基于变步长分阶自适应匹配追踪算法的振动数据重构方法研究

在处理多维海量振动数据时,存在极大的存储和传输压力问题,针对这一问题,对压缩感知理论进行了研究,在选择最优测量矩阵的基础上,提出了一种变步长分阶自适应匹配追踪(VSSStAMP)算法。该算法将匹配追踪、变步长迭代及自适应思想相结合,通过双重阈值和可变步长控制信号的重构精度,弥补了传统的重构算法需提前得到信号的稀疏度,以及稀疏度自适应匹配追踪算法(SAMP)重构结果与步长关联较大的不足,从而实现了步长自适应的振动信号重构。研究结果表明:相对于传统的重构算法和SAMP算法,VSSStAMP算法在均方误差和运行时间等方面均有所改善,有效地提高了振动信号重构的精度和效率。

免授权NOMA系统中基于变步长自适应匹配追踪的抗干扰多用户检测算法

第五代移动通信系统(5G)通过非正交多址(NOMA)技术对无线通信资源进行非正交复用,以过载的方式提高了频谱利用效率和系统容量。NOMA系统采用免授权的方式减少了系统流程和信令开销,但是接收端需要进行多用户检测。基站利用活跃用户的稀疏特性,采用压缩感知(CS)重构算法恢复活跃用户的混合稀疏向量,实现了高效的多用户检测。但5G网络中基站密集部署增强了相邻小区间的干扰,因而增加了CS检测难度及降低了检测精度。针对免授权NOMA系统中多用户检测存在干扰的问题,提出了一种基于变步长自适应匹配追踪的抗干扰多用户检测算法。在稀疏度未知的情况下,该算法以大步长快速接近、小步长精确逼近稀疏度的自适应变步长方式,实现抗干扰的活跃用户检测。仿真结果表明,在不同过载率下,所提算法的误比特率均低于传统的基于OMP,gOMP和SAMP的多用户检测算法。

基于压缩感知SAMP算法的改进

压缩感知是近年来兴起的以较大压缩比率并且能够以较好的效果恢复原始信号的一种新型理论。本文针对SAMP算法在重构精度相对较差以及运算时间较长的问题,提出一种新的SAMP改进算法。该算法首先将稀疏信号进行分块后再重构,其次在重构算法过程中开始对信号稀疏度进行初始估计,然后采取变步长增加稀疏度的方法逐步求出原始信号的最优估计值。理论分析和实验表明,改进后的算法减少运算时间,提高重构精度,增进实际使用价值。