基于稀疏度自适应匹配追踪算法的微动杂波抑制

目标或目标组成部分的机械振动或旋转产生微多普勒效应,在目标分类和识别中起着重要作用。然而,环境中许多物体(例如风力涡轮机、空调等)的微多普勒效应对雷达系统而言就像时变的杂波,导致雷达探测性能下降。本文针对外辐射源雷达微动杂波影响目标检测的问题,提出了一种基于稀疏度自适应匹配追踪改进算法(SAMP)的微动杂波抑制方法。考虑到微动杂波的稀疏特性,将复杂的微动杂波抑制问题转化为稀疏信号表示问题,分离微动杂波并将其抑制,便于目标观测。相比于原SAMP算法,改进后的SAMP算法能自动调整步长并在残差达到自适应阈值后快速停止迭代。仿真和实测数据验证了所提方法的有效性。

广义空间调制MIMO系统中基于块稀疏自适应匹配追踪的检测算法

广义空间调制(Generalized Spatial Modulation,GSM)在多输入多输出(Multiple Input Multiple Output,MIMO)系统中的应用能够提高系统的能量效率,但与此同时GSM-MIMO系统激活多根天线也给接收机的信号检测带来了极大的挑战,而接收端是否能正确高效地检测出发送信息对整个通信系统至关重要。由于在GSM-MIMO系统中,活跃用户和活跃天线都具有稀疏性,可以应用压缩感知算法进行用户和天线检测。针对多用户广义空间调制信号的结构和稀疏性,将检测问题转化为块稀疏恢复问题,提出了一种块稀疏自适应匹配追踪(Block Sparse Adaptive Matching Pursuit,BSAMP)算法,设计了支撑集检测的两步策略:第1步,利用块稀疏特征检测出活跃用户,得到块级支撑;第2步,通过求解活跃用户的各天线的l_(2)范数得到天线级的索引支撑集。有效利用每个用户的有源天线,检测出活跃用户及其用户数据。在信号值检测阶段,利用GSM-MIMO系统的特点对活跃用户有源天线上的信号取均值,降低了重构的误比特率。此外,采用稀疏度自适应的方法,接收端不需要严格知道活跃用户数目,更贴近实际环境。仿真结果表明,提出的BSAMP算法能够提高检测精度。

阈值稀疏自适应匹配追踪图像重构算法

针对稀疏度自适应匹配追踪算法(SAMP)在进行图像重构时存在重构精度低及计算复杂度高的问题,本文提出了一种基于阈值控制的稀疏度自适应匹配追踪(T-SAMP)算法.基于回溯迭代的正交匹配追踪(BAOMP)算法在原子选择阶段,采用阈值核查所选的可靠原子及删除不可靠原子,将核查可靠原子步骤作为SAMP算法迭代前的预处理步骤,以寻找到信号的最大近似系数,以提高重构精度以及降低算法复杂度.仿真结果表明,与SAMP算法相比,所提出的T-SAMP算法能平均提高3dB峰值信噪比,算法平均运行时间降低约60%.

用于CS的广义稀疏度自适应匹配追踪算法

压缩感知理论的基本思想是原始信号在某一变换域是稀疏的或者是可压缩的,并将奈奎斯特采样定理中的采样过程和压缩过程合二为一。稀疏度自适应匹配追踪(SAMP)算法能够实现稀疏度未知情况下的重构,而广义正交匹配追踪算法每次迭代时选择多个原子,提高了算法的收敛速度。基于上述两种重构算法的优势,提出了广义稀疏度自适应匹配追踪(Generalized Sparse Adaptive Matching Pursuit,gSAMP)算法。针对重构图像的峰值信噪比、重构时间、相对误差等客观评价指标,以及主观视觉上对所提算法与传统的贪婪算法进行对比。在压缩比固定为0.5时,gSAMP算法的重构效果优于传统的MP、OMP、ROMP、SAMP 以及gOMP贪婪类重构算法的效果。

遗传算法和正交时频原子相结合的地震记录快速匹配追踪

针对匹配追踪庞大的计算量造成地震数据处理效率低下的问题,提出一种基于遗传算法和正交原子匹配追踪的快速分解方法,通过遗传算法缩小原子库的搜索范围,减少贪婪迭代的次数,由原子的正交化处理消除冗余分量,加速残差收敛进程。为增加分解的灵活性,采用相邻残差比阈值作为迭代终止条件。合成地震记录和实际地震记录稀疏分解结果表明:本文方法不仅能降低分解的稀疏度,而且运行速度大幅提高,验证了方法的有效性和适用性。

非正交多址光通信系统信道均衡的虚拟时反方法

室内非正交多址(non-orthogonal multiple access, NOMA)可见光通信系统(visible light communications, VLC)可实现高速率多用户通信,但多径效应会造成通信可靠性及用户公平性明显下降,为此,提出一种虚拟时间反转技术(virtual time reversal mirror, VTRM)对NOMA-VLC进行信道均衡,消除多径效应对通信过程的影响。分析了多用户场景下室内NOMA-VLC系统模型及其通信光链路的特性,依据光链路增益的稀疏特性采用稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法,估计NOMA-VLC系统的信道冲激响应(channel impulse response, CIR)。在此基础上,采用VTRM方法对NOMA-VLC进行信道均衡,通过VTRM的时空聚焦特性减少信道衰落影响,并重构接收信号,抑制多径效应。理论分析和实验结果表明:经论文算法均衡后的NOMAVLC系统,在满足前向纠错(forward error correction,FEC)误码率阈值的同时,用户1性能提高了4.4 dB,用户2性能提高了5.7 dB,两用户平均性能提高了5.05 dB,用户间性能差异由1.6 dB降为0.5 dB,为NOMA-VLC信道均衡提供了有效的解决方案。

基于SAMP重构算法的OFDM系统稀疏信道估计方法

为了提高OFDM系统稀疏信道估计的精度和减少导频子载波的数目,本文将OFDM系统频率选择衰落信道时域稀疏冲激响应的参数估计问题转化为压缩感知理论中在稀疏度未知及存在噪声干扰情形下复数稀疏信号的重构问题,提出了分别基于基追踪降噪(BPDN)和稀疏度自适应匹配追踪(SAMP)的两种OFDM系统稀疏信道估计方法。在导频数和信噪比均相同的情形,与传统的最小二乘法(LS)、匹配追踪-最小二乘法(MP-LS)的信道估计方法相比,仿真结果表明所提出的两种方法无须将信道的稀疏度作为先验知识,并具有归一化均方误差小和误比特率低的优点。在所提出的两种方法中,基于SAMP的方法比基于BPDN的方法具有运行速度快、性能更接近Cramer-Rao界的优点,且导频子载波仅为系统子载波的12.5%,信噪比约大于10dB时,采用基于SAMP的方法在信道稀疏度未知的情形也能获得满足实际应用的误比特率。

基于改进MP稀疏分解的语音识别方法

在限定输入词汇量的条件下进行语音识别的过程中,结合MP稀疏分解的原子结构特性,提出把语音信号经MP稀疏分解所得的最佳原子时频参数作为匹配参数对语音进行识别。用基于遗传算法和原子库划分的策略对MP稀疏分解的寻优过程进行改进以提高MP稀疏分解的效率。在Matlab环境下进行仿真试验时,采用LGB算法对测试信号进行判别。试验结果表明,MP稀疏分解算法经改进后运行速度得到提高,采用10个原子的时频参数可有效识别长度约为6000的语音信号。

OFDM系统稀疏信道估计研究

由于许多通信系统的信道具有稀疏多径的特性,因此可以将信道估计问题归结为稀疏信号的恢复问题。提出一种新的基于压缩感知理论的正交频分复用系统信道估计方法,采用稀疏度自适应匹配追踪压缩感知算法对OFDM信道时域脉冲响应进行估计。克服了现有基于压缩感知理论的信道估计方法需要预先知道信道冲激响应稀疏度才能重构信道参数的不足,在信道稀疏度等信道先验知识未知情况下可得到较好的信道估计性能,降低系统复杂度。

基于自适应阈值SAMP算法的OFDM稀疏信道估计

为了降低重构算法的复杂度,提高重构的精确度,提出一种自适应阈值的稀疏度自适应匹配追踪算法(SAMP),并将其运用在OFDM稀疏信道估计中。蒙特卡洛仿真证明,改进后的算法相比于原算法在CPU运行时间上减少了44.7%,并且在较低的信噪比下也能达到较好的估计效果。此外,针对OFDM稀疏信道估计问题,结合压缩感知理论中观测矩阵的构造方法,提出一种新的导频图案分布设计方法,仿真证明该导频图案设计方法比现有方法在估计精确度方面提高2～4 dB。

基于压缩感知的大规模多输入多输出空间共稀疏信道估计

针对频分复用双工方式的大规模多输入多输出(MASSIVE MIMO)系统在虚拟角域信道中估计精度较差的问题,提出一种基于门限的稀疏度自适应匹配追踪(BT-SAMP)算法。该算法融合了回溯正交匹配追踪(BAOMP)算法的原子选择特性和稀疏度自适应匹配追踪(SAMP)算法的自适应特性,将BAOMP算法的"添加原子"规则作为SAMP算法的原子选择预处理,通过合理的阈值添加固定的原子,然后延续SAMP算法的步长迭代自适应特性,寻找到信道矩阵近似系数最大,达到了提高SAMP算法估计精度、加快算法收敛的目的。仿真结果表明,在低信噪比(SNR)情况下,与SAMP算法相比,信道估计精度均有提高,特别是信噪比在0~10 d B时,其估计精度提升4 d B,算法的运行时间减少约61%。

一种改进KSVD的图像稀疏表示方法

针对图像压缩中传统压缩感知稀疏表示的离散余弦变换(DCT)字典、离散小波变换(DWT)字典、K均值奇异值分解(KSVD)字典图像重构精度不高、稳定性差的问题,基于KSVD方法,利用稀疏度自适应匹配追踪算法(SAMP)和字典更新阶段部分字典原子结构相似性(SS)最小值迭代的方法,提出了一种改进KSVD的图像稀疏表示方法.实验结果表明,与DCT字典、DWT字典和KSVD原始字典进行对比,改进KSVD字典能提高峰值信噪比,对重构图像有更好的精度,更具稳定性.

基于稀疏度特征的短时电能质量扰动信号重构方法

现有基于压缩感知的短时电能质量扰动信号重构方法尚未考虑信号稀疏度特征,重构性能有待进一步提高。为此,提出一种基于稀疏度特征的信号重构方法。首先,根据压缩感知理论对信号进行采样。随后,开发出短时电能质量扰动信号的稀疏度特征—稀疏度在频域为偶数。基于该特征,提出"双步长稀疏度自适应匹配追踪"重构方法。分析与仿真结果表明,相对于传统的稀疏度自适应匹配追踪算法,提出方法降低了计算复杂度和均方误差,提高了重构信噪比和信号的正确重构概率。

G3-PLC系统压缩感知信道估计的LS-SAMP算法

为了提高G3-PLC系统可靠性,引入压缩感知(Compressed Sensing,CS)的信道估计方法,提出了一种基于最小二乘(Least Squares,LS)的稀疏度预测自适应匹配追踪(LS Based Prediction-Sparsity Adaptive Matching Pursuit,LS-SAMP)算法。该算法在稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)算法的基础上,采用了基于LS的稀疏度预测方法对信道稀疏度进行预估计,使算法可以快速逼近信道的真实稀疏度,提高算法运行效率;其次利用主成分分析方法对观测矩阵进行线性优化,降低观测矩阵相干度,提高算法的重构性能。实验结果表明,在误码率为10-3时,所提算法相对于LS算法的信道估计性能有1 dB的提升,且其运行效率比SAMP算法提升了31.23%,以更有效的方式提高了G3-PLC系统的可靠性。

智能反射面辅助无线通信系统的信道估计算法设计

针对智能反射面(IRS)辅助无线通信系统的信道估计问题进行研究。IRS由大量无源器件组成,自身没有信号处理能力,使得其在IRS辅助无线通信系统的信道估计中,消耗较大的导频资源。为了减少导频开销,利用用户间角度域级联信道特有的公共非零行结构的稀疏性,结合稀疏度自适应匹配追踪算法(SAMP),提出了基于C-SAMP的信道估计算法。仿真结果表明,所提出的算法相比其他压缩感知算法有效地降低了导频开销,而且在低信噪比条件下,归一化均方误差降低约1~2 dB。

用于宽带频谱感知的全盲亚奈奎斯特采样方法

亚奈奎斯特采样方法是缓解宽带频谱感知技术中采样率过高压力的有效途径。该文针对现有亚奈奎斯特采样方法所需测量矩阵维数过大且重构阶段需要确切稀疏度的问题,提出了将测量矩阵较小的调制宽带转换器(MWC)应用于宽带频谱感知的方法。在重新定义频谱稀疏信号模型的基础上,提出了一个改进的盲谱重构充分条件,消除了构建MWC系统对最大频带宽度的依赖;在重构阶段,将稀疏度自适应匹配追踪(SAMP)算法引入到多测量向量(MMV)问题的求解中。最终实现了既不需要预知最大频带宽度也不需要确切频带数量的全盲低速采样,实验结果验证了该方法的有效性。

基于压缩感知的MIMO NC-OFDM系统信道估计算法

多输入多输出不连续正交频分复用(MIMO NC-OFDM)系统是认知无线电(CR)系统的常用体制,由于授权用户占用而导致的载波不连续情况下的信道估计是影响该系统性能的关键技术问题。提出一种基于压缩感知(CS)的MIMO NC-OFDM系统的信道估计方法——稀疏自适应匹配追踪(SAMP)算法。SAMP算法在重构过程中先对信号稀疏度进行初始估计,然后自适应调整步长逐步逼近信号,相较于其他贪婪算法,能够在稀疏度未知的情况下准确重建稀疏信号。仿真结果表明,SAMP算法提高了重构精度,在实际应用中易于实现。

基于空谱特性的高光谱图像压缩感知重构

针对现有的高光谱图像压缩感知重构算法对图像的空谱特性利用不够充分,导致重构图像质量不够高的问题,提出了一种高光谱图像变投影率分块压缩感知结合优化谱间预测重构方案。编码端以频段聚类方式将高光谱图像的所有频段分成参考频段和普通频段,对不同频段单独采用不同精度分块压缩感知以获取高光谱数据。在解码端,参考频段直接采用稀疏度自适应匹配追踪(SAMP)算法重构,对于普通频段,则设计了一种优化谱间预测结合SAMP算法的新模型进行重构:首先通过重构的参考频段双向预测普通频段,并对其进行压缩投影,然后计算预测前后普通频段投影值的残差,最后利用SAMP算法重构该残差,以此修正预测值。实验表明,相比同类算法,该算法充分考虑了高光谱图像的空谱特性,有效改善了重构图像质量,且编码复杂度低,易于硬件实现。

压缩感知在分段式双反馈预失真器的模型简化研究

针对预失真器中模型参数过多的问题,从压缩感知(compressed sensing,CS)的理论出发,提出了一种用于宽带射频功率放大器(power amplifier,PA)的预失真器模型简化方法。在稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法的基础上进行改进,提出了基于频域陷波的相关支集选择SAMP算法(RSS-FNSAMP)。该算法能够对PA行为模型进行简化,而后将其运用在提出的分段式双反馈DPD系统中,以补偿被带内残差所掩盖的带外失真,在增强了系统稳定性的同时降低了其复杂度,提升了DPD线性化效果。为了验证该方法,使用20 MHz LTE信号驱动一个35 dBm的F类功率放大器。实验结果表明,归一化均方误差(normalized mean squared error,NMSE)与ILA-SAMP、ILA-DOMP和分段式双反馈-DOMP相比提升了3~5 dB,相邻信道功率比(adjacent channel power radio,ACPR)改善了25 dBc,表明该方法能够在降低模型参数数目的同时,提升功放的线性度。

冲击噪声环境下双基地MIMO雷达多目标角度估计

提出了冲击噪声环境下双基地MIMO雷达多目标角度估计方法。基于传统的双基地MIMO雷达模型,推导了冲击噪声环境下双基地MIMO雷达模型,再将其转化为稀疏重构的问题,推导了冲击噪声环境下基于稀疏表示的双基地MIMO雷达模型,最后运用稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)算法求解模型。算法的优点有:不需要信号源个数作为先验信息,只需单快拍即可实现信号重构,能处理相干信号源,无需参数配对。仿真结果验证了算法的有效性。