预估稀疏度的压缩感知超宽带信道估计算法研究与仿真实验

设计了信道估计算法实验的一个拓展内容——预估稀疏度的压缩感知超宽带信道估计算法研究与仿真实验,提出一种预估稀疏度的压缩感知超宽带信道估计算法。该算法引入稀疏度预估计,在自适应匹配之前快速估计出信号的稀疏度,避免自适应匹配时步长选择不合理对信道估计结果产生影响。在稀疏度预估计和匹配追踪两个阶段挑选原子时使用广义Dice系数准则来进行每一阶段的最优原子选择工作,并在匹配最优原子阶段引入正则化对已选原子进行二次筛选。     

一种改进的稀疏度估计变步长匹配追踪算法（英文）

为了提高稀疏信号贪婪算法的重构性能,提出了一种改进的贪婪重构算法,即稀疏度估计变步长匹配追踪算法.与现有的贪婪算法相比,该算法用约束等距常数和变步长分别来进行稀疏度估计和减少重构所需的时间.通过稀疏度估计,在重构的开始阶段得到估计的稀疏度和支撑集作为初始值,为信号重构提供了初始的稀疏信息.然后,根据初始值计算相关值以及残差,通过回溯思想和可变步长更新上一次迭代得到的支撑集.最后,当满足算法终止条件时,得到正确的信号支撑集,从而准确地重构出原始信号.仿真结果证明,针对稀疏信号重构,所提出的算法提高了重构性能,所需要的运算时间较之前的算法大幅减少.     

电能质量信号的KSVD-NRAMP归一化自适应稀疏重构算法

针对稀疏重构算法在电能质量重构中存在实时性差、重构精度低的问题,提出一种基于特征向量归一化的K奇异值分解(KSVD-NRAMP)自适应稀疏重构算法。算法针对电能质量信号的非线性非稳态特征,采用迭代式匹配追踪得到信号稀疏特征矩阵,然后对矩阵进行归一化处理,量化特征向量,加快函数收敛速度。接着对得到的矩阵原子进行奇异值分解,改善迭代步长波动造成信号重构精度低的问题,最后构建信号的高斯随机矩阵并重构信号。当信号压缩率在50%~90%时,该算法重构信噪比其它重构算法的重构信噪比高出26dB~28dB。实验结果表明,该算法重构精度更高且计算时间短,为电能质量信号的研究提供了一种新思路。     

基于压缩感知的电能质量信号重构算法研究

为解决传统电能质量信号在采样时面临的采样率高,采样资源浪费和硬件成本高的问题,压缩感知理论被引入到电能质量信号的采样与重构过程。信号的稀疏表示是压缩感知理论中的关键问题,一般选择正交基作为压缩感知中的稀疏变换基。基于多重扰动的电能质量信号,本文提出了基于不同干扰的电能质量模型来选择不同的信号稀疏变换基的压缩感知重构算法。实验证明与整个信号采用单一DCT变换基或FFT变换基的压缩感知重构算法相比,本文提出的方法具有更好的信号重构性能。     

基于压缩感知的仓储无线传感粮情监测方法

以三维表面的视觉测量和稀疏表示为研究对象,针对仓储存粮情况信息监测设备成本高、测量过程复杂、数据量巨大等问题,提出了基于曲面稀疏重构的仓储无线传感粮情监测和处理方法。研究设计了正则化可变步长自适应匹配追踪的曲面重构算法,建立了仓储粮情监测的压缩感知测量机制,为大规模仓储管理中粮食数量估计、温湿度异常检测与定位的无线感知测量奠定了理论基础。     

采用压缩感知的数字广播信道估计(英文)

为降低导频数目并提高频谱利用率,将最新提出的压缩感知技术应用于数字广播的信道估计.在欧洲电信标准协会DRM标准规定的6种信道模式中,对于确定了信道模式多径数目的情况,采用子空间跟踪算法估计各径的时延扩展和衰减,设定算法迭代终止条件为估计结果的稀疏度等于多径数目;对于多径数目未知的情况,采用正交匹配追踪算法估计信道参数,设定算法迭代终止条件为估计误差等于噪声方差.仿真结果表明,在相同的导频数目下,压缩感知算法优于传统的基于内插的最小二乘信道估计算法;在多径数目先验的情况下,子空间跟踪算法优于正交匹配追踪算法.     

基于变换域的压缩感知快速重构算法

压缩感知是信号处理领域热门研究课题,其应用前提为原信号是稀疏或可压缩的。时域非稀疏信号可以变换为频域稀疏信号,但变换后的信号和传感矩阵表示形式为复数,增加了重构复杂度。为了降低复杂度,提高信号重构效率,提出一种基于实变换的重构算法,该算法将复数形式的稀疏信号和传感矩阵的实部和虚部分离后再参与重构。与传统重构算法相比,该算法改善了重构信号的均方误差,明显缩短了重构时间,极大提高了信号重构效率。     

基于大规模MIMO-OFDM系统的5G通信信道估计算法研究

信道估计对宽带无线移动通信系统的具体实现至关重要。本文介绍了大规模MIMO-OFDM系统的通信原理,指出5G无线信道存在的局限性,再根据信道衰落、多径效应等问题的成因,提出基于压缩感知理论的信道估计算法,并以MATLAB为仿真平台,设置了载波数量、稀疏度、载波频率等仿真参数,在不同的信噪比下开展了算法性能检验。结果显示,稀疏度自适应匹配追踪算法的性能表现最佳。     

基于奇异值分解改进观测矩阵的FBG传感信号处理

针对地下管廊环境恶劣复杂、噪声干扰较大的问题,提出一种基于奇异值分解的改进观测矩阵方法,通过提高压缩感知处理光纤布拉格光栅传感信号精度,完成噪声预处理。对观测矩阵进行分解重构,提高信号重构保真度。首先对随机观测矩阵进行正交化处理,再对其进行奇异值分解,将特征矩阵特征值改为恒定值,带入新的特征值后将产生新的观测矩阵。对信号进行观测,并采用信噪比、重构误差等指标确定稀疏度 K。仿真结果表明,该方法重构精度提高约 72%。     

利用结构稀疏性的超宽带探地雷达检测成像算法

针对目前压缩感知(compressive sensing,CS)算法应用在超宽带探地雷达(ground penetrating radar,GPR)高分辨率检测成像过程中,传统稀疏字典的设计以及匹配追踪算法存在精确度不足的问题,提出块稀疏正交匹配追踪(block sparse orthogonal matching pursuit,BSOMP)算法,并引入地埋异质体检测成像研究。根据目标检测体在离散化后网格点之间反射回波具有相关性,以实际情况为基础创建稀疏字典,最终实验结果表明BSOMP能够实现对均匀介质探测体的精确成像。     

一种变步长LMS自适应滤波算法及分析

讨论了变步长自适应滤波算法,给出了一种新的变步长LMS自适应算法,建立了步长因子μ与迭代次数n及输入信号之间的一种新的非线性函数关系。该算法与传统LMS算法相比,在计算量增加不太大的情况下,具有更快的收敛速度和较小的稳态误差,而且无须去关心步长因子的大小。通过Matlab模拟仿真的结果与理论分析相一致,证实了该算法的优越性。     

基于非凸低秩优化的压缩感知植株图像重构

目标植株图像压缩重构对于图像的高效传输及存储意义重大,同时为后期植株生长状态检测及病虫害识别奠定了基础。传统图像压缩感知方法大多是针对信号在某个特征空间的稀疏性进行的,并没有考虑信号的局部特征与结构化特性,存在重构效率不高、重构精度较低等问题。针对以上情况,提出一种基于非凸低秩优化的压缩感知植株图像重构算法。首先通过KinectV2.0采集植株图像深度数据并进行预处理,结合K-means与Mean-shift聚类算法提取目标植株有效区域,再考虑图像的非局部自相似性,采用加权[lp]范数最小化算法（WSNM）求解低秩优化问题,较好地保留了图像结构细节,最后采用Dog-leg最小二乘算法取代最快下降法进行迭代优化。试验结果证明,该算法在不同采样率下的植株图像重构质量优于其它同类算法,尤其在低采样率下重构效果更为突出。     

基于稀疏表示的摩尔纹噪声去除方法

为去除常出现在图像采集和日常摄影中的摩尔纹噪声,提出一种由样条小波生成的紧框架下的稀疏信号恢复算法。该算法利用摩尔纹噪声的频域特性确定受影响的傅里叶频谱区域;利用图像在给定紧框架下的稀疏性,根据压缩感知理论实现数据在傅里叶频谱上的非线性插值。实验结果表明,相比传统频域滤波算法,该算法恢复图像的峰值信噪比更高,更符合人的视觉审美,在去除摩尔纹噪声的同时,还可有效保留图像边缘信息。     

一种基于扩展Infomax的自适应学习算法

独立向量分析根据信源统计独立特性对观测信号进行分离运算,扩展Informax算法既能分离超高斯信号,也能分离亚高斯信号,得到广泛的应用。本文基于扩展Infomax算法特点,提出了一种自适应的学习算法,该算法使得学习步长根据信号的代价函数变化而变化,克服了扩展Infomax算法在稳态步长调整过程中的不足,仿真结果证实了该算法的有效性。     

一种认知无线电自适应双门限能量检测算法

针对传统频谱感知方法易受噪声波动影响的缺点,提出了一种认知无线电自适应双门限能量检测算法.该算法基于双门限能量检测,通过比较认知用户接收的能量值和预定义的门限值,判断当前信道状态并自适应地选择一轮感知或两轮感知.推导了所提算法的检测概率、虚检概率和感知时间的性能表达式,并采用蒙特卡洛仿真得到信噪比与检测概率、感知时间的...     

压缩采样中基于离散时间马尔科夫链的动态控制机制

针对信号稀疏度在大多数情况下时变且未知的问题,提出了一种实时信号稀疏度预测及最优采样速率确定机制.利用离散时间马尔科夫链对信号稀疏度进行建模,分析信号稀疏度各状态之间变化的规律,根据当前状态预测下一个采样周期内信号的稀疏度状态及概率.此外,基于预测结果,综合考虑采样过程中的能量消耗和信号重构的精确度,以最大化预期收益为...     

利用自适应网格细分法的电阻抗成像

1 Introduction Electrical i mpedance tomography (EIT) is a non-in-vasive i maging technique with widespread applicationsin medicine and industry[1 ,2].In EITthe electric cur-rent is injected between all possible pairs of adjacentelectrodes , and voltage is measured among all otherelectrodes and a voltage reference electrode .Based onthese boundary measurements ,the internal resistivity(or conductivity) distribution of the body can be esti-mated using the boundary voltage based on various re-…     

Joint compressive spectrum sensing scheme in wideband cognitive radio networks

In this paper, a distributed compressive spectrum sensing scheme in wideband cognitive radio networks is investigated. An analog-to-information converters (AIC) RF front-end sampling structure is proposed which use parallel low rate analog to digital conversions (ADCs) and fewer storage units for wideband spectrum signal sampling. The proposed scheme uses multiple low rate congitive radios (CRs) collecting compressed samples through AICs distritbutedly and recover the signal spectrum jointly. A general joint sparsity model is defined in this scenario, along with a universal recovery algorithm based on simultaneous orthogonal matching pursuit (S-OMP). Numerical simulations show this algorithm outperforms current existing algorithms under this model and works competently under other existing models.     

基于模拟退火方法BP神经网络的测向定位方法

针对BP算法在测向定位中收敛速度慢、易陷入局部极小等缺点,将模拟退火方法应用到BP神经网络中,同时结合变步长方法,利用隐层节点的动态合并与删除策略,在满足定位精度的同时使网络结构最小化,使用三层前馈网络建立了三站测向定位模型。通过仿真实验,新方法在收敛速度和有效性方面都远高于BP算法。