编码超声稀疏采样仿真研究

编码超声可以在不增加发射能量的前提下提高平均发射声功率,进而有效提高微小目标体的检出率,增加检测深度,提高目标体成像分辨率。而稀疏采样技术可以有效减少采集数据量,提高检测算法实时性。将二者的优点结合,在高频、超宽带以及多传感器超声阵列实时检测与成像领域有重要研究价值。为此,提出了一种编码超声有限新息率稀疏采样方法,该方法在建立编码超声信号稀疏采样构架的基础上,通过脉冲压缩技术实现编码超声信号的时域压缩,并通过仿真实验对3位二进制编码超声信号进行了稀疏采样与参数重构。仿真结果表明,该方法可实现编码超声信号的稀疏采样,在减少数据量的同时准确重构出原信号。     

采样方法研究综述

Nyquist Shannon采样定理从提出至今已经过了近70年的发展历程,为模拟 世界到数字世界的转变作出了巨大贡献。在这70年的进程中,围绕如何在不丢失信号中有用 信息的前提下,降低采样速率和减少采集数据量的主题、新的采样理论和采样方法也不断涌现 。本文在总结和回顾现有采样技术原理和框架的基础上,结合个人见解对单通道随机 采样、压缩传感采样、有限新息率采样及X 采样等稀疏采样方法的特点、适用场合、最新 进展和公开问题及难点进行了评价,并对稀疏采样发展前景予以展望,并为采样技术改进 和拓展等应用领域提供参考。     

参数稀疏信号非均匀采样性能分析

提出了一种参数稀疏信号的时间交替周期非均匀采样方案。相对于非均匀采样,周期非均匀采样可以在降低系统复杂度的前提下依然保持较高的转换速率。通过仿真证明,非均匀采样样本的超分辨率特性可以提高非线性最小二乘周期图谱估计的重构性能。     

基于非重构压缩采样的动态稀疏信号快速检测技术研究

战场电磁环境的快速、准确感知对于提高战术无线通信系统的时变电磁环境适应能力和抗干扰能力具有重要意义。本文分析了跳频通信信号、扫频干扰信号等战场常见的多种通信信号与干扰信号的动态稀疏特性,构建了动态稀疏信号检测的统一框架。在此基础上,提出了基于非重构压缩采样的动态稀疏信号快速检测技术的基本思路,并分析了该方法的检测性能界。分析结果表明:该方法不仅能够充分利用动态稀疏信号的稀疏特性,大大降低采样速率和后续分析与处理中的数据量,而且避免了复杂的信号重构,能够有效降低动态稀疏信号检测的处理时延,提高了战场电磁环境感知的实时性。     

稀疏信号重构

传统采样是在预先确定好采样时间的情况下记录信号的电平,这样采样得到的电平通常是均匀的,另外还有一种隐式采样模型,原理是记录事先确定好的电平交叉点的时序,这种情况下信号决定了采样的次数而不是电平。在信号存在一个尺度因子的前提下,Logan理论是零交叉点信号还原的充分条件。不过时序测量存在一定的噪声,故信号的重构不具鲁棒性。为此本文引入附加假设,即信号存在一些稀疏基,因而可以把重构问题当成对诱导稀疏性成本函数的最小化来处理,并提供一个求解算法。尽管存在非凸的问题,实验表明在典型案例中算法是收敛的,并且求出正确解的概率很高。     

一种基于压缩感知的无线传感信号重构算法

压缩感知(Compressed Sensing,CS)是一种基于稀疏信号的获取和恢复的新理论,能以较小的采样代价获得完整的信号.这一理论符合无线传感网络在带宽和采集能力局限下需要低代价采样的需求.但由于无线传感网络的开放性,其容易受到环境噪声的影响,特别是采用压缩感知方法进行欠采样,虽然可以减小获取数据的开销,但这种“不完整”的欠采样数据对噪声更加敏感.因此抗噪声的健壮的重构算法能有效保证信号重构的精度.文中提出了一种近似梯度下降算法(Proximal Gradient Algorithm,PRG)对噪声下的压缩采样信号进行恢复.该算法通过逐步迭代逼近的方式,求得约束方程最优解,进而还原出原信号.通过与OMP、SP、BP算法比较,PRG算法在噪声环境下表现出较好的重构性能.     

应用欠采样技术的多正弦波频率估计方法研究

为了解决高频段信号由于受到A/D转换器和后续信号处理器件运算速度和成本的限制,提出一种用欠采样获得Nyquist采样的信号处理方法。将信号分成两路进行欠采样,根据两路信号构造一个新信号,得到一个虚拟的Nyquist采样值,进行傅里叶变换,单信号时直接得到所估计信号的频率值;多信号情况下在得到各信号频率估计值的同时,会得到因频率“交叉”引起的虚假频率点,通过对双路傅氏变换的结果进行处理可以消除虚假频率点。仿真实验验证了该方法的有效性。     

基于压缩感知的信号欠采样和重建研究

为了实现基于压缩感知理论的信号欠采样和重建,采用模拟信息转换器和正交匹配追踪（0rthogonal Matching Pursuit,OMP）算法对正弦脉冲信号的欠采样和信号重建进行了仿真分析。通过Matlab仿真分析验证了压缩感知理论在信号欠采样和重建过程中的可行性,通过对此在不同信噪比下的效果发现,在高信噪比时,性能较好,可以为信号采样系统和信号恢复处理系统的设计应用提供理论参考。最后,总结讨论了压缩感知在射频和无线通信领域的应用价值。     

基于一次投影子空间追踪的压缩感知信号重构

为了降低信号重构算法的复杂度,实现对稀疏度未知信号的重构,提出了一种基于一次投影子空间追踪(OPSP)的信号重构方法。首先根据约束等距性质确定信号稀疏度的上下界,并将最接近上下界中值的整数作为稀疏度的估计值;然后在子空间追踪(SP)算法的框架下,去掉了迭代中观测向量在支撑集上的投影过程,降低了算法的复杂度。为了更准确地衡量算法的重构性能,提出用完整信号的重构概率作为衡量算法重构性能的指标。与传统的SP算法相比,所提算法可以重构稀疏度未知的信号,且重构时间短,重构概率高。仿真结果验证了该算法的有效性。     

基于联合子空间模型的模拟信息转换器研究进展

依据Shannon采样定理的模拟-数字转换器越来越难以满足对高频、宽频信号的采样需求,为实现低速率采样同时缓解数据传输、存储及处理的压力,基于亚Nyquist采样的模拟信息转换器(analog-to-information convertor, AIC)成为研究热点.首先概述压缩感知理论、单向量空间和联合子空间(union of subspaces, UoS)采样理论,着重总结和对比几种符合UoS模型信号的AIC采样架构及恢复算法,进一步提出一种多天线采样系统架构及基于子空间分解的增强型重构方法,最后展望了AIC未来的研究方向.     

自适应稀疏重构的双频预失真结构

针对双频功放预失真系统采样率过高的问题,提出一种基于压缩感知的自适应稀疏预失真结构,先通过基于分段多项式模型的记忆效应补偿器,再将信号融合理解为压缩感知采样重构问题,即在预失真反馈回路,利用自适应稀疏算法高精度重构遗失的五阶及高阶交调信号,使系数权值的最小均方解逼近最优,降低采集误差提升线性化效果。实验结果表明,在提高系统稳定性的同时,NMSE显示较2D-MP、2D-CPWL提高了约2~3 dB,ACPR大约改善20 dBc。对降低双频带预失真采样率同时提升功放线性度具有重大意义。     

基于稀疏对角矩阵的语音信号压缩感知

探索压缩感知理论在语音信号重构中的应用,研究测量矩阵选取对语音信号重构效果的影响.改进传统随机,托普利兹,循环等测量矩阵,尝试将稀疏对角矩阵应用于测量矩阵完成对语音信号的非相干测量.在语音信号上进行实验,分别采用稀疏对角结构测量矩阵和传统测量矩阵,对比它们使用StOMP算法重构语音信号的效果.实验结果表明,采用改进的稀疏对角循环矩阵重构语音信号,较传统矩阵重构的精确度有明显提高,运行时间也有明显缩短.     

递减候选集正则化子空间追踪算法

为提高压缩感知子空间追踪算法的信号重建概率及精度,提出一种递减候选集正则化子空间追踪算法.该算法基于CoSaMP/SP算法并加以改进,将迭代过程分成若干个阶段,在每个阶段均采用类CoSaMP/SP算法进行迭代计算,但各阶段的候选集原子个数依次递减,同时按正则化方法选择新的候选集原子.实验仿真对比结果表明,与同类算法相比,所提出算法能够以更高概率重建信号,在噪声环境下也具有较高的重建精度.     

基于压缩感知的脑电信号重构研究

对EEG脑电信号的有效处理和分析,可以判断不同的脑机能状态,在神经生理科学研究和临床诊断中有着广泛应用。考虑到EEG脑电信号中每个单独的生物信号时间上的相关性和不同信道生物信号之间的信道间相关性,基于离散余弦变换基对EEG脑电信号进行稀疏化,并利用基于块稀疏贝叶斯的压缩传感技术对其进行仿真重构。大量实验结果表明,重构的EEG脑电信号与原信号具有极大的相似保真度,能够用于医学上的进一步处理。     

基于块稀疏贝叶斯学习的体域网心电压缩采样

为有效提高体域网的实时性和降低体域网的功耗,提出一种基于块稀疏贝叶斯学习的体域网心电压缩采样方法。该方法在体域网框架下,利用压缩采样理论,在体域网的传感节点利用二进制随机观测矩阵对心电信号进行压缩采样,远程监护中心获得采样值之后,利用块稀疏贝叶斯学习重构算法和离散余弦稀疏变换矩阵对心电信号进行重构。实验结果表明,当心电信号压缩率在70%~90%时,基于块稀疏贝叶斯学习的重构算法要比其他重构算法的重构信噪比高出3 dB~21 dB。该方法能有效减少数据采样,减轻后续的数据存储、数据传输压力,提高体域网的实时性。同时该方法具有功耗低,易于硬件实现的优点。     

基于l_(2,1)范数原子选择的图像分块稀疏重构

针对图像压缩采样中原子的选择规则难以确定的问题,在改进的正交匹配追踪算法的基础上提出了一种基于l_(2,1)范数的原子选择方式。l_(2,1)范数的原子选择方式考虑了原子间的相关性,剔除了干扰原子,选择出了代表性原子。将所提方法用于图像分块重构,算法以图像进行分块,利用l_(2,1)范数选择对图像块支撑集进行筛选,增强块特征的判别性,提高原子的稀疏度,最终提高图像重构的准确率和速率。实验结果表明,相同条件下在保证重建速度的同时,所提新方法提高了图像重构精度。