基于奇异值分解的Toeplitz结构测量矩阵构造方法

在压缩感知CS(Compressed Sensing)理论中,测量矩阵的构造至关重要,其性能直接影响到数据压缩采样的效率及信号的重构质量。针对Toeplitz结构测量矩阵重构性能不高的问题,提出一种基于奇异值分解的Toeplitz结构测量矩阵构造方法。首先对Toeplitz矩阵进行奇异值分解,然后通过对该矩阵的非零奇异值进行优化来提高矩阵的列向量独立性,从而提高其重构性能。仿真结果表明,相比较未优化的Toeplitz结构测量矩阵以及当前常用的高斯随机矩阵,当采用优化后的Toeplitz结构测量矩阵对信号进行压缩感知时,信号的重构精度得到显著提高。

用于单比特稀疏偶极子阵列波达角估计的协方差矩阵估计方法

为了提高单比特稀疏偶极子阵列的波达角(DOA)估计精度,提出了一种协方差矩阵估计算法。利用偶极子阵列结构特征,将该阵列的接收信号重排为具有相同阵列排布的等效标量阵接收信号,其理想协方差矩阵具有托普利兹结构。利用该矩阵的托普利兹结构以及单比特采样信号与无量化接收信号的符号一致性,将等效标量阵接收信号协方差矩阵的估计问题转化为具有等式约束的非凸优化问题,并将此问题松弛为凸问题,求得该矩阵的估计值,进而使用子空间方法获得DOA的估计结果。实验结果表明:相较于单比特多重信号分类(OBMUSIC),在嵌套阵上,该文单比特稀疏协方差矩阵估计(OB-SCME)的估计精度最小均方误差(MSE)有平均2.2 dB的性能提升;在互质阵上,其估计精度MSE平均提升了8 dB;当信噪比为0且快拍数少于60时,其估计精度提升可达10 dB以上。