基于改进调制宽带转换器的射电天文信号采样及恢复

为解决调制宽带转换器(Modulated Wideband Converter,MWC)在实现过程中{+1/-1}伪随机周期序列硬件电路难以实现的问题,提出了一种硬件电路容易实现的{0/Vs_max}伪随机周期序列,取消电压偏移电路,直接对信号发生模块输出信号进行放大处理,通过调节放大器参数产生需求的{0/Vs_max}周期伪随机序列.利用云南天文台实测的射电天文信号数据进行仿真实验,验证MWC系统对信号的重构性能.仿真结果表明,MWC系统采用{0/Vs_max}伪随机周期序列时降低了重构信号的均方误差,提高了重构精度,直接证明新提出的{0/Vs_max}伪随机周期序列在通道数大于16时MWC系统对原始信号重构的优异特性.     

调制宽带转换器与多陪集采样在稀疏多频带信号采样中的应用

目前研究的亚奈奎斯特采样方法有调制宽带转换器和多陪集采样,二者都是用于获取时间连续、频谱稀疏信号的采样方法,多陪集采样是非均匀的亚奈奎斯特采样,调制宽带转换器是均匀的奈奎斯特采样.从采样方法、频谱支撑区恢复、信号重构和复杂度等方面,对调制宽带转换器与多陪集采样在稀疏多频带信号采样中的应用进行分析.仿真实验结果表明,在相同的平均采样速率下,调制宽带转换器的均方误差大于多陪集采样,但多陪集采样对各通道时延的精确要求给其硬件实现带了很大困难,而调制宽带转换器易于在实际应用中允许的误差范围内硬件实现.     

基于调制宽带转换器的倒谱恢复算法

亚奈奎斯特采样主要应用于宽带通信和射频(RF)技术中。目前理论成熟且硬件实现的亚奈奎斯特采样技术有随机解调器和调制宽带转换器。随机解调器主要用于谱线的检测,而调制宽带转换器是用于稀疏多频带信号。调制宽带转换器(MWC)是一种用于获取频域稀疏、时域连续信号的一种亚奈奎斯特采样方法。其平均采样速率要低于奈奎斯特速率。亚奈奎斯特采样是一种全盲采样方法,即在信号采样和信号重构时都是不知道频谱信息和频谱位置。本文提出一种基于调制宽带转换器的时域对偶信号的倒谱恢复算法,能在极小误差(0.0098)范围内完美的恢复出原始信号。     

压缩感知在宽带雷达信号处理中的应用

高分辨雷达成像系统在当今的军事和民用方面都有着广泛的需求,高分辨率成像需要发射宽带的雷达信号,然而根据奈奎斯特采样定理,信号带宽的增加又使得雷达系统面临高采样率、高传输率、大数据量存储以及信号实时快速处理等问题.压缩感知(CS)理论通过构造非相关测量矩阵,以远低于奈奎斯特采样率的速率获得一组测量值,通过重构算法对信号进行精确的重构.压缩感知理论应用的前提是信号的稀疏性,关键是测量矩阵和稀疏度之间的关系,重要支撑是重构算法.本文对压缩感知原理进行了简要介绍并针对雷达常用的线性调频信号提出一种稀疏基构造方案.同时,利用matlab构造了线性调频信号模型并对压缩感知处理线性调频信号的采样重建过程及应用于二维成像的过程进行了仿真.本文也研究了不同重建算法并进行了各个算法间的效果比较.仿真结果表明,在宽带雷达回波信号的处理过程中,压缩感知能通过降低采样率有效缓解回波数据的存储和传输的压力,这一点在宽带雷达目标检测中应用前景广阔.     

基于洛伦兹范数的MWC快速重构算法

针对现有调制宽带转换器(MWC)压缩采样信号重构算法对联合稀疏结构的限制及其受滤波器非理想因素影响的问题,提出了一种基于洛伦兹范数的MWC快速重构算法.该算法采用洛伦兹范数来拟合误差项,设计了冲击噪声背景下的稀疏优化目标函数,可有效削弱异值点对重构结果的影响;同时进一步将零范数优化问题转化为矩阵平滑零范数的函数极值求解问题,并利用固定步长共轭梯度算法进行并行重构,以提高算法收敛速度和运行效率.仿真结果表明:与现有重构算法相比,在受滤波器过渡带等非理想因素影响下,所提算法可以提高稀疏信号的重构成功率,同时在重构速度方面具有较好的性能.     

基于矩阵特征值的主用户信号全盲检测算法

在多天线主用户信号检测过程中,在信道空闲和信道被占用2种情况下接收信号取样协方差矩阵的最大和最小特征值存在明显差异.根据这一观察,提出了一种新的基于取样协方差矩阵最大和最小特征值的盲检测算法.该算法以取样协方差矩阵最大与最小特征值的差与和的比值作为感知判决量,再通过引入大维随机矩阵中关于取样协方差矩阵最大和最小特征值分布的最新成果,设计出一种有效的判决门限计算方法.相对于经典的特征值检测算法,蒙特卡罗仿真实验比对结果表明,新算法具有感知判决门限计算准确的优点,能有效地提高检测性能和判决结果的可靠性.     

基于矩阵特征值的主用户信号全盲检测算法

在多天线主用户信号检测过程中,在信道空闲和信道被占用2种情况下接收信号取样协方差矩阵的最大和最小特征值存在明显差异.根据这一观察,提出了一种新的基于取样协方差矩阵最大和最小特征值的盲检测算法.该算法以取样协方差矩阵最大与最小特征值的差与和的比值作为感知判决量,再通过引入大维随机矩阵中关于取样协方差矩阵最大和最小特征值分布的最新成果,设计出一种有效的判决门限计算方法.相对于经典的特征值检测算法,蒙特卡罗仿真实验比对结果表明,新算法具有感知判决门限计算准确的优点,能有效地提高检测性能和判决结果的可靠性.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

单通道小样本信号频率估计算法

针对噪声条件下单通道小样本信号的频率估计问题,提出基于MUSIC方法估计信号频率的算法,通过分析单通道接收信号,结合阵列信号处理方法,根据离散采样间隔和线性阵列阵元间距的关系,提出新的观测数据矩阵构造方法.利用采样数据构造一个Toeplitz矩阵,然后对该矩阵进行特征值分解得到信号子空间和噪声子空间,并通过MUSIC算法实现在单通道较小采样数据量的条件下,精确地估计信号频率.最后经过计算机仿真并与快速傅里叶变换(FFT)算法相比,验证了本文算法的有效性和优越性.     

基于压缩信号特征值分解的超宽带码序列估计算法

针对脉冲超宽带通信中码序列盲估计问题,根据超宽带信号为时域极窄脉冲这一主要特点,提出了一种适于较低采样率下基于特征值分解的码序列盲估计算法。结合压缩传感理论,首先利用压缩测量矩阵将信号维度降低,然后按字符周期将接收到的UWB信号截取成若干等长的时间窗,分段积累得到压缩后信号协方差矩阵的估计值,进而通过对于协方差矩阵的特征值分解得到码序列的估计,同时进一步根据所得特征值得到接收信号符号帧级的时间偏移量估计。实验验证表明,该方法可以以较低采样率,在低信噪比条件下较好地完成接收信号的码序列估计。     

基于协方差准则迭代估计的雷达回波压缩重构

在雷达技术领域得到高度关注的压缩感知理论,能够有效地降低高分辨率雷达成像系统的数据率,解决雷达系统中超大数据量的采集、存储与传输问题.宽带雷达回波在信号的幅度-延时基上具有稀疏表示.基于这一特性,可以使用压缩感知理论通过降维采样大大减少数据量.针对降维采样后信号重建问题,文中研究了一种基于协方差准则循环迭代的稀疏参数估计方法(SPICE).文中首先根据雷达回波信号的特征构造了波形延时稀疏字典,再通过随机采样对数据进行压缩,最后将SPICE作为信号重构算法引入雷达回波压缩感知处理过程中.仿真结果表明利用SPICE参数估计方法,可使得压缩率降到很小的程度,且降低重建信号相对原始信号的误差.此外,SPICE算法本身具有数据自适应特性,不需要再根据信号特征选取循环结束条件.仿真结果表明,算法具有较快的收敛速度,能够在较短的时间内准确估计出雷达回波的稀疏参数.     

一种新的宽带波束形成算法

基于对角加载思想,针对宽带信号空时处理结构,将空时接收协方差矩阵进行特征值分解,并利用矩阵求逆定理推导出空时结构对角加载值的范围,得到空时结构对角加载波束形成算法的优化方程以及最优权向量的解.仿真结果表明,算法有效地对协方差矩阵估计进行了修正,增强了空时波束形成算法的鲁棒性.     

基于延时处理的对角加载信源数估计方法

为了解决在有色噪声背景下信息论准则算法估计信源数失效以及盖氏圆方法在低信噪比下性能下降的问题,提出了一种利用接收信号延时信息的协方差矩阵对角加载技术估计信源数的方法.首先构造接收信号的延时协方差矩阵,抑制色噪声的影响,然后对延时协方差矩阵做出变换处理,得到抑制噪声后的协方差矩阵特征值,最后对得到的特征值进行对角加载技术处理,利用信息论准则进行信号源数目的估计.仿真结果表明了该算法的正确性和有效性.     

基于压缩传感的直接序列超宽带码序列估计算法

直接序列超宽带(DS-UWB)通过一组伪随机码调制脉冲信号的极性,具有较强的军事通信隐蔽性。针对军事对抗中直接序列超宽带中的码序列估计问题,为降低数字前端采样率,基于压缩传感理论,提出了一种低于奈奎斯特采样率下的码序列盲估计算法。通过对分段压缩信号进行累积,得到协方差矩阵的估计值,进而对协方差矩阵的特征值分解得到码序列的估计以及符号帧级的同步偏移值估计。理论分析和仿真证明了所提方法的有效性。     

基于TAM谐波检测方法

针对传统谐波检测方法及其存在的问题,将TAM方法应用于谐波检测。该方法以信号空间模型为基础,结合子空间旋转不变性和最小二乘法实现了电力系统的谐波检测。首先求解采样信号数据矩阵的协方差矩阵,然后对协方差矩阵进行奇异值分解,利用最小二乘法的原理减少噪声影响,得到较为精确的频率和幅值估计参数。仿真实验结果表明：该算法精确有效...     

基于频率分集逆合成孔径雷达的多重信号分类目标成像算法

将频率分集的思想应用在逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像中,通过单频信号合成宽带信号,可解决系统发射接收宽带信号复杂的问题.但窄带的合成可视为宽带信号的稀疏采样,由此带来了旁瓣提高等难点.提出一种基于频率分集ISAR体制的多重信号分类(multiple signal classification,MUSIC)目标成像算法,该算法将合成阵列接收的回波信号协方差矩阵进行特征值分解,得到信号子空间与噪声子空间,然后根据二者的正交性构建谱函数对目标位置进行估计,得到目标的超分辨二维像.将MUSIC算法与后向投影(back projection,BP)算法做了对比,仿真结果表明:在有较强噪声环境下,前者仍能有较好的成像效果,证明本文方法的应用可有效解决频率稀疏带来的高旁瓣问题.     

一种相邻相干信号的DOA估计新方法

提出一种估计相邻相干信号方位的新方法.该方法首先对传统空间平滑算法得到的数据协方差矩阵进行修正,然后对修正后的协方差矩阵进行奇异值分解,由左奇异矩阵得到噪声子空间;再构造新数据协方差矩阵,进行奇异值分解得到噪声子空间;最后取两次噪声子空间的平均值得到噪声子空间,利用MUSIC算法找到极大值对应的信号方向.计算机仿真表明,该方法能有效地估计出小信噪比下角度相隔较小的相干信号.     

基于压缩感知的云存储系统状态监测方法

为了解决大规模状态监测数据处理中高精度与大规模之间的矛盾,利用压缩感知处理宽带信号优于奈奎斯特采样定律的特性,提出了一种适合于测量云存储系统状态的压缩感知状态监测方法 SDCS.该方法是在经典匹配追踪MP算法的基础上,增加贝努利矩阵行和为零的约束条件而得到的,可用于测量含直流分量的稀疏信号,并保证原始的重构算法依然满足改进后的目标函数.然后,利用仿真实验测评了该方法在蚁群文件系统FFS状态监控中的应用效果.实验测试结果表明,针对稀疏度为10的状态信息,当测量次数大于70时,所有异常结点可被精确定位,且压缩比率达到3.5%,说明该方法能有效压缩监测流量,满足大规模数据高精度检测的要求.     

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.     

基于协方差拟合旋转不变子空间信号参数估计算法的高分辨到达角估计

为进行高分辨到达角(DOA)估计的同时避免稀疏类算法的不足,提出了协方差拟合旋转不变子空间信号参数估计(ESPRIT)算法.首先将协方差拟合准则转换成半正定规划问题,利用凸优化进行求解,得到更接近理论值的信号协方差矩阵;然后对估计的信号协方差矩阵进行特征分解,利用信号子空间和噪声子空间特征值的差异估计信源个数;最后利用子空间旋转不变性反解出未知DOA.仿真实验从DOA估计精度、分辨率等方面验证了该算法的有效性,较传统ESPRIT算法具有更高的DOA估计分辨率并且受相干信源影响小;与稀疏类算法相比,不依赖先验信息以及避免了网格失配问题.