基于压缩感知和迭代优化策略的LED参数的快速估计

为快速有效地估计LED智能照明中的未知参数, 首先,将解析表达式中由频率偏移-相位构成的二维平面空间在 水平和垂直两个方向上离散化,构成网状格点空间,并根据测量得到的数据在格点空间具有 稀疏性的特 点建立稀疏模型;然后,在稀疏模型的基础上采用最新的压缩感知(CS)技术,对脉冲宽度调 制PWM信号进行伪 随机线性测量;并利用基追踪(BP)算法重建未知参数;最后,采用迭代细分网格策略对稀 疏模型 进行优化,减少估计误差。实验结果表明,在理想情况下,本文方法仅使用相当于奈奎斯特 采样定理所要 求的0.23%的采样值,就可以快速准确地重建未知参数;经过3次迭代 优 化后,算法的均方误差(RMSE)一般不大于 10－4;算法具有良好的抗噪性能,在信噪比(S NR)大于－160dB时表现出良好的鲁棒性。     

基于频域稀疏性的时间交替模数转换器时间相位失配盲测量算法

该文研究时间交替模数转换器(TIADC)的通道间时间相位失配参数的盲测量问题。基于TIADC系统架构、输入模拟信号的频域稀疏性和非混叠频率点,以采样定理和欠采样理论为基础,探索TIADC系统输入信号、输出信号以及与子ADC输出信号之间的频谱关系,推导出了一种新的基于非混叠频率点的相对频谱的离散傅里叶逆变换序列的相位信息的TIADC通道间时间相位失配参数的盲测量算法。仿真实验表明该文所提出的盲测量算法具有可以与正弦拟合算法相比拟的参数测量精度,并且具有对噪声不敏感,对输入信号频率无限制,对TIADC系统通道数无限制,不需要对输入信号过采样等突出优点。TIADC系统真实捕获数据测试进一步验证了该算法的准确性和有效性。     

电力系统谐波检测全相位频谱分析研究

为了解决电力系统谐波检测中存在的检测精度低的问题,提出一种改进的全相位时移相位差频谱校正算法,消除了相位值对采样中心样点的依赖性。将该算法用于电网含有谐波以及间谐波的测量分析,结果表明该算法在中高信噪比情况下相位误差小于1°,具有估计精度高且稳定性好的特点。     

直序扩频信号PN码相位的自适应测量算法

提出了基于FFT的直序扩频信号PN码相位的自适应测量算法.算法首先利用FFT确定信号的可测性及可有效检测到目标信号的最低采样频率,并计算最低采样频率下信号的PN码相位,然后逐级提高采样频率,用循环卷积法求取各级采样频率下的PN码相位,直至达到测量精度要求.与其他基于FFT的方法相比,该算法可在同等测量精度要求下明显减少计算量,或在计算量相当情况下有效提高测量精度.该算法的主要应用领域为卫星定位信号和直序扩频测距信号PN码相位的精确测量.     

基于张量分解的子空间频率估计及应用

为了提高短时序列的频率估计精度,提出一种基于张量分解的适用于多通道接收数据的子空间高分辨率的频率估计算法。该方法将接收到的多通道采样信号按照一定的形式构建三维数据结构,利用子空间的移不变性,采用张量的高阶奇异值分解直接对数据进行频率估计。仿真表明在低信噪比的情况下,基于张量分解的频率估计算法性能要优于基于矩阵奇异值分解的频率估计算法,将此算法应用于目标轨迹测量中,可以获得高精度的目标轨迹参数。     

基于非正交分解的频率估计算法

高分辨率频率估计是信号处理许多领域研究的热点,并有着广泛应用.通过引入非正交分解思想,提出了一种基于稀疏分解的高分辨率频率估计新算法.由于原子库的冗余性,稀疏分解得到信号更加灵活的表示.算法中稀疏分解利用Matehing Pursuit(MP)算法实现,由分解原子的参数,可得到频率估计.与传统基于DFT频率估计方法相比,新算法可以获得更高的频率分辨率.尤其在低信噪比环境下,算法有明显优势,并且新算法在欠采样情况下仍然适用.理论分析及计算机仿真结果证实了算法的有效性.     

基于稀疏贝叶斯学习的码元速率估计

现有的相位编码信号码元速率估计方法在样本点足够多的情况下才能准确估计出参数,且算法复杂度高。针对此问题,该文详细分析了BPSK信号的结构特征,并以此为先验信息对其循环自相关(CA)向量进行压缩采样,降低了传统贝叶斯复数处理方法的维度。利用压缩传感中离散傅里叶变换矩阵的奇偶性,分解传感矩阵为正弦和余弦变换,分别将CA向量的实虚部转换到对应变换域测量,根据复数信号实虚部具有相同支撑集这一特点,采用多任务稀疏贝叶斯重构时延积向量的单边谱分量,从而估计出码元频率。理论分析和仿真结果表明,相较于其它基于稀疏贝叶斯学习的参数估计算法,所提方法在测量数量较少的情况下也能准确估计出循环频率,且算法实时性显著提高。     

基于OMP-SVD的多分量单频信号频率估计

压缩感知(CS)是稀疏信号处理的有力工具。研究了多分量单频信号经过压缩采样以及信号重构后的频率估计问题。首先以一个随机高斯矩阵对信号进行观测测量,得到观测值;然后基于正交匹配追踪(OMP)和奇异值分解(SVD)算法,利用这些观测值对原信号进行高精度重构;最后利用重构中得到的非零元素的位置信息估计了原信号频率,并与基于Levinson-Durbin的AR参数模型频率估计算法进行了性能对比。仿真证明了算法能够高效重构原信号,并精确估计原信号频率。     

基于空间重采样的宽带DOA估计新算法及其性能分析

首先介绍了宽带阵列信号模型,然后给出了一种基于空间重采样的新的宽带信号相干子空间处理算法。该算法将均匀线阵看成是连续线阵的离散采样,在各个频率点调整阵列空间采样率,将各频率分量的方向向量聚焦到参考频率上,聚焦后得到单一频率点的数据协方差矩阵,再应用窄带MUSIC算法进行DOA估计,无需预估计波达方向,因此可以避免角度预估计对测向性能的影响。仿真实验表明新算法的性能要优于其他典型算法(TCT,RSS和TLS算法)。文中还给出了分辨率与阵元个数、信噪比之间关系。     

稀疏采样数据大转角高分辨ISAR成像技术研究

针对方位向稀疏采样条件下,大带宽大转角ISAR高分辨成像时,转动分量引起的一维距离像中目标散射点的距离走动和空变二次相位问题,研究了一种稀疏采样数据ISAR高分辨成像方法。对于方位向稀疏采样数据,该方法在包络对齐和相位补偿后,将Keystone变换和稀疏恢复相结合,实现方位向稀疏采样数据距离走动校正和缺失采样位置一维像重建,接着采用基于LVD变换的二阶相位估计方法对二阶转动相位进行估计并补偿,完成高分辨成像。计算机仿真和暗室测量数据验证了该方法的有效性。     

一种利用双先验知识的稳健STAP算法

空时自适应信号处理（Space-Time Adaptive Processing, STAP）技术在空域和时域上联合地自适应抑制杂波,以实现对动目标检测。稀疏恢复空时自适应处理方法（Sparse Recovery STAP, SR-STAP）由于利用了杂波谱的稀疏性先验知识,可以缓解在机载雷达在非均匀环境下训练数据不足时,杂波抑制效果性能显著下降的问题。尽管SR-STAP只需要少量样本即可恢复出杂波谱并重构杂波协方差矩阵（Clutter Covariance Matrix, CCM）,其重构性能仍然受到训练样本数量的制约,当增加训练样本数量时,杂波谱恢复精度具有进一步提升的潜力。另一方面,当机载雷达的接收阵列为等间隔均匀线阵并且系统在一个相干处理间隔中脉冲重复频率恒定时,CCM可具有斜对称特性。该先验知识若被充分利用,可以将等效训练样本数量扩展为原来的两倍。本文将CCM的斜对称特性结合入SR-STAP的框架中,提出了一种稳健的SR-STAP算法,该算法同时利用CCM的斜对称特性和杂波谱稀疏性两种先验知识,能够在相同训练样本量下进一步提升杂波谱的恢复精度和CCM的估计精度。算法首先利用斜对称变换矩阵对从待检测单元中的数据和训练样本进行预处理,将等效训练样本数量扩展至原来的两倍;随后结合预处理后训练样本和一种协方差稀疏迭代算法,实现对CCM的准确重构并设计相应STAP滤波器。算法无需设置超参数,实际应用中易于操作。仿真结果表明,新算法能够有效提升杂波谱恢复的准确度,具有较好的杂波抑制性能。      

基于CS的Kalman滤波OFDM信道估计

在OFDM系统信道估计中,准确的时域卡尔曼滤波（TDKF）估计需要信道多径时延作为先验条件,而且具有较低的频谱效率.考虑到大多数无线信道具有稀疏和时变的特性,提出一种改进的卡尔曼滤波与压缩感知联合信道估计方法,采用稀疏度自适应匹配追踪（SAMP）算法,并对信道响应变化量进行重建.仿真结果表明,相较于已有算法,提出的算法不需要知道信道的稀疏度,而且信道估计结果更加准确.     

RIS辅助无线系统中基于压缩感知的稀疏度自适应级联信道估计方法研究

为了解决可重构智能超表面（Reconfigurable Intelligent Surface,RIS）辅助无线通信系统中级联信道的估计问题,本文提出了一种基于压缩感知（Compressive Sensing,CS）的自适应双结构稀疏正交匹配追踪算法（Adaptive Double-Structured Orthogonal Matching Pursuit,ADS-OMP）。已有的双结构稀疏正交匹配追踪算法（DoubleStructured Orthogonal Matching Pursuit,DS-OMP）利用级联信道的双结构稀疏特性即行稀疏特性和列稀疏特性来提高算法估计性能,但需要已知相关信道稀疏度信息。本文提出的ADS-OMP算法在现有的DS-OMP算法基础上设计合理的判决准则和迭代阈值来估计相关稀疏度,从而能在角域级联信道的行稀疏度和列稀疏度均未知的情况下完成级联信道估计,有效克服了现有DS-OMP算法对相关信道稀疏度的依赖,算法实用性更强。仿真结果表明,本文提出的ADS-OMP算法和已有DS-OMP算法估计性能一致,算法复杂度在同一数量级上,前者复杂度略微提升。     

基于无网格压缩感知的雷达通信一体化系统目标参数估计方法研究

本文基于一种基于正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）的雷达通信一体化系统,利用目标时延与多普勒在时频域优良的稀疏性,提供了多种基于无网格的二维时频联合估计方法以解决传统稀疏恢复方法字典失配导致的性能较差的问题,有效提高了动目标参数估计性能,并提供了多测量向量（Multiple measurement vector,MMV）模型,可有效解决低信噪比下目标参数估计性能差的问题。同时,针对基于矢量二维原子范数计算量较大的问题,本文利用半正定规划（SDP）将传统方法的高维Toeplitz矩阵解耦为两个低维Toeplitz矩阵,可将计算复杂度降低几个数量级,同时保留原子范数在超分辨性能的优势,可适应于OFDM多子载波与多符号数波形体制。仿真结果证明该方法保持了原子范数类算法的估计性能优势,并显著减少了计算量。     

RIS辅助卫星物联网中基于压缩感知的SCMA信号重构

卫星物联网是未来6G网络重要组成部分,在地面部署可重构智能反射面（Reconfigurable Intelligence Surface, RIS）则能进一步增强天地之间信号的传输能力;然而海量设备的接入和检测,以及RIS的引入带来的较高复杂度,给系统设计与实现带来挑战。针对卫星物联网设备和业务稀疏特性,本文提出了一种基于压缩感知的信号重构算法,旨在提高系统的接入用户数和检测成功率,同时降低检测的复杂度。首先,介绍了RIS辅助的卫星物联网系统架构,构建了天地信道模型和星上接收信号模型。然后考虑到卫星物联网地面终端的稀疏性和业务的稀疏性,结合稀疏码分多址（Sparse Code Multiple Access,SCMA）和压缩感知的信号处理方法,通过合理设计SCMA中的稀疏码字,将多用户检测转化为压缩感知理论中的信号重构。最后提出了一种演进的近似消息传播算法（Evolved Approximate Message-Passing,EAMP）来实现压缩感知中的信号重构。仿真结果表明,RIS辅助的SCMA系统与功率域的非正交多址接入技术相比可以提高系统的吞吐量性能,同时EAMP算法相比传统的SIC算法具有更高的正确检测概率和更低的算法复杂度。      

高斯尺度混合大气噪声模型的参数估计

非高斯大气噪声的参数估计对甚低频、超低频信号的最佳接收有重要意义。对大气噪声采用基于逆高斯分布的高斯尺度混合分布模型建模,研究了基于逆高斯分布的高斯尺度混合分布模型参数的性质,设计了高斯尺度混合大气噪声模型参数的马尔可夫链蒙特卡罗（ MCMC）算法。算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数。仿真结果表明,该模型对大气噪声有很好的适用性,MCMC算法迭代效率和精度高,具有实际的应用价值。     

分数阶Fourier变换对LFM信号的特征参数估计能力仿真评估

将分数阶傅里叶变换（FrFT）对线性调频（LFM）信号处理方法应用到雷达侦察信号分选与参数估计中,研究FrFT对LFM信号在低信噪比下的检测与参数估计能力。设定了雷达侦察信号背景,制定了仿真验证流程,考察了FrFT对LFM信号的调频率和中心频率的估计能力,对比了不同信噪比下的参数估计运算时间。仿真结果验证了该算法可以完成低信噪比条件下雷达侦察LFM信号特征参数的估计。     

一种深度学习稀疏单快拍DOA估计方法

基于信号的稀疏特性,稀疏恢复（Sparse Recovery,SR）方法可利用单快拍数据进行相关信号源的高分辨波达方向（Direction of Arrival,DOA）估计。然而,现有SR-DOA模型求解方法存在参数设置困难、运算复杂度高或精度有待提高等问题,实际应用受限。针对上述问题,本文提出平滑L0网络（Smoothed L0 Net,SL0-Net）方法,将基于模型驱动SL0算法和基于数据驱动的深度学习方法相结合,用于SR-DOA模型的求解。首先,建立DOA估计的SR模型,并对用于求解该模型的SL0算法进行分析。然后,根据深度学习框架构建SL0-Net,并基于充足完备的数据集对其网络参数进行训练。最后,利用训练得到的SL0-Net对SR-DOA模型进行求解,获得DOA高分辨估计。仿真结果表明,与现有典型算法相比,所提SL0-Net更适于信号源数目未知条件下的快速高分辨DOA估计。     

基于多通道的跳频信号欠采样频率估计

为实现跳频信号频率跟踪估计,本文提出一种基于多通道的跳频信号欠采样频率估计方法。基于快速傅里叶变换（FFT）,提出了一种3谱线方程的频率校正算法,提高了基于中国余数定理的频率估计方法对短序列信号的频率估计精度,与现有的两种基于离散傅里叶变换（DFT）的频率校正算法相比,序列补零数量灵活。给出了一种频率估计检错机制,可以提高算法可靠性。仿真结果表明,本文所提频率估计算法的精度优于现有算法,增加序列补零数量可进一步提高算法的估计精度和信噪比阈值,降低误差平台;检错机制在-23 dB至8 dB信噪比范围内的准确率高于95.5%。      

多相编码雷达信号参数快速估计方法

针对Wigner-Ville分布、Radon-Wigner变换估计多相编码雷达信号参数存在运算量大、估计精度低等问题,本文提出了基于Radon-ambiguity变换和分数阶傅里叶变换(FRFT)联合分析的参数快速估计方法。该方法采用Radon-ambiguity变换估计信号调制斜率,采用分数阶傅里叶变换估计载频、周期等,通过两次一维搜索峰值来估计信号的参数,与Wigner变换、Radon-Wigner变换的二维搜索峰值相比,运算量大大降低,且提高了参数估计精度。仿真结果证明了该方法的有效性。