高速模拟信号压缩采样实现

压缩传感理论能够有效地降低信号的采样频率,实现对稀疏信号的压缩采样。该文在信号延时多通道采样技术的基础上,提出了一种基于压缩传感理论的模拟信号采样实现方法,根据该采样模型构造了压缩传感测量矩阵。该采样模型能够以低于信号Nyquist频率的采样率对频域稀疏信号进行采样,通过最优化算法准确重构原始信号。仿真结果表明,基于压缩传感理论的模拟信号采样模型能够对频域稀疏信号进行压缩采样,该方法具有可行性。     

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.     

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。     

基于压缩传感的EMI信号处理

针对目前结构健康监测系统由于采集数据量过大而造成的信号传输与存储效率低下的问题,提出将压缩传感（CS）用于机电阻抗（EMI）信号的压缩,以实现EMI信号的高效传输和储存.文中用匹配追踪(MP)分析EMI信号的稀疏度,并把高斯随机矩阵作为观测矩阵,同时满足了压缩传感所要求的信号的稀疏性和观测矩阵的不相干性.以一维损伤杆的EMI分析为例,把均方差作为损伤指标,讨论压缩传感的压缩效果和抗噪声能力.结果表明,使用压缩传感之后,传输带宽和储存空间只需为原来的28%;在观测为4倍稀疏度情况下,100次试验都能够对不同损伤进行有效识别;当信噪比大于20 dB时,观测值能稳定地重构出原始信号.证实压缩传感作为一种信号处理方法可以应用于EMI系统信号处理.     

水声单载波分块传输中基于压缩感知的稀疏信道估计方法

为利用水声信道的稀疏特性,提高循环前缀单载波分块传输系统的信道估计精度和误比特率性能,提出一种新的基于压缩感知的稀疏信道估计方法.新方法利用任意具有单位能量的导频构造满足约束等距条件的频域测量矩阵,通过Dantzig selector算法重构稀疏水声信道冲激响应.基于实测湖试信道模型的仿真结果表明,在相同训练序列长度条件下,利用频域最小均方误差检测方法,新的压缩感知信道估计方法较传统最小二乘信道估计方法有近5 dB的性能增益.     

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.     

压缩传感非稀疏宽带频谱导频检测方法

为了突破频谱稀疏性对压缩传感技术的限制,提出了一种基于压缩传感的频谱检测方法,在保证对主用户的干扰不超过指定门限的前提下,通过对目标频段的主用户信号和导频信号在频域进行线性运算,保留频谱空洞处的导频分量,把对非稀疏的主用户信号的恢复转化为对稀疏导频信号的恢复.该方法解决了认知无线电宽带频谱检测中,压缩传感技术在主用户信号非稀疏时的失效问题.仿真结果表明,导频检测方法可以对非稀疏频谱的频谱空洞位置进行准确检测.     

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。     

移动机器人环境视觉图像小波稀疏压缩传感与恢复重构

基于最新压缩传感技术理论,采用小波稀疏方法和正交匹配跟踪算法,对移动机器人常规环境视觉图像压缩传感存储与恢复重构进行了研究.结果表明：进行小波稀疏的压缩传感编码可以大大减少机器人环境视觉图像信息量,降低存储与传输代价,通过正交匹配追踪算法恢复的视觉图像,可以满足机器人常规环境视觉探测.     

水声稀疏信道估计与大范围白适应平滑预测研究

研究了对水声稀疏信道的估计与预测．基于水声稀疏信道模型提出了信道重要权系数检测迭代估计算法来对信道的时域冲激响应进行估计,该算法无需预先知道信道多径数,同时可有效利用预估的信道多径数下限减少计算量;基于线性自回归模型提出了大范围自适应平滑预测算法来对水声信道进行预测,无需估计复杂的水声信道二阶统计特性,通过降低信道采样速率和局部平滑以进一步降低预测误差．文中算法比最小二乘（LeastSquares,LS）算法和匹配追踪（MatchingPursuit,MP）算法性能更为优越;当通信距离较短时,信道预测误差在10^2内．本文算法能够对水声稀疏信道进行有效估计和预测,可为水声通信中的自适应技术提供依据．     

Sparse channel estimation for MIMO-OFDM systems using distributed compressed sensing

A sparse channel estimation method is proposed for doubly selective channels in multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) systems. Based on the basis expansion model (BEM) of the channel, the joint-sparsity of MIMO-OFDM channels is described. The sparse characteristics enable us to cast the channel estimation as a distributed compressed sensing (DCS) problem. Then, a low complexity DCS-based estimation scheme is designed. Compared with the conventional compressed channel estimators based on the compressed sensing (CS) theory, the DCS-based method has an improved efficiency because it reconstructs the MIMO channels jointly rather than addresses them separately. Furthermore, the group-sparse structure of each single channel is also depicted. To effectively use this additional structure of the sparsity pattern, the DCS algorithm is modified. The modified algorithm can further enhance the estimation performance. Simulation results demonstrate the superiority of our method over fast fading channels in MIMO-OFDM systems.     

Novel Channel Estimation Method in Broadband MIMO-OFDM Systems

A least square （IS） parametric channel estimation method in broadband mt/ltiple input multiple output （MIMO） orthogonal frequency division multiplexing （OFDM） systems is proposed. The mean square error （MSE） performance using optimal training pilots is also given, which proves the method can improve the estimation precision greatly in sparse channel.. Since such method needs the multi-path time delays information of the channel, the probabilistic data association （PDA） method is employed to estimate the time delay of each path. Simulation results show that both the bit error rate （BER） and the MSE performance of the proposed method are better than the traditional LS channel estimation method.     

Sparse Recovery of Linear Time-Varying Channel in OFDM System

In order to improve the performance of linear time-varying (LTV) channel estimation, based on the sparsity of channel taps in time domain, a sparse recovery method of LTV channel in orthogonal frequency division multiplexing (OFDM) system is proposed. Firstly, based on the compressive sensing theory, the average of the channel taps over one symbol duration in the LTV channel model is estimated. Secondly, in order to deal with the inter-carrier interference (ICI), the group-pilot design criterion is used based on the minimization of mutual coherence of the measurement. Finally, an efficient pilot pattern optimization algorithm is proposed by a dual layer loops iteration. The simulation results show that the new method uses less pilots, has a smaller bit error ratio (BER), and greater ability to deal with Doppler frequency shift than the traditional method does.     

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。     

基于导频放置优化的组稀疏信道估计方法

针对OFDM系统信道的稀疏性,研究组稀疏信道估计方法;考虑信道的时间选择性和频率选择性,由信道系数的稀疏表示引入组稀疏概念,利用稀疏信号的非零分量趋向于成簇出现的组稀疏特性,提高重建质量.考虑到导频对信道估计性能的重要作用,采用分布估计算法（EDA）优化组稀疏信道估计中的导频放置模式.该方法具有较好的鲁棒性,不会陷入导频搜索的局部最小值,可以得到更小相关性的感知矩阵.理论分析和仿真结果均表明,该方案与传统估计方法相比,均方误差性能更加优异.仿真又采用了不同的重构方法和分组大小进行对比,均能证明该方法的适用性.     

基于分散型导频的MB OFDM UWB稀疏信道估计

针对多频带-正交频分复用（MB-OFDM） UWB系统,提出一种基于分散导频的UWB信道估计算法.该算法采用分散型导频,避免了频域内插,可以实时对信道进行估计.然后利用UWB信道的稀疏簇特性和傅立叶变换,在时域和频域连续对信道参数进行修正,有效地改善了低信噪比时的性能.仿真结果表明,在信噪比SNR=12时,新算法的误比特率比经典的内插LS算法约有3.5dB的改善.     

OFDM系统中新的同步与信道联合估计算法

提出了一种新的基于判决反馈的OFDM同步与信道联合跟踪算法。该算法提取出信道估计结果中包含的同步信息用于实现同步估计,并利用同步估计结果对信道估计结果进行修正,使其尽量逼近真实信道。仿真结果表明该算法在信噪比较大时可以获得较高的估计性能,具有计算量小和实现简单的优点。适当增加块长具有更强的抑制噪声的能力,但却减弱了信道的时变跟踪能力,因此块长的选择必须权衡考虑。     

改进的基于循环平稳分析的OFDM关键参数估计方法

提出了一种利用OFDM信号自相关特性和循环平稳特性进行多径信道下关键参数盲估计的算法.该算法首先利用OFDM信号的自相关特性估计信号的有效符号长度,接着利用多径信道下的OFDM信号具有二阶循环平稳特性来估计符号长度,并且在此过程中引入平均的思想,通过对信号的一组循环频率求均值的方法得到最终估计值.信号的二阶循环平稳特性使得该算法可抑制多径干扰,平均的处理方法提高了算法的抑制高斯噪声能力.计算机仿真结果表明:该算法在设定的多径信道下,当信噪比SNR=-2 dB时参数盲估计的正确率可以达到90%以上,在信噪比SNR=2 dB时正确率可以达到100%.