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。

稀疏重构的压缩感知语声增强模型与算法

语声增强的目的在于消除带噪语声信号中的噪声干扰,提高语声信号的可听度与可懂度。与传统语声增强算法不同,本文利用语声信号与噪声信号的稀疏性差异,提出了一种基于稀疏重构的压缩感知语声增强模型,并导出该模型的数学表达式。基于此语声增强模型,本文还融入了语声信号的稀疏性与非平稳性,提出了语声存在概率为加权因子的加权正交匹配追踪语声增强算法。仿真实验表明本文提出的语声增强模型与算法具有可行性、有效性以及优越性。本算法不仅可以有效的抑制噪声干扰,还可以保留大部分语声信号,达到语声增强的目的。此外,与谱减法和最小均方误差算法比较,虽然本文算法计算量较大,但是其性能优越。