具有快速再锁定特性的亚采样锁相环设计

相较于传统的电荷泵锁相环,亚采样锁相环以其优良的带内噪声抑制作用,近年来得到了关注和研究.但传统的亚采样锁相环由于其辅助锁频环路中三态鉴频鉴相器较长的固定死区,一旦受到干扰失锁后,需要较长的再锁定时间.针对这一问题,本文在传统的亚采样锁相环设计基础上,设计了一种低噪声、短死区的整数分频亚采样锁相环电路架构,其包含了核心亚采样环路、辅助锁频环路.在辅助锁频环路把输出信号频率锁定至预设频率附近后,环路切换至亚采样环路.亚采样环路通过亚采样鉴相器实现低频参考时钟对高频输出时钟的采样,并将参考时钟和输出时钟之间的相位差转化为输出电压差;该输出电压差控制亚采样电荷泵对环路滤波器充放电,调节输出时钟频率和相位.双环路之间的切换通过辅助锁频环路中的短死区鉴相器实现,这使锁相环既避免了长死区导致的长再锁定时间,也避免了分频器额外的带内噪声放大作用,在兼顾亚采样锁相环良好的带内噪声抑制性能的基础上,有效提高了电路的鲁棒性.本文基于180 nm 1P6M CMOS工艺,完成了800 MHz输出频率的整数分频亚采样锁相环的电路设计、版图绘制和后仿真验证.核心电路版图面积为0.114mm2,功耗为10.8 mW.仿真结果表明,所设计的亚采样锁相环相较于传统结构将再锁定时间降至1.18μs,同时带内相位噪声为-117dBc/Hz@200kHz,参考杂散为57.8 dBc-.

基于傅里叶系数实部的脉冲流信号欠Nyquist采样方法

有限新息率(FRI)采样理论可以远低于信号Nyquist频率的采样速率实现对脉冲流信号的欠采样。经典的FRI重构算法大多基于傅里叶系数进行运算,其中存在大量的对复数矩阵的奇异值分解,降低了算法的执行效率。针对该问题,该文提出基于傅里叶系数实部的脉冲流信号FRI采样及重构方法。首先利用离散余弦变换从脉冲流信号的低速采样值中获取其傅里叶系数实部信息,并在重构算法中使用实部的Toeplitz矩阵以提高奇异值分解(SVD)的效率;其次,为了提升经典的零化滤波器算法的鲁棒性,该文从傅里叶系数实部协方差矩阵的旋转不变特性以及零空间特性出发,提出基于离散余弦变换的协方差矩阵分解算法以及基于离散余弦变换的零空间搜索算法来估计脉冲流信号的特征参数,并针对出现的共轭根问题,提出基于交替方向乘子法的去共轭算法。仿真结果表明:在信号新息率较高的情况下,使用傅里叶系数实部信息会极大提高算法的执行效率,同时保证参数估计的准确性。

关于正弦信号Nyquist采样的一个注记

讨论正弦信号的Nyquist率采样问题 .对于正弦信号 ,一般认为以Nyquist率对其均匀采样 ,至少在一定条件下 ,所得采样序列即可完全包含原信号信息 ,并能精确重构原信号 .但从频域混叠的角度讲 ,Nyquist率采样在正弦信号的特殊情况下 ,是不符合采样定理要求的 ,故采用频域分析方法对Nyquist采样时的频谱混叠现象进行了分析 ,澄清了关于正弦信号Nyquist采样问题的认识 .

基于相位相关和重采样的亚像素图像配准算法

为了实现高精度的图像配准,提出了一种基于相位相关和重采样的亚像素图像配准算法.首先基于相位相关实现像素级的粗定位,然后在粗定位点邻域范围内利用矩阵乘法的离散傅里叶变换(DFT)高倍数重采样,并基于相位相关作重采样区域的像素级定位,实现亚像素级的细定位.文中从理论上证明了基于矩阵乘法的DFT实现部分区域重采样的方法与基于零填充重采样的方法在计算精度上具有等效性.实验结果表明,文中算法的配准精度、计算效率和抗噪性优于基于交互相关和扩展相位相关的亚像素配准算法.

非亚采样Contourlet遥感图像融合

非亚采样Contourlet变换是在非亚采样塔型滤波器及非亚采样方向滤波器组的基础上建立起来的,它是一种移不变多方向多尺度图像表示方法。介绍了该变换的结构特点与系数分布特性,并研究了基于非亚采样Contourlet变换的图像融合算法。该算法利用非亚采样Contourlet的平移不变性以及NSCT系数特点,有效准确地提取图像边缘与细节区域,并分别在高、低频域针对不同区域采用不同的融合方法,有效挖掘了待融合图像中的有效信息。这种具有多分辨率分析和多方向滤波特点的处理方法,提高了融合后遥感图像中的信息量和清晰度,对不同分辨率不同方向上的信息进行挖掘及融合,解决了传统小波融合算法中方向数目受限的不足。通过仿真实验与传统融合方法进行比较,验证了该方法的有效性和优越性。

基于SVD与MUSIC的亚奈奎斯特采样重构算法

调制宽带转换器(modulated wideband converter,MWC)采样方法针对稀疏宽带信号实现了可精确重构的亚奈奎斯特采样,缓解了采样率高的压力。然而现有重构算法所需的最小通道数和采样率与理论下限值仍存在较大差距。针对该问题基于奇异值分解(singular value decomposition,SVD)和多信号分类(multiple signal classification,MUSIC)思想提出一种间接重构算法。该算法首先利用SVD思想通过降维变换在不改变未知矩阵支撑集的前提下将MWC采样模型转化为低维的多测量向量(multiple measurement vector,MMV)问题,然后利用MUSIC思想获取支撑集,最后通过伪逆实现重构。实验结果表明,与传统重构算法相比,该算法可以进一步降低采样率要求,在较少的通道数下实现高概率重构,在一定条件下,重构所需的最低通道数已接近理论下限值。

基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法

该文研究了多尺度几何分析工具非亚采样Contourlet变换(NSCT),提出一种新的全色图像和多光谱图像融合的方法。该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,对于二者的低频近似系数再进行平稳小波变换(SWT)并融合,进一步提高融合图像的空间信息量,对于高频细节系数,采用基于局部平均梯度的方法进行融合,经过逆NSCT得到融合图像。实验结果表明,该文提出的方法在保留多光谱图像的光谱信息的同时,增强了融合图像的空间细节表现能力,提高了信息量,并且优于传统的基于IHS变换、小波变换、双树复小波变换及Contourlet变换的融合方法,该方法是有效可行的。

基于随机投影思想的MWC亚奈奎斯特采样重构算法

针对现有调制宽带转换器(Modulated Wideband Converter,MWC)亚奈奎斯特采样重构算法性能不高问题,提出了一种基于随机投影思想的重构算法.该算法首先将MWC所获得的测量值矩阵通过随机投影方法压缩成具有较少向量的新的测量值矩阵,然后利用所提出的求解器求解多测量向量问题,通过检验和重复尝试性求解过程提高MWC的重构性能.从理论和实验两个方面验证了所提出的算法的有效性.实验结果表明,与著名的ReMBo算法相比,该算法有效提高了重构成功率;当信号的频带数相同时,精确重构所需的硬件通道数更小;在相同的硬件通道数前提下,可重构的信号频带数更高.该算法与ReMBo相比运算时间并没有大幅度增加,当信号频带数较大时,不仅重构性能高,而且运算时间比ReMBo小.

一种基于整数坐标的亚像素精度区域采样反走样算法

为了快速有效地消除图形显示中的边界锯齿,提出了一种基于整数坐标的亚像素精度区域采样反走样算法。该算法将坐标点的亚像素部分保存于整数的低位,整数部分存于高位,根据亚像素部分与整数部分的差值,利用位运算快速计算像素的覆盖面积,像素亮度等级可达到2"(n为亚像素位数,通常情况n取8)。与基于中点算法的区域采样算法相比,图像精度高,计算速度快;与过采样算法(采用3×3或4×4的过采样网格)相比,采样精度高,计算量不会随着采样精度的提高而变大,也不存在图像重建过程中由高分辨率数据向低分辨率转变时的信息丢失问题。实验结果表明,新算法生成的图像比较细腻,实时性比较高,优于一般的反走样算法。

稀疏信号欠Nyquist采样与重构研究现状分析

传统的信号采样理论要求采样频率需高于Nyquist频率(信号最高频率)的两倍,给射频及超宽带领域的信号采样、存储和传输造成巨大压力。近年来针对可以进行稀疏表示的信号,欠Nyquist采样技术取得了很大的发展,大大降低了精确重构原始信号所需的采样率。综述性地归纳了目前可以进行欠Nyquist采样的信号模型,将出现的各种欠Nyquist采样总结为一个基本模型,并针对频域稀疏和时域稀疏信号分别对采样模型及原理进行了阐述,分析了采样信号的子空间探测和重建方法,讨论了稀疏信号欠Nyquist采样与重构的实现与应用现状,并对研究前景进行了展望。

玫瑰扫描亚成像系统中非均匀采样参数的确定

在实时图像处理系统中 ,图像的分辨率和系统的计算量之间总存在矛盾。高分辨率意味着大数据量和较大的计算量 ,但较低的分辨率又会影响图像处理的质量。为了解决图像数据量和分辨率之间的矛盾 ,根据玫瑰扫描视场中心区域扫描频率高 ,扫描迹线密 ;边缘区域扫描频率低 ,扫描迹线疏的特点 ,提出了在玫瑰扫描红外亚成像系统中应用高斯型非均匀采样函数进行非均匀采样的新方法。讨论了图像数据量和分辨率与非均匀采样参数之间的关系 ,在此基础上给出了确定非均匀采样参数的方法。

用于宽带频谱感知的全盲亚奈奎斯特采样方法

亚奈奎斯特采样方法是缓解宽带频谱感知技术中采样率过高压力的有效途径。该文针对现有亚奈奎斯特采样方法所需测量矩阵维数过大且重构阶段需要确切稀疏度的问题,提出了将测量矩阵较小的调制宽带转换器(MWC)应用于宽带频谱感知的方法。在重新定义频谱稀疏信号模型的基础上,提出了一个改进的盲谱重构充分条件,消除了构建MWC系统对最大频带宽度的依赖;在重构阶段,将稀疏度自适应匹配追踪(SAMP)算法引入到多测量向量(MMV)问题的求解中。最终实现了既不需要预知最大频带宽度也不需要确切频带数量的全盲低速采样,实验结果验证了该方法的有效性。

考虑填充率下亚像元与过采样成像MTF对比

针对探测器存在填充率时过采样和亚像元成像质量评价问题,利用亚像元算法反演线阵探测器像元扩散函数,发现较过采样成像不仅能在1/m微扫描作用下减小采样间隔,还能使探测器矩形窗口压缩m倍.根据MTF和一阶过零频率概念,得到同一填充率下亚像元较过采样对欠采样成像改善程度要大,且随着填充率的提高该优势愈加趋于明显.对比评价对实际亚像元算法成像的前景和优势给与理论上的肯定.

亚像素采样对LED显示质量的提升

清晰显示高分辨率画面是LED显示屏图像质量提升领域中亟待解决的关键问题之一.针对LED显示屏分辨率低、成本高、像素排布灵活的特点,研究了亚像素采样技术在LED显示屏中的应用.从信号处理的角度,在RGB颜色空间中对LED显示屏建立了全像素采样和亚像素采样数学模型,在亮度与色度相分离的空间中对两种采样方式进行了频谱分析,证明了应用亚像素采样技术可以将显示系统的亮度混叠转移到了人眼较不敏感的颜色通道上,有效扩展了LED显示系统在各方向上的Nyquist频率限制.物理屏体上的仿真实验表明亚像素采样对LED显示屏的图像显示质量具有改善作用.

基于非亚采样轮廓波的舰船尾迹检测(英文)

介绍了海洋表面合成孔径雷达(SAR)图像的舰船尾迹检测算法。该算法首先对图像进行对数变换,将乘性噪声转化为加性噪声,然后对图像进行非亚采样contourlet变换,根据变换后的像素均值对变换系数进行调整,以便去除噪声和提取尾迹轮廓。接着对经非亚采样contoulet调整后的图像进行局部Radon变换,即在对像素积分过程中沿着线性特征被分割后的若干短线段进行积分,而非对整幅图像进行积分。最后通过采用形态学膨胀和腐蚀的方法将临近的分离短线段连接起来便于后续的处理。采用该算法对实际SAR图像进行舰船尾迹检测,结果表明:该算法在背景噪声很强时仍能检测出略微有弯曲的尾迹信号。

基于CCD亚像元细分原理的点目标自动采样算法

该文首先从短焦距镜头和给定CCD成像阵列的成像特性出发,分析了实现亚像元成像与定位的必要性。在对比提高像素分辨率和提高测量分辨率这两种亚像元动态成像技术之后,研究了如何在保持现有硬件系统不变的情况下,通过软件插值细分实现亚像元定位的方法。针对点目标图像可能存在的“方块效应”与“细节退化”现象,结合点目标灰度特性处理技术,改进并完善了邻域线性插值细分方法。从而,提出了该基于CCD亚像元细分原理的点目标自动采样算法。实验结果证明:该算法简单、可靠、稳定、快速,并具有一定适用性,为相关领域内的应用提供了宝贵的参考价值。

频谱互质重排亚奈奎斯特率采样方法

本文提出了一种基于频谱互质重排的超低速率信号采样方法.该方法将稀疏傅里叶变换从离散时间域拓展到连续时间域,首先通过互质结构傅里叶展开采样对频域稀疏信号的频谱分量进行重排和压缩,然后通过基于中国余数定理的亚线性算法对信号进行了重构.实验结果表明,本文所提的采样方法可进一步降低频域稀疏信号的采样速率.

基于采样值随机压缩矩阵核空间的亚奈奎斯特采样重构算法

针对现有调制宽带转换器亚奈奎斯特采样重构算法性能不高问题,该文提出一种基于采样值核空间的支撑重构算法和随机压缩降秩方法,将两者结合得到一种高性能采样重构算法。首先利用随机压缩变换在不改变未知矩阵稀疏特性的前提下将采样方程转化为多个新的多测量向量问题,然后利用采样值矩阵核空间与采样矩阵支撑正交的关系获取联合稀疏支撑集,最后通过伪逆完成重构。从理论和实验两个方面对所提方法进行了分析和验证。数值实验表明,与传统重构算法相比,所提算法提高了重构成功率、降低了高概率重构所需的通道数,而且重构性能总体上随压缩次数增加而提高。

基于亚采样点级别的TDOA时延估计

针对无源时延定位技术中时延的估算受系统采样率影响较大的问题,提出一种基于亚采样点的时延估计算法,在采样点最小单位的基础上,利用2个基准监测站信号点的几何特征计算时延。在Matlab仿真程序中,模拟1个信号辐射源和2个基准监测站,以2个监测站信号及其瞬时相位作为算法输入部分,对比二者时延估计的精度,证明算法的有效性。试验结果表明,基于亚采样点的时延估计算法计算精度与信号点数及采样周期有关,且在相同采样率下,该算法估计的时延精度高于采样点级别的时延估计方法。

基于运动变化信息熵的视频序列时域亚采样技术

视频序列的时域亚采样对于低比特率信道上的视频传输和存储空间受限条件下的视频存储具有十分重要的意义。目前普遍采用的时域等间隔亚采样方法有时会造成视频序列中重要的运动变化信息的丢失。针对这一情况,本文提出了基于运动变化信息熵的视频序列时域亚采样技术,通过帧间运动场分析,利用运动场总体能量和运动补偿后的残差能量综合描述视频序列的运动变化信息,并根据信息熵最大化准则确定各个时域亚采样时刻点。大量的对比实验证明该方法明显优于时域等间隔亚采样方法,它较完整地反映了序列图像的运动变化过程,更有利于对视频内容的理解。