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。

基于频域采样的大动态混合信号采集方法

针对电磁频谱监测应用下大动态混合信号中,一些在频谱中位置不确知小信号由于ADC采样器件精度有限而无法获得较高量化信噪比采样的问题,提出了两种基于频域采样的信号采集方法,分别为选通型和动态增益控制型,这两种采集方法能够以较高的量化信噪比完成大动态混合信号中小信号的采样,仿真进一步验证了两种方法的有效性。

基于量化噪声谱分析的ADC无杂散动态范围

针对模拟数字变换器(ADC)无杂散动态范围(Spurious free dynamic range,SFDR)性能评估受测量方法和测试参数限制,导致测量偏差较大的问题,分别从量化和采样两个角度出发,在对ADC的量化噪声谱分析的基础上,通过数学推导给出了理想的ADC在不同量化比特条件下的无杂散动态范围的理论上界。同时分析阐明了SFDR性能和输入信噪比之间的关系;并进一步分析了在不同采样频率条件下,ADC输出信号离散谱的特点及其对无杂散动态范围性能的影响,并结合傅里叶分析测试法验证了推导结果的正确性。

一种基于循环谱的MPSK信号符号速率估计方法

针对频谱感知的实际应用,在循环平稳理论的基础上,研究了经过脉冲成形滤波器滤波后的MPSK信号的循环谱特性,通过分析有限数据条件下剩余带宽对循环谱估计的影响,提出一种恒包络处理与频域平滑循环周期图结合的符号速率估计算法。仿真表明该方法在有限数据条件下具有良好的性能,而且在剩余带宽较小时,也能有效地估计MPSK信号的符号速率。

基于压缩感知的自适应干扰抑制算法

针对基于Nyquist采样理论的干扰抑制算法在宽频带信号接收处理中受限于信号带宽和现有器件水平的问题,提出了一种压缩域的自适应干扰抑制算法。首先利用压缩感知技术以远低于Nyquist采样率的速率获得信号的压缩测量值;然后基于最小输出能量准则,并结合空间投影技术,利用投影值完成干扰信号的检测和抑制;进一步推导并给出了算法的闭式解及LMS自适应实现过程。理论分析和仿真结果表明,该算法极大地降低了对A/D器件和后端数字处理器件的要求,且无需预知干扰信号在宽频带中的位置先验信息,并对干扰源的个数无限制,具有较强的实用性。

基于信号二次方谱相关特征的MPSK调制识别

针对MPSK信号的调制识别问题,提出了一种新的基于二次方谱相关特征的识别算法。本文对MPSK信号二次方谱相关特性进行了推导和分析,并根据二次方循环谱特性提出了一种新的基于二次谱相关密度的归一化识别特征,新识别特征不受载波相位误差、信号幅度变化的影响,且特征提取方法简单、高效,有利于工程实现。最后对算法识别性能进行了仿真分析,仿真结果表明在低信噪比下该算法具有良好的识别性能,在高斯白噪声环境下,当信噪比为4dB时,正确识别率可达到95%以上。理论分析和仿真结果都证实了该算法的有效性和可靠性。

粗集及遗传算法在交通事故黑点分析中的应用

交通事故黑点是由好多种因素综合到一起而形成的。利用粗集理论及遗传算法对冗余的黑点成因进行删减,得到主要的黑点成因,从而进行有针对性的治理,以达到减少交通事故的目的。

基于斜投影算子的压缩域滤波法

通过对压缩感知和压缩域信号处理技术的研究,提出了一种基于斜投影算子的压缩域滤波法,在不精确已知目标信号稀疏位置的情况下,利用测量矩阵信息,构造斜投影滤波算子来完成干扰信号的滤除功能,从而达到直接利用压缩测量值不经信号重构而进行滤波的目的.理论分析了该方法的有效性.实验仿真结果表明,该方法能在压缩域有效地滤除非目标信号,并且相比于正交投影算子滤波法具有更好的性能.

基于循环谱的MSK信号参数估计

分析了MSK信号的谱相关特性,在此基础上提出了一种基于循环谱的MSK信号载频和波特率估计算法,通过对算法渐近特性和消失特性的分析,得出了算法随数据采样点T的增加以速率O(1/T)收敛的结论。计算机仿真实验证明了该算法在低信噪比下具有较好的性能。

一种基于选择性测量的自适应压缩感知方法

针对低信噪比条件下现有压缩感知系统重构性能严重恶化的问题,提出了一种基于选择性测量的自适应压缩感知结构.首先推导并分析了经过压缩测量的噪声的统计特性及其对重构性能的影响;然后基于输出能量最小化准则,设计了一种压缩域投影滤波联合噪声检测的自适应感知器,感知获得噪声子空间的位置信息;进一步利用该信息构造选择性压缩测量矩阵,智能选择测量信号,同时'屏蔽'噪声分量,极大提高了压缩测量值的信噪比.仿真结果表明,相对于现有压缩感知结构,选择性测量的压缩感知结构明显改善了含噪稀疏信号的重构性能,可更好地应用于吸波材料的前端特性分析、认知无线电的频谱感知等领域.