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。

基于自适应匹配追踪算法的齿轮箱轴承故障特征提取

为提高对齿轮箱轴承内外圈在传动振动过程中故障的诊断能力,采用自适应匹配追踪算法建立了故障诊断模型,并展开了仿真分析。研究结果表明:轴承外圈故障仿真信号呈周期性波动。轴承外圈的通过频率及其倍频呈现逐步衰减;轴承外圈故障仿真加噪信号被淹没在噪声中。通过SAMP算法对轴承外圈故障仿真加噪信号的处理,能够看出信号呈周期性波动。轴承内圈的通过频率和倍频以及边频带呈现逐步衰减,从SAMP算法重构轴承内圈仿真加噪信号时域波形图中看出,轴承内圈故障仿真加噪信号不呈周期性波动,而经过SAMP算法处理的轴承内圈故障仿真信号则呈周期性波动。

自适应匹配追踪图像超分辨算法

为了提高图像超分辨率重建的效果,提出一种基于自适应匹配追踪稀疏表示的图像超分辨重建算法.该方法采用k次奇异值分解算法联合训练适用于高、低分辨率图像块的联合字典对;然后,寻找输入的低分辨率图像块在低分辨率字典下的稀疏表示;最后,利用字典间的相似性,通过低分辨率稀疏系数和高分辨率字典来生成清晰的高分辨率图像.在稀疏表示过程中,求解稀疏表示系数的优化算法大多使用正交匹配追踪算法.为了提高重构精度,缩短算法时间,采用自适应匹配追踪算法进行求解.实验表明,该算法的重构精度明显优于其他算法,对边缘和细节具有更好的重构能力,并且能够缩短字典训练的时间.

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%.

基于自适应匹配追踪算法的轴承故障诊断及实验研究

为了增强轴承内外圈传动振动阶段的故障诊断效果,选择自适应匹配追踪(SAMP)算法构建得到故障诊断模型,完成仿真分析并通过实验进行了验证。研究表明:滚动轴承外圈达到了1000 Hz的固定频率,同时在固定频率附近形成了1000±50 Hz边频带;轴承外圈通过频率为40 Hz,在轴承外圈形成了通过频率的2倍与5倍频;对轴承内圈仿真加噪信号谱图通过SAMP算法进行重构,得到轴承内圈通过频率为60 Hz,形成了轴承内圈通过频率的5倍频,轴承内圈通过频率附近形成了60±10 Hz边频带,获得了明显的故障特征;在SAMP重构故障信号谱图中形成了360 Hz的啮合频率与180 Hz的半频,形成了转频的半频10 Hz与3倍频,而啮合频率360 Hz形成了较低的峰值。经SAMP算法处理信号谱图能很好地体现故障特征。

自适应匹配追踪的OFDM系统窄带干扰检测

针对在OFDM通信系统中,基于压缩感知的窄带干扰检测时间过长的问题,提出了将自适应匹配追踪算法应用到压缩感知理论的信号重构过程中的算法。该算法可在未知干扰稀疏度的情况下,自适应地调整候选集原子的个数,在低于奈奎斯特采样频率前提下,快速实现单个及多个窄带干扰信号检测。仿真结果表明:所提算法能够有效地实现窄带干扰检测且运行速度快,改善了OFDM通信系统的性能。

应用分层自适应匹配追踪重构MEMS陀螺信号

对含噪微机械系统(MEMS)陀螺信号进行小波分解重构时,真实信号对应的小波系数很难选取,故本文提出一种分层自适应匹配追踪算法(LAMP)来解决上述问题。建立了含噪MEMS陀螺信号中信号小波系数稀疏提取架构,将信号小波系数提取问题转化为含噪信号中信号小波系数稀疏性的恢复问题。比较已有稀疏重构算法,采用一种新的LAMP算法,在各种可能的小波系数组合中挑选出分解系数最为稀疏的一组,以此消除信号中的噪声小波系数,进而重构MEMS陀螺信号。实验表明:提出的LAMP算法的稀疏重构效果优于其他迭代贪婪重构算法;基于LAMP的信号稀疏小波重构方法,可以有效去除MEMS陀螺信号的大量噪声;去噪前后,纯MEMS陀螺数据解算的方位角平均累积误差由10.060 2(°)/h减小到5.034 6(°)/h,优于传统小波阈值重构法平均累积误差8.596 8(°)/h,显示了较好的应用效果。

大规模MIMO系统的自适应阈值信道估计算法

针对大规模多入多出(Multiple-Input Multiple-Output,MIMO)系统信道估计需要一定的先验条件及估计精度低的问题,提出一种应用于下行链路的自适应阈值的分段正交匹配追踪的信道估计算法。应用信道矩阵在频域中表现的稀疏特性,采用压缩感知重构算法,结合比例积分微分控制算法思想,每次迭代时,根据当前重构误差自适应调整挑选原子的阈值,一次性高效选择多个与原信号相关性较强的原子;同时引入残差分布特性,通过计算相邻两次迭代的残差关系,动态修正迭代停止阈值,在先验条件未知的情况下,能够更真实地反应迭代状态,从而达到提高信道估计精度的目的。仿真结果表明,在低信噪比下,所提算法与传统的分段匹配正交追踪算法相比,估计性能提高了约0.8 dB并且保持了较低的算法复杂度。

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。

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。

基于单层小波变换的自适应压缩感知图像处理

文章在未知二维图像的稀疏度的情况下,提出了基于单层小波变换的自适应压缩感知算法,保留其中的低频系数,只针对高频系数进行测量。在小波变换把二维图像分成低低、低高、高低和高高的4块之后,利用稀疏度自适应匹配追踪算法,分别对其中包含在低高块中的列、高低块中的行、高高块整体中的那些高频系数进行恢复,再进行小波逆变换重构图像。仿真结果表明,与原来的单层小波变换的非自适应压缩感知算法相比,该算法解决了稀疏度未知情况下的图像恢复问题,而且重构图像质量也得到很好的保证,例如在相同的采样率下,新算法与原算法之间的PSNR相差不过2dB。

一种基于误差补偿的部分码字SCMA检测算法

针对稀疏码多址接入(sparse code multiple access,SCMA)技术中多用户检测算法复杂度过高的问题,根据SCMA的非正交特性,提出了一种基于误差补偿部分码字球型译码的log-MPA检测算法(ECPC-log-MPA)。通过设置球型半径减少参与迭代的用户码字,并引入信道质量判决机制进一步降低log-MPA算法的计算复杂度;为降低log-MPA算法的误码率(bit error ratio,BER),引入误差补偿机制,采用稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法对误差进行估计,并对检测信号进行补偿。仿真结果表明,所提算法可以在保证误码率的同时有效降低计算复杂度,且算法的计算复杂度会随着信噪比(signal noise ratio,SNR)的增大明显降低。

基于改进SAMP算法的UWB多径信道估计

稀疏度自适应匹配追踪(SAMP)算法重构过程中存在其迭代终止条件设置不够合理的情况,需要对SAMP算法进行改进。在信道稀疏度未知时,改进SAMP算法依据残差之差的相对能量小于设定的停止门限来终止迭代过程,通过自适应调整可变步长逐步逼近信道的稀疏度,从而实现了重构UWB信道。仿真结果表明,改进SAMP算法低信噪比时重构精度高于SAMP算法,具有更好的重构性能和广泛的实用性。

一种基于压缩感知的放大器模型改进简化方法（英文）

提出一种用于功放行为建模的改进算法,这种算法结合了正则化稀疏自适应匹配追踪(RAMP)算法和正交匹配追踪(OMP)算法的优点,通过对这两种算法的两个原子索引集的处理,得到了交集和补码集,并且在交集中的正确的原子指数包含了很大的索引概率。该方法通过从补充集中优化选择最正确的补原子,然后结合带有交叉点的最正确的原子指数得到最终的指数集。该方法可以大大降低丢失正确的原子的概率指数得到更准确的重构信号。仿真结果表明,在高稀疏度的前提下,所提出的算法能得到高精度的重构信号,且运行时间也可降低到合适的水平。

基于CS理论的24脉波整流器开路故障诊断方法

针对24脉波整流器晶闸管开路故障待处理数据量大、诊断精度不高和诊断速度慢的缺点,提出一种基于压缩感知(CS)理论对开路故障电压信号的稀疏向量进行特征提取的分类识别方法。利用冗余字典和高斯测量矩阵对原始信号进行稀疏表示和测量,接着用正则化自适应匹配追踪算法对测量信号进行重构,得到稀疏向量;对稀疏向量进行6种特征参数的提取,将其作为BP神经网络的输入,实现对开路故障的诊断识别;选取典型的开路故障类型,进行仿真实验验证。仿真结果表明,传统方法要处理的数据长度为1000,而所提方法要处理的数据长度只有50,以很少的数据量保存了原有信号的特征信息,使得开路故障识别准确率显著提高,诊断速度加快。

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.

基于压缩感知的LFM雷达信号回波盲稀疏度估计

由于压缩感知理论用于LFM雷达中要预先给出信号稀疏度,提出了自适应正交匹配追踪算法(AOMP),该方法可用于处理LFM雷达回波信号。在稀疏度即目标数目未知时,由不同发射信号通过延时进而相加来构造冗余字典。AOMP算法是依据残差之差的相对能量小于设定的停止门限来自适应终止稀疏分解过程。理论分析和仿真结果表明,存在噪声时,AOMP算法优于OMP算法,明显提高重构算法的重建概率。当回波信号的距离分辨率匹配字典的距离分辨率,冗余字典结合AOMP算法可有效处理LFM雷达回波信号,具有广泛的应用价值。