频谱稀疏OFD-LFM弹头自旋微动特征重构方法

针对基于高分辨雷达技术的弹头自旋微多普勒特征问题展开研究。首先通过理论推导详细分析了OFD-LFM信号体制弹头自旋微多普勒在谱图上的表现形式,并得出相关结论,再结合压缩感知理论提出一种频谱稀疏OFD-LFM微多普勒谱图合成方法,该方法可在大幅减少OFD-LFM子载波数的前提下,准确重构出弹头自旋微多普勒特征曲线;同时有效抑制了谱图中的旁瓣影响。仿真实验结果表明了理论推导的正确性,证明了该文重构方法的有效性。

OFD-LFM信号MIMO高分辨雷达一次快拍稀疏成像方法

针对正交频分线性调频(OFD-LFM)信号MIMO高分辨雷达稀疏成像问题展开研究,在分析了OFD-LFM信号频谱合成原理以及MIMO高分辨雷达一次快拍成像原理的基础上,给出了一种基于频域稀疏OFD-LFM信号和空域稀疏MIMO雷达天线阵列的联合稀疏模型,并结合压缩感知理论,提出了目标高分辨距离像(high-resolution range profile,HRRP)合成方法以及目标二维成像方法。该方法能够在大幅减少OFD-LFM信号子载波个数、大幅减少MIMO高分辨雷达天线阵元个数的条件下,利用一次快拍重构出高质量的目标HRRP和二维像,不仅避免了目标机动带来的运动补偿难题,同时还有利于天线阵列的工程实现。仿真结果表明所提方法是有效的,且具有一定的抗噪性。

基于最小描述长度准则的稀疏多带信号频谱感知算法

该文研究稀疏多带信号的频谱感知问题。首先利用欠采样的数据构造自相关矩阵,并对该矩阵进行特征值分解,然后根据最小描述长度(MDL)准则对特征值进行计算,利用结果区分信号子空间和噪声子空间,最后根据子空间的结果求出信号的频率支集,由此提出了一种针对稀疏多带信号的频谱感知算法。由于传统算法需要预先设置门限来区分信号子空间和噪声子空间,所以不合理的门限值会导致算法失效,该文算法不用预先设置门限,具有更好的适应性。仿真实验结果验证了该文算法的有效性。

基于频谱估计的频域稀疏压缩采样信号重构

压缩采样理论突破了采样定理对稀疏信号采样频率的限制,在保证信号重构精度的条件下能够显著降低采样频率,能够在采样过程中对数据进行压缩。在频域稀疏信号的压缩采样中,由于所处理数据长度的有限性,存在频谱泄漏现象,即稀疏表示基失配,从而导致信号重构性能降低。为克服这种表示基失配引起的重构误差,提出一种基于频谱估计的频域稀疏压缩采样信号重构算法。该算法采用root-MUSIC算法对被测信号的表示基进行自适应地构造:用root-MUSIC算法对频率进行估计,用自适应的基向量构造稀疏表示基矩阵。通过实验对该重构算法的可行性进行验证。与传统信号重构算法相比,该重构算法具有更高的信号重构精度。

基于双稀疏模型的音调信号频谱感知方法研究

为了提升音调信号频谱感知方法的感知性能,本文提出基于双稀疏模型的音调信号频谱感知方法。通过双稀疏模型,分析用户授权数量的稀疏性以及授权用户传输功率谱密度的稀疏性,构建音调信号频谱感知模型。通过音调信号频谱感知模型将音调的宽频带频谱感知问题转换为对授权用户发射信号功率密度的估计,重构音调信号功率谱密度向量,实现音调信号频谱感知。仿真实验结果表明,所提方法能够有效提升音调信号频谱感知的性能。

风机齿轮箱振动信号的稀疏傅里叶变换分析

风电机组齿轮箱振动信号的在线频谱分析对信号处理算法的快速性要求很高,提出采用稀疏快速傅里叶变换(SFFT)算法进行风机齿轮箱的频谱分析。SFFT算法主要利用窗函数过滤信号,然后散列傅里叶系数,最后进行定位与估值运算,能快速地计算出信号频谱中k(信号的稀疏度)个拥有最大值的傅里叶系数。该算法结构简单,运行时间相对于信号长度n呈亚线性。通过对风电机组齿轮箱的实际振动信号分析,验证了SFFT算法较之FFT算法运行速度快,非常适合振动信号的在线频谱分析。

强噪环境基于谱减法的录音数字音频信号降噪

由于强噪环境中存在大量的冗余信号和噪声信号,且噪声信号种类繁杂,影响信号降噪效果,为此提出基于谱减法的录音数字音频信号降噪方法。建立联合稀疏录音数字音频信号重构模型,根据目标函数得出含噪信号与正常信号的峰值变化规律。为了降低算法误差,引入交叉项估计法对长时信噪比和瞬时信噪比实施交叉替代,使算法在低、高噪声环境下都能实现高效适应。以谱减法降噪理念,分别计算含有和不含有噪声的频谱密度值,求解得到二者间的相位差值,通过差值剔除噪声信号,实现高效降噪。仿真结果表明,所提方法所需运算量较少,去噪效率更高,在不同噪声环境中均能完成精准降噪,且不会破坏原始信号细节,实用价值较高。

一种基于稀疏度估计的自适应压缩频谱感知算法

针对现有的频谱感知存在信号稀疏度估计所需压缩观测值不能满足信号稀疏度变化时实时跟踪的问题,研究一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法,在流信号进行稀疏度未知的压缩时,先采集由先验信息得到的观测值数目。在采集到的观测值数目上自适应调整,得到信号稀疏度估计所需的观测值数目,并精确估计信号的稀疏度。仿真结果表明,SCI-CSS算法对流信号频谱能够保持良好的收敛性和较快的跟踪速度,且能有效地确定使信号稀疏度估计所需压缩观测值数目并随信号稀疏度自适应调整,实现对信号稀疏度变化的实时跟踪。

基于一致性稀疏表示的地震信号补全算法

针对由于记录仪器的故障和保存媒介的缺陷导致的地震信号中一部分波形出现的缺失,提出一种基于一致性稀疏表示(CSR)的地震波补全算法。首先,通过稀疏表示(SR)模型表示每一帧地震信号;随后,采用主分量分析(PCA)的方法提取在频谱的分布上的帧间一致性信息;最后,利用地震信号的每帧的稀疏性和用帧与帧之间频谱分布的一致性,对缺损的信号进行恢复。在对历史地震信号进行的仿真实验中,当缺损的部分的跨度达到帧数据量的50%时,传统的稀疏表示恢复算法的误差已经很大,而一致性稀疏表示模型仍然能够得到很好的结果。仿真实验结果表明,一致性稀疏表示模型的补全效果要远好于传统稀疏表示模型的补全效果。

动态稀疏频谱的自适应压缩感知与跟踪算法研究

在宽带频谱感知、通信侦察等应用中信号稀疏度往往是动态变化的。首先证明了重构误差随压缩比的增加单调减小,在此基础上,提出了一种压缩比随频谱稀疏度自适应调整的压缩采样新算法。新算法由压缩采样与压缩比自适应调整两部分组成,其中,压缩采样部分用于恢复原信号,并估计恢复信号与原信号之间的误差;压缩比自适应部分根据误差与压缩比之间的近似线性函数关系,自适应调整下一时刻的压缩比。计算机仿真结果表明:新算法能够以近似"最优"的压缩比对稀疏度慢变的频谱进行有效感知,并跟踪频谱稀疏度的变化;与传统压缩采样方法相比,在保证频谱感知精度的前提下,新算法能够总体上进一步显著降低采样速率。

变压器振动信号稀疏快速傅里叶变换分析

变压器振动信号频谱具有稀疏性,传统的信号分析方法需要计算整个频率范围内的频谱成分,计算速度慢。稀疏快速傅里叶变换(sparse fast Fourier transform,SFFT)算法只计算变压器振动信号的主要频谱成分,利用窗函数过滤信号,然后散列傅里叶系数,最后进行定位与估值运算,能快速的计算出信号频谱中k个拥有最大值的傅里叶系数。该算法结构简单,运行时间相对于信号长度n呈亚线性。通过分析变压器油箱的实际振动信号,验证了SFFT算法较之FFT算法运行速度快,非常适合振动信号的在线频谱分析。

基于动态组稀疏重构的频谱感知算法

针对认知无线电网络中宽带频谱感知问题,提出了一种基于主用户信号频谱结构的频谱感知算法,简称为DGS-SS算法.该算法首先利用压缩感知理论对信号进行欠采样,然后利用主用户信号频谱的组稀疏结构修正重构过程中的频谱和残差支撑集,从而能够加快重构主用户信号频谱的收敛速度,而且也能够提高主用户信号频谱的重构精度,最后利用重构信号频谱给出频谱空穴的有效检测.仿真结果表明,所提算法不仅能在低压缩比下精确重建信号频谱,而且对噪声变化具有更强的鲁棒性,从而有效地提高了频谱感知性能.

宽频稀疏信号的光子学压缩感知研究进展

光子学压缩感知技术是近年来发展迅速的一种新型频谱感知技术,以远低于奈奎斯特(Nyquist)率对信号进行采样,大大提高了频谱测量范围和频率测量精度,为宽频稀疏信号的感知和测量提供了有效的解决方法。重点介绍了目前几种光子学压缩感知方法及其最新研究进展,分析比较了各自的优缺点和应用范围,探讨了下一步深入研究的方向。

基于二项分布改进的宽带压缩频谱检测方案

宽带压缩频谱检测存在依赖稀疏度先验信息和信号重构时延较高的问题.因此,本文提出了一种高效可靠的宽带压缩频谱检测方案.首先,推导出了基于二项分布精确置信区间改进的稀疏度估计模型.其次,利用稀疏度估计上下界改进了稀疏度自适应匹配追踪算法.最后,提出了一种宽带压缩频谱检测方案.仿真结果表明,本文所提出方法可以同时精确的估计信号稀疏度的上下界,提高了频谱检测的效率和可靠性,加快了算法的收敛速度.

一种基于多通道欠采样宽带频谱感知设计

Hassanieh等设计了一种基于稀疏傅里叶变换的实时宽带频谱感知和解译技术BigBand,该技术利用3台通用低速采集卡,实现最多2个混叠稀疏信号的解译。本文基于BigBand给出一种利用多通道低速采集卡宽带频谱感知设计方案,实现用低速采样解决宽频范围内多稀疏信号的快速感知解译。同时给出了一种该方案的实验验证方法。实验结果表明,四通道BigBand能支持同一频点最多3个信号混叠的恢复。

基于调制宽带转换器的自适应频谱感知研究

在基于调制宽带转换器(MWC)的频谱感知中,存在主用户数不确定而难以确定信号处理的通道数问题,为解决此问题提出一种能够自动调整通道数的自适应调制宽带转换器(AMWC)系统。同时,引入信号稀疏度自适应匹配追踪(AOMP)算法,结合AMWC系统,在信号子带数、稀疏度和最大带宽都未知的情况下,实现自适应的频谱感知。仿真实验结果证明,AMWC结合AOMP算法不仅能够快速、准确地恢复宽带稀疏信号的频谱,而且能够灵活地匹配信号子带数与通道之间的关系,可以应用在认知无线电中。

宽带压缩频谱感知非稀疏保护策略

针对频谱非稀疏情况下宽带压缩频谱感知性能下降的问题,提出一种基于信号重构模型参数分析的频谱非稀疏保护策略,该策略根据次用户接收到的相邻三帧信号之间的相关系数的大小动态判断宽带压缩频谱感知正确与否.首先建立基于高斯分层概率的宽带压缩信号模型对压缩重构进行分析,在此基础上综合考虑重构各帧信号模型参数的相关系数与频谱稀疏性之间的关系,设计一种认知用户能够根据信号模型参数相关系数的大小制定频谱稀疏与否的判决条件,进而制定保护措施.仿真结果表明:所提保护策略可以有效检测到由频谱非稀疏导致的宽带压缩频谱感知错误,降低对主用户的干扰概率.

模拟压缩采样技术研究

高带宽信号的应用对传统的香农-奈奎斯特采样提出了苛刻挑战,因此,基于压缩感知理论,对模拟信号的亚奈奎斯特采样技术进行研究。将压缩感知概念从离散域推广到模拟信号域,采用压缩采样算子对模拟信号输入带宽进行压缩,实现模拟压缩采样。在模拟压缩采样算子设计中,基于信号结构选择能够与信号稀疏有效结合成单一硬件结构的感知矩阵,使在压缩带宽的同时不损失任何重要信息。在压缩采样的数字处理中,应用非线性探测方法从低速率压缩采样序列中探测信号的精确子空间。

基于多任务贝叶斯压缩感知的宽带频谱检测

针对认知无线网络中主用户信号在空频域的稀疏性,基于贝叶斯压缩感知(BCS)的信号重构通过层次化贝叶斯分析分级先验模型获得稀疏信号估计.将贝叶斯压缩感知应用于认知无线电宽带压缩频谱检测,利用多认知用户感知信号的时空相关性实现在多用户多任务传输条件下的稀疏信号重构与宽带压缩频谱检测.研究了基于期望最大化算法和相关向量机模型的多任务BCS参数估计.仿真结果表明:相比于传统单任务BCS重构方法,多任务BCS在节点能耗与网络带宽受限的条件下,通过对估计参数的合理优化,在较低压缩比区域可实现重构均方误差的快速收敛,且检测性能随着任务数的增加而提高.当感知数据相关性从25%增加到75%,且任务数一定时,所提方法的重构观测数明显下降,宽带频谱检测性能显著提高.

压缩感知在图像处理中的应用

图像采样和重建是图像处理领域中基础工作和重点研究内容。传统图像采样是基于香农采样定理,即要求采样频率不小于奈奎斯特频率(模拟信号频谱中最高频率)的两倍,这样采集得到的数据存在很大程度冗余,对于信息传输不仅压力大而且有很多是舍弃的无效数据。近年来出现的压缩感知理论(Compressed Sensing,CS)则不受制于奈奎斯特采样定理,它是采用非自适应线性投影来保持信号的原始结构,以直接采集压缩后数据的方式,从尽量少的数据中提取尽量多信息。本文阐述了压缩感知基本原理、CS理论框架及关键技术,并以交通领域图像处理为例说明压缩感知在图像处理中的应用。