基于压缩感知的模拟到信息转换研究

压缩感知理论突破了Nyquist采样定理的约束,提出对稀疏信号可以以远低于Nyquist采样速率进行采样,并可以通过重构算法恢复出原信号。研究了基于压缩感知的模拟到信息转换系统,该系统由调制、低通滤波器和低速率采样3个模块组成,实现高频信号的低速率采样,并通过重构算法得到原信号。对模拟到信息转换系统的结构和原理进行了详细介绍,并应用Matlab对系统进行了大量的仿真分析,该系统能稳健地从较少的采样数据中恢复原信号。

一种新的模拟到信息转换系统

目前,模拟到信息转换系统主要通过随机矩阵进行采样的,而用硬件实现随机矩阵是繁杂的,甚至是不可能的.受到压缩传感(Compressive Sensing,CS)和积分点火(Integrate-and-Fire,IF)电路的启发,本文提出了一种无需随机矩阵且对时域编码的积分式采样还原系统.在稀疏信号足够长的条件下,可以通过参数自由控制采样频率,理论上可以无限降低,大大减少数据量,降低系统功耗.此外它易于实现,无量化误差等优点,在雷达探测、生物传感等宽带信号领域,具有很好的应用前景.

基于压缩采样的模拟到信息转换的研究与实现

传统通信设备在处理宽带频谱稀疏信号时,面临高采样率、快处理速度等方面的困难。提出了一种基于压缩采样(Compressive Sensing,CS)的模拟到信息转换方法,解码端采用一定的算法对信号精确重构。仿真结果表明,与传统方法相比较,采样率降低了,并呈现出很好的恢复性能。