基于分布式压缩感知的改进SOMP信道估计算法

针对多径信道联合稀疏模型,基于分布式压缩感知理论提出了一种适用于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)通信系统的改进同时正交匹配追踪(Simultaneous Orthogonal Matching Pursuit,SOMP)信道估计算法。该算法首先联合多个符号利用比较残差和的方式,在每次迭代中估计各符号信道响应公共支撑集与相应元素直到公共支撑集估计结束,然后对各符号信道响应非公共支撑集单独进行估计,最终得到多个符号的信道响应估计值。仿真结果表明,改进的SOMP算法在JSM-2模型下性能与传统的SOMP算法相近,在JSM-1模型下性能优于传统的SOMP算法与OMP算法。

深海远程正交频分复用水声通信簇约束的分布式压缩感知信道估计

在深海远程正交频分复用水声通信中,信道时延较长,导致信道频率选择性衰落严重,传统的压缩感知信道估计算法性能大幅下降。为此,该文利用深海远程信道在一定时间内具有相关性并呈较稳定簇状分布的特点,在分布式压缩感知信道估计中引入簇区域信息,进行簇约束的多数据块联合稀疏信道估计,提出一种簇约束的分布式压缩感知信道估计方法,并在深海开展了定点远程水声通信实验进行验证,实验结果表明,与传统的分布式压缩感知信道估计算法相比,本方法的能够降低50%左右的误码率。

适用于无线传感器网络的层次化分布式压缩感知

分布式压缩感知(Distributed Compressed Sensing,DCS)是在无线传感器网络(Wireless Sensor Network,WSN)中减少数据传输量、降低能量消耗的有效手段。该文面向分簇WSN,提出层次化分布式压缩感知(Hierarchical Distributed Compressed Sensing,HDCS)。在利用簇内DCS消除簇内时间、空间冗余的基础上,利用簇间DCS消除簇间空间冗余,减少簇头的数据发送量。针对分簇WSN采集信号的结构化稀疏特性,建立块稀疏簇内联合稀疏模型与块稀疏簇间联合稀疏模型,提出HDCS观测方案与层次化联合重构算法。仿真结果表明,与普通DCS相比,HDCS在保证重建信号质量的同时,能够有效减轻簇头的通信负担,并显著降低Sink上的信号重构时间。

高光谱图像的分布式压缩感知成像与重构

根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的20%时,重构的平均信噪比提高了10dB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星载或机载的高光谱压缩感知成像。

WSN中的分布式压缩感知

为了解决传统的压缩感知算法在无线传感器网络中实现的难题,首先研究了用定时器控制ADC进行随机压缩采样的压缩感知技术,实验表明,该方法有效可行。在此基础上提出了基于无线传感器网络的分布式压缩感知算法。该算法通过对随机压缩采样序列的拆分实现分布式压缩采样,最后利用合并后的采样值和CoSaMP算法完成对信号的重构。仿真和实验表明,该方法能够在星型网络拓扑中实现以1/10的标准采样频率下实现信号的重构。

基于分布式压缩感知的宽带欠定信号DOA估计

为解决基于稀疏阵列的宽带欠定信号到达角(DOA)估计问题,该文提出基于分布式压缩感知(DCS)的宽带DOA估计算法。首先,对稀疏阵列宽带信号处理模型进行理论推导与分析,将宽带信号DOA估计建模成DCS问题;其次,利用经典DCS算法实现稀疏阵列上的宽带欠定信号DOA估计;最后,引入网格失配误差,建立包含网格失配参数的DCS模型,并进行迭代求解,实现对DOA和网格失配参数的联合估计。仿真结果表明,该算法能够实现宽带欠定信号DOA估计,较现有成果而言,在保证测向精度的同时,具备分辨率高、运算速度快的优点。

分布式压缩感知实现联合信道估计的方法

针对无线通信中多个信道之间存在相关性的现象,本文研究了基于压缩感知的联合信道估计。通过选取多个节点与簇头之间的信道为研究背景,本文建立了多信道下的联合信道估计模型,推导了判决门限与信噪比之间的关系,提出了基于门限自适应-正交匹配追踪联合重构技术(TA-SOMP)的信道估计算法,并进行了相应的仿真实验。仿真结果表明:与经典的正交匹配追踪(OMP)算法相比,本文算法所重构的信道与原始信道之间的均方误差(MSE)更小,传输信号误比特率(BER)更低;在相同信噪比环境下,TA-SOMP算法所需导频数量更少,频带利用率更高。

基于分布式压缩感知的全极化雷达超分辨成像

基于分布式压缩感知理论,提出了一种全极化逆合成孔径雷达超分辨成像算法,联合各极化通道进行超分辨处理.首先,建立全极化信号模型及超分辨字典,利用各极化通道信号的联合稀疏性将全极化超分辨成像建模为最小L2,1范数的优化问题,运用一种快速算法求解该优化问题.由于利用联合稀疏约束,多极化通道联合成像相比于单通道成像能够获得更好的超分辨性能和噪声抑制能力,最终有效提高图像极化融合的效果.同时,采用快速傅里叶变换操作提升了算法的运算效率.基于backhoe的仿真数据实验验证了该算法的优越性.

基于分布式压缩感知和散列函数的数据融合隐私保护算法

针对群智感知网络数据融合传输过程中隐私泄露、信息不完整、数据窜改等安全问题,提出了一种基于分布式压缩感知和散列函数的数据融合隐私保护算法。首先,采用分布式压缩感知方法对感知数据进行稀疏观测,去除冗余数据;其次,利用单向散列函数求取感知数据观测值的散列值,将其和不受限的伪装数据一起填充到感知数据观测值中,达到隐藏真实感知数据的目的;最后,在汇聚节点提取伪装数据之后,再次获取感知数据的散列值并验证数据的完整性。仿真结果表明,该算法兼顾了数据的机密性和完整性保护,同时大大降低了通信开销,在实际应用中具有很强的适用性和可扩展性。

无线传感器网络中基于空间相关性的分布式压缩感知

提出了无线传感器网络中基于空间相关性的分布式压缩感知模型和分布式压缩感知算法,利用无线传感器网络节点间感知数据的空间相关性和联合稀疏模型,结合分布式压缩感知编解码算法,以能量有效的方式对无线传感器网络的感知数据进行压缩、重构。最后,通过仿真分析了分布式压缩感知重构误差和压缩比之间的关系,以及分布式压缩感知在能量有效性方面的性能,仿真结果表明分布式压缩感知以能量有效的方式满足了无线传感器网络中事件估计的精确度要求。

基于分布式压缩感知的能量收集WSNs

针对无线传感器网络(WSNs)通信功耗和带宽要求高,引起节点寿命短的缺陷,利用WSNs节点感知数据的空间相关性和联合稀疏模型,结合分布式压缩感知(DCS)算法,提出了从能源收集的角度来分析对WSNs数据的压缩重构。通过理论和实验仿真表明:基于DCS的WSNs,在能源平衡方面具有很大的优势,在保证重构信号精确度的前提下大大提高了能源的有效利用率。

基于分布式压缩感知的遥感图像融合算法

针对基于压缩感知(Compressed Sensing,CS)理论的传统遥感图像融合算法未能考虑源图像信息相关性的特点,该文提出一种基于分布式压缩感知(Distributed Compressed Sensing,DCS)的遥感图像融合改进算法。通过DCS的第1联合稀疏模型(Joint Sparsity Model-1,JSM-1)提取源图像低频信息的公共部分和独有部分,再利用独有特征添加(UFA)的融合规则进行融合,从而提高融合精度。选取Quick Bird卫星实测图像数据对该文方法和多个传统融合方法进行仿真实验并进行评价指标的对比,结果表明该文方法融合性能相对传统遥感图像融合方法都有不同程度的提高。

基于最佳联合稀疏表示的分布式压缩感知算法

通过探索无线传感器网络节点感知数据的时空相关性,可以构建适用于不同应用情形的联合稀疏模型。利用联合稀疏模型,提出了一种适用于无线传感器网络的分布式压缩感知算法。该算法采用联合编码联合解码的方式,充分利用了信号内部和信号之间的相关性,从而可以用更少的观测值实现信号群的精确重构。与单独编码单独解码相比,采用联合编码联合解码的方法,在保证信息可靠传输的前提下,减少了整个网络的数据流量,节约了宝贵的能量资源,以能量有效的方式满足了传感器网络的应用。

基于分布式压缩感知的宽带协作频谱感知

根据分布式压缩感知理论,提出一种宽带协作频谱感知的方式。该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。仿真结果表明:与经典的DCS-SOMP算法相比,本文算法性能更优,所需的滤波器数更少。

基于分布式压缩感知的自适应距离选通三维成像

基于距离选通成像时间切片间的相关性,提出分布式压缩感知三维成像方法,有效解决了三维成像庞大数据量与硬件存储性能的冲突.根据相关性构建基于联合稀疏模型的分布式压缩模型,辅助重构部分时间切片.设计一种自适应距离选通方法,根据设定阈值自适应调整选通时间,无需距离先验信息,增加了系统灵活性.结果表明:平均采样率为0.15时,该方法的成像质量比传统方法提高11.124 dB,成像距离的平均误差降低6.240.分布式成像方法能够有效减少时间切片冗余信息的采集,为距离选通三维成像提供了一种新的思路.

基于分布式压缩感知的双通道SAR GMTI

地面动目标检测(GMTI)是合成孔径雷达(SAR)的基本功能之一。多通道SAR系统相比于单通道SAR系统在动目标检测方面具有很多的优势,但是它的原始数据量也相应成倍的增长。本文提出一种基于分布式压缩感知(DCS)的双通道SAR GMTI数据压缩方案。该方案主要是利用动目标信号的稀疏性来进行数据压缩,因此在观测场景不稀疏的情况下也能使用。仿真和实测数据的处理结果均表明,该方案不仅能有效地降低双通道SAR GMTI的数据量,所得动目标图像的信杂噪比相对于传统的DPCA方法也有所提高。

一种基于分布式压缩感知的矿井目标指纹数据库建立方法

针对目前国内矿井目标定位精度低和定位实时性差的现况,该文提出一种基于分布式压缩感知原理构造指纹数据库的方法,该方法在离线阶段只需采集少量巷道中的指纹信息(参考节点ID信息、基于电磁波到达时间(TOA)的距离测量值和实际距离值),便可高概率重构矿井目标指纹数据库指纹信息,从而达到减少数据采集工作量和提高工作效率的目的。后续在线阶段,只需获得某时刻参考节点ID信息和目标节点被参考节点测得的实时TOA距离测量值,根据模式匹配方法可获得该时刻目标节点距离参考节点的待估距离值,保证了定位精度和定位实时性。在此基础上,提出一种改进的压缩采样修正匹配追踪算法(CoSaMMP)进行指纹信息重构,该算法利用折半法增大裁剪力度从而有效缩短重构数据时间。仿真结果表明所提算法的可行性及有效性。

基于光场的联合稀疏分布式压缩感知

信号的稀疏分解是压缩感知理论的关键问题,冗余字典相较于传统的正交基矩阵,可提供信号的更稀疏表示。首先根据光场相机特征-光场图像具有图像内和图像间相关性,提出光场中的联合稀疏模型,然后使用基于图像特征训练的冗余字典稀疏表示光场信号,最后通过同时分段正交匹配追踪算法(S-StOMP)重建稀疏信号,S-StOMP重建速度较快,可同时重建多个信号。最后通过实验验证了算法的准确性和可靠性。

分布式压缩感知实现宽带频谱感知的方法

频谱感知的第一步就是采集无线信号进行分析,越来越高的采样率成为宽带频谱感知研究中的难点。实际通信中主用户占用频谱具有稀疏特性,符合压缩感知理论的前提条件。因此,本文利用分布式压缩感知实现宽带频谱感知,提出基于差分信号分布式压缩感知(DS_DCS)的加权宽带频谱感知算法。该算法针对宽带频谱采样率高的问题,利用压缩感知技术降低采样率,同时引入差分处理方法降低计算复杂度;又针对单点检测带来的深衰落、隐节点以及抗噪声能力差等问题,采用分布式感知系统进行多节点协同检测并利用信噪比的估计对信号进行加权处理。仿真证明,该算法能有效降低各节点采样率,大幅提高系统检测概率,显著改善系统对噪声的鲁棒性。

一种高光谱图像分布式压缩感知重构方法

基于分布式压缩感知理论,利用高光谱图像谱间的低秩特性,提出一种高光谱图像分布式压缩感知重构方法。该方法在编码端对各谱段图像分别进行压缩感知测量,运算简单,便于硬件实现。解码端重构时,首先对各谱段图像采取全变差范数最小化恢复,每次迭代的同时,利用谱间低秩修正当前重构的图像,并进行重构迭代终止判断,充分利用了高光谱图像的谱间相关性,实现了高光谱图像的联合重构。实验结果表明,该方法能够有效提升高光谱图像的重构质量。