CN108199714A - 一种应用于aic结构信号恢复的改进omp算法的电路系统 - Google Patents

一种应用于aic结构信号恢复的改进omp算法的电路系统 Download PDF

Info

Publication number
CN108199714A
CN108199714A CN201711399073.2A CN201711399073A CN108199714A CN 108199714 A CN108199714 A CN 108199714A CN 201711399073 A CN201711399073 A CN 201711399073A CN 108199714 A CN108199714 A CN 108199714A
Authority
CN
China
Prior art keywords
matrix
signal
unit
iteration
product
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.)
Withdrawn
Application number
CN201711399073.2A
Other languages
English (en)
Inventor
刘素娟
吕宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201711399073.2A priority Critical patent/CN108199714A/zh
Publication of CN108199714A publication Critical patent/CN108199714A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/12—Analogue/digital converters
    • H03M1/124—Sampling or signal conditioning arrangements specially adapted for A/D converters
    • H03M1/1245—Details of sampling arrangements or methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开一种应用于AIC结构信号恢复的改进OMP算法的电路系统，包括：并列复数乘法单元、矩阵求逆单元、信号估计和残差计算单元和控制单元以及RAM，测量矩阵C和测量向量y预先前分别存进RAM中。本发明可以降低该算法的计算复杂度，改进的算法一次性选取最相关的两个列向量进行残差值的计算，总体上减少了算法所需的迭代次数并且提高了信号恢复后的信噪比。

Description

一种应用于AIC结构信号恢复的改进OMP算法的电路系统
技术领域
本发明属于信号处理领域，尤其涉及一种应用于AIC结构信号恢复的改进 OMP算法的电路系统。
背景技术
传统的山农采样定理在对一个信号进行采样时，规定必须以大于信号带宽 两倍的频率(奈奎斯特频率)进行采样以避免信息的丢失。该理论应用于信号获 取、处理、存储和传输的各个阶段。近年来，压缩感知(CS)理论的提出突破了 传统采样定理对具有稀疏表示信号采集的限制。CS理论主要以来信号的稀疏性 以及可以用某一合适的转换基稀疏表示。稀疏性表示一个连续的时域信号的信息 量远小于它的带宽，或者说离散的时域信号的自由度远小于信号的有限长度。信 号的稀疏性一经发现广泛应用于生物、医学图像、雷达信号等领域。基于CS理 论所提出的模拟信息转换器(AIC)，可以代替传统的ADC，以较低的速率对高速 模拟信号进行采样，获取所需的信息，并采用OMP算法进行重构恢复原始信号从 此有效解决了传统采样理论遇到的瓶颈。
相关的理论描述如下：
1、压缩感知理论
压缩感知理论依赖于信号的稀疏性和合适转换域的最优表示(如，傅里叶 基和小波基)。我们针对AIC结构的信号重构，因此在此我们考虑普遍应用的 N×N的傅里叶基矩阵Ψ＝[ψ1,ψ2,...ψN]，它的列向量如下{ψi}，模拟信号x可 以表示为：
x＝Ψa
其中a是权重系数N×1的列向量。信号是K稀疏的所以最多包涵K个非零 的系数。AIC结构将压缩和采样进行结合，通过映射形成测量矩阵
y＝Ωx＝ΩΨa
其中Φ＝ΩΨ＝{φ1,φ2,...φN}是M×N的测量矩阵。因此N维的输入信号x 通过M×N的测量矩阵Φ的线性转换y＝Φa得到了M维的测量值y。
2、基于压缩感知理论的AIC结构
基于CS理论的AIC采样结构能够直接以低于奈奎斯特采样率的频率值采样 模拟信号并获得离散的观测点。图1中展示了一个完整的AIC结构。在此结构中 输入信号被一个组成数据为+1和-1的伪随机PN序列pc(t)进行调制。PN序列的 数据转换频率应该高于奈奎斯特频率，因此输入信号的频谱分量能被随机的调制 到整个奈奎斯特空间并保证了整个空间都带有原始信号X的信息。然后用模拟低 通滤波器h(t)将低频段的信号滤出，最后用到低速的ADC去采样并得到离散的 测量值。这时候的低速ADC的频率保证是低通滤波器的奈奎斯特采样率即可满足 要求。得到最终的低速采样点y[m]，表达式为：
其中，x(τ)表示输入的模拟信号，pc(t)表示随机序列，上述公式表示 输入信号x(τ)与随机序列pc(t)进行混频后经过模拟低通滤波器，在时域上表示 为x(τ)pc(t)与h(t)卷积，其可以表示为上述公式的积分形式。然后将稀疏信号 表达式x＝Ψa代入上面公式中得到：
利用上式与CS理论表达式进行比较分离出测量矩阵
其中，θm，n∈Φ。
但是，目前AIC结构采用OMP算法进行重构恢复原始信号，存在算法的迭代 次数多，算法的信号恢复时间长，电路运算速度低和恢复信噪比低的问题。
发明内容
本发明的目的是设计一种应用于AIC结构信号恢复的改进OMP算法的电路 系统，能够降低算法的迭代次数，降低算法的信号恢复时间，有更高的电路运算 速度和更高的恢复信噪比。
本发明是采用以下技术方案实现的：
一种应用于AIC结构信号恢复的改进OMP算法的电路系统，包括：并列复 数乘法单元、矩阵求逆单元、信号估计和残差计算单元和控制单元以及RAM， 测量矩阵C和测量向量y预先前分别存进RAM中，其中，
并列复数乘法单元，将AIC结构采样得到的n*1的测量向量y[n]和m*n的 测量矩阵Φ作为输入，m表示测量向量的大小，n表示原始信号x的长度，具体 为：将测量矩阵Φ中的每一列和测量值y[n]进行内积运算，并通过比较电路找 到最大的两个内积值，其所对应的两个列向量即为最相关的两列；在每一次迭代 的第一个周期计算矩阵的第一列和测量数据的乘积，第二个周期将所得到的乘积 进行求和，同时求矩阵的第二列与测量数y的乘积，第三个周期进行平方和计算， 并且求矩阵的第三列与测量数的乘积和第二个求和过程，以此类推；并列复数乘 法单元的输出为两个相关列向量的索引，控制单元根据两个索引到测量矩阵的 RAM中读取对应的两个列向量，并且在每一次迭代时加入到新的矩阵并存进RAM中，并通过计算输出矩阵C；
矩阵求逆单元，采用Cholesky并行分解并列复数乘法单元生成的矩阵C 的相邻两个元素(Ci,j,Ci+1,j),i代表矩阵C的行，j代表矩阵C的列，矩阵C是为 Hermitian andpositive semidefinite矩阵，可以分解为一个对角矩阵D和一 个下三角矩阵L，采用级联的乘加单元块去分解矩阵C，此处用到的Cholesky 分解公式如下
其中，H代表矩阵的共轭矩阵，
将矩阵C分解成为矩阵D和矩阵L之后，再将它们输入到求逆电路块中分 别得到矩阵D-1和L-1，然后通过乘法电路C-1＝(LH)-1D-1L-1得到矩阵的矩阵C-1；
信号估计和残差计算单元，用于根据矩阵C-1和上一次迭代的残差值y计算 得到原始信号x的新的估计值和新的残差值；
在每一次迭代完成后，控制单元会根据提前设定好的迭代次数ith判断是否 停止迭代，如果没有达到所设定的迭代次数将选择新的残差值ri继续进行下一次 迭代；如果达到设定的迭代次数，最后一次迭代计算出的x的新的估计值x％即为 电路最终所恢复出的信号。
作为优选，信号估计和残差计算单元具体过程为：先通过计算得到矩阵 和y的乘积，再将其乘积与矩阵求逆单元得到的矩阵C-1相乘后得到原始信 号x的新的估计值然后再用y减去矩阵和估计值的乘积得到新的残差值 ri。
与现有的技术相比，本技术的优点在于：
本发明的应用于AIC结构信号恢复的改进OMP算法的电路系统，可以降低 该算法的计算复杂度，改进的算法一次性选取最相关的两个列向量进行残差值的 计算，总体上减少了算法所需的迭代次数并且提高了信号恢复后的信噪比。硬件 电路设计中的采用pipeline模式提高了整体电路的运行速度并且信号恢复所用 的时间也相应的减少。
附图说明
图1是模拟信息转换器系统结构框图；
图2是改进的OMP算法的电路架构图；
图3是矩阵求逆单元的数据流示意图。
具体实施方式
如图2所示，本发明提供一种应用于AIC结构信号恢复的改进OMP算法的 电路系统，包括：并列复数乘法单元、矩阵求逆单元、信号估计和残差计算单 元和控制单元以及RAM，测量矩阵C和测量向量y预先前分别存进RAM中。
并列复数乘法单元，将AIC结构采样得到的n*1的测量向量y[n]和m*n的 测量矩阵Φ作为输入，m表示测量向量的大小，n表示原始信号x的长度。具体 为：将测量矩阵Φ中的每一列和测量值y[n]进行内积运算，并通过比较电路找 到最大的两个内积值，其所对应的两个列向量即为最相关的两列；在每一次迭代 的第一个周期计算矩阵的第一列和测量数据的乘积，第二个周期将所得到的乘积 进行求和，同时求矩阵的第二列与测量数y的乘积，第三个周期进行平方和计算， 并且求矩阵的第三列与测量数的乘积和第二个求和过程，以此类推。这样的并行 设计和流水线的思想保证了时序的有效利用，提高了电路的运行速度。并列复数 乘法单元的输出为两个相关列向量的索引，控制单元根据提供的两个索引到测量 矩阵的RAM中读取对应的两个列向量，并且在每一次迭代时加入到新的矩阵并 存进RAM中，并通过计算输出矩阵C。
输出矩阵C。
矩阵求逆单元，采用Cholesky并行分解并列复数乘法单元生成的矩阵C 的相邻两个元素(Ci,j,Ci+1,j),i代表矩阵C的行，j代表矩阵C的列。矩阵C是一 个Hermitian andpositive semidefinite矩阵，所以它可以分解为一个对角矩 阵D和一个下三角矩阵L。由于矩阵D和L之间的分解数据具有依赖性，因此具 体的操作是需要级联的乘加单元块去分解矩阵C。此处用到的Cholesky分解公 式如下
其中，H代表矩阵的共轭矩阵，上述公式表示了每一次算法迭代时矩阵D 和L中的每一个元素的分解过程。每一个乘加单元的实现需要一个加法器和两个 复数乘法器，一个复数乘法器可以分为3个实数的乘法和3个加法器。在矩阵求 逆单元中，矩阵L，D和C，除法模块和级联的乘加单元之间的数据流向可以参 考图3。可以看到矩阵L和矩阵D之间有很强的数据依懒性，所以该设计最大程 度的并行化了矩阵求逆的运算过程，节省了整个电路运行的时间和信号的恢复时 间。该设计中的乔莱斯分解电路单元将矩阵C分解成为矩阵D和矩阵L之后，再 将它们输入到求逆电路块中分别得到矩阵D-1和L-1，然后通过乘法电路 C-1＝(LH)-1D-1L-1得到矩阵的逆C-1。因为每一次迭代求矩阵C-1的每一个元素时 都需要重复计算前一次的乘积项，例如在第二次迭代时需要将第一次迭代中的乘 积项进行重新计算，因为前面迭代的值并不会改变，所以可以将前面迭代计算的 结果保存下来，后面的迭代只需要在之前的基础上增加两个乘积项即可。根据上 述公式可以看到矩阵C-1中的元素的计算都是独立的，没有相互的数据依赖关 系，所以每一次迭代中元素的计算都可以并行处理的。
信号估计和残差计算单元，用于计算得到原始信号x的新的估计值和新的残 差值。信号估计和残差计算单元的输入为矩阵C-1和上一次迭代的残差值y，具 体操作是先通过计算得到矩阵和y的乘积，再将其乘积与矩阵求逆单元得到 的矩阵C-1相乘后得到原始信号x的新的估计值然后再用y减去矩阵和估 计值的乘积得到新的残差值ri，可以通过设计并行的减法器来增加电路的运行 速度。
在每一次迭代完成后，控制单元会根据提前设定好的迭代次数ith判断是否停 止迭代，如果没有达到所设定的迭代次数将选择新的残差值ri继续进行下一次迭 代。如果达到设定的迭代次数，最后一次迭代计算出的x的新的估计值即为电 路最终所恢复出的信号。
验证实验：
本发明为了验证改进的OMP算法的电路系统的性能，采用SIMULINK建立了完 整的AIC结构作为测试环境为FPGA硬件实现提供测量数据。考虑到高性能和低 功耗的需求，本发明将提出的改进OMP算法在Xilinx Virtex6 xc6vsx475t-1ff1156FPGA上进行综合和验证。表1是该设计所用到硬件资源和 电路的相关性能。然后需要用频谱分析仪去捕捉FPGA板输出的数据最后在 MATLAB上进行信号的时域分析，并比较原始信号和恢复后的信号。验证结果表 明改进的OMP算法有更高的信噪比31.04dB和更少的恢复时间170us。本设计用 5个不同频率(50,100,150,200,250MHz)的正弦信号作为输入得到的结果对比， 结果表明改进的OMP算法能完美的重构原始信号。
表1硬件实现结果
N＝1024，M＝256，K＝36，VIRTEX6FPGA

Claims (2)

1.一种应用于AIC结构信号恢复的改进OMP算法的电路系统，其特征在于，包括：并列复数乘法单元、矩阵求逆单元、信号估计和残差计算单元和控制单元以及RAM，测量矩阵C和测量向量y预先前分别存进RAM中，其中，
并列复数乘法单元，将AIC结构采样得到的n*1的测量向量y[n]和m*n的测量矩阵Φ作为输入，m表示测量向量的大小，n表示原始信号x的长度，具体为：将测量矩阵Φ中的每一列和测量值y[n]进行内积运算，并通过比较电路找到最大的两个内积值，其所对应的两个列向量即为最相关的两列；在每一次迭代的第一个周期计算矩阵的第一列和测量数据的乘积，第二个周期将所得到的乘积进行求和，同时求矩阵的第二列与测量数y的乘积，第三个周期进行平方和计算，并且求矩阵的第三列与测量数的乘积和第二个求和过程，以此类推；并列复数乘法单元的输出为两个相关列向量的索引，控制单元根据两个索引到测量矩阵的RAM中读取对应的两个列向量，并且在每一次迭代时加入到新的矩阵并存进RAM中，并通过计算输出矩阵C；
矩阵求逆单元，采用Cholesky并行分解并列复数乘法单元生成的矩阵C的相邻两个元素(Ci,j,Ci+1,j),i代表矩阵C的行，j代表矩阵C的列，矩阵C是为Hermitian and positivesemidefinite矩阵，可以分解为一个对角矩阵D和一个下三角矩阵L，采用级联的乘加单元块去分解矩阵C，此处用到的Cholesky分解公式如下
其中，H代表矩阵的共轭矩阵，
将矩阵C分解成为矩阵D和矩阵L之后，再将它们输入到求逆电路块中分别得到矩阵D-1和L-1，然后通过乘法电路C-1＝(LH)-1D-1L-1得到矩阵的矩阵C-1；
信号估计和残差计算单元，用于根据矩阵C-1和上一次迭代的残差值y计算得到原始信号x的新的估计值和新的残差值；
在每一次迭代完成后，控制单元会根据提前设定好的迭代次数ith判断是否停止迭代，如果没有达到所设定的迭代次数将选择新的残差值ri继续进行下一次迭代；如果达到设定的迭代次数，最后一次迭代计算出的x的新的估计值即为电路最终所恢复出的信号。
2.如权利要求1所述的应用于AIC结构信号恢复的改进OMP算法的电路系统，其特征在于，信号估计和残差计算单元具体过程为：先通过计算得到矩阵和y的乘积，再将其乘积与矩阵求逆单元得到的矩阵C-1相乘后得到原始信号x的新的估计值然后再用y减去矩阵和估计值的乘积得到新的残差值ri。
CN201711399073.2A 2017-12-22 2017-12-22 一种应用于aic结构信号恢复的改进omp算法的电路系统 Withdrawn CN108199714A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711399073.2A CN108199714A (zh) 2017-12-22 2017-12-22 一种应用于aic结构信号恢复的改进omp算法的电路系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711399073.2A CN108199714A (zh) 2017-12-22 2017-12-22 一种应用于aic结构信号恢复的改进omp算法的电路系统

Publications (1)

Publication Number Publication Date
CN108199714A true CN108199714A (zh) 2018-06-22

Family

ID=62583603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711399073.2A Withdrawn CN108199714A (zh) 2017-12-22 2017-12-22 一种应用于aic结构信号恢复的改进omp算法的电路系统

Country Status (1)

Country Link
CN (1) CN108199714A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554574A (zh) * 2021-09-23 2021-10-26 苏州浪潮智能科技有限公司 一种压缩感知图像恢复方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401560A (zh) * 2013-06-17 2013-11-20 中国人民解放军海军航空工程学院 基于轮廓预提取的直接信息采样系统及其方法
CN105068061A (zh) * 2015-08-13 2015-11-18 北京理工大学 基于chirp混频的模拟信息转换方法及系统
EP3193448A1 (en) * 2016-01-13 2017-07-19 Universität Zürich Band-pass filter

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401560A (zh) * 2013-06-17 2013-11-20 中国人民解放军海军航空工程学院 基于轮廓预提取的直接信息采样系统及其方法
CN105068061A (zh) * 2015-08-13 2015-11-18 北京理工大学 基于chirp混频的模拟信息转换方法及系统
EP3193448A1 (en) * 2016-01-13 2017-07-19 Universität Zürich Band-pass filter

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SUJUAN LIU 等: "High-Speed FPGA Implementation of Orthogonal Matching Pursuit for Analog to Information Converter", 《2017 IEEE 12TH INTERNATIONAL CONFERENCE ON ASIC (ASICON)》 *
刘立明: "模拟信息转换器的实现技术研究", 《万方数据知识服务平台》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554574A (zh) * 2021-09-23 2021-10-26 苏州浪潮智能科技有限公司 一种压缩感知图像恢复方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
Tao et al. Spectral analysis and reconstruction for periodic nonuniformly sampled signals in fractional Fourier domain
CN112099008B (zh) 基于cv-admmn的sa-isar成像与自聚焦方法
CN106027445A (zh) 一种水声块结构稀疏特性的信道估计方法
Kibangou et al. Tensor analysis-based model structure determination and parameter estimation for block-oriented nonlinear systems
US9128885B2 (en) Computationally efficient finite impulse response comb filtering
CN104101751A (zh) 基于信息熵的数字存储示波器垂直分辨率提高方法
Bisina et al. Optimized estimation of power spectral density
CN111224672A (zh) 一种基于多通道延时的多谐波信号欠采样方法
CN108199714A (zh) 一种应用于aic结构信号恢复的改进omp算法的电路系统
CN106603036A (zh) 一种基于低阶内插滤波器的自适应时延估计方法
Chen et al. A simple robust method of fractional time-delay estimation for linear dynamic systems
CN104104394A (zh) 基于mls序列获取随机解调系统感知矩阵的信号重构方法及系统
George et al. Extension of two-signal spurious-free dynamic range of wideband digital receivers using Kaiser window and compensation method
CN110784229A (zh) 一种基于快速傅里叶变换的带有模拟滤波器补偿的mwc后端信号重构方法
Hormati et al. Annihilating filter-based decoding in the compressed sensing framework
CN105741313A (zh) 一种基于fpga的快速实时动目标检测系统
RU2393535C1 (ru) Устройство для обработки сигналов на основе двухкритериального способа
RU62469U1 (ru) Устройство вычисления адаптивного вейвлет-преобразования
CN112187283B (zh) 基于近似计算的正交匹配追踪重构方法及系统
CN112965066B (zh) 一种单比特带通采样合成孔径雷达成像方法
Liu et al. High-speed FPGA implementation of orthogonal matching pursuit for analog to information converter
CN105656451B (zh) 一种基于频域处理的扩频信号匹配滤波系统及方法
CN111435157B (zh) 一种非相干和相干信号一维波达方向估计方法
Zhang et al. An FPGA implementation of orthogonal matching pursuit for random demodulation real-time reconstruction
CN116961592A (zh) 一种基于fpga实现的任意窄带高斯白噪声信号生成的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180622