基于无网格压缩感知的波达方向估计方法

针对密集分布目标的波达方向(DOA)估计,是当前高精度定位技术的难点和热点.已有的基于压缩感知原理的DOA估计方法往往存在离散网格与连续域参数匹配难度高、离散网格之间相关性高、计算效率低等问题.针对DOA密集分布、低信噪比的非理想情况,分别采用稀疏参数法(SPA)和连续压缩传感(CCS)算法,设计了无网格的压缩感知密集DOA估计方法,分析了这两种算法的性能特点.通过对比仿真实验证明:该方法可以有效提高密集DOA的估计精度.     

二维快速子空间DOA估计算法

提出一种二维快速子空间DOA估计算法,该算法利用阵列协方差矩阵的一个子矩阵得到降维的信号子空间,不需估计整个阵列的协方差矩阵,也不需进行特征值分解,从而使得该方法具有运算量小、复杂度低和易于实时处理的特点,因而可以应用在小数据样本和快速时变的信号环境中.理论分析和计算机仿真结果表明:与MUSIC算法相比,该算法运算量最多为MUSIC算法的1/4,低信噪比条件下DOA估计性能损失并不大,当信噪比大于5dB时,性能与MUSIC算法相当.     

基于斜投影算子的混合信号DOA估计算法

为了提高混合信号的波达方向(direction of arrival, DOA)估计精度并降低其阵列孔径损失,提出一种基于斜投影算子的高精度DOA估计算法.所提算法将混合信号中独立信号与相干信号分两个阶段进行估计,首先利用ESPRIT(estimating signal parameter via rotational invariance techniques)算法处理阵元接收数据的协方差矩阵,得到混合信号中独立信号的DOA估计值;而后利用斜投影算子去除混合信号中独立信号的信息,得到新的协方差矩阵;利用新得到的协方差矩阵的信号子空间进行去相干处理;最后结合ESPRIT算法计算得到相干信号的DOA估计值.仿真结果表明,相较传统的混合信号DOA估计算法,所提算法在低信噪比情况下以及信号入射间隔较小的情况下有较高精度,有效地降低了阵列孔径的损失.在不同的采样快拍数下,本文算法也表现出更强的鲁棒性.     

压缩感知的UWB信道盲估计算法

针对超宽带系统采样速率过高难以实现的问题,利用信道稀疏性提出一种基于压缩感知的盲信道估计算法。将接收信号通过一个随机测量矩阵,利用测量信号的一阶统计量建立压缩感知的数学模型,最后利用正交匹配追踪(OMP)算法重构得到估计信道。算法只需很少测量值就可估计出信道,节省了大量的模数转换(ADC)资源,使系统实现成为可能。仿真结果表明算法具有良好的估计性能,且算法的误比特率(BER)性能相比利用准确信道只有2～3dB的差距。     

基于频率不变性的改进MUSIC算法的DOA估计

针对传统的波达方向估计（DOA）精度较低的问题,文章提出了一种基于频率不变性的改进多重信号分类方法（Multiple Signal Classification,MUSIC）的算法。该算法利用均匀同心圆阵列先将阵列接收到的数据进行预处理,再使用本文中所提出的改进的MUSIC算法来估计波达方向。改进MUSIC算法是在传统MUSIC算法的原噪声子空间的基础上,依次向信号子空间多取一个特征向量,形成一系列的子空间,加入原来的空间谱估计公式当中,构成新的空间谱估计公式。仿真结果表明,使用改进的MUSIC算法得到的空间谱图的波峰值比传统MUSIC算法增大了85.47 dB,提高了系统的分辨率。     

基于正交性检测的宽带DOA快速估计算法

基于子空间的正交特性,给出了一种宽带信号波达方向(DOA)快速估计算法.应用正交性检测获得方向估计,无需预处理,成功避免了预处理误差给估计结果带来的影响;通过频谱分析只选取能量集中的少数窄带频段数据进行角度估计,大大降低了奇异值分解的矩阵规模,可做到快速实时;在对信号能量比较充分利用的同时也保证了算法的高分辨率.计算机仿真验证了该算法的有效性和快速性.该算法可以应用于任意阵列.     

用进化算法估计高频地波雷达海洋回波的DOA

提出了一种用于波达方向(DOA)估计的基于进化算法的最大似然超分辨算法,当信噪比不高、阵列输出数据较短的情况下,其性能比普通的超分辨算法有较大改善. 其中的进化算法结合了遗传算法和进化策略两种算法的优点,适于求解似然函数的多维搜索问题,与交替投影等算法比较,精度上有了较大提高. 对高频地波雷达海浪回波的实测数据处理结果表明了DOA估计方法是有效可行的.     

基于子空间辨识的DOA和频率联合估计算法

针对阵列信号波达方向(DOA)和频率联合估计计算量大、参数配对较困难等问题,提出了一种基于子空间辨识方法的DOA和频率联合估计算法.该算法构造了一个特殊的状态空间模型,并通过选取辅助矩阵来抑制噪声.由子空间辨识方法得到广义可观测矩阵的估计值,再利用总体最小二乘(TLS)方法得到系统矩阵的估计值,由系统矩阵得到DOA和频率的估计值.该方法具有参数自动配对和计算量小的特点.计算机仿真验证了该算法的有效性.     

水声OFDM信道压缩感知估计研究

针对传统最小二乘(least square,LS)算法估计时变水声OFDM信道误差较大问题,提出一种基于压缩感知的准确估计方法.首先导出了水声OFDM系统接收序列、发送序列及信道传输矩阵之间的关系;在此基础上利用水声信道稀疏特征,探讨了采用正交匹配追踪(orthogonal matching pursuit,OMP)算法估计水声OFDM信道的方法;分析了导频插入方式、导频数及径数等对水声OFDM信道估计均方误差(mean square error,MSE)的影响.研究表明:当导频随机插入时,OMP算法用较少导频即可准确估计水声OFDM信道的传输矩阵.当信噪比大于10dB时,OMP算法的MSE小于-24dB,比传统的LS算法小18dB.     

基于压缩感知的mMTC系统信道估计

为解决海量机器类通信（massive machine-type communications,mMTC）上行传输中活跃用户设备检测和信道估计问题,提出一种基于分布式多矢量测量的子空间追踪（distributed multiple measurement vector subspace pursuit,DMMV-SP）算法.采用免授权海量随机接入的方案,以降低海量机器类通信的时延和信号开销.考虑多载波传输方案并结合子空间追踪算法,利用接收天线和子载波存在的结构稀疏性,检测活跃用户设备的同时进行信道估计.通过计算检测错误概率以及均方误差对活跃用户设备检测和信道估计性能进行评估.仿真结果显示,提出的DMMV-SP算法相较于传统正交匹配追踪（orthogonal matching pursuit,OMP）算法取得更理想的结果.      

基于两层压缩感知的频率-角度联合估计方法

介绍了一种基于两层压缩感知的频率/角度联合估计方法,第一层压缩感知算法采用单快拍模型求解方向波数,第二层压缩感知算法利用方向波数形成的参数逆矩阵求解频率参数,以此求得角度.为验证所提方法的性能,利用3路不同频率和角度的信号分别在不同信噪比(SNR)、快拍条件下对信源频率/角度进行估计.仿真实验结果表明:该方法在少快拍条件下可对信源的频率和角度进行精确估计.     

基于压缩感知的自适应加权匹配追踪算法

压缩感知（compressed sensing,CS）技术通过减少发射导频数来提高频谱的利用率。将CS技术应用于导频辅助的稀疏度未知的正交频分复用（orthogonal frequency division multiplexing,OFDM）信道估计中,提出一种自适应加权匹配追踪（CS-based adaptive weighting &matching pursuit,AWMP）算法。该算法使用自适应加权、匹配追踪的方法估计信道时域脉冲响应,按照估计信噪比和匹配原则,利用多次迭代进行自适应加权和寻找最佳稀疏度,实现未知信道稀疏度与信噪比的情况下,准确估计信道信息。仿真验证表明,与传统的信道估计算法相比,采用基于AWMP的信道估计方法,能够利用较少的导频信息获得更低的误码率和均方误差。     

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。     

压缩感知中基于广义Jaccard系数的gOMP重构算法

为了解决信号重构性能差的问题,提出了一种基于广义Jaccard系数的广义正交匹配追踪(generalized orthogonal matching pursuit, gOMP)重构算法。该算法利用广义Jaccard系数相似性匹配准则替换gOMP算法中的内积度量准则,优化了通过感知矩阵来选择与残差余量最匹配原子的匹配方式。实验结果表明,该算法的重构成功率不仅高于gOMP算法,同时也高于OMP、StOMP等算法。     

基于压缩感知的脉冲星轮廓构建算法

利用有限的观测时间获得高精度的累积脉冲轮廓,对于X射线脉冲星导航具有重要意义.提出一种基于压缩感知的脉冲星累积脉冲轮廓重构算法.首先,研究脉冲轮廓,获取先验知识,在此基础上构建波形匹配冗余词典,得到脉冲轮廓的稀疏表示;然后,设计观测矩阵,利用原始观测数据得到具有较少点数的非自适应随机测量值;最后,采用匹配追踪方法从随机测量值中恢复脉冲轮廓.利用罗希X射线探测器的实测脉冲星数据进行实验,结果表明：利用相同时段的观测数据,该算法得到的累积脉冲轮廓的信噪比远高于周期叠加方法得到的累积脉冲轮廓.     

齿轮振动信号的压缩感知采集与故障诊断

传统的采样策略会产生大量的数据,为了减少齿轮振动监测中的数据量,在压缩感知的基础上,建立了齿轮振动信号采集和重构模型。首先通过高斯随机矩阵对振动信号进行压缩测量、传输和存储压缩后的信号可以节省成本。信号重构归结为一个最优化问题,应用正交匹配追踪求解信号重构问题。进而得到重构信号的Hilbert解调谱,从Hilbert解调谱中提取特征频率,以特征频率能否识别来评价信号重构的效果。仿真实验和齿轮实验证明了模型的有效性。     

基于压缩感知的塔康方位估计算法

塔康(tactical air navigation,TACAN)信号峰值检测后的离散数据呈随机采样特性,为避免Kalman算法产生滤波发散问题并有效减小对数据量的需求,提出一种基于压缩感知理论的方位估计方法.通过对塔康信号的角度空间进行稀疏分解和观测值压缩,优化重构原始包络信号进而获得方位估计值.仿真实验证明了该算法的性能,与最小二乘拟合算法相比,在保证估计精度的同时进一步降低了峰值数据量,大大减少了计算过程中的冗余,并且在信噪比较大的情况下,方位估计准确度较最小二乘拟合有一定提高.     

基于压缩感知的非线性 OFDM 系统迭代信道估计算法

针对因非线性失真引起的正交频分复用（orthogonal frequency division multiplexing,OFDM）系统信道估计性能下降的问题,提出了一种基于压缩感知的非线性OFDM系统迭代信道估计算法。在算法实现过程中,利用信道与非线性噪声的双重稀疏性,将导频信息作为观测矩阵进行压缩感知信道估计,再将所得信道信息看作观测矩阵进行压缩感知非线性失真估计,进而对信号进行非线性补偿,并逐步循环迭代至算法收敛。仿真表明,在稀疏信道下,该算法在较少的迭代次数下即可有效减小非线性失真对信道估计的影响,且比现有方法性能更优,仿真证明了该方法在性能上的优越性。     

基于压缩感知的时频双选信道估计研究

针对时频双选信道,利用信道的时间相关性,即同一条时延径在相邻时刻对应的信道系数之间具有很强的相关性,提出一种线性近似方法对时频双选信道进行建模,有效降低了未知参数的个数.考虑到无线信道在时延域具有稀疏性,基于压缩感知(Compressed sensing,CS)理论对线性近似模型进行了恢复重构.分别对未线性近似模型和线性近似模型的系统性能进行了仿真,并结合最小二乘(leastsquare,LS)算法、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法、稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)算法给出了系统的归一化均方误差(Normalized Mean Square Error,NMSE)曲线.仿真结果显示,线性近似方法能有效对时频双选信道进行建模,针对本研究提出的线性近似模型,SBL算法能精确恢复出信道响应,并能有效地克服多谱勒效应.