一种基于量子粒子群的二次匹配OMP重构算法

正交匹配追踪算法（OMP）是一种基于贪婪迭代思想的算法,是压缩感知中信号重构方法之一。为了降低OMP算法的计算复杂度,采用一种全局寻优能力较强的量子粒子群算法（QPSO）优化OMP算法中的匹配过程（QPSO-OMP）;针对OMP算法特点,引入原子分量二次匹配,进一步提高QPSO-OMP算法重构精度。仿真结果表明,所提出的基于QPSO算法的二次匹配OMP算法复杂度低,精确重构概率高于基于粒子群算法的正交匹配追踪算法。     

基于压缩感知的NC-OFDM系统的BAOMP算法的信道估计

采用基于信号处理领域最近兴起的压缩感知理论对NC-OFDM系统进行信道估计,并将回溯迭代自适应正交匹配追踪算法(BAOMP)应用到NC-OFDM系统的信道估计中,该算法在每次回溯迭代中核查所选原子的可靠性并删除不可靠原子。理论分析和仿真实验表明,BAOMP算法不但可以减少导频的数目,而且其在保持OMP类算法优点的同时,有着更好的重构性能,且不需要预先知道稀疏度K。     

基于压缩感知的信道估计技术

通信系统中的传统信道估计方法均基于多信道密集型假设,导致频谱利用率低下,压缩感知理论为解决这一问题提供了一种新的途径。本文介绍了压缩感知基本理论,探讨了压缩感知应用于信道估计的可行性,详细分析了压缩感知信道估计技术的MP算法、OMP算法、CoSaMP等几种重构算法。研究表明基于压缩感知理论的信道估计方法能利用较少的导频信号达到与传统方法相比拟的估计性能,从而提高频谱利用率。     

基于压缩感知的稀疏信道估计方法

针对OFDM系统中传统最小二乘(LS)信道估计方法需要大量导频估计精度却不高的问题,提出基于压缩采样匹配追踪(CoSaMP)的压缩感知信道估计新方法.利用发送信号,接收信号和信道的频城关系建立基于压缩感知的数学模型,再采用CoSaMP算法对信道进行重构.仿真结果表明,与LS算法相比,基于CoSaMP的压缩信道估计方法能利用少量的导频信号达到与之相比拟的信道估计性能,提高了频谱利用率;与现有压缩感知信道估计算法(基追踪(BP)与正交匹配追踪(OMP)相比,在使用相同导频数目条件下,具有更好的信道估计性能和更低的计算复杂度.     

用于CS的广义稀疏度自适应匹配追踪算法

压缩感知理论的基本思想是原始信号在某一变换域是稀疏的或者是可压缩的,并将奈奎斯特采样定理中的采样过程和压缩过程合二为一。稀疏度自适应匹配追踪（SAMP）算法能够实现稀疏度未知情况下的重构,而广义正交匹配追踪算法每次迭代时选择多个原子,提高了算法的收敛速度。基于上述两种重构算法的优势,提出了广义稀疏度自适应匹配追踪（Generalized Sparse Adaptive Matching Pursuit,gSAMP）算法。针对重构图像的峰值信噪比、重构时间、相对误差等客观评价指标,以及主观视觉上对所提算法与传统的贪婪算法进行对比。在压缩比固定为0.5时,gSAMP算法的重构效果优于传统的MP、OMP、ROMP、SAMP以及gOMP贪婪类重构算法的效果。     

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论（CS）,针对压缩采样匹配追踪算法在多输入多输出正交频分复用（MIMO_OFDM）系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法（CoMSaMP）。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明：与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。     

基于OMMP算法的OFDM系统信道估计

针对基于压缩感知的信道估计中常用的正交匹配追踪算法(OMP),为提高算法效率提出一种其改进型算法———正交多重匹配追踪(OMMP)。该算法相比较于OMP算法通过在每次迭代中选择多个最匹配原子,达到更快速收敛的目的。通过实验仿真两种算法在不同信道径数下的估计性能和运行时间发现,在信道径数较大的情况下,OMMP算法的估计性能与OMP算法相当,且效率更高。由此可见OMMP算法有着一定的实际应用价值。     

基于降噪回溯SAMP算法的Massive MIMO信道估计

传统的LS算法、MMSE算法应用于信道估计时需要进行协方差矩阵求逆的运算,当信号数量庞大时,会有很高的计算复杂度.考虑到信号稀疏性的特点,可将压缩感知理论应用于信道估计中.常见的压缩感知贪婪类算法有OMP算法和CoSaMP算法,这两种算法需要将稀疏度作为已知条件,因此限制了其使用.提出基于降噪回溯SAMP算法(NrSA...     

OFDM系统稀疏信道估计研究

由于许多通信系统的信道具有稀疏多径的特性,因此可以将信道估计问题归结为稀疏信号的恢复问题。提出一种新的基于压缩感知理论的正交频分复用系统信道估计方法,采用稀疏度自适应匹配追踪压缩感知算法对OFDM信道时域脉冲响应进行估计。克服了现有基于压缩感知理论的信道估计方法需要预先知道信道冲激响应稀疏度才能重构信道参数的不足,在信道稀疏度等信道先验知识未知情况下可得到较好的信道估计性能,降低系统复杂度。     

RIS辅助毫米波系统中基于压缩感知的信道估计

针对可重构智能超表面（RIS）辅助无线通信系统中使用传统信道估计方法导频开销过高的问题,提出了一种基于块稀疏的正交匹配追踪（OMP）信道估计方案。首先,根据毫米波（mmWave）信道模型推导出级联信道矩阵,并将其转换到虚拟角域（VAD）中以获得级联信道的稀疏表示;其次,利用级联信道特有的稀疏特性将信道估计问题转换成稀疏矩阵恢复问题,并使用压缩感知的重构算法进行稀疏矩阵的恢复;最后,通过分析特殊的行-块稀疏结构,对传统的OMP方案进行优化,从而进一步减少导频开销并提升估计性能。仿真结果表明,与传统的OMP方案相比,所提出的基于行-块稀疏结构的优化OMP方案的归一化均方误差（NMSE）减小了大约1 dB。可见,所提出的信道估计方案能够有效减少导频开销并获得更好的估计性能。     

基于压缩感知的高效视频解码算法

无线多媒体传感器网络系统存在无线信道随机衰落以及高误码率等问题,对视频应用的影响尤为突出。压缩感知理论应用于视频信号编码提供了一种抗无线信道随机衰落以及降低误码率的思路,但由于压缩感知重构算法的高复杂度,使得在解码端很难高效实时地恢复出视频序列。本文通过改进SL0算法的迭代搜索方向、迭代搜索方法 以及循环终止条件等提出了一种快速高效的基于平滑范数的压缩感知视频解码算法（Accurate direction smooth l0 algorithm,ADSL0）。算法采用严格的下降方向以及修正的迭代步长,保证了迭代路径的最优。实验结果表明,本文所提算法在重构精度和重构耗时上都明显优于其他同类算法。     

Detection of sparse targets with structurally perturbed echo dictionaries

In this paper, a novel algorithm is proposed to achieve robust high resolution detection in sparse multipath channels. Currently used sparse reconstruction techniques are not immediately applicable in multipath channel modeling. Performance of standard compressed sensing formulations based on discretization of the multipath channel parameter space degrade significantly when the actual channel parameters deviate from the assumed discrete set of values. To alleviate this off-grid problem, we make use of the particle swarm optimization (PSO) to perturb each grid point that reside in each multipath component cluster. Orthogonal matching pursuit (OMP) is used to reconstruct sparse multipath components in a greedy fashion. Extensive simulation results quantify the performance gain and robustness obtained by the proposed algorithm against the off-grid problem faced in sparse multipath channels.     

分段迭代匹配追踪图像重构算法

目的 压缩采样匹配追踪（CoSaMP）算法虽然引入回溯的思想,但其原子选择需要大量的观测值且在稀疏度估计不准确时,会降低信号重构精度,增加重构时间,降低重构效率。为提高CoSaMP算法的重构精度,改善算法的重构性能,提出了一种基于广义逆的分段迭代匹配追踪（StIMP）算法。方法 为保证迭代时挑选原子的精确性和快速性,对观测矩阵广义逆化,降低原子库中原子的相干性;原子更新结合正交匹配追踪（OMP）算法筛选原子的准确性与CoSaMP算法的回溯性,将迭代过程分为两个阶段：第1阶段利用OMP算法迭代K/2次;第2阶段以第1阶段OMP算法迭代所得的残差和原子为输入,并采用CoSaMP算法继续迭代,同时改变原子选择标准,从而精确快速地重构出稀疏信号。结果 对于1维的高斯随机信号,无论在不同的稀疏度还是观测值下,相比于OMP、CoSaMP、正则化正交匹配追踪（ROMP）算法和傅里叶类圆环压缩采样匹配追踪（FR-CoSaMP）算法,StIMP算法更加稳健,且具有更高重构成功率;对于2维图像信号,在各个采样率下,StIMP算法的峰值信噪比（PSNR）均高于其他重构算法,在采样率为0.7时,StIMP算法的平均PSNR值比OMP、CoSaMP、ROMP和FR-CoSaMP算法分别高2.14 dB、1.20 dB、3.67 dB和0.90 dB,平均重构时间也较OMP、CoSaMP和FR-CoSaMP算法短。结论 提出了一种改进的重构算法,对1维高斯随机信号和2维图像信号均有更好的重构效率和重构效果,与原算法和现有的主流图像重构方法相比,StIMP算法更具高效性和实用性。     

基于压缩感知的混合光谱解析算法

压缩感知利用信号的稀疏性通过求解欠定线性系统的解来有效地重建信号,其稀疏性要求信号在某个域中是稀疏的.压缩感知理论认为一般情况下,信号的相关性越小,恢复算法的性能越好.求解压缩感知问题的方法有贪婪追踪、凸松弛方法、迭代收缩等算法,以及贝叶斯框架、置信传播等.从欠定线性矩阵方程角度讨论压缩感知问题,通过两种不同量测矩阵(...     

防干扰DFT信道估计算法

传统的DFT的信道估计算法只是把循环前缀以外的噪声忽略为0,其余都认为是有用的加性噪声,但是在循环前缀以内仍含有由于码间干扰(ICI)和信道干扰(ISI)带来的噪声以及其他的一些噪声干扰,严重影响了信道的估计值,本文在DFT算法之前首先消除了由ICI和ISI带来的干扰,再进行DFT的信道估计,最后在分别由禁忌算法和求导两种方法进一步消除循环前缀以内由于其他因素带来的噪声,这样大大增强了估计值的准确性,最后由matalb仿真结果可以看出,由于迭代算法和禁忌算法、求导方法的使用尽可能地消除了噪声的干扰,大大提高了信道的估计值,信道的误比特率和均方误差随着信噪比的增大越来越小,仿真结果证明改进的算法的性能优于传统的DFT算法,求导法性能略微优于禁忌算法。     

FMT系统中的子信道Turbo迭代均衡

在滤波多音调制(FMT)系统中,子信道频谱不重叠通过不满足理想重构条件的原型滤波器来实现,这不可避免地引入符号间干扰(ISI),尤其当FMT应用于无线多径环境时,ISI将进一步增大。而Turbo均衡将信道均衡和译码联合处理,能够有效地消除ISI。本文提出了一种FMT系统子信道Turbo迭代均衡算法,信道衰落采用单抽头均衡器来补偿,而FMT系统自身所产生的ISI则通过基于线性滤波器结构的Turbo迭代均衡来消除。仿真结果表明,不论采用QPSK还是16QAM调制方式,经过2次以上的迭代后,新算法的误码率性均优于传统的判决反馈均衡算法。     

基于改进SL0压缩感知的WSN多目标定位

为提高定位的精度与速度,将改进的平滑[l0]（smoothed [l0],SL0）压缩感知算法应用于无线传感网络（WSN）定位中。首先通过感知区域的网格化,将定位问题转化为压缩感知问题,采用更陡峭的近似双曲正切函数去逼近[l0]范数,将压缩感知重构中的[l0]范数最小化问题转化为求解光滑函数最小值的最优化问题。其次,针对算法中因最速下降法“锯齿现象”导致的收敛速度慢、估计不精确等缺点,引入了混合优化算法,该算法结合了最速下降法和修正牛顿法的优点,提高了重构精度和速度。仿真结果表明,改进的SL0算法相对于匹配追踪（OMP）、基追踪（BP）、SL0算法等在定位精度与实时性上有了明显提高。