遮挡情况下基于压缩感知的可见光室内定位

针对室内复杂环境对可见光定位精度的影响,提出了一种新颖的基于压缩感知的室内可见光定位算法.该方法将目标位置定义为离散空间上的稀疏向量,将接收端接收到的光功率测量矩阵表示为压缩感知理论中测量矩阵、稀疏矩阵与稀疏向量的乘积形式,并且运用稀疏信号重构算法恢复目标位置.可以有效地解决噪声、反射光以及遮挡等环境干扰对定位精确度的影响.与基于接收信号强度的三边定位方法相比,能够有效地降低在房间角落的定位误差.仿真结果表明,该方法具有很高的定位精度,能有效地对抗室内复杂环境干扰.     

基于RSS的WSN多目标定位压缩感知算法优化

提出了一种将压缩感知算法应用于WSN多目标定位的系统框架,采用残差最优匹配的方法对压缩感知重构算法进行了改进,提高了定位精度,提出了根据重构结果判断定位是否成功的算法框架,该框架能更大程度的减少需要网络通信的数据量,并改变了当前的压缩感知重构算法的结果评价对稀疏度K的依赖。本算法适用于通信条件恶劣的WSN场景,仿真结果显示了本算法应用于WSN多目标定位的性能优于BP、CosAMP、GMP算法。     

基于块目标的频率步进连续波探地雷达压缩感知重建算法

压缩感知理论对于解决频率步进连续波探地雷达信号处理过程中存在的采样速率高、存储数据量大、信号处理时间长等问题具有重要意义. 针对雷达探测中块目标物体在探测区域不满足稀疏性的问题,提出一种适合块目标的压缩感知重构模型.利用某些稀疏正交基对块目标进行稀疏化处理使其满足稀疏性,将字典矩阵与稀疏矩阵结合形成适用于块目标物体的新观测矩阵,再通过压缩感知凸优化算法求解稀疏化系数,最后把该系数通过稀疏变换得到块目标的反射系数.通过实验仿真验证该方法的可行性,与未稀疏化处理的压缩感知重构模型相比具有更高的精度和分辨率.     

基于奇异值分解的压缩感知定位算法

为了使观测字典满足约束等距性条件,保证算法的定位精度,提出一种基于奇异值分解的压缩感知定位算法。新算法首先将感知区域网格化,把定位问题转化为压缩感知问题,然后利用奇异值分解原理对观测字典进行分解,得到的新的观测字典有效地满足了约束等距性条件,且对观测值的预处理过程不影响原信号的稀疏性,从而有效地保证算法的重建性能,提升定位精度。仿真实验结果表明:相比于基于Orth的稀疏目标定位算法,基于SVD的压缩感知定位算法的定位性能更优,抗噪性、适应性更强,且算法复杂度低。     

基于bounding-box与卡尔曼滤波的优化压缩感知算法的目标定位

针对无线传感器网络目标定位过程中存在的测量矩阵维数高、运算量大以及测量向量不准确的问题,文章提出一种优化压缩感知(compressive sensing, CS)定位算法。首先对传感器采集的接收信号强度值进行卡尔曼滤波保证压缩感知测量向量的准确性;然后引入bounding-box方法估计位置区域,缩小节点定位范围从而降低后一阶段压缩感知测量矩阵的维数;最后在节点估计区域进行压缩感知定位,并提出基于原子相关度阈值的回溯匹配追踪算法,通过原子相关度阈值控制对候选集原子进行二次筛选剔除低相关度原子,在支撑集中保留系数较大的原子,提升重建精度。实验结果表明,在信噪比为5 dB,目标数为8时,相较于传统的OMP算法、GMP算法、CoSaMP算法,所提优化定位算法的定位精度分别提升61.21%、51.53%和45.12%。     

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αβ变换的压缩感知风电变流器电压信号压缩方法

针对风电变流器输出端三相电压数据存储中存在资源浪费、重构性能差等问题,提出了一种压缩感知风电变流器输出端信号压缩新方法。首先,将输出端三相电压信号进行αβ变换,变换后得到的两相信号转化为一维信号;然后,将传统的多频带融合思想应用于压缩感知稀疏表示中设计稀疏基;最后,选取高斯随机矩阵作为测量矩阵,正交匹配追踪算法作为重构算法,重构uα、uβ信号并作αβ反变换。实验结果表明:与直接对三相电压数据处理相比,该方法可以有效压缩三相电压数据,使得运行时间降低,重构误差减小,并且节约了数据的存储空间。     

非一致噪声下的多阵列直接定位算法

针对实际无源定位系统中多个阵列分散分布以及单个阵列各阵元之间差异造成的噪声功率分布不均匀导致直接定位(DPD)算法精度下降的问题,提出了一种非一致高斯白噪声场中的多阵列最大似然DPD(UN-ML-DPD)算法,并推导出该条件下的克拉美罗界。首先计算各阵列输出协方差矩阵;再将计算结果传到数据处理中心;然后由数据中心通过迭代的方式同时对目标位置与非一致噪声功率进行最大似然联合估计,以收敛后得到的结果作为目标位置精确估计值,从而减弱了非一致噪声对DPD算法的影响;最后在多目标条件下用交替投影法降低算法复杂度。较之传统算法,UN-ML-DPD算法能够提高多阵列在低信噪比下的定位精度。仿真结果表明:UN-ML-DPD算法在-15dB的低信噪比下估计误差小于15km,与DPD算法相比定位精度提高15%以上;能较为准确地估计各阵列噪声协方差矩阵,在标准噪声功率小于30 W时估计误差小于3.5 W;在高信噪比下定位精度能够逼近克拉美罗下界。     

稀疏线性预测字典在语音压缩感知中的应用

压缩感知理论框架可以同时实现信号的采样和压缩,将压缩感知应用于语音信号处理是近年来的研究热点之一.本文根据语音信号的特点,采用K-SVD算法获得稀疏线性预测字典,作为语音信号的稀疏变换矩阵.高斯随机矩阵用于原语音信号的采样从而实现信号的压缩,最后通过正交匹配追踪算法(OMP)和采样压缩匹配追踪算法(Co Sa MP)将已采样压缩的语音信号进行信号重构.实验考察了待处理语音信号帧的长度、压缩比,稀疏变换字典以及压缩感知重构算法等因素对语音压缩感知重构性能的影响,结果表明,基于数据集训练的稀疏线性预测字典相比传统解析构造的离散余弦变换字典,对语音的重构性能具有0.6 d B左右的提升.     

一种非合作超宽带信道盲估计算法

为了解决非合作多通道室内通信环境中的超宽带信道先验信息难以获得、信道稀疏度弱的问题,提出了基于盲压缩感知的信道估计方法,以求进一步改善超宽带信道估计性能。盲压缩估计过程不依赖信道先验信息,采用稀疏编码与正交基更新交替迭代来获得稀疏矩阵和正交基;然后通过优化乘积得到重构信道,实现非合作超宽带系统信道估计。相对于传统方法,盲压缩感知理论提高了信道估计精度及模数转换速率,并且具有较好的抗噪声干扰能力。通过实验结果可知,该方法有效地克服了噪声干扰,降低了均方误差,在理想环境下,重构误差接近10~(-11)。     

基于压缩感知的室内定位系统的定位性能分析

随着Wi-Fi技术的普及,Wi-Fi室内定位技术也越来越受到关注。压缩感知(compressive sensing, CS)技术被提出应用于Wi-Fi室内定位,为了研究各类CS算法在室内定位系统中的定位性能,构建出一套基于CS算法的室内位置指纹定位系统。在离线阶段采集数据并构建指纹库,在在线定位阶段采用不同压缩感知算法比较各类算法的定位性能。实验结果表明,设备朝向包含多方向,参考点数据量越多时定位性能更优;CS的算法参数会影响定位性能;在设定的实验环境下,压缩感知中的分段弱正交匹配追踪(stage-wise weak orthogonal matching pursuit, SWOMP)算法的定位精度比K最近邻算法(k-nearest neighbor, KNN)优21.9%;在各类压缩感知算法中,正交匹配追踪(orthogonal matching pursuit, OMP)相较于其他CS算法表现较差,并且这种差距随参考点数据量的增多而愈加明显。     

基于子空间投影的SFGPR压缩感知成像算法

针对传统压缩感知SFGPR成像重建算法在强杂波测量环境中往往会失效的问题,提出一种基于子空间投影杂波抑制技术的SFGPR压缩感知成像重建算法.该算法首先在每个天线测量位置通过压缩感知测量模型重建所有的频域原始均匀采样数据,然后采用子空间投影杂波抑制技术滤除较强的地面回波,最后结合稀疏重建算法对地下目标图像进行压缩感知重建.实验数据处理结果验证了所提方法的有效性和准确性.     

基于压缩感知观测值的数字图像水印算法

根据压缩感知理论具有计算保密性这一特点,提出一种新的基于压缩感知观测值的数字图像水印算法.首先对载体图像进行小波变换,得到稀疏后的小波系数矩阵;然后对小波系数矩阵的不同频率部分,用不同的观测矩阵进行压缩感知,得到压缩后的观测值;再将水印嵌入至小波高频系数部分的观测值中,使用子空间追踪算法恢复稀疏信号,进而通过小波反变换得到加密图像.实验结果表明:该算法具有信息安全性,能满足水印不可见性和鲁棒性要求;相比同类算法,该算法的水印提取过程更加灵活与安全.     

OFDM系统中一种双选择性稀疏信道压缩感知方法

针对OFDM系统,提出了一种基于压缩感知（CS）的双选择性稀疏信道估计新方法.为解决传统二维插值算法无法准确估计双选择性稀疏信道的问题,通过利用信道在时频域的稀疏特性,将OFDM系统下的双选择性信道模型转化为CS可解的BPIC数学模型,并最终利用基追踪算法对稀疏信道的脉冲冲激响应实现估计.仿真结果显示,新方法能有效减少导频数,提高频谱利用率;在传统的FFT-Linear和FFT-FFT二维联合插值算法无法正确估计出信道响应时,基追踪算法仍能实现对稀疏信道的精确估计.     

稀疏步进频合成孔径雷达成像算法

提出了一种适用于稀疏步进频信号的成像算法,以较少的时间和频谱资源完成了雷达目标成像。该算法将稀疏步进频回波数据等效为均匀步进频回波数据的观测值,利用压缩感知重构算法实现目标区域的距离向重构,然后经过距离徙动校正与方位向脉压完成对目标场景成像。仿真结果表明:该算法在发射频点高度稀疏条件下仍能实现高分辨成像。采用地基雷达实测数据验证了算法的有效性。     

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...     

基于压缩感知理论的频偏估计算法

针对基于交织子载波分配方式的OFDMA上行链路系统的频偏估计问题,提出了一种基于压缩传感理论的频偏估计算法.首先,利用频偏分布稀疏特性,构造出了一种具有稀疏结构的频偏估计模型;根据压缩感知理论,把OFDMA系统中频偏参数估计问题转化为凸优化问题并利用CVX求解最优稀疏向量;然后利用稀疏向量的非零元素位置有效地估计出系统中所有用户频偏信息.所提算法避免了子空间算法中特征值分解等复杂处理过程,从而更具有一定的实用性.仿真结果验证了所提算法的有效性.     

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。