频移进行补偿,最后对恢复信号中存在的相偏进行估计补偿。仿真实验结果表明,本文算法提高了均衡器的收敛速度,降低了剩余码间干扰。      

Estimating random amplitude polynomial phase signals: acyclostationary approach

Modeling of a class of nonstationary signals with randomly time-varying amplitude and parametric polynomial phase is addressed. A novel approach is proposed for the estimation of the time-varying phase by exploiting the higher order cyclostationarity of these signals. The method does not require nonlinear search, is easy to implement, and yields consistent estimates for the parameters. The resulting algorithms are theoretically tolerant to a large class of noises including additive stationary non-Gaussian noise and any Gaussian noise. Simulation examples supporting the theory are provided     

亚奈奎斯特采样雷达的运动目标回波信号的快速重构

亚奈奎斯特采样雷达是利用回波信号的稀疏性,基于模信转换系统发展起来的欠采样雷达系统.本文研究亚奈奎斯特采样雷达的运动目标回波信号的快速重构问题.与单脉冲回波重构不同,运动目标在脉冲积累时间内可能产生跨距离单元现象,使得回波信号表示系数呈现稀疏时变性.本文采用概率分布模型描述稀疏位置的变化,首先将多脉冲回波信号重构转化为加权稀疏重构问题;然后根据分段滑动重构思想,提出一种基于正交投影的加权稀疏分段滑动重构方法来实现快速重构.该方法利用前一个脉冲稀疏位置估计信息,构造分段产生干扰的正交补空间,将子段压缩测量投影到构造的正交补空间,有效地抑制了相邻段引入的干扰.数值仿真验证了方法的有效性.     

一种衰落信道下OFDM信号的半盲检测算法

本文提出了一种衰落信道下OFDM信号的半盲检测算法。采用文献[1]为时变OFDM信道建立的2维非线性递归模型,本文利用稀疏的导频符号估计信道响应,并运用最短路径搜索原理寻找原始的发送序列。计算机仿真结果证明,该算法对OFDM信号进行了快速、准确的半盲检测。     

Recursive blind identification of non-Gaussian time-varying ARmodel and application to blind equalisation of time-varying channel

A novel method for the blind identification of a non-Gaussian time-varying autoregressive model is presented. By approximating the non-Gaussian probability density function of the model driving noise sequence with a Gaussian-mixture density, a pseudo maximum-likelihood estimation algorithm is proposed for model parameter estimation. The real model identification is then converted to a recursive least squares estimation of the model time-varying parameters and an inference of the Gaussian-mixture parameters, so that the entire identification algorithm can be recursively performed. As an important application, the proposed algorithm is applied to the problem of blind equalisation of a time-varying AR communication channel online. Simulation results show that the new blind equalisation algorithm can achieve accurate channel estimation and input symbol recovery