基于模式化压缩感知的帧定时同步研究

作为数据检测的必要前提,帧定时同步一直是通信领域的研究热点与难点。然而,现有非压缩感知帧同步方法必须满足奈奎斯特速率,导致过度功耗以及模拟—数字转换器(Analog-to-Digital Converter,ADC)设计难度;而采用压缩感知(Compressed Sensing,CS)帧同步方法的正确同步性能有待进一步提高。为此,将模式化压缩感知(Model-based Compressed Sensing)技术引入到帧定时同步中,提出了一种基于模式化压缩的采样匹配追踪(Compressive Sampling Matching Pursuit,Co Sa MP)方法,用以重构压缩采样下的同步度量并完成帧同步。分析与仿真结果表明,相对于现已有的基于CS的帧定时同步方法,提出方法改善了帧定时同步的正确同步概率。

一种改进的稀疏度自适应变步长正则化匹配追踪算法

介绍了压缩感知理论的基础知识,并分析了压缩感知的重建算法。正则化正交匹配追踪算法引入了正则化思想进行原子筛选,使迭代次数减少,但前提是要知道信号的稀疏度。稀疏度自适应匹配追踪算法可以通过设置终止条件来使稀疏度自适应,但迭代次数较多,时间成本较大。在两种方法的基础上提出了一种改进的稀疏度自适应变步长正则化匹配追踪算法,该算法克服了上述两种算法的缺点。仿真结果表明,文中提出的算法较准确地重构出原始信号,且运算时间较低。

一种压缩感知下的NSCT-Zernike的鲁棒数字水印方案

为了达到水印抗几何攻击鲁棒性高的要求,提出一种在压缩感知下的非下采样轮廓波变换结合伪Zernike矩的鲁棒数字水印方案.利用非下采样轮廓波变换对载体图像进行三层分解提取其低频分量,通过一维离散小波变换对低频分量进行稀疏化以获取稀疏基,构造稀疏基的测量矩阵,并对其进行压缩感知处理得到新的低频分量,计算其Zernike矩,通过量化调制正则化伪Zernike矩幅值的方式将水印信息嵌入.利用正则化正交匹配追踪算法进行图像压缩感知的重构.仿真与实验分析表明,当峰值信噪比达到40 dB以上时,本文算法提取水印的NC值和误码率较为理想.

用于图像重构的基于行间支撑集相似度的CoSaMP算法

压缩采样匹配追踪(CoSaMP)算法的性能受初始支撑集选择的制约,初始支撑集选择不准确不仅影响重构精度,还会降低重构速度。针对该问题,将图像在稀疏域的结构特性引入到CoSaMP算法中,提出了支撑集相似度的概念;利用数字图像相邻行之间原子支撑集的相似性,提出了基于行间支撑集相似度的CoSaMP算法。实验结果表明,在同等采样率的条件下,与传统的CoSaMP算法相比,所提算法在不增加算法时间复杂度的同时提高了重构质量,峰值信噪比提高了0.6~2.5dB。

宽带协作频谱感知的联合信号重构改进算法

在基于认知无线电(CR)的宽带频谱感知中,调制宽带转换器(MWC)可以通过采用欠奈奎斯特采样来降低所需要的采样率,并且多个CR设备和融合中心可进行协作频谱感知来提高频谱感知的精确度。由正交匹配追踪(OMP)算法扩展的块稀疏同步正交匹配追踪(BSOMP)算法作为一种基于MWC实现协作频谱感知的联合信号重构算法,在低信噪比(SNR)下的正确支撑集恢复百分比不够理想。提出由压缩采样匹配追踪(CoSaMP)算法扩展成块稀疏同步压缩采样匹配追踪(BSCoSaMP)算法作为实现协作频谱感知的联合信号重构改进算法。仿真结果显示,与BSOMP算法相比,BSCoSaMP算法可以得到更高的正确支撑集恢复百分比。