基于压缩感知的脉冲超宽带信号检测

传统的信号检测算法基于奈奎斯特采样定理来实现,这对于带宽极宽的超宽带(ultra-wideband,UWB)信号而言由于要求采样速率过高而很难用硬件去实现。为此,本文研究了基于压缩感知(compressive sensing,CS)的脉冲超宽带(impulse radio UWB,IR-UWB)信号检测问题,利用IR-UWB信号在时域上的稀疏特性,设计了一种基于压缩感知的IR-UWB信号检测框架,在此基础上提出了一种自适应加权正交匹配追踪检测算法。仿真结果表明,新算法不仅能够通过远少于奈奎斯特定理所要求的采样速率检测出IR-UWB信号,而且与基于匹配追踪的压缩感知检测算法相比,新算法在低信噪比的情况下对IR-UWB信号的检测效果更佳。

基于粒子群优化的图像稀疏分解算法研究

研究高光谱图像的稀疏分解匹配优化问题,为便于对图像进行压缩处理,但正交匹配追踪算法的计算复杂度非常高,难以用于实时处理。针对高光谱图像,提出采用粒子群优化的图像稀疏分解算法,对正交匹配追踪算法的匹配过程进行优化,依靠粒子群算法的局部寻优能力,快速找到最优原子,完成图像稀疏分解。实验结果表明,在构造的Gabor冗余字典基础上,改进算法得到的重构图像峰值信噪比能达到44dB以上。同时,与正交匹配追踪算法相比,上述算法计算复杂度低,计算效率提高14倍,且算法不需要事先产生冗余字典,减少对存储空间的占用,满足实时性要求。

SC-FDE系统中基于压缩感知的海上稀疏多径信道估计方法研究

首先建立了适用于不同海情级、不同频段的海上船舶间通信时的多径信道模型,针对SC-FDE系统在海上多径信道上的传输,研究了基于压缩感知的稀疏信道估计方法,利用CHU序列作为导频设计了一种Toeplitz循环矩阵作为压缩感知的测量矩阵,结合稀疏度自适应匹配追踪信号重构算法提出了T-SAMP算法,分析比较了T-SAMP、正交匹配追踪算法和最小二乘法3种算法的归一化均方误差和误码率性能.仿真结果表明提出的T-SAMP算法可以在未知稀疏度的情况下对信道进行准确估计,比正交匹配追踪算法更具有实用性,而且获得了比最小二乘法更好的信道估计性能,且需要的导频数量较少,提高了频带利用率.

非正交二值子空间模板表示的并行生成

非正交二值子空间是一种重要的图像模板表示方法,能够高效地进行模板匹配。针对其生成过程耗时多难以实时应用的问题,提出了一种基于统一计算设备架构(CUDA)的非正交二值子空间模板表示的快速并行生成算法。该算法将模板生成过程划分为3个步骤,并根据每个步骤数据处理的特点,进行并行任务分解,极大地缩短了生成时间。实验结果表明,相比基于CPU生成相同的模板表示,该算法的速度提升了60～120倍。在应用于模板匹配时,该并行的模板表示生成算法能够很好的改进匹配效率。