基于循环匹配追踪的稀疏重构时延估计算法

在单样本(SMV)、低信噪比条件下,稀疏重构方法可提升时延估计精度,但现有的重构算法在支撑集元素的选择中存在错选和漏选的情况,从而导致估计精度受限。针对上述问题,该文提出一种基于循环匹配追踪(LMP)的稀疏重构时延估计算法。该方法引入了“循环删除,匹配添加”的思想,有效提升了直达径的估计精度。算法首先建立信道冲激响应稀疏表示模型;然后在获得初始支撑集的前提下,先循环删除支撑集内的元素,再从支撑集补集中依据与当前残差内积值最大来匹配添加新元素,直至残差内积基本不变;最后利用时延值与稀疏支撑集的关系得到了时延的估计值。仿真结果表明,所提算法相比于传统稀疏重构时延估计算法具有更高的估计精度。同时基于USRP平台,利用实际信号对所提算法进行了有效性验证。

     

一种改进的水声正交频分复用稀疏信道时延估计算法

水声正交频分复用(OFDM)系统中,采用传统正交匹配追踪(OMP)方法估计离网格(off-grid)时延时,需要很高的过采样因子和高昂的计算开销.针对传统OMP方法估计离网格时延计算复杂度高的问题,该文借鉴多元线性拟合思想引入路径补偿的概念,提出了一种基于路径补偿的改进OMP时延估计算法,用以补偿从离网格路径向其周围网格位置泄漏的能量,并用补偿距离这一参数来解释路径补偿效果.该算法无需增加过采样因子,仅利用恰当的补偿距离即可实现较好的估计效果,且能在提高估计性能的同时降低计算复杂度.仿真分析与海试结果验证了该方法的优越性.     

一种改进的水声正交频分复用稀疏信道时延估计算法

水声正交频分复用(OFDM)系统中,采用传统正交匹配追踪(OMP)方法估计离网格(off-grid)时延时,需要很高的过采样因子和高昂的计算开销.针对传统OMP方法估计离网格时延计算复杂度高的问题,该文借鉴多元线性拟合思想引入路径补偿的概念,提出了一种基于路径补偿的改进OMP时延估计算法,用以补偿从离网格路径向其周围网...     

基于USRP的NB-IoT/FSK异构物联网系统实现

窄带物联网(NB-IoT)技术因具备广域覆盖、低功耗、海量用户接入的优点,成为当前广域物联网的主流技术,但单一的NB-IoT组网模式在某些极端功率受限环境(如水表井、地下车库等深度覆盖区域)仍会出现覆盖不足以及终端耗电大的问题。针对传统应用场景下的NB-IoT单独组网方式的不足,提出一种NB-IoT/FSK混合异构组网广域物联网架构,该架构能够借助频移键控(FSK)调制的较低解调门限进一步提高混合网络的覆盖范围,降低最末端终端节点功耗,从而实现深度覆盖下更多终端用户接入能力。使用通用软件无线电外设(USRP)平台搭建了该异构网演示系统,模拟了物联网智能水表的应用场景,仿真与实际的简单外场测试验证证明了该异构组网架构的可行性与优良性能。     

一种降低相干光正交频分复用系统序列相关性的方法

分析了相干光正交频分复用(CO-OFDM)系统中四波 混频(FWM,four-wave mixing)效应对系统性能的影响,提出了一种新的降 低CO-OFDM系统中各个子载波序列相关性的方法——偏载波填充法(PCF,partial carrier filling)与部分序 列传输(PTS,partial sequence of transmission)相结合。理论分析和仿真表明,这 种方法能有效降低 CO-OFDM系统的序列相关性,从而抑制信道内FWM效应对CO-OFDM系统带来的损伤。研究结 果表明, 本文提出的方法在传输距离达10^3km的情况下,误码率(BER)仍然低于10－3,与PTS方法相比,降低了将近1个数量级。     

基于稀疏重构的铁路货车TFDS网络传输时延估计

铁路货车TFDS网络传输时延估计过程中易受到噪声干扰，造成估计结果不精准，故提出基于稀疏重构的铁路货车TFDS网络传输时延估计方法。分析铁路货车TFDS网络传输集成信号，以信号稀疏表达为基础计算增益稀疏向量，完成信号预处理。根据稀疏字典原子匹配原理得到稀疏重构信号输出结果，根据信号权重计算铁路货车TFDS网络传输时延估计值。实验结果表明，该方法无噪声干扰下时延为350 ns，有噪声干扰时延变化范围为310～380 ns，与实际值一致，估计结果更精准。     

TDOA中几种时延估计算法的比较

在现有的传声器阵列声源定位方法中,基于声达时间差(TDOA)估计定位法计算量较小,定位精度较高,同时也易于实现实时系统,是目前声源定位法中常用的方法。采用该方法最重要的就是进行时间延迟估计(TDE),其精确性直接影响到定位的准确与否。概括了基于传声器阵列的声达时间差(TDOA)估计定位法中几种时间延迟估计的算法,给出了部分算法的仿真结果,分析了每种算法中存在的优缺点并同时指出了需进一步研究的问题。     

基于拟合的宽带跳频信号的高精度时延估计方法

结合目前跳频信号带宽越来越宽、跳频点越来越多的特点,文中提出了一种充分利用宽带跳频信号频域特征的直线拟合时延估计方法,并针对解模糊过程中存在的奇异点问题,提出了采用周期拟合的处理方法,实验和分析表明该改进算法能够实现皮秒量级的时延估计精度,且易于工程实现.     

基于雪崩二极管的光正交频分复用系统接收机

提出了一个完整的高灵敏度光正交频分复用(OOFDM)系统,以实现高速长距离传输。实验中,将10Gbit/s的4QAM调制OOFDM信号在光纤中传输了50km,直接探测后得到的星座图和误码率都达到了良好的效果。在此基础上,对比了采用雪崩二极管(APD)和传统的光电二极管(PIN)两种不同的探测方式,结果发现,使用APD探测使得OOFDM系统接收的灵敏度提升了5.2dB。     

基于时延估计算法的透明转发器的实现方法

讨论了转发器实现收发不间断的方法,提出了在自适应噪声相消的系统上,将简化的分数阶傅里叶变换理论应用于时延估计,进而将干扰信号重构抵消。推导了该算法,并提出基于该算法实现收发同时进行的转发器系统,即透明转发器。给出本系统模型框图,该透明转发器采用最小均方(LMS)算法建立自适应系统控制结构,能够通过自适应滤波器将自发干扰信号减除,并将不相关的背景噪声抵消。最后利用 MATLAB 软件仿真了基于该算法的透明转发器在具体信号上的运用,实验结果表明该方法实现了不间断转发功能,并且系统结构简单、易实现。     

基于时延差方差加权的时延差估计方法

针对目标信源数未知时的时延差估计问题,该文提出一种基于时延差方差加权的时延差估计方法。该方法利用目标辐射信号频率单元对应时延差估计比较稳定,噪声频率单元对应时延差估计比较随机的特点,对各频率单元的时延差估计结果进行时延差方差加权,突出信号所占频率单元时延差估计结果,实现对目标信源数未知时的时延差估计。在该文仿真条件下,相比一般分频带互相关法,该方法对信噪比的鲁棒性提高了。理论分析和实验结果表明：该方法对信源数和信噪比的鲁棒性好于一般分频带互相关法。     

基于自动秩估计的黎曼优化矩阵补全算法及其在图像补全中的应用

矩阵补全(MC)作为压缩感知(CS)的推广,已广泛应用于不同领域。近年来,基于黎曼优化的MC算法因重构精度高、计算速度快的特点,引起了广泛关注。针对基于黎曼优化的MC算法需假设原矩阵秩固定已知,且随机选择迭代起点的特点,该文提出一种基于自动秩估计的黎曼优化MC算法。该算法通过优化包含秩正则项的目标函数,迭代获取秩估计值和预重构矩阵。在估计所得秩对应的矩阵空间上以预重构矩阵为迭代起点,利用基于黎曼流形的共轭梯度法进行矩阵补全,从而提高重构精度。实验结果表明,与几种经典的图像补全方法相比,该文算法图像重构精度显著提高。     

基于扩展路径识别算法的水声OFDM系统低复杂度迭代稀疏信道估计

移动OFDM水声通信系统中,基于压缩感知的稀疏信道估计方法计算量较大,不适用于实时通信.针对这一问题,该文基于一致多普勒信道模型提出一种扩展路径识别(GPI)算法.该方法首先使用信道多普勒扩展矩阵构造等效发射序列,将多普勒信道转化为等效线性时不变信道.然后使用GPI算法估计信道多普勒及各路径的时延及幅度参数,实现低复杂...     

基于稀疏贝叶斯学习的空间紧邻信号DOA估计算法

离格(off-grid)波达方向(DOA)估计解决的是实际DOA和假设网格点的失配问题。对于空间紧邻信号的DOA,稀疏的网格点会导致精度和分辨率的下降,密集的网格点虽然可以提高估计精度却显著增加计算负担。针对此问题,该文提出基于稀疏贝叶斯学习(SBL)的空间紧邻信号DOA估计算法,主要包括3个步骤。首先,通过最大化阵列输出的边缘似然函数,推导了信号在拉普拉斯先验下的新不动点迭代方法,进行超参数的预估计,相比其他经典SBL算法提高了收敛速度;其次,利用新网格插值方法优化网格点集,并二次估计噪声方差和信号功率以分辨空间紧邻信号的DOA;最后,推导了似然函数关于角度的最大化公式以改进离格DOA搜索。仿真表明该算法比其他经典SBL类算法对空间紧邻信号的DOA具有更高的精度和分辨率,同时有计算效率的提升。     

基于USRP2920与差分能量检测的双门限频谱感知算法实现

为提高紧缺频谱资源的利用率,针对实际无线通信环境噪声不确定性对感知性能的影响,搭建了基于软件无线电外设(USRP,NI2920)的认知无线通信系统平台,利用差分双门限能量检测算法感知授权用户信号并估计空闲可用频带,为认知用户的动态频谱接入提供判别依据.此外,推导出差分双门限能量检测概率的闭合表达式,并通过实验估计噪声功...     

平移嵌套阵列稀疏贝叶斯学习角度估计算法

针对阵元间互耦效应导致嵌套阵列测向性能下降的问题,该文提出两种不同的平移嵌套阵列结构,在保证产生虚拟阵列无孔的条件下,通过对原二级嵌套阵列阵元位置进行调整,形成平移嵌套阵列,提高了原二级嵌套阵列的稀疏性,降低了阵元间的互耦效应,扩展了原嵌套阵列的测向自由度。在空间辐射源数目未知条件下,建立了平移嵌套阵列稀疏贝叶斯学习(SBL)算法模型,对形成的虚拟阵列接收数据进行处理,获得角度估计,有效提高了原嵌套阵列测向算法的测向性能。仿真实验表明,平移嵌套阵列自由度高于原嵌套阵列,在低信噪比、小快拍数、存在互耦影响条件下,基于稀疏贝叶斯学习的平移嵌套阵列测向算法测向精度优于原嵌套阵列测向算法,并且提高了原嵌套阵列测向算法的角度分辨率。     

基于连续稀疏恢复循环平稳信号的DOA估计

针对现有稀疏恢复算法在到达角(DOA)估计中存在的网格失配问题（即off-grid问题）,提出基于连续稀疏恢复循环平稳信号的DOA估计。首先,对传统的谱相关信号子空间拟合算法进行分析研究;然后,在循环域利用连续稀疏恢复的思想来构造循环平稳信号的稀疏恢复模型。与传统Cyclic MUSIC算法和现有基于离散稀疏恢复算法相比,文中算法能够克服off-grid问题,具有较高的稀疏恢复精度和较好的稀疏恢复性能;同时,也适用于信号个数多于阵元个数的场合。理论分析和仿真实验证明了算法的有效性。     

基于导向矢量双层估计和协方差矩阵重构的稳健波束形成算法

针对干扰加噪声协方差矩阵(INCM)重构过程中Capon功率谱(CPS)估计分辨率低的问题,该文提出两种稳健自适应波束形成（RAB）算法。该算法首先通过搜索CPS的峰值确定积分区间,然后对各区间积分所得的协方差矩阵进行特征值分解。通过合理设置判定门限确定区间内所含的入射信源数量,并将较大特征值所对应的特征向量作为信源导向矢量(SV)的初步估计。而后通过最大化估计功率的方法,在初步估计SV的正交空间内搜索其与真实SV之间的误差。该算法1利用最小特征值所对应的特征向量,向初步估计的SV中添加正交比例梯度,得到双层估计的SV。与算法1不同,算法2通过求解2次优化(QP)问题得到修正的SV。最后通过重构INCM获得阵列最优权值矢量。通过计算机仿真实验,验证了所提算法有效解决了CPS估计分辨率低的问题,较其他算法综合性能更优,具备更高的稳健性。