压缩感知框架下非均匀信息采集及重构

为提高现有直接信息均匀压缩采样(Analog to information conversion,AIC)的观测效率和性能,在能量准则下,提出非均匀信息采集(Non-uniform information acquisition,NUIA),充分利用信息的重要性先验,即对信号随机调制后,依据能量进行变速率的采集,能量越大的信号段采样速率越高,反之亦然。结合支撑域扩充、剪枝的思路提出变速匹配追踪(Variable rate matching pursuit,VRMP)算法,通过引入非均匀观测的先验支撑集,并在追踪过程中将其与迭代估计出的支撑集相并,提高了重构精度。理论分析和实验结果表明了NUIA-VRMP的有效性。特别地,相比于常规AIC的子空间追踪重构,NUIA-VRMP的组合能在低采样速率条件(如20%的Nyquist速率)下获得50dB的重构增益。

杜芬振子检测弱信号的时频积数值分析

杜芬振子能有效检测出淹没在噪声中的周期信号,并且对噪声具有免疫力,驱动信号数据长度对于提高振子检测性能具有重要意义。现有文献使用较长的待测信号驱动杜芬振子,需要进行大量的运算。针对此问题,研究了杜芬振子能检测的最短信号以及不降低检测性能同时计算量小最佳信号长度。研究发现,杜芬振子能检测的最短信号及最佳信号长度与待测信号的时频积有关,本方法采用待测信号时域长度与角频率的乘积即时频积(TF)为衡量指标,并以此鉴定杜芬振子的检测性能:最短信号在37 rad<TF<38 rad时取得,最佳信号长度在260 rad<TF<280 rad时取得。

微弱信号混沌检测方法的抗噪性能研究

针对混沌检测算法中临界状态不易准确判定,相变判别可能受到噪声影响的问题,首先阐述了基于Duffing方程的微弱信号检测原理,然后对混沌检测算法中噪声对系统输出的影响进行了推导和理论分析,设计仿真实验对复杂噪声条件下混沌系统的检测性能进行了分析。理论分析和仿真实验都表明,混沌系统对各种噪声都具有良好的免疫力,可以应用于强噪声背景下微弱信号的检测。

基于轮廓预提取的直接信息采样与重构

现有直接信息采样(analog to information conversion,AIC)框架未考虑信号的轮廓在重构中占据特殊地位且对输入信号的有效性缺乏判断。针对这一问题,在压缩感知理论框架下,提出基于轮廓预提取的直接信息压缩采样理论。将输入信号的大轮廓用低速采样器件先行提取出来,再对输入信号的细节进行压缩采样。在重构算法方面,提出自适应分段正交匹配追踪算法以解决实时流信号的精确重构问题。从理论上分析了轮廓预提取直接信息压缩采样的有效性和可靠性。仿真结果表明,在同等条件下,通过引入少量轮廓信息的改进型AIC比传统AIC重构性能更好。

基于GPU的混沌弱信号检测临界阈值确定

混沌检测系统临界阈值的确定是建立混沌检测系统的核心问题,临界阈值的精度决定了可检测信号的精度。目前相轨迹图观察法已经无法满足快速确定精确的系统临界阈值的需求,利用Lyapunov指数等量化指标检测临界阈值的方法计算量大、算法复杂、时间消耗大,且消耗大量计算资源,无法在GPU上实现并行程序设计;系统相轨迹过零周期数相变判别算法在检测相同精度阈值情况下较Lyapunov指数算法有相同的检测精度,同时更易于利用现代高性能计算工具GPU实现并行程序设计。因此,在系统相轨迹过零周期数阈值判别算法的基础上提出了基于GPU的混沌弱信号检测临界阈值并行检测算法,实验显示,GPU并行系统临界阈值检测算法在幅值递增步长10-6下较CPU串行算法可以实现近90倍的加速比,使高精度临界阈值能够在短时间内准确确定。

基于卡尔曼滤波的压缩感知弱匹配去噪重构

现有的贪婪迭代类压缩感知重构算法均基于最小二乘对信号进行波形估计,未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出了一种基于线性Kalman滤波的压缩感知弱匹配去噪重构算法.该算法不需已知稀疏度先验,通过引入Kalman滤波,在最小均方误差准则下,每次迭代都获得最佳信号估计;并以弱匹配的方式同时筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KFCS算法.

接近最优检测性能的低复杂度线性并行MIMO检测算法

在高阶正交幅度调制下,现有用于MIMO系统的并行检测算法复杂度极高,且随着天线数增多复杂度快速增加;而低复杂度的非并行检测算法与最优检测算法相比,其误比特率性能仍存在一定差距。针对上述问题,提出了一种接近最优检测性能的低复杂度并行MIMO检测算法,该算法基于信道分组检测的思想,对通过受噪声干扰严重的子信道信号采用遍历所有空间映射点的方式进行检测,对其余信号则采用新的基于lattice reduction的线性并行检测算法进行检测。仿真结果表明该算法在获得近似最优检测性能以及提高分集增益的同时,仍可保持较低的复杂度,且在高阶QAM调制方式下,复杂度降低尤为明显。

基于傅里叶变换的非正弦时域正交调制系统实现方法

针对基于椭圆球面波函数(PSWF)的非正弦时域正交调制系统在硬件实现时遇到的PSWF实时产生困难、系统实现复杂度高等问题,从PSWF的傅里叶级数展开形式出发,分析研究了其正余弦展开形式及展开项系数与脉冲信号能量和脉冲间正交性的关系.在此基础上,理论推导了基于离散傅里叶逆变换(IDFT)的非正弦时域正交调制方法和基于离散傅里叶变换(DFT)的解调方法,并给出了基于快速傅里叶(逆)变换(FFT&IFFT)的调制和解调方法.该方法将成熟的傅里叶变换技术运用到非正弦系统的实现上,建立了非正弦系统实现与离散傅里叶(逆)变换之间的联系,为非正弦系统的研究提供了一种新思路.

MMSE准则下近似最优MIMO分组并行检测算法

在采用多天线高阶QAM的MIMO通信系统中,现有基于信道分组并行检测算法虽然接近最优检测性能但以牺牲计算效率为代价.针对这一问题,本文提出一种MMSE准则下基于信道分组的并行检测算法,不但有效降低计算复杂度,而且仍保证检测性能.该算法采用MMSE准则下格归约算法改进分组后条件较好子信道矩阵特性,并在消除参考信号基础上利用改进的子信道矩阵对剩余信号以非线性方式进行检测.仿真结果表明:对4@4和6@6MIMO系统,该算法检测性能达到最优,对于8@8 MIMO系统,比最优算法所需信噪比提高约1dB.复杂度分析表明:相比现有信道分组检测算法,相同检测性能下该算法在6@6 M IMO系统中复杂度降低90%以上,在8@8 MIMO系统中复杂度降低98%以上.

基于Monte Carlo采样的压缩感知弱匹配去噪重构

最小二乘是现有贪婪迭代类压缩感知重构算法中通用的信号估计方法,其未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出一种基于Monte Carlo采样的压缩感知弱匹配去噪重构算法.该算法在未知信号稀疏度先验的条件下,通过引入递推Bayesian估计减小量测噪声的干扰;同时,以弱匹配的方式筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件,尤其是非高斯噪声情况下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KF-SAMP算法.

三维观测模型下蒸发波导时空态势压缩感知

为减小蒸发波导时空态势感知过程中采集存储的数据量和计算量,将现有一维压缩感知观测模型推广,得到三维观测模型,并改进得到三维观测下的盲稀疏回溯重构算法.通过一个等效三维感知矩阵对时间维和空间二维进行同时观测,并考察其整体重构.新方法维护了蒸发波导参数内在的相关性,缓解了单独按时间维或空间维感知引入的重构人为效应.理论分析和实验表明,在相同压缩比下,时空三维感知结果最接近真值.

基于FPGA的高斯白噪声生成

高斯白噪声生成用于宽带短波信道模拟器系统,利用m序列发生器及查表法实现,采用现场可编程门阵列(FPGA)实现噪声生成器的设计,整个噪声生成器由VHDL语言编写,便于修改升级。仿真结果表明,基于FPGA设计实现的高斯白噪声生成器能够满足宽带短波信道模拟器性能指标要求,并且具有灵活性、通用性、修改参数方便等特点,具有很好的实用价值。

一种新的信道模拟时间分辨率控制技术

针对宽带无线信道模拟尤其是短波信道模拟中存在的时间、时延相对独立且分辨率不一致的问题,提出了非对称的时间、时延分辨率控制技术,并验证了其有效性与正确性。首先提出了双时-非对称分辨率的概念,再利用拟合的方法确定时间轴上特征函数的其他点。仿真结果表明:双时-非对称分辨率控制技术缩短了信道模型参量的求解时间,且理论上能够满足信道模拟的需要,其有效性得到了验证。采用非对称的时间分辨率,在保证真实再现信道的前提下,能够减少采样点、降低处理器的处理压力,保证信道模拟的实时性。

宽带短波信道模拟器中数字下变频的实现

宽带短波信道模拟器是一种运用仿真技术对真实的短波信道进行模拟的仪器。首先指出数字下变频在宽带短波信道模拟器中的作用。然后,阐述了数字下变频中的数控振荡器、CIC滤波器、半带滤波器和低通滤波器的实现方法。最后,结合Matlab算法仿真技术,不依赖FPGA的IP核,设计并实现了基于FPGA的数字下变频。功能与时序仿真结果表明:基于FPGA设计实现的数字下变频能够满足宽带短波信道模拟器性能指标要求,并且具有灵活性、通用性和修改参数方便等特点。

粗糙海面对电磁波蒸发波导传播的影响研究

为了更好地研究蒸发波导对电磁波传播的影响,针对目前利用抛物方程模型进行电波传播预测时多将边界条件假设为平静的理想海面、且未考虑风速引起的海面粗糙状况的不足,引入了贴近实际的Miller-Brown粗糙衰减因子,进而给出了粗糙海面阻抗系数公式。结合我国海域蒸发波导实际情况,采用GPS信号参数,通过进行陷获可能性分析及传播损耗计算,仿真分析粗糙海面对电磁波在蒸发波导中传播的影响。结果表明:GPS信号可以被陷获在蒸发波导内实现超视距传输。风速越大,海面越粗糙,电磁波的超视距传输距离越小。当风速达到一定级别时,几乎可以抵消电磁波的超视距传输现象。说明粗糙海面对电磁波蒸发波导传播有较大影响。

基于优化滤波的水平非均匀蒸发波导反演算法

针对水平非均匀蒸发波导反演中大气折射率剖面水平分布规律不确知和大范围海域气象参数观测难的问题,提出一种基于优化滤波的水平非均匀蒸发波导折射率剖面参数反演算法,该算法采用粒子群优化估计折射率剖面参数初始状态和描述剖面参数水平分布规律的状态转移函数,结合GPS海面散射信号波导传播的DMFT步进计算正演模型和实测GPS散射信号功率建立系统方程和观测方程,并采用粒子滤波迭代估计水平步进上的非均匀折射率剖面参数。该算法的精估计环节有效修正了粒子群估计误差在后续反演过程中导致的误差积累,保证了反演精度,并使得算法具备距离分段条件下逐段反演的能力,为远距离海域蒸发波导折射率剖面参数的反演提供了可行的方法。

基于二阶差分的前后向DMFT电波传播算法研究

针对传统DMFT类算法存在数值振荡问题及由此产生的"Bad Alpha"现象,提出了一种基于二阶差分的前后向DMFT算法——组合区间算法,分别构建前向和后向二阶辅助函数,对求解出的收敛区间进行重新组合,消除盲点,从而使数值振荡减弱,改善"Bad Alpha"现象。同时,基于组合区间算法,分别给出了标准大气、蒸发波导下的修正折射率和传播损耗分布曲线,计算结果是在动态粗糙海面的基础上得到的,显示出良好的稳定性,为粗糙海面条件下蒸发波导环境中雷达盲区探测等工作提供了一定理论基础。

混沌解调的并行蒙特卡罗仿真方法研究

针对通信信号检测的研究中存在大规模计算的问题,在实验室算法仿真阶段通过CPU对码元串行解调的蒙特卡罗仿真面临巨大的时间和计算资源开销,无法实现快速仿真验证实验,制约了研究工作的进展。以2FSK通信信号为例,利用过零周期数作为混沌相变判别指标,建立了基于GPU的混沌解调并行蒙特卡罗仿真模型,利用GPU高效的并行能力实现了快速的2FSK通信信号混沌解调的并行蒙特卡罗仿真。实验室对106量级的随机码元仿真显示该并行蒙特卡罗仿真模型可以实现近24倍的加速比,能高效地实现通信信号的混沌解调,为混沌解调算法研究奠定了基础。

镜像反转DMFT抛物方程算法

基于双向DMFT抛物方程算法,提出一种镜像反转DMFT算法,该算法适用于刃峰存在条件下的电波传播计算,无须调用后向DMFT算法,在传统前向DMFT算法的步进计算流程内,将峰面前侧的地形和大气折射率信息加载于峰面镜像方向,基于镜像反转完成对后向反射场的计算,降低了电波传播计算程序上的复杂性,更符合DMFT的迭代计算特点。通过对DMFT抛物方程算法的理论推导,证明了镜像反转DMFT算法与双向DMFT算法在理论上是等效的,并采用所提算法计算了单刃峰和多刃峰情形下的电波传播损耗分布。

基于Duffing振子的BPSK信号解调算法

针对传统解调方式无法处理强噪声背景下BPSK信号的问题,采用基于Duffing振子的混沌检测技术对通信信号进行解调,提出了基于Teager能量算子的混沌相变判别方法,提高了相变判别的实时性。结合BPSK信号的调制特点,给出了基于Duffing振子的BPSK信号解调算法。实验表明,这种算法的解调性能优于传统解调方式,可以应用于强噪声背景下微弱BPSK信号的检测。