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.

差分调制信号亚奈奎斯特率检测方法

压缩感知是一种亚奈奎斯特率信息采样方法。基于压缩感知的符号检测方法通常先将亚奈奎斯特率样本重构为奈奎斯特率样本,然后再依据传统符号检测的原理检测接收符号。本文针对基于重构的压缩感知符号检测方法采样率过高的问题,研究广义似然比检测和信息采样样本之间的关系,提出了一种不需要重构奈奎斯特率样本的压缩检测方法。该方法首先通过双通道时延结构分离接收信号的参考部分和信息符号部分,然后依据两部分信号的稀疏相关特性,对亚奈奎斯特率接收符号进行检测。实验结果表明本文提出的方法能够有效地抵抗多径衰弱和符号间干扰(Inter Symbol Interference,ISI)。

高阶量化数字相关辐射计的采样率要求

通过对不同采样率情况下高阶量化数字相关辐射计的相关值测量结果进行分析,研究了此种辐射计的采样率要求。结果表明采样率并不需要满足奈奎斯特率,相关值的方差取决于互不相关的采样点个数。利用8mm波段综合孔径微波辐射计原理样机中的相关辐射计单元进行了不同采样率情况下的相关值测量实验,验证了分析结果。

基于LSTM特征提取的有限新息率畸变信号重构

有限新息率(Finite Rate of Innovation,FRI)采样利用已知的信号波形结构实现信号的亚奈奎斯特率采样,在宽带信息系统应用中具有广泛的前景.但是,在实际的信息系统中,信号波形结构常常因噪声、远距离传输等非理想因素而发生畸变,从而导致FRI重构失败.本文依据波形再生的原理,提出了一种基于长短时记忆(Long and Short-Term Memory,LSTM)自动编码器的FRI重构方法.该方法利用LSTM自动编码器取代FRI采样系统中的采样核函数,通过离线训练获取畸变信号的未知波形结构,从而将波形序列投影为狄拉克特征序列,实现了波形畸变信号的FRI采样及重构.结果表明,本文的方法可以借助经典的零化滤波器有效地重构由于多径效应而发生畸变的FRI波形信号.

用“压缩感知”复活图像

一项被称为"压缩感知"的技术,可以让巨量的数据收缩到极小,这样便大大地提高了数据处理和存储的速度,它的思路与传统的数据压缩可大不一样。

超稀疏三元循环测量矩阵的设计

在伯努利循环矩阵的基础上,对其独立元素中随机地引入零元,形成超稀疏三元循环矩阵,与伯努利-循环矩阵相比,其随机独立变元个数和矩阵非零元数目显著减少,从而有利于信息的传输和存储.数值实验结果表明:提出的测量矩阵重建效果略优于伯努利矩阵和伯努利循环矩阵的重建效果,并在绝大多数情形下重建时间可以降低到原来的10%~40%,加快了后端信号重建的速度,有利于压缩感知理论的实用化.