基于改进压缩采样匹配追踪算法的机械振动信号恢复

为了解决压缩感知重构算法对于机械振动信号的残缺数据恢复不佳的问题,提出一种改进压缩采样匹配追踪算法,对缺失信号进行修复重构。对比几种同类的贪婪重构算法恢复缺失信号的效果。通过仿真数据和实测数据验证算法对信号的恢复效果。结果表明:改进方法能够很好地实现对缺损信号的修复,且重构概率远远高于其他重构算法,比较压缩采样匹配追踪算法与其改进算法发现:在稀疏度为50时,改进算法的重构概率可以达到100%,而未改进的压缩采样匹配追踪算法重构概率为0,说明改进算法的重构效果优于原算法,重构出来的信号可以准确地表现原始信号的全部信息。

正交压缩采样系统时域分析

正交压缩采样(Quadrature Compressive Sampling,QuadCS),可直接低速获取射频信号的同相和正交支路信号,是一种有效的宽带/超宽带信号采样模信转换系统.本文在分析QuadCS感知矩阵时域特性的基础上,有效地将感知矩阵分解成QuadCS不同组成单元描述矩阵乘积的形式,并籍此采用单位范数紧框架理论建立了QuadCS的可重构性.除外,本文还分析了QuadCS输出信噪比和重构信噪比,证明了QuadCS保持输入信噪比的不变性,推导出了重构信噪比损失关系式.本文的工作进一步完善了正交压缩采样理论.

基于感知域测量值的自适应压缩采样方法

现有的自适应采样方法需要在采集端获得原始信号,这在实际的蒸发波导相关气象要素压缩感知过程中不易实现。针对这一问题,提出了一种以测量值数据特征为依据的采样率自适应设定方法。该方法以能量表征各信号块的重要性,以观测值能量近似估计原信号块能量,根据感知域中测量值的能量变化自适应地为各块设定采样数目。理论分析和实验表明,该方法的重构性能优于传统自适应方法,相同采样率下可获得更高的重构信噪比。

基于压缩采样的电力系统负荷频率自动控制研究

为降低新能源接入对电力系统的影响,研究了基于压缩采样的电力系统负荷频率自动控制方法。利用匹配追踪算法对采集到的新能源发电输出功率信号进行稀疏表示,并将稀疏表示后的信号投射至测量矩阵得到低维的测量值。在测量值范围内,运用L1范数优化方法得到重构后新能源发电输出功率。将该功率与期望功率的偏差作为扰动项,接入基于比例积分(PI)控制器的负荷频率控制模型。利用变论域方法调节PI控制器输入与输出论域。根据模糊推理定义伸缩因子,构建变论域模糊PI控制器使之作用于负荷频率控制模型,完成电力系统负荷频率的自动控制。试验结果证明:该方法控制后的输出功率稳定,负荷扰动下区域控制偏差和频率偏差小,电力系统负荷频率自动控制的精度最高可达99%,具有实用性。

压缩采样光谱调制技术研究

为了避免光谱成像系统的时间损失,提高系统光通量,提出一种压缩采样光谱调制技术,搭建了基于数字微镜器件的压缩采样多光谱成像系统.该技术基于压缩采样理论,采用编码孔径光学系统以低于奈奎斯特频率对光信息进行采样,大幅度地减少了光谱数据量.实验中根据探测器得到的隐含光谱信息的二维图像,采用双收缩快速迭代算法重建612nm激光和彩条布的数据立方体,结果表明:压缩采样多光谱成像系统不仅具有高光通量和高分辨率等特点,并在获取谱信息的同时对其进行瞬时压缩,压缩比可达31∶1.

面向无人机数据回传的压缩采样技术:机会与挑战

随着无人机(unmanned aerial vehicle,UAV)的广泛应用,其与地面接收站实时共享机载传感器数据成为工业界的迫切需求.然而,目前为无人机开放使用的频谱资源稀缺,通信信道带宽非常有限,这就促使人们研究如何在带宽受限条件下实现无人机数据的实时无损回传.作为突破经典奈奎斯特(Nyquist)采样理论的新技术,压缩采样将是解决这类问题的最佳方案.本文通过对比当前无人机通信技术核心参数,揭示现有通信技术标准无法满足无人机数据通信对信道带宽日益迫切的需求,评述无人机数据回传压缩技术,对压缩感知、1-bit压缩采样、相位恢复和矩阵补全技术原理进行回顾.采用压缩感知和矩阵补全技术对实测数据进行验证,结果表明,压缩感知和矩阵补全技术可在带宽不变的情况下,显著降低数据的传输时间.最后提出无人机数据压缩和恢复领域的4个研究发展方向.

基于压缩采样的低截获概率雷达信号测向技术

以基于压缩采样的测向技术为重点,研究了低截获概率雷达信号测向技术,分析了信号压缩采样后的测向技术实现过程,对系统的设计和测向过程中的关键技术进行了阐述,研究成果具有一定的工程应用价值。

一种压缩采样中的稀疏度自适应子空间追踪算法

针对压缩采样中未知稀疏度的信号,本文提出一种自适应子空间追踪算法.首先,采用了一种基于匹配测试的估计方法获取稀疏度的估计值,再通过子空间追踪重构信号.若子空间追踪不能成功重构,则通过渐近增加信号稀疏度的方法实施估计,而上述过程可描述为在弱匹配原则下新原子的选取过程.仿真结果表明,本文的算法可以准确有效重构信号,同时运算量也较低.

一种自适应压缩采样匹配追踪算法

压缩采样突破了奈奎斯特采样定理的限制,以低于奈奎斯特率对信号进行采样,通过相关算法精确恢复信号。依据重建算法需要稀疏度这一先验信息,提出一种自适应压缩采样匹配追踪信号重建算法,该算法摆脱对稀疏度的依赖,通过自适应调整步长逐步逼近原始信号。仿真结果表明,该算法能精确地对信号进行重建,重建概率和计算复杂度均有所改善。

压缩采样技术及其应用

如何降低宽带模拟信号数字化过程中的采样率,以及如何有效的对大量数据进行压缩存储一直是学者们关心的问题。该文综述了最近出现的一种新型信号处理方法—压缩采样(Compressive Sampling,CS),也称压缩传感(Compressive Sensing)。该方法通过对稀疏信号进行观测而非采样,只需少量观测点就能精确的重构原始信号。结果表明新方法的观测频率可以远远低于奈奎斯特采样频率。该文除介绍其基本原理和主要实现方法外,同时列举了多种应用,并指出若干待研究的问题。

密集型谐波检测的压缩采样方法

压缩采样已成为电力系统中复杂谐波畸变信号实时采集和密集检测的发展趋势。文中针对谐波和间谐波检测,提出一种新型压缩采样检测方法。分析得到稀疏度的相关定理和推论,提出多重提取梯度追踪(MEGP)算法,提升谐波分量、特别是间谐波分量的检测精度。考虑频谱泄漏影响,构造窗稀疏测量(WSM)矩阵,生成简单且对所有分量有效。实验表明,MEGP算法至少可将频率、幅值、相位检测精度分别提升0.000 53Hz、0.011 2个百分点和0.071°,WSM矩阵则可将信噪比提升约30dB。所提压缩采样检测方法对频率、幅值和相位的检测误差在0.004 03 Hz、0.001 73%和0.037 221°以内,满足国家标准要求。

基于正交压缩采样系统的脉冲雷达回波信号实时重构方法

正交压缩采样是低速获取带通模拟信号同相和正交分量的新型模信转换系统,可广泛应用于雷达、通信等电子系统。但是对于宽带或超宽带脉冲雷达,重构奈奎斯特率的全程回波信号需要大的存储空间和计算量,以致于难以实现实时重构。该文在对正交压缩采样系统特性进行分析的基础上,将测量矩阵近似成一种具有特殊带状结构的矩阵,然后采用分段滑动重构思想实现实时重构。仿真结果表明,在对测量矩阵进行合理近似的基础上,该文提出的重构方法可以极大地节省存储空间和计算时间,实现近似最优的重构性能。

非均匀块稀疏信号的压缩采样与盲重构算法

该文对非均匀块稀疏信号的压缩采样速率下限进行了分析,并对测量矩阵的约束等距常数衰减特性进行了理论证明。在此基础上,提出了一种块稀疏阶数和块分布未知情况下的非均匀块稀疏信号盲重构算法,按照逐次递减的块长度,对非均匀块稀疏信号进行多次均匀切割,利用正交匹配追踪算法逐次剔除均匀块中的零值位置,从而精确估计信号中非零块位置,实现信号的准确重构。理论分析了算法的性能,仿真实验进一步验证了算法的有效性和实用性。

基于隐马尔科夫树模型的小波域压缩采样信号重构方法

压缩传感理论利用信号的稀疏性,对其非自适应线性投影进行压缩采样,通过最优化问题准确重构原始信号。传统重构算法仅利用了信号的稀疏性,而未对转换后的信号结构进行分析。提出了一种基于4状态的隐马尔科夫树模型的小波域压缩采样信号的重构方法,相对2状态的隐马尔科夫树模型,该模型能够获取相邻尺度小波系数的更多相关特性,通过仿真结果表明,该算法具有更高的重构精度。

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 d B^21 d B。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MWC压缩采样宽带接收机的雷达信号脉内调制识别

针对传统宽带数字接收机在接收宽带雷达信号时产生的跨信道问题,以及低截获概率(LPI)雷达信号脉内调制盲识别问题,该文提出一种基于调制宽带转换器(MWC)离散压缩采样的新型宽带数字接收机结构对宽带雷达信号进行截获和识别。该结构采用伪随机序列将接收信号混频至基带和其他子带内,经低通滤波、降速采样获得基带压缩采样信号,解决了跨信道信号问题;又提出一种基于短时傅里叶变换(STFT)和频谱能量聚焦率检验的识别算法。首先检验STFT频谱带宽并进行调相和调频信号粗识别,然后检验压缩采样信号频谱能量聚焦率并进行具体的信号脉内调制识别。仿真结果证明了该新型接收机结构和该识别算法在低信噪比下的有效性。

正交压缩采样雷达偏离网格目标时延估计技术

参数扰动正交匹配追踪是一种有效的偏离网格目标时延估计技术.但是,该方法在每次迭代时只搜索一个目标,计算量大.本文提出一类低计算量的偏离网格目标时延估计技术——参数扰动带排除贪婪重构算法.该算法在贪婪重构方法中引入带排除技术,用于检测多个与目标最邻近的离散网格,利用参数扰动技术来估计目标与最邻近离散网格之间的时延偏差.本文以正交压缩采样雷达为例,采用回溯自适应正交匹配追踪方法,研究参数扰动带排除贪婪重构算法性能.仿真实验表明,与已有的相关方法相比,该算法在不影响估计精度的情况下可减少一倍以上的计算时间.

紧致麦克风阵列压缩采样与DOA估计方法

针对紧致麦克风阵采样信号大量冗余的问题，提出了一种ΣΔAD压缩采样方法。该方法将软硬件相结合，在ΣΔAD转换器内部进行压缩采样。压缩采样中采用自适应过程，去除信号中的冗余分量，并将压缩后的信号进行稀疏编码。仿真结果表明，使用该方法对紧致麦克风阵接收信号进行压缩编码时，通过选取合适的稀疏化阈值，可使源数据的压缩比达到10％～30％。压缩采样后的信号可以用于DOA估计等应用。针对八元紧致麦克风圆阵和DSP实时系统的DOA估计实验结果表明：这种DOA估计方法在阵元间距低至2 cm时仍能正常工作；当阵列尺寸减小时，相比经典MU SIC算法和PHATG-C C算法，该方法定位精度更高，噪声鲁棒性更强。

一种新的压缩采样匹配追踪算法

提出了实用性更强的完全受噪声扰动理论模型,引入了与原信号相关的乘性噪声;并基于新的模型,提出了一种改进的压缩采样匹配追踪算法。该算法通过构造一个感知测量矩阵,在信号替代阶段中取代随机测量矩阵来减少相关性对支撑集筛选的影响,最后可在乘性噪声存在的情况下实现了信号的精确重建。实验结果表明,在相同测试条件下,该算法的重建效果均优于其他贪婪算法和基匹配法(basic pursuit,BP)。

宽带雷达中频回波长脉冲压缩采样重构中的分段重叠处理及其机理分析

宽带雷达中频回波在频域上稀疏。根据压缩感知理论,可对其进行压缩采样并从压缩采样结果中以很高的概率重构出原信号。中频回波压缩采样的重构需要的矩阵尺寸由中频回波的长度决定。在长脉冲情况下,重构所需的矩阵尺寸大,占用内存资源过多,处理速度慢。针对此问题,论文将分段重叠处理引入重构过程。论文首先详细给出了引入分段重叠处理之后的重构方法,接着通过严格数学推导,证明了频谱泄漏与局部时域序列的关系具有如下特点:远离谱峰的谱值受时域序列两端的影响要强于靠近谱峰的谱值,利用该特点说明了分段重叠处理抑制误差的机理。实测数据实验表明了分段重叠处理在重构质量上优于分段不重叠处理,在对存储资源的要求上远低于不分段处理。