CN103248589B - 一种调制宽带转换器压缩采样重构成败的判定方法 - Google Patents
一种调制宽带转换器压缩采样重构成败的判定方法 Download PDFInfo
- Publication number
- CN103248589B CN103248589B CN201310144160.9A CN201310144160A CN103248589B CN 103248589 B CN103248589 B CN 103248589B CN 201310144160 A CN201310144160 A CN 201310144160A CN 103248589 B CN103248589 B CN 103248589B
- Authority
- CN
- China
- Prior art keywords
- subband
- signal
- support set
- reconstruct
- sampling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种调制宽带转换器(MWC)压缩采样构成败的判定方法,利用两次重构所得的支撑集之间的相似性大小作为判定依据。本发明提出的方法只需单个系统独立完成,无需多个系统相互协作,因此避免了信息交互量,降低了实现复杂度。
Description
技术领域
本发明涉及在信号处理领域中的压缩采样的信号重构成败的判定,尤其涉及调制宽带转换器(MWC)压缩采样的信号重构成败的判定。
背景技术
Shannon/Nyquist采样理论指出,对信号的采样频率至少为信道带宽的两倍。近年来随着压缩感知(也被称为“压缩采样”)技术的发展,人们发现当信号是稀疏的或者是可压缩的,则可以以低于Nyquist采样率的速率对信号进行采样(详见,E.Candès,“Compressed sampling,”Proceedings of Int.Congress of Mathematics,Madrid,Spain,pp.1433-1452,2006以及D.L.Donoho,“Compressed sensing,”IEEE Transactions onInformation Theory,vol.52,no.4,pp.1289-1306,2006),由此提出的以低于Nyquist速率的采样速率对模拟信号进行采样的方法称为子Nyquist采样方法。
如图1所示,Mishali等人提出的调制宽带转换器(MWC)采样就是一种子Nyquist采样方法。(详见,“From theory to practice:Sub-Nyquistsampling of sparse wideband analog signals”IEEE Journal of Selected Topicsin Signal Processing,vol.4,no.2,pp.375-391,April2010),其具体方法为:
首先,对于信号x(t),其频率范围为[0,fNYQ/2],fNYQ表示Nyquist采样率,同时输入m个通道,其中,在第i个通道,信号x(t)与周期为Tp的混频函数pi(t)相乘,得到混频后的信号xi(t),i=1,2,...,m;
然后,混频后的信号xi(t),通过一个截止频率为1/(2Ts)的低通滤波器h(t),得到低通滤波后的信号bi(t);
接着,对低通滤波后的信号bi(t),以fs=1/Ts为采样率进行采样后,得到采样后的序列yi[n]。
由于该系统的每个通道的采样率为fs=1/Ts,因此m个通道的采样率之和即系统总采样率为mfs,并且满足系统总采样率mfs远远小于Nyquist采样率fNYQ,因此,调制宽带转换器(MWC)是一种对模拟信号进行压缩采样的系统。由于fs=1/Ts足够小,所以现有的商用ADC能用来完成采样过程。
对于采样后序列yi[n]与原信号x(t)之间的关系分析,可知:如果令fp=1/Tp,fs=1/Ts,Fp=[-fp/2,+fp/2],Fs=[-fs/2,+fs/2]。由于pi(t)是连续时间周期信号,因此其傅里叶级数的展开式为:
其中,
对于调制宽带转换器(MWC)系统,有如下表达式:
y(f)=Az(f), f∈Fs (2)
其中,y(f)是m×1维向量,其中第i个元素为yi[n],其为离散时间信号,其傅里叶变换为:
矩阵A为MWC系统所对应的观测矩阵,其为m×L矩阵,其中第i行第l列元素为ail,其表达式为:
矩阵z(f)为未知矩阵,z(f)=[z1(f),z2(f),...,zL(f)]T,其中第i个元素为zi(f),其表达式为:
zi(f)=X(f+(i-L0-1)fp), 1≤i≤L,f∈Fs (5)
其中,L为矩阵z(f)的长度,符号表示大于或等于a且与a最接近的整数。
由公式(5)可知,如果重构得到z(f),就能得到原信号x(t)。其中,z(f)的求解依赖于公式(2)的求解,即在已知y(f)和A的情况下求解z(f)。公式(2)所示的模型称为重构模型。由于矩阵A中,m<L,因此该问题是一个欠定问题。当已知z(f)为稀疏矩阵的情况下,可以采用压缩感知理论中的信号重构的方法进行求解。Mishali等人给出了一种具体的求解方法(详见,“From theory to practice:Sub-Nyquist sampling ofsparse wideband analog signals”IEEE Journal of Selected Topics in SignalProcessing,vol.4,no.2,pp.375-391,April2010),表明了重构的可行性。
然而,Mishali等人给出的重构方法,需要矩阵z(f)满足稀疏性条件(即等价于原信号x(t)满足稀疏性条件)。但是,由于实际中,通常缺少原信号x(t)的先验信息,因此很难保证原信号x(t)一定满足MWC采样系统所能支持的稀疏度。但是,重构算法本身并不会判断信号重构是否成功。显然,如果原信号x(t)不满足MWC所支持的稀疏条件,则信号重构就会失败,此时所得到的是对于原信号x(t)严重错误的估计,这种情况在某些应用下会导致严重后果。例如,如果应用于认知无线电频谱感知,这种情况会导致检测到的频谱空穴实际上不是频谱空穴,从而造成对主用户的严重干扰。
针对上述问题,Zhang等人提出了一种信号模型重构成败的判断方法(详见,“Collaborative compressed spectrum sensing:what if spectrum is notsparse?”Electronics Letters,vol.47,no.8,April2011),其根据相邻多个节点重构所得到的一系列模型参数之间的相关性,来判断重构的成败。由于这种方法需要多个节点之间相互协作才能完成,因此就要求在多个节点之间相互交换重构结果,从而增加了系统实现的复杂度。
发明内容
针对现有技术的缺陷,本发明所要解决的问题是:提供一种调制宽带转换器(MWC)压缩采样重构成败的判定方法,能够较为准确的判定重构是否成功,无需节点之间交互信息,避免了信息交互,降低了实现的复杂度。
为了解决上述问题,本发明所提供的技术方案是:一种调制宽带转换器(MWC)压缩采样的重构成败的判定方法,其包括以下步骤:
步骤1,稀疏信号的重构,其具体方法为:首先,根据采样后序列y[n],n=0,1,...,N-1和y[n],n=N,N+1,...,2N-1,按照现有技术中在压缩采样领域的多观测向量的重构方法,分别得到子带信号的支撑集S1和S2,以及子带信号的估计z(1)[n]和z(2)[n];
步骤2,支撑集的更新,其具体方法为:根据子带信号z(1)[n]和z(2)[n]的能量大小,判断该子带信号是信号子带还是噪声子带,如果该子带为噪声子带,则在支撑集S1和S2中,将该子带信号对应的支撑元素的标号i删除;如果该子带为信号子带,则在支撑集S1和S2中,将该子带信号对应的支撑元素的标号i保留,从而得到更新后的支撑集S1和S2;
步骤3,判决统计量的计算,其具体方法为:首先计算S1和S2的交集Λ=S1∩S2,以及S1和S2的并集V=S1∪S2,然后计算得到判决统计量C,其表达式为
其中,|Λ|和|V|分别表示集合Λ和V中包含的元素的个数。
步骤4,判决,其具体方法为:如果C>η,则认为重构成功,否则认为重构失败,其中η为判决门限。
进一步,所述步骤2中,支撑集S1和S2更新的方法一为门限法,包括以下步骤:
步骤2.1,计算 N为单次重构采用的样点数目;
步骤2.2,如果成立,则认为该子带信号为噪声子带,如果不成立,则认为该子带信号为信号子带,其中,λ为门限,λ=aμσ2,其中μ为Nyquist采样率与MWC总样率的比值,即μ=fNYQ/mfs,σ2为估计的噪声子带的功率,a为大于或等于1的常数;
步骤2.3,在支撑集S1和S2中,将噪声子带所对应元素的标号i删除,将信号子带所对应元素的标号i保留,从而得到更新后的支撑集S1和S2。
进一步,所述步骤2中,支撑集更新的方法二为比值法,包括以下步骤:
步骤2.1,计算 N为单次重构采用的样点数目;
步骤2.2,在集合中,按照从小到大的顺序对元素进行排序;
步骤2.3,在排序后的元素集合中,计算任意两个相邻元素的比值,即后一个元素除以前一个元素所得到的比值;
步骤2.4,在集合Sq中,在所述相邻两个元素的比值最大的位置处,将该位置之前的元素所对应的标号全部删除,从而得到更新后的支撑集S1和S2。
进一步,所述步骤2中,λ=aμσ2,a为大于或等于1的常数,μ为Nyquist采样率与所述调制宽带转换器(MWC)总采样率的比值,σ2为子带噪声功率的估计值。
进一步,所述步骤4中,η为小于或等于1的正数。
所述步骤2中,对支撑集进行更新的原因是:由于在所述步骤1中,对子带信号进行估计的原则是,使其中包含的元素个数尽可能多,以此保证尽可能少漏掉信号子带,但是同时也可能会使得S1和S2中包含某些噪声子带,因此需要在步骤2中,将这些噪声子带予以去除,也就是对子带信号的支撑集进行更新。经过步骤2后,可以认为S1和S2包含的元素对应的是较强信号子带的标号。
步骤3,判决统计量的计算的目的是:度量支撑集S1和S2的相似性。
本发明可取得以下有益效果:采用本发明提出的MWC压缩采样重构成败的判定方法,能够较准确的判断重构是否成功。相比于已有方法,本发明提出的方法无需节点之间交互信息,节省了信息交互量,降低了实现复杂度,为调制宽带转换器(MWC)压缩采样应用中是否采用重构结果提供依据。
附图说明
图1为调制宽带转换器(MWC)系统的原理框图。
图2为本发明所提出的一种调制宽带转换器(MWC)压缩采样重构成败的判定方法的流程图。
具体实施方式
如图2所示,本发明提出的一种调制宽带转换器(MWC)压缩采样重构成败的判定方法,其包括以下步骤:
实施例一:
如图2所示,本发明提出的一种调制宽带转换器(MWC)压缩采样重构成败的判定方法,其包括以下步骤:
步骤1,稀疏信号的重构,其具体方法为:
步骤1.1,根据MWC采样后序列y[n],求解和分别得到满足Q=VVH的两个矩阵为V1和V2;
步骤1.2,计算和其中,AS1和AS2为MWC系统所对应的两个观测矩阵,其为m×L矩阵,其中第i行第l列元素为ail为ail=ci,L0+1-l,1≤i≤m,1≤l≤2L0+1;
步骤1.3,按照现有技术中在压缩采样领域的多观测向量的重构方法(例如背景技术中所述的正交匹配追踪法),求解V=AU,分别得到U1和U2所对应的子带信号的支撑集为S1=supp(U)和S2=supp(U);
步骤1.4,令 分别得到子带信号的估计为z(1)[n]和z(2)[n];
步骤2,支撑集的更新,其具体方法为:
步骤2.1,计算 N为单次重构采用的样点数目;
步骤2.2,如果成立,则认为该子带信号为噪声子带,如果不成立,则认为该子带信号为信号子带,其中,λ为门限,λ=aμσ2,其中μ为Nyquist采样率与MWC总样率的比值,即μ=fNYQ/mfs,σ2为估计的噪声子带的功率,a为大于或等于1的常数。
步骤2.3,在支撑集S1和S2中,将噪声子带所对应元素的标号i删除;将信号子带所对应元素的标号i保留;
步骤3,判决统计量的计算,其具体方法为:
首先计算集合S1和S2的交集Λ=S1∩S2,以及集合S1和S2的并集V=S1∪S2,然后计算判决统计量C,其表达式为
其中,|Λ|和|V|分别表示Λ和V中包含的元素个数。使用该方法所得到的判决统计量C,其所度量的是支撑集S1和S2的相似性。
步骤4,判决,其具体方法为:
如果C>λ,则认为重构成功;否则,认为重构失败,其中λ为判决门限,其值为小于1(但比较接近于1)的正数,具体根据经验值设定。
实施例二:
如图2所示,本发明提出的一种调制宽带转换器(MWC)压缩采样重构成败的判定方法,其包括以下步骤:
步骤1,稀疏信号的重构,其具体方法为:步骤1.1,根据MWC采样后序列y[n],求解和分别得到满足Q=VVH的两个矩阵为V1和V2;步骤1.2,计算和其中,AS1和AS2为MWC系统所对应的两个观测矩阵,其为m×L矩阵,其中第i行第l列元素为ail为ail=ci,L0+1-l,1≤i≤m,1≤l≤2L0+1;
步骤1.3,按照现有技术中在压缩采样领域的多观测向量的重构方法(例如背景技术中所述的正交匹配追踪法),求解V=AU,分别得到U1和U2所对应的子带信号的支撑集为S1=supp(U)和S2=supp(U);步骤1.4,令 分别得到子带信号的估计为z(1)[n]和z(2)[n];
步骤2,支撑集的更新,其具体方法为:步骤2.1,计算 N为单次重构采用的样点数目;步骤2.2,在集合中,按照从小到大的顺序对元素进行排序;
步骤2.3,在排序后的元素集合中,计算任意两个相邻元素的比值,即后一个元素值除以前一个元素值所得到的比值;
步骤2.4,在集合Sq中,在所述相邻两个元素的比值最大的位置处,将该位置之前的元素所对应的全部标号删除。
步骤3,判决统计量的计算,其具体方法为:
步骤3.1,计算集合S1和S2的交集Λ=S1∩S2,以及集合S1和S2的并集V=S1∪S2;
步骤3.2,计算判决统计量C,其表达式为
步骤4,判决,其具体方法为:
如果C>λ,则认为重构成功;否则,认为重构失败,其中λ为判决门限,其值为小于1(但比较接近于1)的正数,具体根据经验值设定。
相比于现有技术,本发明所提出的一种调制宽带转换器(MWC)压缩采样重构成败的判定方法,其仅依赖于单个节点,即可由单个MWC系统独立完成。通过利用两次重构所得到的支撑集的相关性,来对重构成败进行判定。由于先假设原信号的支撑是慢变的,因此,如果重构成功,则相邻两次重构得到的支撑集应该是一致的;而如果重构失败,由于所述重构算法的随机性,则相邻两次重构所得到的支撑集将有很大差别。本发明提出的方法无需多个不同系统之间交互信息,因此,节省了信息的交互量,降低了实现的复杂度。
Claims (5)
1.一种调制宽带转换器(MWC)压缩采样重构成败的判定方法,其包括以下步骤:
步骤1,稀疏信号的重构,其具体方法为:首先,根据采样后序列y[n],n=0,1,...,N-1和y[n],n=N,N+1,...,2N-1,按照现有技术中在压缩采样领域的多观测向量的重构方法,分别得到子带信号的支撑集S1和S2,以及子带信号的估计z(1)[n]和z(2)[n];
步骤2,支撑集的更新,其具体方法为:根据子带信号的估计z(1)[n]和z(2)[n]的能量大小,判断该子带信号是信号子带还是噪声子带,如果该子带为噪声子带,则在支撑集S1和S2中,将该子带信号对应的支撑元素的标号i删除;如果该子带为信号子带,则在支撑集S1和S2中,将该子带信号对应的支撑元素的标号i保留,从而得到更新后的支撑集S1和S2;
步骤3,判决统计量的计算,其具体方法为:首先计算S1和S2的交集Λ=S1∩S2,以及S1和S2的并集V=S1∪S2,然后计算得到判决统计量C,其表达式为
其中,|Λ|和|V|分别表示集合Λ和V中包含的元素的个数;
步骤4,判决,其具体方法为:如果C>η,则认为重构成功,否则认为重构失败,其中η为判决门限。
2.根据权利要求1所述的方法,其特征在于:所述步骤2中,支撑集S1和S2更新的方法一为门限法,包括以下步骤:
步骤2.1,计算i∈Sq,q∈{1,2},N为单次重构采用的样点数目;
步骤2.2,如果成立,则认为该子带信号为噪声子带,如果不成立,则认为该子带信号为信号子带,其中,λ为门限;
步骤2.3,在支撑集S1和S2中,将噪声子带所对应元素的标号i删除,将信号子带所对应元素的标号i保留,从而得到更新后的支撑集S1和S2。
3.根据权利要求1所述的方法,其特征在于:所述步骤2中,支撑集更新的方法二为比值法,包括以下步骤:
步骤2.1,计算i∈Sq,q∈{1,2},N为单次重构采用的样点数目;
步骤2.2,在集合中,按照从小到大的顺序对元素进行排序;
步骤2.3,在排序后的元素集合中,计算任意两个相邻元素的比值,即后一个元素除以前一个元素所得到的比值;
步骤2.4,在集合Sq中,在所述相邻两个元素的比值最大的位置处,将该位置之前的元素所对应的标号全部删除,从而得到更新后的支撑集S1和S2。
4.根据权利要求2所述的方法,其特征在于:所述步骤2中,λ=aμσ2,其中μ为Nyquist采样率fNYQ与m个通道的MWC总采样率mfs的比值,即μ=fNYQ/mfs,σ2为估计的噪声子带的功率,a为大于或等于1的常数。
5.根据权利要求1所述的方法,其特征在于:所述步骤4中,η为小于或等于1的正数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310144160.9A CN103248589B (zh) | 2013-04-23 | 2013-04-23 | 一种调制宽带转换器压缩采样重构成败的判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310144160.9A CN103248589B (zh) | 2013-04-23 | 2013-04-23 | 一种调制宽带转换器压缩采样重构成败的判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103248589A CN103248589A (zh) | 2013-08-14 |
CN103248589B true CN103248589B (zh) | 2015-09-16 |
Family
ID=48927815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310144160.9A Active CN103248589B (zh) | 2013-04-23 | 2013-04-23 | 一种调制宽带转换器压缩采样重构成败的判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103248589B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107181548A (zh) * | 2017-05-15 | 2017-09-19 | 西安电子科技大学 | 一种压缩频谱感知性能提升方法 |
-
2013
- 2013-04-23 CN CN201310144160.9A patent/CN103248589B/zh active Active
Non-Patent Citations (2)
Title |
---|
"Collaborative compressed spectrum sensing: what if spectrum is not sparse";Z. Zhang 等;《IEEE》;20110414;第47卷;第519-520页 * |
"稀疏模拟信号压缩采样与重构算法研究";赵贻玖;《中国博士学位论文全文数据库 信息科技辑》;20121215(第12期);第I136-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103248589A (zh) | 2013-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105281779B (zh) | 多观测值向量稀疏度自适应压缩采样匹配追踪方法 | |
US20200265338A1 (en) | Learning and deploying compression of radio signals | |
CN103178853B (zh) | 基于压缩感知的稀疏信号欠采样方法 | |
CN101621514B (zh) | 网络数据的压缩方法、网络系统和融合中心设备 | |
CN102882530B (zh) | 一种压缩感知信号重构方法 | |
CN102801665B (zh) | 一种带通信号调制宽带转换器采样的重构方法 | |
CN103873170B (zh) | 一种在盲稀疏条件下压缩感知的频谱检测方法 | |
CN102830409B (zh) | 一种基于压缩感知的导航信号采集方法 | |
CN103983850A (zh) | 基于压缩感知的电力系统谐波压缩信号重构与检测方法 | |
CN105933008A (zh) | 基于聚集稀疏正则化正交匹配追踪算法的多频带信号重构方法 | |
CN101975935A (zh) | 一种基于部分回波压缩感知的快速磁共振成像方法 | |
CN104168228A (zh) | 基于簇位置集的压缩感知超宽带信道估计方法及系统 | |
CN104767535A (zh) | 一种低复杂度块状稀疏信号重构方法 | |
CN103364646B (zh) | 微波暗室天线远场快速测量方法 | |
CN104052494A (zh) | 面向频域稀疏信号的信号重构方法 | |
CN104301728A (zh) | 基于结构化稀疏字典学习的压缩视频采集与重构系统 | |
CN103152298B (zh) | 一种基于分布式压缩感知系统的盲信号重构方法 | |
CN101968963A (zh) | 音频信号压缩采样系统 | |
CN106452626B (zh) | 基于多组互质采样的宽带频谱压缩感知 | |
CN103248589B (zh) | 一种调制宽带转换器压缩采样重构成败的判定方法 | |
CN107332566B (zh) | 基于mwc的支撑集快速恢复方法 | |
CN103036576A (zh) | 基于压缩传感理论的一种二值稀疏信号重构算法 | |
CN103248368B (zh) | 一种判断随机解调器压缩采样重构成败的方法 | |
Zamani et al. | On the use of compressive sensing (CS) exploiting block sparsity for neural spike recording | |
CN105391453A (zh) | 基于Xampling框架构造观测矩阵的信号压缩感知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |