MIMO-OFDM系统的CQI反馈压缩改进算法

针对多用户MIMO-OFDM系统的信道质量指示(CQI)反馈特征值序列空间维相关性小、不利于反馈压缩的问题,分析了它的分布特性,利用其期望提出了一种适应CQI反馈压缩特性的改进算法.仿真结果表明,在多用户V-BLAST+OFDM的系统下,改进的算法提高了反馈信息的压缩率和系统的吞吐量性能,在几乎不影响吞吐量性能的前提下有效地降低了反馈开销.     

自适应OFDM系统中基于压缩感知的反馈压缩新方法

在多用户无线通信系统中,采用自适应调制与调度技术能够有效提高系统吞吐量.为此,必须反馈信道质量指示(Channel Quality Indication,CQI).在多载波自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中CQI反馈速率非常高,令系统难以承受.因此,必须对反馈信息加以压缩.近年来提出了一种新理论,称为压缩感知(Compressed Sensing,CS).基于CS理论提出了一种新的CQI反馈方案.通常,基于离散余弦变换的压缩方案被认为是最佳压缩方案,仿真结果表明所提出的新方法性能优于基于离散余弦变换的压缩方案.     

无线传感器网络中基于空间相关性的分布式压缩感知

提出了无线传感器网络中基于空间相关性的分布式压缩感知模型和分布式压缩感知算法,利用无线传感器网络节点间感知数据的空间相关性和联合稀疏模型,结合分布式压缩感知编解码算法,以能量有效的方式对无线传感器网络的感知数据进行压缩、重构.最后,通过仿真分析了分布式压缩感知重构误差和压缩比之间的关系,以及分布式压缩感知在能量有效性方面的性能,仿真结果表明分布式压缩感知以能量有效的方式满足了无线传感器网络中事件估计的精确度要求.     

压缩感知雷达波形优化设计

针对压缩感知雷达(CSR)波形优化问题,该文提出一种基于感知矩阵相关性最小化的CSR波形优化设计方法。首先建立了CSR的系统模型,给出了最小化感知矩阵相关性的波形优化目标函数,其次以多相编码信号作为优化码型,采用模拟退火(SA)算法对目标函数进行优化求解。优化波形有效降低了感知矩阵的相关性,由此提高了CSR目标信息提取的准确性和稳健性。计算机仿真表明优化波形使得感知矩阵相关系数较传统雷达波形明显减小,验证了该方法的有效性。     

基于互信息的分布式贝叶斯压缩感知

压缩感知理论应用于分布式认知网络中时,由于每个认知用户所处的信道环境差别很大,因此频谱感知的精度相差很大.为了提高感知的精度,提出了一种结合了分布式网络中的数据融合方法和压缩感知理论中的高效的数据处理方式的方法.首先,单个认知用户单独地运用压缩采样(CS)进行频谱的粗略感知,然后通过互信息的计算可以得到两两认知用户之间感知信息的差异,而差异大的两个认知用户之间会产生关联.认知用户的感知信息会按照这种关联进行共享.信息共享后,在每个认知用户端,基于贝叶斯推理的压缩感知恢复会重新进行来更新之前的感知结果.仿真结果表明,在感知精度与感知速率方面,算法性能均有改善.     

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit,DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error,LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。     

线性回归的分布式压缩采样算法

为减少无线传感器网络数据传输量,进而延长网络的生命周期,研究了一种联合线性回归和压缩感知的分布式采样方法。依据节点数据的相关性对网络进行分簇,将感知数据显著线性相关的传感器节点划分到同一簇中。以此为基础,提出了一种基于线性回归的分布式压缩采样算法,该算法联合运用线性回归和压缩感知理论重构节点数据,实现了低速率采样条件下节点数据的高精度重构。对实测温度数据进行仿真实验,结果表明,与等间隔采样相比,该算法减少了71%的采样值个数。     

基于Spark的合成孔径雷达压缩感知分布式成像

压缩感知(Compressive Sensing,CS)方法在合成孔径雷达(Synthetic Aperture Radar,SAR)成像中应用广泛,但其存在计算时间长和计算能力扩展性不足等问题。为了解决上述问题,本文提出了一种基于Apache Spark的SAR压缩感知成像分布式成像方法。该方法首先将压缩后的数据沿方位角方向按每一行划分为行向量,然后通过Spark分布式计算平台进行距离向分布式并行重构;将距离向成像的结果矩阵按每一列划分成列向量,再通过Spark分布式计算平台进行方位向分布式并行重构,完成SAR压缩感知成像。此方法利用Spark基于内存的分布式并行计算优势,实现了计算速度是SAR压缩感知的1.9倍,是MapReduce的SAR压缩感知(MR-CS)方法的1.4倍,可见本文方法能够实现SAR压缩感知成像的加速。     

参与式感知系统中基于压缩感知的数据采集算法

基于压缩感知理论提出了一种在参与式感知系统中进行数据采集的算法.该算法通过对节点社会关系的分析,估计得出部分未被传输的节点感知数据,在此基础上对观测矩阵进行更新,使压缩感知算法可以利用已传输的数据和估计得出的数据进行重构.该算法能显著减少参与式感知系统中传输的数据量,同时能够保证较好的数据重构精度.采用随机漫步移动模型进行了仿真实验,验证了算法的可行性.实验表明,与传统的压缩感知算法相比,上述算法在重构成功率相同的情况下,可以显著减少网络传输的数据量,从而降低网络消耗.     

基于压缩感知的煤矿井下语音通信系统

介绍了煤矿井下语音通信系统的发展现状,指出了现行的语音通信系统具有编码算法复杂的缺点。将压缩感知理论引入到煤矿井下语音通信系统中,提出一种压缩感知编解码与传统编解码相混合的编解码方法。最后通过实验仿真了基于压缩感知的语音重构,从重构结果的MOS评分可以看出该算法降低了井下终端的编码复杂度,节约了终端的能耗,延长了其生存时间,基本与MP3的压缩效果相当。证明了该算法可以很好的应用于煤矿井下语音通信系统中。     

基于CS与K-SVD的欠定盲源分离稀疏分量分析

为了提高盲源分离的准确率,提出了结合压缩感知(CS)与K均值奇异值分解(K-SVD)的稀疏分量分析方法进行盲源分离.首先,分析欠定盲源分离估计源信号与压缩感知问题的等价性,建立压缩感知框架;其次,在此框架下利用K-SVD方法训练稀疏字典;最后利用经典追踪算法计算得到稀疏分量,结合传统的两步法,进行盲源分离.大量实验表明...     

基于压缩感知的MIMO-OFDM系统信道状态信息反馈方案研究

在MIMO-OFDM系统中,信道状态信息反馈技术是现在的研究热点。在研究了3GPP-LTE系统中使用的一些信道状态信息反馈方案的基础上,提出了一种基于最新的压缩感知技术的反馈方案。该方案中利用高速数字信道频域的稀疏性,通过压缩感知算法重建反馈的信道状态信息,有效减少了系统处理复杂度和传输的数据量。仿真证明,在反馈量相同的前提下,新方案的系统容量和误码率性能都优于传统的基于码本的反馈方案。     

基于最佳联合稀疏表示的分布式压缩感知算法

通过探索无线传感器网络节点感知数据的时空相关性,可以构建适用于不同应用情形的联合稀疏模型。利用联合稀疏模型,提出了一种适用于无线传感器网络的分布式压缩感知算法。该算法采用联合编码联合解码的方式,充分利用了信号内部和信号之间的相关性,从而可以用更少的观测值实现信号群的精确重构。与单独编码单独解码相比,采用联合编码联合解码的方法,在保证信息可靠传输的前提下,减少了整个网络的数据流量,节约了宝贵的能量资源,以能量有效的方式满足了传感器网络的应用。     

语音压缩感知及其重构算法

在研究语音信号在小波域的稀疏性的基础上,提出双正交小波变换的方法,与一维小波变换方法相比稀疏度提高10%～25%.此外,提出基于自适应次梯度投影算法(ASPM)进行压缩感知(CS)语音信号重构的方案.ASPM算法首先根据压缩感知重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用次梯度投影的思想将该凸集的投影转化...     

基于压缩感知的无线传感器网络节点定位算法

为了得到有效的、通用的定位算法,提出了两种新的定位算法——基于压缩感知的无线传感器网络节点定位算法（NLCS）及其改进算法（INLCS）.NLCS算法利用压缩感知和加权质心算法进行节点位置估计.提出了伪跳数以改进NLCS算法,提升了算法的定位性能.这两种算法解决定位问题必须满足3个条件,使其更适合于实际应用.仿真结果表明,相对于LSRC和LSVM定位算法,这两种算法有更好的定位性能.     

基于神经网络的压缩感知观测序列建模

首先阐述了信号处理的热点———压缩感知技术的基本理论框架,并且分析了压缩感知中观测序列的相关特性,接着将BP神经网络应用于非线性时间序列建模与预测中,相应地提出了加入观测序列建模预测后的CS理论框架,基于此框架,给出了实验仿真的结果,得出结论:利用神经网络对压缩感知观测序列进行建模预测可以进一步减少观测序列的传输量,并且具有很高的预测精度。     

基于压缩感知的图像水印算法研究

提出一种基于压缩感知和非采样Contourlet变换的数字图像水印算法.首先使用NSCT变换对载体图像进行稀疏分解,对低频系数矩阵进行Arnold置乱;然后采用高斯观测矩阵对系数矩阵进行压缩感知测量,在感知域(压缩信号)中进行水印嵌入;最后使用OMP算法恢复重组的低频矩阵信号,使用NSCT逆变换重构图像.算法中,测量矩阵同时充当了密钥的作用,增强了算法的安全性,此外Arnold变换也增强了水印的不可见性和安全性.仿真实验证明,所提算法对加噪、滤波、旋转具有较高的鲁棒性.     

一种新的分块压缩传感图像重建算法

针对传统压缩传感一次性随机测量整幅图像所导致的存储量大、重建时间长等问题,提出了一种新的分块压缩传感重建算法.首先,将图像分割成一系列子块,分别将每个子块的所有列向量首尾连接起来构成原始信号;其次,将该信号经过稀疏变换后投影到观测矩阵上得到对应的观测值,再利用优化方法从这些观测中重建出信号;然后,分类每个重构子块的活动...     

超宽带通信压缩感知信道估计与信号检测方法

针对超宽带信号在采样速率过高时难以采样的问题,利用信号稀疏性提出一种基于压缩感知的信道估计和信号检测算法(CS算法).将信号重复送入随机滤波器后发送,对接收信号进行欠采样,利用调制信号、滤波器、信道的圆周卷积关系建立压缩感知的数学模型,从而可采用基追踪算法实现信道估计和信号检测.仿真结果表明,CS算法所需的采样数据量仅为最小二乘算法的1/3或更少,而在中等信噪比(15~25 dB)的情况下,估计性能可以提高约4.5 dB,且可以准确检测出原始信号.